EN中文

Journal of Geo-information Science >

2021 , Vol. 23 >Issue 5: 837 - 849

DOI: https://doi.org/10.12082/dqxxkx.2021.200380

Study on the Spatio-Temporal Evolution of the Yangtze River Delta Urban Agglomeration by Integrating Dmsp/Ols and Npp/Viirs Nighttime Light Data

  • XU Zhengsen ,
  • XU Yongming , *
Expand
  • School of Remote Sensing and Geomatics Engineering, Nanjing University of Information Science and Technology, Nanjing 210044, China
*XU Yongming, E-mail:

Received date: 2020-07-18

  Request revised date: 2020-09-04

  Online published: 2021-07-25

Supported by

Humanities and Social Sciences Foundation of the Ministry of Education of China(17YJCZH205)

National Natural Science Foundation of China(41871028)

Environmental Monitoring Foundation of Jiangsu Province(1903)

Qing Lan Project of Jiangsu Province(R2019Q03)

Copyright

Copyright reserved © 2021
Fold

Abstract

Accurately quantifying the spatiotemporal evolution of urban agglomerations is important for city management plan and urban agglomeration development strategy. In this study, the spatiotemporal evolution of the Yangtze River Delta (YRD) urban agglomeration was characterized based on the DMSP/OLS nighttime light (NTL) data from 1992 to 2012 and the NPP/VIIRS NTL data from 2012 to 2018. Considering that the discrepancy between the NTL data from different satellites or sensors and the oversaturation of DMSP/OLS NTL data in urban areas limit the applications of integrating NPP/VIIRS and DMSP/OLS NTL data in monitoring the urban expansion dynamics, discrepancy correction and saturation correction were conducted to produce a temporally consistent NTL dataset combining the two NTL datasets during 1992—2018. Using the city-level built-up data obtained from the statistical yearbook as the reference, the optimal threshold values were determined by a dichotomy method to extract annual urban build-up areas in the YRD urban agglomeration from the long-term NTL dataset. Based on the extracted annual urban build-up areas, the expansion rate, centroid (center of gravity), directional distribution, and city-size distribution of the YRD urban agglomeration were analyzed using the standard deviation ellipsoid method and the Zipf coefficient. Our results show that: (1) The discrepancy correction and saturation correction procedures employed in this study effectively improved the continuity and comparability of multi-source NTL data with less reference data. We produced a temporally consistent nighttime light dataset during the period of 1982—2018; (2) The annual build-up areas in the YRD urban agglomeration extracted by the dichotomy method achieved a good accuracy, with a mean relative error of 8.10% and a mean absolute error of 6.85 km2; (3) The city centroid of the YRD urban agglomeration was located along the Taihu Lake in Suzhou city and showed a trend of slowly moving southeast from 1982 to 2018. The YRD urban agglomeration was distributed along northwest-southeast direction, and the direction gradually shifted to the north-south then. The oblateness of weighted standard deviation ellipse gradually decreased, indicating a decrease of the directional distribution of the YRD urban agglomeration over time. This trend also suggested that the development of cities in this urban agglomeration had become more balanced in past two decades; (4) The Zipf index of the YRD urban agglomeration was close to 1 and slowly decreased, suggesting a relatively balanced pattern of the city-size distribution of this urban agglomeration.

Key words： DMSP/OLS; NPP/VIIRS; night-time light; YRD; urban agglomeration; spatiotemporal patterns dynamics; correction method; VANUI

Cite this article

XU Zhengsen , XU Yongming . Study on the Spatio-Temporal Evolution of the Yangtze River Delta Urban Agglomeration by Integrating Dmsp/Ols and Npp/Viirs Nighttime Light Data[J]. Journal of Geo-information Science, 2021 , 23(5) : 837 -849 . DOI: 10.12082/dqxxkx.2021.200380

