EN中文

Journal of Geo-information Science >

2017 , Vol. 19 >Issue 5: 653 - 661

DOI: https://doi.org/10.3724/SP.J.1047.2017.00653

Orginal Article

Restoring and Analyzing the Space Forming Process of Chengdu-Chongqing Urban Agglomeration by Using DMSP/OLS Night-time Light Data

  • YANG Renfei , 1 ,
  • LUO Hongxia , 1, * ,
  • ZHOU Sheng 2 ,
  • CHENG Yusi 1 ,
  • CHEN Jingyi 1 ,
  • XIANG Haiyan 1 ,
  • LEI Xi 1
Expand
  • 1. School of Geographic Science, Southwest University, Chongqing 400715, China
  • 2. School of Resources and Environmental Engineering, Anhui University, Hefei 230601, China.
*Corresponding author: LUO Hongxia, E-mail:

Received date: 2016-08-17

  Request revised date: 2016-12-05

  Online published: 2017-05-20

Copyright

《地球信息科学学报》编辑部 所有
Fold

Abstract

In April 2016, Chengdu-Chongqing Urban Agglomeration Development Plan firstly officially confirmed the connotation and specific boundary of Chengdu-Chongqing urban agglomeration. It's conducive to optimize and adjust the trend of development in future and help understanding the spatial patterns and dynamic changes of Chengdu-Chongqing urban agglomeration. Firstly, during the pretreatment process of DMSP/OLS night-time light data, the traditional methods calibrated images by a representative invariant region and those frequently selected regions were far away from the study area, causing uncertainties and errors. We calibrated all pixels of the DMSP/OLS night-time light data within the boundaries of urban-district in 2013. Next, we designed a rule to calibrate the statistical data. On the basis of these two kinds of data, we calculated out the best thresholds of the urban built-up areas in 5 stages of Chengdu-Chongqing urban agglomeration from 1997 to 2013. Comparing extractive areas with statistical areas, the total average relative error is only -0.38%. The result was more stable and accurate than other methods. We tested the extracted built-up polygons (2013) with the certain built-up polygons that sketched on Google Earth historical images. The results showed that the accuracy of extraction had reached 98.29%. Furthermore, we selected the barycenter index and landscape isolation index to analyze the extraction results. We studied the shifting processes of barycenter and the integrating processes of cities and found that: (1) the level of integration was highly consistent with planning and Chengdu-Chongqing urban agglomeration had entered a stage of rapid development; (2) Chongqing metropolitan and Chengdu metropolitan gradually formed and the former achieved greater developments and it also deteriorated regional imbalance. Overall, our research results can be used to optimize the development of Chengdu-Chongqing urban agglomeration, and we provided a template for the study on the space forming processes of urban agglomeration.

Key words： DMSP/OLS; built-up area; barycenter; landscape isolation

Cite this article

YANG Renfei , LUO Hongxia , ZHOU Sheng , CHENG Yusi , CHEN Jingyi , XIANG Haiyan , LEI Xi . Restoring and Analyzing the Space Forming Process of Chengdu-Chongqing Urban Agglomeration by Using DMSP/OLS Night-time Light Data[J]. Journal of Geo-information Science, 2017 , 19(5) : 653 -661 . DOI: 10.3724/SP.J.1047.2017.00653

1 引言

2016年4月,中国国家发改委、住建部联合印发了《成渝城市群发展规划》[1]。成渝城市群承东启西、连接南北,与“一带一路”和长江经济带等国家战略相契合,是优化国土布局与拓宽经济增长空间的重点①。重建成渝城市群的空间形成过程,把握其发展规律,从而进行优化调整,可以有效管控其城市化进程中的风险水平[2]。
美国国防气象卫星计划（Defense Meteorological Satellite Program, DMSP）搭载的线性扫描系统传感器（Operational Linescan System, OLS）具有较高的光电放大特性,对城市灯光、火光等人类活动迹象十分敏感,已被广泛应用于城市空间范围提取[2-9]。
将DMSP/OLS夜间灯光数据应用于成渝城市群研究,时序数据的可对比性与提取精度是重建空间形成过程的关键。一方面,针对DMSP/OLS夜间灯光数据的预处理方法从无到有,成为时序数据对比的基本要求[4-6]。2009年,Elvidge等首先提出了校正DMSP/OLS夜间灯光数据的不变目标区域法,Elvidge选择以F121999影像为参考,以意大利西西里岛作为不变目标区域,给出了全球范围内多期影像的校正参数[7]。2015年,曹子阳等以F162006影像为参考,以黑龙江省鹤岗市市辖区为不变目标区域,完成了专门针对中国区域的校正[8]。近年来,很多学者在研究过程中也进行了类似的校正,所选的不变目标区域不尽相同[4-8],不变目标区域是否具有代表性将直接影响校正结果的准确性。另一方面,保证成渝城市群建成区空间范围提取精度的重点与难点在于获得最佳的提取阈值,最佳阈值的获取方法可概括为3类：（1）经验阈值法,即根据相关经验人为地设定一个阈值,将超过这一阈值的像元定义为城市,经验阈值法虽然操作性好但主观性太 强[9-10];（2）突变检测法,选择随阈值增大而城市内部开始破碎时的阈值点作为提取阈值,其理论基础是真正的城市建成区会保持完整的几何形状[9,11]。成渝城市群内存在大量的组团式城市,比如重庆、泸州等,它们不符合城市建成区会保持完整几何形状的假设,因此突变阈值法也不适用;（3）辅助数据法,常见的辅助数据包括高分辨率影像数据、统计数据等[2-3,12-18]。Google Earth、Landsat等数据的操作复杂、数据量大且历史影像收集比较困难[15-16],更适合针对特定城市、特定时期的建成区范围提取。对多时期、多目标城市的建成区提取,辅以统计数据的方法最为可靠。2006年,何春阳等辅以城镇用地面积统计数据,利用二分比较法自动获取30个省区的提取阈值,重建了中国大陆20世纪90年代的城市化过程[2],在可操作性与提取误差2个方面都达到了较高的标准。
本文综合DMSP/OLS夜间灯光数据两方面的研究进展,根据研究区范围相对较小的特点,将 全部像元加入校正处理,使用精度最好的二分比较法自动获得最佳提取阈值,进而重建成渝城市群的空间形成过程。在高精度提取结果的基础上,引入重心、分离度等指标方法,深层次分析川渝分治以来成渝城市群的建成区重心转移过程、城市聚合过程,剖析成渝城市群空间形成过程中的结构演变特征与趋势。

2 研究区概况及数据源

2.1 研究区概况

《成渝城市群发展规划》首次明确了成渝城市群的具体范围,包括重庆市的27个区（县）以及开县、云阳的部分地区,四川省的15个市,总面积为18.5万km2（图1）①(① http://www.sdpc.gov.cn/zcfb/zcfbghwb/201605/W020160504587323437573.pdf)。本文以成渝城市群内的16个地级及以上级别的城市作为研究对象,结合规划确定的“一轴两带、双核三区”空间结构布局、区域中心城市等内容展开分析。
Fig. 1 The study area

图1 研究区范围

2.2 遥感数据

本文使用来源于美国国家地球物理数据中心（National Geographic Data Center,NGDC）发布的非辐射定标稳定灯光影像（Version4）②(② http://ngdc.noaa.gov/eog/gcv4_readme.txt),该数据是标定夜间灯光强度的年度栅格数据,包括了城市、乡镇等持久光源,并去除了月光云、光火、油气燃烧等 偶然噪声的影响,空间分辨率为30弧秒,光谱分辨率6 bit。分别选取F141997、F152001、F162005、F162009、F182013共5期影像,以4年为周期提取成渝城市群的空间范围信息。

2.3 统计数据

本文使用的建成区面积统计数据主要来自于《中国城市建设统计年鉴》[19]、《中国城市统计年 鉴》[20],处理过程中需要的历史行政区划数据来自于《四川统计年鉴》[21]、《重庆统计年鉴》[22]。总共提取出75个城市建成区、城市行政区划数据,75个数据中包含1997年的11个城市与2001、2005、2009和2013年的各16个城市。

3 提取方法与结果验证

3.1 建成区提取方法

本文的建成区提取方法参照何春阳等提出的二分比较法[2]。首先,需要设定2个假设条件：① 在1997-2013年,成渝城市群内的城市建成区持续扩展,前一时期的灯光在后一时期不会消失或变暗;② 年鉴中的统计数据能反映成渝城市群内建成区的真实情况。然后,通过快速设定各城市市区的阈值,提取出各市的建成区面积总量信息,并将提取出来的建成区面积与统计年鉴的建成区面积比较,直到二者最为接近为止[2]。最后,根据最佳阈值完成75个城市的建成区空间范围提取。为了保证提取精度,本文对遥感数据校正方法作了改进,并设计了简单校正统计数据的方法。
3.1.1 遥感数据校正
因敏感程度、卫星过境时间等因素的影响,传感器对灯光的响应有所差异,不同遥感影像之间进行比较时必须进行辐射校正,而DMSP/OLS数据与一般遥感数据不同,没有进行准确的星上定标[17-18]。针对这一缺陷,Elvidge等提出了基于不变目标区域的相对校正方法。国内相关研究中,常选择的不变目标区域有西西里岛、冲绳岛、鸡西等[14-18],这些区域与成渝城市群都相距较远,校正参数应用到成渝城市群时产生的误差难以确定。此外,NGDC新发布的F182013影像尚无现成校正参数可以利用。
在完成投影和坐标系转换等基础处理后,决定以F162005作为参考影像自行校正。由于2005年处于研究时段的中间年限,同时还需要2次使用到F16卫星数据（另一幅为F162009）,因此可最好地保证校正精度。结合研究区范围较小的特点,通过多次试验发现以2013年各城市的市区范围作为校正区域,将范围内的全部像元加入一元二次回归模型进行拟合具有最好的效果,校正模型如式（1）所示。
Y = a + bx + c x 2 （1）
式中：Y表示校正后的灰度值;x表示原始灰度值;a、b、c为3个回归参数,通过将对应时期的灯光影像与F162005影像拟合得到,具体参数数值与决定系数（R2）见图2。
Fig. 2 The effect of fitting and input parameters

图2 各期影像与F162005影像的拟合效果及其校正参数

结果表明,各期影像与F162005影像的拟合均呈现出较好效果,决定系数（R2）值均高于0.84,对最新发布的F182013数据的校正,拟合R2值约为0.85。将各项拟合参数与相应的影像代入式（1）,实现对影像的相对校正,但基于假设条件①认为后一时期的像元灰度值都应该大于或等于前一时期的对应灰度值,实现方法如式（2）所示。
Y i , j = Y ( i - 4 , j ) Y ( i , j ) < Y ( i - 4 , j ) Y i , j 其他 i = ( 2001,2005,2009,2013 ) （2）
式中：Y(i,j)、Y(i-4, j)分别表示对应i年、i-4年的DMSP/OLS影像在j像元上的灰度值。将各期影像代入上述规则即可实现对遥感数据的校正处理。
3.1.2 统计数据校正
在对统计年鉴数据的整理过程中,发现小部分地市的统计数据亦存在建成区面积前一期大于后一期的状况,这主要是因为中国目前的建成区统计方法存在系统理论体系和权威操作手段缺乏、实际应用数据比较随意等缺陷[23]。简而言之,就是在不同城市间或者同一城市的不同时期,对城市建成区的概念定义、操作划定方法、参照标准等有所出入。因此,针对假设条件②设计了统计数据的校正方法,该方法与遥感数据校正规则类似,不同的是认为距今越近的统计数据越准确。相对于遥感数据校正方法,统计数据的校正是相反的（式（3））。
St a （ ( i , j ） = St a i + 4 , j St a i , j > St a i + 4 , j St a i , j 其他 i = ( 2009 , 2005 , 2001 , 1997 ) （3）
式中： St a ( i , j ) 、 St a ( i + 4 , j ) 分别表示对应i年、 i + 4 年的DMSP/OLS灯光影像在j像元上的灰度值。基于上式规则,对全部75个数据中的7个数据进行了校正,修正率为9%,涉及城市包括德阳、广安、乐山和眉山,涉及年份包括1997、2001和2005年。统计数据校正遵循尽量保持数据原状的原则,总体上未对原始统计数据做大的改动,但校正后的数据更科学合理。

3.2 提取结果与精度评价

完成数据预处理后,利用IDL8.4软件编程实现参考文献[2]中的比较算法,得到了75个对应于各时期各城市的提取阈值,再根据这些提取阈值在ArcGIS 10.3软件中提取出各时期各城市的建成区空间范围（图3）。针对提取结果,本文从统计面积和空间范围2方面进行精度评价。
Fig. 3 Extraction of built-up area