1 引言

中国从1978年改革开放开始,经历了前所未有的快速城市化过程。1981年后的30年,城市化率持续增长接近31.11%[1]。在这一时期,建成区土地增加了4.86倍,达到近36 165 km2 [2]。截至2019年末,中国已有60.60%（8.48亿）人口居住在城市[3]。当前,我国已经形成了以长江三角洲、珠江三角洲、京津冀、长江中游及成渝城市群为代表的5大国家级城市群。城市群是一个由多种要素组合的复杂有机整体,是城市化和城市区域化高阶段发展的产物,在诸如支撑全国经济增长、加强区域产业高效分工与合作、参与国际竞争与合作等很多方面发挥着重要作用[4]。党的十九大报告中明确强调“以城市群为主体,构建大中小城市和小城镇协调发展的城镇格局”。然而,城市群的发展也导致了耕地面积减少[5,6]、水和空气污染[7]、洪水频率增加[8]、城市热岛效应加剧[9]、生物多样性减少[10]以及其它水文和生态灾害等问题。同时,城市扩展失控、城市群的不均衡发展[11]、城市群内各城市协调性差[12]等,对城市群发展的可持续性存在严重负面影响。为了更好地促进城市群一体化协同发展,研究城市格局的时空演变有非常重要的意义。
传统的城市群时空格局监测主要基于统计年鉴数据。统计年鉴虽然数据丰富但无法有效反映城市建成区的准确空间分布。遥感技术具有直观性、客观性、时效性和经济性等优点[13],已被广泛应用于城市时空格局的动态变化监测。但是基于日间光学遥感和微波遥感数据提取城市建成区忽视了对“城市区域”的定义。“城市区域”应是人类聚集地或者说是定居点,而不单指基于地表覆盖判断的建设用地[14]。夜光遥感数据已被证明与人类或社会经济活动显著相关,反映了“城市区域”中的城乡差别,体现了人类活动的剧烈程度[15]。1976年发射的Defense Meteorological Satellite Program（DMSP）卫星搭载的Operational Linescan System（OLS）传感器开始提供夜间灯光遥感数据,为监测社会经济活动提供了新的数据来源。2011年10月28日发射的National Polar-orbiting Operational Environmental Satellite System Preparatory Project（NPP）卫星搭载的Visible Infrared Imaging Radiometer Suite （VIIRS）传感器提供新一代夜间灯光遥感数据,有效弥补了DMSP/OLS数据在空间和辐射分辨率等方面的不足,抑制了像元亮度过饱和及溢出现象,扩展了夜间灯光遥感数据的应用范围。
1978年Croft第一次通过DMSP/OLS数据提取城市建成区后[16],国内外多位学者基于夜间灯光遥感数据开展了城市建成区提取研究。Imhoff等[17]基于DMSP/OLS数据,使用最佳阈值法提取美国城市建成区。Small等[18]对DMSP/OLS影像进行彩色合成,可以直观观察城市扩展方向和空间格局变化。Sutton[19]提出了操作简单的经验阈值法提取建成区。随着夜间灯光遥感数据在不透水层、城市建成区提取等方面研究的深入,不少国内外学者开始开展城市群长时间序列时空格局演变监测的相关研究。陈晋等[20]基于DMSP/OLS数据构建灯光指数,并利用该指数对1992—1998年中国的城市化进程进行分析。杨任飞等[21]基于DMSP/OLS数据对成渝城市群1997—2013年建成区的重心转移和城市空间形成过程进行研究。Chen等[22]使用DMSP/OLS、MODIS和Landsat数据对全球2000—2012年城市群演变进行分析。Duque等[23]使用DMSP/OLS数据对拉丁美洲和加勒比海919个城市1996—2010年的形态和面积变化进行研究。林立中等[24]基于DMSP/OLS数据对中国东部沿海区域2001—2013年城市面积、重心和扩展速率进行监测。Chen等[25]使用NPP/VIIRS数据和多种辅助数据对2012—2018年长江三角洲城市群的演变进行监测,并将其与欧洲、北美洲和亚洲的5大城市群进行对比。
由于DMSP/OLS数据和NPP/VIIRS数据在传感器响应、空间分辨率、成像时间等方面存在明显差异,上述研究多数仅使用其中一种数据进行较短时间范围的城市发展监测,研究时段局限于2012年以前（DMSP/OLS数据）或者2012年以后（NPP/VIIRS数据）。而且使用多源夜光遥感数据的研究,普遍存在一致性校正和过饱和校正不足,建成区提取误差过大等问题。本研究拟综合运用连续性校正、对数变化、过饱和校正和回归拟合等多种方法对1992—2012年的DMSP/OLS和2012—2018年的NPP/VIIRS夜间灯光遥感数据进行一致性校正,构建长时间序列的稳定夜间灯光遥感数据集,对长江三角洲城市群时空格局进行变化监测,揭示该地区近27年来城市群规模结构时空演化特征,以期为该城市群管理、规划及城市群的协同发展提供参考,并为其它城市群时空格局演变研究提供方法借鉴。

2 研究区概况及数据源

2.1 研究区概况

长江三角洲城市群位于长江下游,东邻黄海和东海。城市群由27座城市组成（图1）,总面积约为2.25×105 km2,几何中心位于常州溧阳与无锡宜兴交界处（119° 34' 48" E,31°27'36" N）。区域内地形以平原丘陵为主,地势较为低平,海拔基本在10 m以下。该区域为季风气候,温暖湿润、雨热同期,区域年平均气温为15~16 ℃,年均降水量1000~1400 mm[26]。2018年,长江三角洲区域总人口约1.5亿人,占全国总人口11%;国民生产总值超过21万亿元,占全国GDP总量的23%;建成区面积超7357 km2,约占全国建成区总面积的13%[27]。长江三角洲地区是目前我国金融、科教发展最为活跃,改革开放最深化的区域之一,在国家的现代化建设大局和全方位开放格局中占有举足轻重的地位。目前,长江三角洲区域一体化发展已升级为国家战略。
图1 长江三角洲城市群位置