图3 建成区提取结果

3.2.1 面积精度评价
将75个包含各时期各城市的提取面积数据与对应的统计面积数据对比,计算出相对误差（表1）。总体来看,本文的提取精度较高,1997、2001、2005、2009和2013年的相对误差依次为0.52%、-0.47%、-1.03%、0.50%、-2.06%,总体平均相对误差为-0.38%。何春阳等利用二分法提取的1992、1996和1998年四川省（将重庆纳入四川计算）城镇建设用地面积误差分别为5.432%、2.345%和0.158%[2]。舒松等比较了4种主要的建成区提取方法在上海市2000年、2003年、2006年中的应用,结论认为统计数据比较法的提取精度最高,3个时期的相对误差分别是-42%、-1.3%。-17.3%[24]。邹进贵等以黑龙江省鸡西市为不变目标区域进行校正,利用聚类阈值法提取了全国城镇建成区面积数据,在校正方法、提取尺度和时间上都与本文接近,有很好的对比性,其1997年、2001年、2005年、2009年的提取面积相对误差分别为6.94%、-0.49%、1.87%、-0.36%[3]。显然,本文专门针对成渝城市群的全域校正方法较好地保证了提取精度,不仅相对误差普遍低于其他方法,而且各时期之间的误差波动较小,表明该方法具有提取精度高且稳定的特点和优势。
Tab. 1 The relative errors of extracted areas and statistics areas

表1 提取面积与统计面积数据误差分析

城市 1997年 2001年 2005年 2009年 2013年
统计面积/km2 提取面积/km2 误差
/%		 统计面积/km2 提取面积/km2 误差
/%		 统计面积/km2 提取面
积/km2		 误差
/%		 统计面积/km2 提取面积/km2 误差
/%		 统计面积/km2 提取面积/km2 误差
/%
成都市 144 144.89 0.62 228 222.30 -2.50 396 398.97 0.75 439 444.97 1.36 519 491.86 -5.23
达州市 未建市 15 16.13 7.53 20 20.92 4.60 42 44.29 5.46 68 68.66 0.97
德阳市 34 35.65 4.86 34 36.40 7.06 34 39.26 15.46 51 53.30 4.51 70 67.14 -4.08
广安市 未建市 27 25.82 -4.36 27 31.99 18.48 27 31.99 18.48 47 45.34 -3.52
乐山市 52 52.62 1.20 52 52.62 1.20 52 55.80 7.30 52 55.80 7.30 68 66.89 -1.64
泸州市 22 21.89 -0.52 29 31.86 9.88 55 55.25 0.45 72 72.04 0.05 109 108.52 -0.44
眉山市 未建市 16 16.38 2.37 42 40.27 -4.12 42 46.42 10.52 43 47.23 9.84
绵阳市 42 42.36 0.86 48 50.28 4.75 74 72.99 -1.37 83 81.84 -1.39 110 113.23 2.93
南充市 27 27.55 2.05 32 32.43 1.34 54 54.68 1.25 71 70.77 -0.33 109 107.90 -1.01
内江市 23 24.25 5.45 24 26.15 8.95 27 31.15 15.39 39 41.08 5.32 58 56.12 -3.25
遂宁市 16 15.66 -2.14 48 49.21 2.52 49 55.13 12.51 49 57.97 18.31 69 70.34 1.95
雅安市 未建市 14 14.75 5.39 16 16.65 4.06 20 21.80 8.99 22 21.80 -0.92
宜宾市 17 18.58 9.30 29 31.93 10.09 33 34.74 5.27 53 51.52 -2.79 90 88.88 -1.25
重庆市 190 187.16 -1.49 268 256.49 -4.30 492 477.76 -2.89 708 687.41 -2.91 921 902.85 -1.97
资阳市 未建市 16 14.21 -11.21 20 22.14 10.69 32 30.91 -3.41 41 38.88 -5.18
自贡市 40 39.50 -1.24 42 40.72 -3.05 44 42.10 -4.32 68 65.09 -4.28 106 104.01 -1.88
合计 607 610.13 0.52 922 917.68 -0.47 1435 1449.78 1.03 1848 1857.19 0.50 2450 2399.64 -2.06
误差/% -0.38

注：“未建市”表示1997年尚未建立该地级市。同一时期,因处于重庆直辖市行政区划调整过程中,万州和涪陵2个地级市的统计数据不详,故仍将其纳入重庆市计算提取

3.2.2 空间范围精度评价
对比统计面积数据和提取面积数据只能说明在数量尺度上的精度,无法证明在空间范围上是 否准确。加上城市建成区具体范围的界定标准不一,各城市在统计时有所不同。因此,本文利 用Google Earth影像勾画出可以确定的城市建成区范围（影像中表现为城市核心区附近规则状的 工厂、居民区等建设用地,对未建设完成的裸地、林地等都尽量不包括在内）,以此来验证提取空间 范围的准确率。受历史影像分辨率的限制,只验证2013年的提取结果,在Google Earth历史影像中 勾画出18个确定建成区验证图斑,考虑到重庆城区组团大而分散的特点,勾画了重庆主城、万州、涪 陵3个图斑,其余15个城市各有1个图斑。DMSP/OLS夜间灯光数据提取的2013年城市建成区面 积总计2399.64 km2,验证图斑总面积为821.60 km2,而验证图斑与提取图斑重叠部分的面积为 807.54 km2,提取结果的准确率约为98.29%,重庆主城、雅安、成都、宜宾、达州等图斑的空间范围误差面积最大。
图4是验证结果中误差面积最大的3个图斑。重庆主城和成都的误差面积较大的原因与其基数有关,雅安的建成区面积较小且误差面积较大,故视为其提取效果较差。因验证图斑的空间范围偏小,而偏大的建成区统计数据对提取范围又有所放大,故提取图斑与验证图斑间表现为包含关系。总的来说,本文提取的建成区空间范围能够反映出建成区的真实空间范围与城市形态。
Fig. 4 Three polygons of the largest error area

图4 空间范围误差面积最大的3个城市图斑

4 空间形成过程分析

基于上文的验证,认为提取结果误差较小,保存着较好的城市扩张方向、强度以及空间格局等信息[25]。为了更直观地表现出成渝城市群的空间形成过程,本文从建成区重心转移过程、城市聚合过程2个方面作进一步的分析。

4.1 建成区重心转移过程

城市重心是描述城市空间分布最具有代表意义的量算指标,是城市的平均位置,也是城市保持均匀分布的平衡点[26]。DMSP/OLS数据不仅可以为城市重心计算提供空间范围信息,灯光强度值更是表征城市建设情况的优良指标,将其作为权重即可计算城市建设强度的均衡重心,计算方法见式（4）。
X G = ∑ i = 1 n W i X i ∑ i = 1 n W i Y G = ∑ i = 1 n W i Y i ∑ i = 1 n W i （4）
式中： X G 、 Y G 为重心坐标; X i 、 Y i 为第 i 个目标像元的中心坐标; W i 为第i个目标像元的权重。本文分别计算出整个成渝城市群的几何重心（即权重 W i = 1 ）和以夜间灯光强度为权重的建成区重心,并将二者进行对比。如图5所示,成渝城市群的几何重心位于资阳市安岳县境内,而建成区重心则由乐至县境内逐步转移动到安岳县境内,移动方向先是朝向东北后又指向东南。二者相比较,几何重心与建成区重心始终相距不远,表面上看来成渝城市群的城市建设在空间上是大体均衡的。
Fig. 5 Barycenter of Chengdu-Chongqing agglomeration

图5 成渝城市群重心迁移过程图

为了更深层次地研究城市群内部平衡结构与机制,分别统计了基于几何中心四个方位的灯光累计值及其平均值。如图6所示,东南与西北2个方位基本保持平衡,东北与西南2方位基本保持平衡,在空间上形成一副“对角线”,从而维持着城市群的伪平衡。实际上,城市群内部区域差异在持续扩大,东南、西北方位灯光累计值与东北、西南方位灯光累计值在5个阶段的差值依次为：16 186、21 477、37 940、44 589、48 881。
Fig. 6 Cumulative light values of 4 aspects

图6 四个方位的灯光累计值

综上所述,成渝城市群存在着城市建成区重心低速东移与不均衡“对角线”增长的现象。逐渐东移说明以重庆为代表的东部城市发展稍快,不均衡发展是城市群增长极形成的必经过程,“对角线”则体现出成渝城市群的双核结构特征。

4.2 城市聚合过程

景观生态学中,景观分离度是指某一类景观类型中不同斑块个体分布的分离程度[27]。陈利顶、傅伯杰对Cheryl M. Pearce提出的公式进行了改进,使分离度指标充分概括了图斑数量、图斑面积等因 素[27]。本文引入分离度指标,以《成渝城市群发展规划》中的“一轴两翼”、“双核三带”规划作为“斑块类别”,以提取的建成区图斑作为“景观图斑”。分离度指标可以很好地描述各城市间离合关系的时空变化特征,计算公式如下：
F = 1 2 N T A T （5）
式中：F代表分离度指数;T、A分别表示规划区的总面积和规划区内建成区图斑的总面积,而N表示规划区域内建成区图斑的数量,计算结果见表2。
Tab. 2 The landscape isolation values of Chengdu-Chongqing agglomeration

表2 成渝城市群分离度

规划区域 1997年 2001年 2005年 2009年 2013年
一轴两带 成渝发展主轴 0.6622 0.5679 0.4522 0.4379 0.3330
沿江城市带 1.0209 1.0262 0.6253 0.6191 0.4563
成德绵乐城市带 0.8062 0.6570 0.5784 0.5147 0.4237
双核三区 成都都市圈 0.7212 0.6365 0.5517 0.4799 0.4037
重庆都市圈 0.4533 0.5778 0.3699 0.4429 0.3213
川南城镇密集区 1.8125 1.4458 1.1572 0.8223 0.6471
达万城镇密集区 5.1898 2.3811 0.9859 0.9853
南遂广城镇密集区 2.5386 1.4437 1.0941 0.9652 0.6939
成渝城市群 1.1693 1.0483 0.7565 0.6654 0.5303
分离度越低表示建成区图斑越聚集,即规划区域内城市间的聚合情况越好。由表2可见,成渝城市群与各规划区的分离度都在随时间推进而降低,这是《成渝城市群发展规划》的现实基础。在“一轴两翼”规划中,3个规划区的分离度均低于城市群均值,表明这3个区域在城市群内部已经突出地发展起来,其中成渝发展主轴的聚合情况最好,成德绵乐城市带次之,这与规划中打造成渝发展主轴、优化成德绵乐城市带以及培育沿江城市带的定位高度吻合。在“双核三区”规划中,重庆、成都2个核心都市圈的聚合情况明显优于其余3个城镇密集区,城市群内部有两极分化的现象。重庆都市圈聚合情况最好,成都都市圈次之。成都都市圈覆盖范围较大,包括了成都、德阳、眉山、资阳等4市,目前看来4个城市之间的融合状况较重庆主城与周边区县的融合状况更差。川南城镇密集区的聚合情况稍优于南遂广城镇密集区。达万城镇密集区融合情况最差。但其分离度降低速度很快,这表明该区域近年来的融合发展取得了较大进步。

5 总结与讨论

结合DMSP/OLS夜间灯光数据与统计年鉴数据,本文重建了1997年川渝分治以来成渝城市群的空间形成过程,对建成区重心转移过程与城市聚合过程展开了深层次的研究。所使用的方法丰富了DMSP/OLS数据与同类型城市群结合应用的研究,相关分析结论可为《成渝城市群发展规划》的实施提供理论依据和决策支持。
在建成区提取方法上,一方面改进了遥感数据校正方法,创新性地将全域像元加入模型拟合,另一方面设计了对统计数据的校正方法。建成区提取面积与建成区统计面积的总体相对误差为-0.38%,利用Google Earth软件勾画的确定建成区图斑来验证本文提取的建成区图斑,正确率为98.29%。比较现有研究成果,改进校正方法后的建成区提取结果精度更高且稳定,成功地将空间分辨率为1 km的DMSP/OLS数据应用于中小城市尺度的建成区空间范围提取。
基于高精度的建成区提取结果,进一步引入重心、分离度等指标来分析成渝城市群形成过程中的时空变化特征,研究结果表明：在1997-2013年,各城市的建成区规模不断扩大,城市间的分离度逐渐变小,成渝城市群已由雏形阶段进入了快速发育阶段。其中,需要注意以下2点：① 成都、重庆都市圈的核心地位逐渐形成,但伴随着城市群内部差距的持续扩大。因此在成都、重庆都市圈发展起来后,应发挥其增长极的辐射作用实现区域全面发展; ② 以重庆为代表的城市群东部城市的发展速度稍快于西部,具有良好的发展前景。
本文成功重建并分析了成渝城市群的空间形成过程,但在以下几方面仍存不足,有待进一步改进：
（1）受遥感数据空间分辨率、统计年鉴数据所限,研究尺度定位于地级及以上级别的城市。如果试图提取县或镇级别的建成区,可行性有待研究,在数据质量、方法等方面都需要改进。
（2）提取城市建成区的二分比较法依赖于统计年鉴数据,然而目前的建成区统计数据也普遍存在着如统计数据往往比实际情况偏大等问题。作者只对统计方法、过程做了简单了解,设计的统计数据校正方法较为简易,还需加深理解,设计更可靠的规则。
（3）基于夜间灯光数据提取的城市建成区数据包含着丰富的城市信息,本文仅计算了重心与分离度,数据分析的领域有待扩展,层次有待深入。

The authors have declared that no competing interests exist.