Fig. 1 Location of the Yangtze River Delta(YRD) urban

2.2 数据来源

本研究使用的夜间灯光遥感数据为DMSP/OLS和NPP/VIIRS夜间灯光遥感数据,辅助数据为统计年鉴数据、归一化植被指数（Normalized Difference Vegetation Index,NDVI）数据和行政区划数据。
本研究使用的DNSP/OLS夜间灯光遥感数据为对地观测组织（http://ngdc.noaa.gov/eog/）提供的第4版年合成产品。该数据由1992—2012年6颗不同的DMSP卫星（F10、F12、F14、F15、F16和F18）搭载的OLS传感器收集地面灯光信息,剔除了火灾、爆炸等的影响后进行年合成处理后得到[28]。数据像元值范围为0~63,空间分辨率约为1 km（DMSP/OLS传感器原始分辨率为2.8 km,产品重采样为1 km）,覆盖范围为从180° E—180°W, 65° S—75° N。DMSP卫星在2013年停止运行,后续夜间灯光遥感数据由NPP卫星搭载的VIIRS传感器提供。本研究使用的NPP/VIIRS夜间灯光数据同样由对地观测组织网站提供,为VCMCFG月合成产品,空间分辨率约为500 m,光谱分辨率为10 bit[29]。
本研究使用的NDVI数据为1992—1998年AVHRR GIMMS 和1998—2018年SPOT VEGETATION NDVI数据。SPOT VEGETATION NDVI年合成数据由中国科学院资源环境科学数据中心（http://www.resdc.cn）提供,空间分辨率为1 km[30]。由于1992—1997年没有1 km分辨率的 NDVI产品,采用NASA ECOCAST实验室（https://ecocast.arc.nasa.gov/data/pub/gimms/）提供的旬合成AVHRR GIMMS NDVI数据,空间分辨率为8 km[31]。
本研究中使用的行政区划边界为1:100万中国地级市行政边界数据,由国家基础地理信息中心（http://www.ngcc.cn）提供[32]。长江三角洲各城市建成区面积来源于《中国城市统计年鉴》[33]和各省市的统计年鉴。
对所有遥感数据进行预处理,将投影类型统一转换为Albers等面积投影,并通过双线性内插法将空间分辨率统一重采样至1 km。

3 研究方法和技术路线

本研究首先对分别对DMSP/OLS和 NPP/VIIRS数据进行连续性校正和对数变换,之后对2种数据进行过饱和校正和一致性校正,建立1992—2018年长时间序列夜间灯光遥感数据。采用二分法逐年提取研究区的建成区空间分布,在此基础上计算标准差椭圆和Zipf系数研究长江三角洲城市格局时空演变。技术路线如图2所示。
图2 技术路线