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
国务院关于成渝城市群发展规划的批复[J].中华人民共和国国务院公报, 2016,12:27-28.

[The State Council approved on the Chengyu urban agglomeration development planning[J]. The Bulletin of the State Council of the People’s Republic of China, 2016,12:27-28. ]

[2]
何春阳,史培军,李景刚,等.基于DMSP/OLS夜间灯光数据和统计数据的中国大陆20世纪90年代城市化空间过程重建研究[J].科学通报,2006,51(7):856-861.中国大陆目前以行政单元为基础的城镇用地面积统计数据缺乏足够的空间信息, 难以满足大尺度城市化空间格局和变化过程研究的需要. 文中首先提出了一种以现有统计数据为基础, 借助DMSP/OLS夜间灯光遥感数据, 快速恢复和提取中国大陆城镇用地空间信息, 弥补现有统计资料不足的新方法. 进而以该方法为基础, 利用 1992, 1996和1998年的3期DMSP/OLS夜间灯光数据, 重建了中国大陆20世纪90年代的城市化空间过程. 利用统计数据对该方法提取结果的面积总量评估表明, 二者在全中国大陆尺度上的面积相对误差在1992年小于2%, 1996年和1998年则均小于1%, 在省级尺度, 相对误差最大的省份也没有超过10%, 大部分省份的相对误差小于3%. 同时利用高分辨率Landsat TM数据对该方法提取结果的城市空间格局特征分析也表明, 利用DMSP/OLS 提取的城市格局特征与Landsat TM提取的城市格局特征基本上是吻合的, 两者的相似程度在80%左右. 这说明利用该方法重建的中国大陆20世纪90年代城市空间过程, 基本上可以反映当时中国大陆城市发展的实际状况, 具有一定的可信性, 可以在一定程度上为中国大陆宏观城市空间格局和变化过程研究提供帮助.

DOI

[He C Y, Shi P J, Li J G, et al.Restoring urbanization process in China in the 1990s by using Non radiance calibrated DMSP/OLS nighttime light imagery and statistical data[J]. Chinese Science Bulletin, 2006,51(7):856-861. ]

[3]
邹进贵,陈艳华,丁鸽,等.利用DMSP/OLS灯光影像提取城镇建成区的聚类阈值法[J].武汉大学学报·信息科学版,2016,41(2):196-201.

[Zhou J G, Chen Y H, Ding G, et al.A clustered threshold method for extracting urban built-up area using the DMSP/OLS nighttime light images[J]. Geomatics and Information Science of Wuhan University, 2016,41(2):196-201. ]

[4]
李爱民,刘杉,吕安民.基于卫星遥感影像的郑州市建成区扩展变化研究[J].郑州大学学报(工学版),2011,32(2):125-128.

[Li A M, Liu B, Lu A M.Research on expansion of built-up area in Zhengzhou during 1999—2007 based on Multi-original remote sensing images[J]. Journal of Zhengzhou University (Engineering Science). 2011,32(2):125-128. ]

[5]
范俊甫,马廷,周成虎,等.1992-2010年基于DMSP-OLS图像的环渤海城市群空间格局变化分析[J].地球信息科学学报,2013,15(2):280-288.从DMSP-OLS数据提取城市区域的经验阈值法存在固有的缺陷, 经验阈值对不同的空间区域不具备通用性, 不适用的经验阈值, 将导致城区面积提取具有较大误差, 可采用统计数据对经验阈值进行修正以降低误差。本文在大时空尺度条件下以少量样本城市的统计数据对经验阈值方法进行了修正;另采用Elvidge二次多项式模型对DMSP-OLS时间序列数据进行了校正。在此基础上选取总斑块数量、景观总面积、平均斑块大小、最大斑块面积比、斑块密度、景观形状指数、总边界长度、平均边界密度和斑块平均回旋半径共9个景观生态学指标, 采用FRAGSTATS 3.3软件计算分析了1992-2010年环渤海区域城市发展的空间格局变化特征。结果表明:1992-2010年间, 环渤海区域城市化进程持续较快发展, 城市建成区总面积增加了2.14倍, 平均城市建成区面积增加了76%, 提取到的城市斑块平均回旋半径增加了约26.5%, 并且城市景观斑块的复杂度明显上升, 可检测到的城镇总个数增加了82%。但是, 每100km2内孤立的城市景观斑块数却降低了约76%;大城市持续扩张的相对速度慢于中小城市, 城市区域边界密度和整体城市分布景观格局破碎度逐渐降低, 核心城市与周围卫星城市的景观斑块的联通性逐步增加。

DOI

[Fan J F, Ma T, Zhou C H, et al.Changes in spatial patterns of urban landscape in Bohai Rim from 1992 to 2010 using DMSP/OLS data[J]. Journal of Geo-information Science, 2013,15(2):280-288. ]

[6]
吴健生,赫胜彬,彭建,等.基于DMSP-OLS数据的城市发展空间特征研究[J]. 地理与地理信息科学,2014,30(2):20-25.

[Wu J S, Hao S B, Peng J, et al.Research on spatial characteristics of urban development based on DMSP/OLS data[J]. Geography and Geo-information Science, 2014,30(2):20-25. ]

[7]
Elvidge C D, Ziskin D, Baugh K E, et al.A fifteen year re-cord of global natural gas flaring derived from satellite data[J]. Energies, 2009,2(3):595-622.We have produced annual estimates of national and global gas flaring and gas flaring efficiency from 1994 through 2008 using low light imaging data acquired by the Defense Meteorological Satellite Program (DMSP). Gas flaring is a widely used practice for the disposal of associated gas in oil production and processing facilities where there is insufficient infrastructure for utilization of the gas (primarily methane). Improved utilization of the gas is key to reducing global carbon emissions to the atmosphere. The DMSP estimates of flared gas volume are based on a calibration developed with a pooled set of reported national gas flaring volumes and data from individual flares. Flaring efficiency was calculated as the volume of flared gas per barrel of crude oil produced. Global gas flaring has remained largely stable over the past fifteen years, in the range of 140 to 170 billion cubic meters (BCM). Global flaring efficiency was in the seven to eight cubic meters per barrel from 1994 to 2005 and declined to 5.6 m3 per barrel by 2008. The 2008 gas flaring estimate of 139 BCM represents 21% of the natural gas consumption of the USA with a potential retail market value of $68 billion. The 2008 flaring added more than 278 million metric tons of carbon dioxide equivalent (CO2e) into the atmosphere. The DMSP estimated gas flaring volumes indicate that global gas flaring has declined by 19% since 2005, led by gas flaring reductions in Russia and Nigeria, the two countries with the highest gas flaring levels. The flaring efficiency of both Russia and Nigeria improved from 2005 to 2008, suggesting that the reductions in gas flaring are likely the result of either improved utilization of the gas, reinjection, or direct venting of gas into the atmosphere, although the effect of uncertainties in the satellite data cannot be ruled out. It is anticipated that the capability to estimate gas flaring volumes based on satellite data will spur improved utilization of gas that was simply burnt as waste in previous years.

DOI

[8]
曹子阳,吴志峰,匡耀求,等.DMSP/OLS夜间灯光影像中国区域的校正及应用[J].地球信息科学学报,2015,17(9):1092-1102.美国国防气象卫星搭载的业务型线扫描传感器（DMSP/OLS）获取的夜间灯光影像,可客观地反映人类开发建设活动强度,其广泛应用于城市遥感的多个领域。但该数据缺少星上的辐射校正,下载的原始影像数据集不能直接用于研究,需进行区域校正。长时间序列的DMSP/OLS夜间灯光影像数据集主要存在2个问题需在校正过程中解决：（1）原始影像数据集中的影像是非连续性的;（2）数据集中的每一期影像都存在着像元DN值饱和的现象。针对这2个问题,本文提出了一种不变目标区域法的影像校正方法,对提取出来的每一期中国区域的夜间灯光影像进行了校正,该校正方法包括相互校正、饱和校正和影像间的连续性校正。最后,为了检验校正方法的合理性与可靠性,本文将校正前后中国夜间灯光影像与GDP和电力消耗值,分别进行回归分析评价表明,校正后的影像更客观合理地反映区域经济发展的差异。

DOI

[Cao Z Y, Wu Z F, Kuang Y Q, et al.Correction of DMSP/OLS night-time light images and Its application in China[J]. Journal of Geo-information Science, 2015,17(9):1092-1102. ]

[9]
王鹤饶,郑新奇,袁涛.DMSP/OLS数据应用研究综述[J].地理科学进展,2012,31(1):11-19.

[Wang H R, Zheng X Q, Yuan T.Overview of researches based on DMSP/OLS nighttime light data[J]. Progress in Geography, 2012,31(1):11-19. ]

[10]
Sutton P.Modeling population density with nighttime satellite imagery and GIS computers, Environment and urban systems, 1997,21(3-4):227-224.Night-time satellite imagery, as provided by the Defense Meteorological Satellite Program's Operational Linescan System (DMSP OLS), shows promise as a proxy measurement of urban extent. Earlier efforts have shown that the areas of contiguous saturated DMSP OLS images show strong correlations with the total population living in those areas. This paper describes efforts at modeling the population density within the urban areas identified within the continental United States. These efforts build upon the previous efforts of Clark, Berry, Nordbeck, Tobler and others to describe the variation of population density within cities. The method described herein differs from the aforementioned theories because it operates from the edges of the urban areas rather than attempting to identify a “center” of the urban cluster. By measuring distance from the edge rather than the distance from the center this method allows for the “multiple nuclei” of urban clustering that have clearly manifested as a result of the conurbation of urban centers within the U.S.A. This paper describes the methods used to allocate population to one, two, three, five, and ten square kilometer pixels for the continental U.S.A. Several urban population decay functions are applied and evaluated. In addition, an empirical urban population density decay function is derived for all the urban clusters defined by the DMSP imagery.

DOI

[11]
Imhoff M L, Lawrence W T, Stutzer D C, et al.A technique for using composite DMSP/OLS “City Lights” satellite data to map urban area[J]. Remote Sensing of Environment, 1997,61(3):361-370.A Tresholding technique was used to convert a prototype “city lights” data set from the National Oceanic and Atmospheric Administration's National Geophysical Data Center (NOAAINGDC) into a map of “urban areas” for the continental United States. Thresholding was required to adapt the Defense Meteorological Satellite Program's Operational Linescan System (DMSPIOLS)-based NGDC data set into an urban map because the values reported in the prototype represent a cumulative percentage lighted for each pixel extracted from hundreds of nighttime cloud screened orbits, rather than any suitable land-cover classification. The cumulative percentage lighted data could not be used alone because the very high gain of the OLS nighttime photomultiplier configuration can. lead to a pixel (2.7X2.7 km) appearing “lighted” even with very low intensity, nonurban light sources. We found that a threshold of %89% yielded the best results, removing ephemeral light sources and “blooming” of light onto water when adjacent to cities while still leaving the dense urban core intact. This approach gave very good results when compared with the urban areas as defined by the 1990 U. S. Census; the “urban” area from our analysis being only 5% less than that of the Census. The Census was also used to derive population.- and housing-density statistics for the continent-wide “city lights” analysis; these averaged 1033 persons/km 2 and 426 housing units/ king, respectively. The use of a nighttime sensor to determine the location and estimate the density of population based on light sources has proved feasible in this exploratory effort. However, issues concerning the use of census data as a benchmark for evaluating the accuracy of remotely sensed imagery are discussed, and potential improvements in the sensor regarding spatial resolution, instrument gain, and pointing accuracy are addressed.

DOI

[12]
Milesi C, Elvidge C D, Nemani R R, et al.Assessing the impact of urban land development on net primary productivity in the southeastern United States[J]. Remote Sensing of Environment, 2003,86(3):401-410.ABSTRACT The southeastern United States (SE-US) has undergone one of the highest rates of landscape changes in the country due to changing demographics and land use practices over the last few decades. Increasing evidence indicates that these changes have impacted mesoscale weather patterns, biodiversity and water resources. Since the Southeast has one of the highest rates of land productivity in the nation, it is important to monitor the effects of such changes regularly. Here, we propose a remote sensing based methodology to estimate regional impacts of urban land development on ecosystem structure and function. As an indicator of ecosystem functioning, we chose net primary productivity (NPP), which is now routinely estimated from the MODerate resolution Imaging Spectroradiometer (MODIS) data. We used the MODIS data, a 1992 Landsat-based land cover map and nighttime data derived from the Defense Meteorological Satellite Program's Operational Linescan System (DMSP/OLS) for the years 1992/1993 and 2000 to estimate the extent of urban development and its impact on NPP. The analysis based on the nighttime data indicated that in 1992/1993, urban areas amounted to 4.5% of the total land surface of the region. In the year 2000, the nighttime data showed an increase in urban development for the southeastern United States of 1.9%. Estimates derived from the MODIS data indicated that land cover changes due to urban development that took place during the 1992 2000 period reduced annual NPP of the southeastern United States by 0.4%. Despite the uncertainties in sensor fusion and the coarse resolution of the data used in this study, results show that the combination of MODIS products such as NPP with nighttime data could provide rapid assessment of urban land cover changes and their impacts on regional ecosystem resources.

DOI

[13]
Henderson M, Yeh E T, Gong P, et al.Validation of urban boundaries derived from global night-time satellite imagery[J]. International Journal of Remote Sensing, 2003,24(3):595-609.Night-time imagery from the Defense Meteorological Satellite Program (DMSP) Operational Linescan System (OLS) has been proposed as a useful tool for monitoring urban expansion around the world, but determining appropriate light thresholds for delineating cities remains a challenge. In this paper we present a new approach. We used DMSP stable lights and radiance-calibrated images to delimit urban boundaries for San Francisco, Beijing and Lhasa, cities with different levels of urbanization and economic development, and compared the results against boundaries derived from high-resolution Landsat Thematic Mapper (TM) imagery. Unthresholded DMSP images exaggerate and shift the extent of these urban areas. We then calculated light thresholds that minimized the discrepancies between the DMSP- and TM-derived urban boundaries for each city. Our comparison highlights the difficulty of using DMSP data across areas with disparate urban characteristics, but suggests the possibility of calibrating this data source for monitoring growth of cities at comparable levels of development.

DOI

[14]
杨洋,何春阳,赵媛媛,等.利用DMSP/OLS稳定夜间灯光数据提取城镇用地信息的分层阈值法研究[J].中国图象图形学报,2011,16(4):666-673.DMSP/OLS夜间灯光数据是提取大尺度城镇用地信息的有效数据手段。利用DMSP/OLS稳定夜间灯光数据，在传统二分比较法的基础上，发展一种提取城镇用地信息的新方法――分层阈值法。该方法采用分层分类的思想，不断地将灯光阈值相近的行政单元划分到相同的集合，直至集合内各行政单元的灯光阈值完全相同为止。基于分层阈值法，从2002年DMSP/OLS稳定夜间灯光数据中提取中国内地的城镇用地信息，并利用统计数据和Landsat ETM+数据分别从数量特征和空间格局上对提取结果进行精度评价。研究结果表明，分层阈值法不仅克服了传统二分比较法需要逐个行政单元求取阈值导致计算效率较低的缺陷，优化了阈值求解过程，提高了城镇用地信息提取效率，而且具有较高的可靠性和推广应用价值。

DOI

[Yang Y, He C Y, Zhao Y Y, et al.Research on the layered threshold method for extracting urban land using the DMSP/OLS stable nighttime light data[J]. Journal of Image and Graphics, 2011,16(4):666-673. ]

[15]
宋金超,李新虎,吝涛,等.基于夜晚灯光数据和Google Earth的城市建成区提取分析[J]. 地球信息科学学报,2015,17(6):750-756.lt;p>夜晚灯光数据已被广泛应用于提取城市建成区的研究, 由于灯光具有溢出特性, 因此确定最佳灯光阈值成为研究热点。本研究中总结4种常用最佳阈值确定方法的特点, 并使用Google Earth影像空间比较法, 确定夜晚灯光数据提取城市建成区的最佳阈值。由于地形、交通等因素影响城市形态, 城市形态影响夜晚灯光数据提取城市建成区的最佳阈值大小, 因此, 根据城市形态将阈值结果分为2类, 并得到块状城市和带状城市建成区的最佳灯光阈值分别为43和 47。Google Earth影像空间比较法与其他方法相比具有不受统计数据限制, 以及简易操作等优势, 且从形态上对城市建成区提取结果进行空间比较;其次, 根据城市形态对最佳阈值结果分类, 使不同类型的城市建成区提取结果更准确。该方法适用于在地形复杂、形态多样的大尺度空间中提取城市建成区。</p>

DOI

[Song J C, Li X H, Lin T, et al.A method of extracting urban built-up area based on DMSP/OLS nighttime data and Google Earth[J]. Journal of Geo-information Science, 2015,17(6):750-756. ]

[16]
柴宝惠,李培军,张瑞洁,等.基于Landsat数据和DMSP/OLS夜间灯光数据的城市扩展提取:以天津市为例[J].北京大学学报(自然科学版),2016,52(3):475-485.lt;p align="justify">以天津市为例, 将多时相的Landsat TM/ETM+影像与DMSP/OLS夜间灯光数据结合起来提取城市建成区扩展信息, 并进行验证和分析。首先, 利用DMSP/OLS夜间灯光数据得到城市建成区的大致范围, 利用这个范围内的Landsat TM/ETM+数据和多波段纹理进行图像分类, 得到城市建成区的空间分布。然后, 利用分类后比较法得到城市建成区的变化信息, 将提取的建成区变化结果与利用 DMSP/OLS数据得到的城市建成区扩展信息以及基于统计数据的城市建成区变化趋势进行对比, 验证方法的有效性。结果表明, 结合DMSP/OLS数据和Landsat 数据的光谱特征以及提取的多波段纹理特征, 可有效地减少裸土与城市建成区的混淆, 与只利用光谱信息的建成区提取及变化检测相比, 得到更高的精度。因此, 结合 Landsat TM/ETM+数据和DMSP/OLS夜间灯光数据提供了一种进行大型城市建成区扩展检测的有效方法。</p>

DOI

[Chai B H, Li P J, Zhang R J, et al.Urban expansion extraction using Landsat series data and DMSP/OLS nighttime light data: A case study of Tianjin area[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2016,52(3):475-485. ]

[17]
何春阳,李景刚,陈晋,等.基于夜间灯光数据的环渤海地区城市化过程[J].地理学报,2005,60(3):409-417.lt;p>利用1992年、1996年和1998年的三期DMSP/OLS夜间灯光数据, 提取了区域尺度的环渤海地区20世纪90年代的城市群空间信息, 建立了城市群地区面状、线状和点状城市化空间模式, 分析了环渤海城市群地区20世纪90年代的城市化过程。基本结论如下：① 20世纪90年代环渤海城市群地区城市斑块数量增长较快, 城市化过程明显, 但小斑块所占比重较大, 城市斑块破碎度增加。同时, 区域内城市重心基本维持在经度117.93<sup>o</sup>和纬度38.49<sup>o</sup>附近, 整体上表现出向西北方向移动的趋势。② 20世纪90年代环渤海城市群地区城市化过程基本上可以从空间上概括为在中心城市和大城市周围的面状城市化过程、沿交通干线周围的线状城市化过程和广大区域内以新兴小城市或小城镇出现为特征的点状城市化过程三种基本过程。其中, 面状城市化过程一直居于优势地位, 但面状城市化过程的基本有效范围主要局限在面状城市斑块周围3~4 km范围。线状城市化过程和点状城市过程所占的比例相对较小, 但表现出明显的增强趋势, 在区域内的影响范围正逐渐扩大。</p>

DOI

[He C Y, LI J G, Chen J, et al.The urbanization model and process in Bohai Sea Surrounding Area in the 1990s by using DMSP/OLS data[J]. Acta Geographica Sinica, 2005,60(3):409-417. ]

[18]
李景刚,何春阳,史培军,等.基于DMSP/OLS灯光数据的快速城市化过程的生态效应评价研究——以环渤海城市群地区为例[J].遥感学报,2007,11(1):115-126.快速有效地评估城市化过程带来的生态环境后果,对于优化城市土地利用格局、降低和防范城市生态环境风险,非常必要。因此本文综合利用DMSP/OLS夜间灯光数据和SPOT/VGT时间序列数据等多源遥感信息,以NDVI与时间的积分值来表征一定时间段内的植被初级生产力,探讨了环渤海城市群地区城市化过程对植被初级生产力的季节性变化影响。发现：（1）研究区全年总的平均初级生产力总体表现为城市地区低于非城市地区的特征。（2）研究区平均初级生产力一般是在8月份最高,而在1月份最低;同时,一个生长季内,平均初级生产力总体呈现为4-11月城市地区低于非城市地区,而12月到次年3月则是城市地区要高于非城市地区的趋势,但这种趋势在各土地覆盖类型间也存在很大的不同。（3）研究区全年总的平均初级生产力,城市地区NDVI为110.23d/km^2,而非城市地区为123.94d/km^2,两者相差13.71d/km^2,即城市化过程已经在一定程度上减弱了研究区的植被初级生产力。

DOI

[Li J G, He C Y, Shi P J, et al.The use of multisource satellite and geospatial data to the ecological effects of urbanization: A case of the urban agglomeration in Bohai Rim[J]. Journal of Remote Sensing, 2007,11(1):115-126. ]

[19]
中华人民共和国住房和城乡建设部.中国城市建设统计年鉴[M].北京:中国计划出版社,2009-2013.

[Ministry of housing and urban-rural development of the People’s Republic of China. China urban construction statistics yearbook[M]. Beijing: China planning press, 2009-2013. ]

[20]
国家统计局城市社会经济调查司.中国城市统计年鉴[M].北京:中国统计出版社,1997-2013.

[Cities Socio-economic survey office National bureau of statistics. China city statistics yearbook[M]. Beijing: China Statistics Press, 1997-2013. ]

[21]
四川省统计局.四川统计年鉴[M].北京:中国统计出版社,1997-2013.

[Sichuan provincial bureau of statistics. Sichuan Statistics yearbook[M]. Beijing: China Statistics Press, 1997-2013. ]

[22]
重庆市统计局.重庆统计年鉴[M].北京:中国统计出版社,1997-2013.

[Chongqing municipal bureau of statistics. Chongqing Statistics yearbook[M]. Beijing: China Statistics Press, 1997-2013. ]

[23]
胡忆东,吴志华,熊伟,等.城市建成区界定方法研究——以武汉市为例[J].城市规划,2008,32(4):88-91,96.

[Hu Y D, Wu Z H, Xiong W, et al.Research on the define method of built-up area: A case of Wuhan[J]. City Planning Review, 2008,32(4):88-91,96. ]

[24]
舒松,余柏蒗,吴健平,等.基于夜间灯光数据的城市建成区提取方法评价与应用[J].遥感技术与应用,2011,26(2):169-176.lt;p>DMSP/OLS夜间灯光数据已被广泛应用于城市建成区的提取。目前主要存在4类提取方法:经验阈值法、突变检测法、统计数据法和较高分辨率影像数据空间比较法。以上海为例,在2000年、2003年、2006年夜间灯光数据的基础上,利用4种方法完成了城市建成区的提取。通过对不同年份数据提取结果的比较,证明了相同的灰度分割阈值对不同年份的夜间灯光数据中不存在通用性；在对2003年夜间灯光数据的提取中,4类方法所得结果精确度从高到低依次为统计数据法、突变检测法、经验阈值法和较高分辨率影像数据空间比较法,相对误差分别为1.3%、2.1%、5.1%和11.2%,在对4种方法的便捷性和可实现性进行分析与评价后,使用突变检测法完成了上海市2000~2006年城市建成区的提取。</p>

[Shu S, Yu B L, Wu J P, et al.Methods for deriving urban built-up area using night-light data: assessment and application[J]. Remote Sensing Technology and Application, 2011,26(2):169-176. ]

[25]
王翠平,王豪伟,李春明,等.基于DMSP/OLS影像的我国主要城市群空间扩张特征分析[J].生态学报,2012,32(3):942-954.20世纪90年代以来,随着中国城市化步伐的加快,城市用地空间扩张极为明显。采用1992、1995、2000、2005、2009年5期的夜间灯光影像数据提取了京津冀、长江三角洲和珠江三角洲城市群的城市像元,并从空间扩张强度、扩张类型以及方向性空间扩张特征3个方面对三大城市群城市用地的空间扩张特征进行了分析,同时还从社会经济方面对城市群空间扩张的驱动因素进行了讨论。结果表明,三大城市群的空间扩张特征既存在共性也存在明显的差异,同时社会经济的快速发展对城市用地的扩张具有明显的驱动作用,为进一步推动中国城市化进程提供了数据支撑。

DOI

[Wang C P, Wang H W, Li C M.Analysis of the spatial expansion characteristics of major urban agglomerations in China using DMSP / OLS images[J]. 2012,32(3):942-954. ]

[26]
陈述彭,鲁学军,周成虎.地理信息系统导论[M].北京:科学出版社,2000.

[Chen S P, LU X J, Zhou C H.Introduction to geographic information system[M]. Beijing: Science Publishing, 2000. ]

[27]
陈利顶,傅伯杰.黄河三角洲地区人类活动对景观结构的影响分析──以山东省东营市为例[J].生态学报,1996,4:337-344.

[Chen L D, Fu B J.Analysis of impact of human activity on landscape structure in Yellow River Delta: A case study of Dongying region[J]. Acta Ecologica Sinica, 1996,16(4):337-334. ]

Options
Outlines

/

〈 〉