Fig. 2 Flow chart

3.1 长时间序列夜间灯光数据构建

3.1.1 夜光遥感数据的连续性校正和对数变换
由于不同DMSP卫星的OLS传感器响应存在差异,通常采用不变目标区域法对不同DMSP卫星的OLS数据产品进行相互校正。不变目标区域选取的是亮度值年际变化较小且像元亮度值动态范围较大的区域。根据这些条件,有些研究选取黑龙江省鹤岗市[34]或鸡西市[35]作为不变目标区域。长江三角洲城市群发展迅速,夜间灯光亮度年际变化十分明显,没有满足上述条件的区域,因此借鉴前人的幂回归校正方程对长江三角洲区域DMSP/OLS数据进行校正[31]。
D N cal = a × D N b
式中：DN和DNcal分别为校正前后影像的像元值; a和b分别为回归方程的系数（具体系数值详见参考文献[34]）。为减少不同传感器间的不一致以及充分利用2个传感器独立获取的相同年份合成产品,对相同年份不同传感器获取的产品取算数平均值。
NPP/VIIRS分辨率高并且仪器响应灵敏,影像细节变化十分明显,和DMSP/OLS影像有较大差别。Yu等[36]提出对数变换可以很好地抑制城市核心区域内像元值剧烈变化,使NPP/VIIRS和DMSP/OLS影像更为接近。本研究采用式（2）对NPP/VIIRS数据进行对数变换处理[37]。
Ln _ D N i = ln D N i + 1
式中：DNi为NPP/VIIRS影像中像元i的原始值,Ln_DNi为其对数变换后的结果。为避免对数变 换后出现无效值,对原始的像元值加上常数1再 取对数。
3.1.2 夜光遥感数据的过饱和校正
长江三角洲城市群经济发达,城市中心区域DMSP/OLS像元亮度饱和问题突出。本研究基于夜间灯光遥感数据和NDVI数据计算VANUI来抑制像元亮度的过饱和。VANUI抑制像元亮度过饱和的基本原理是：夜间灯光数据的像元值与城市建成区成正相关,植被丰度与建成区成负相关[38]。
VANUI = 1 – NDVI × D N nor
D N nor = DN - D N min / D N max - D N min
式中：NDVI为年平均NDVI;DNnor为归一化后的夜间灯光遥感影像像元值;DNmin和DNmax分别为原始夜间灯光遥感影像最大和最小的像元值。
由于1 km分辨率的SPOT VEGETATION NDVI数据从1998年开始,之前的时段采用AVHRR GIMMS NDVI数据。基于2种NDVI数据集的共有时段1998年数据,通过回归分析建立线性拟合方程对1992—1997年AVHRR GIMMS NDVI数据进行修正,使其和1998—2018年SPOT VEGETATION NDVI数据具有一致性。
3.1.3 卫星间的相互校正
DMSP/OLS和NPP/VIIRS传感器在光谱响应方面存在显著差异,需要对2种卫星的数据相互校正。相较于不同DMSP/OLS传感器间的不连续性,DMSP/OLS和NPP/VIIRS之间的差异更为显著[39],NPP/VIIRS空间和辐射分辨率更高,低光探测能力更强,而且二者的过境时间存在差异（DMSP/OLS和NPP/VIIRS分别于地方时间19:30和01:30 过境）[40]。根据OLS-VANUI和VIIRS-VANUI的共有时相（2012年）建立二者之间的线性拟合方程,基于拟合方程对1992—2012年的OLS-VANUI进行修正,使其和2012—2018年的VIIRS-VANUI具有一致性。其中,2012年的OLS-VANUI和VIIRS-VANUI取算数平均值,最终构建1992—2018年长时间序列夜间灯光遥感数据集。

3.2 建成区提取和城市时空演化研究方法

3.2.1 建成区提取和精度评价方法
二分法是提取城市建成区的常用方法,其本质是一种阈值法,计算简单且精度相对较高[41]。二分法提取城市建成区的基本思路是基于年鉴中各城市的建成区面积,不断根据夜间灯光数据提取的建成区面积和统年鉴中面积的误差调整阈值,直至在某一阈值下夜间灯光数据提取的城市建成区面积和统计年鉴中建成区面积最为接近,该阈值即为该年提取该城市建成区的最佳阈值[42]。本研究从《中国城市统计年鉴》[33]中获取1992—2018年长江三角洲城市群各城市建成区面积,通过IDL编程确定各城市历年建成区提取的最佳阈值。根据上文所阐述的“城市区域”的定义,使用统计年鉴中建成区面积计算相对和绝对误差衡量建成区提取结果的精度。
3.2.2 标准差椭圆
采用标准差椭圆方法揭示城市群的重心、展布范围、密集性、方向和形态等空间分布及时空演变过程多方面特征。该方法于1926年由Lefever提出[43]。根据拟合得到的标准差椭圆提取椭圆中心表征城市群分布重心[44],提取长轴和短轴的长度分别表征城市群分布的主分布方向和数据分布范围[45],提取方位角表征城市群演变的主驱动力方向[46]。椭圆重心、X、Y半轴长度和方位角的计算公式如下：
X ̅ = ∑ i = 1 n X i W i ∑ i = 1 n W i Y ̅ = ∑ i = 1 n Y i W i ∑ i = 1 n W i
式中： X ̅ 和 Y ̅ 为标准差椭圆重心的X和Y坐标; X i 和 Y i 为像素i的坐标; W i 为权重,本研究中权重为VANUI值;n为总像元数。

tan θ = ∑ i = 1 n X ̅ i 2 W i 2 - ∑ i = 1 n Y ̅ i 2 W i 2 + ∑ i = 1 n X ̅ i 2 W i 2 - ∑ i = 1 n Y ̅ i 2 W i 2 2 + 4 ∑ i = 1 n X ̅ i Y ̅ i W i 2 2 ∑ i = 1 n X ̅ i Y ̅ i W i

式中： θ 为椭圆方向角,即椭圆的X轴与北方向的夹角; X ̅ i 和 Y ̅ i 为重心坐标与 X i 和 Y i 坐标的差值。
σ x = 2 ∑ i = 1 n ( X ̅ i W i cos θ - Y ̅ i W i sin θ ) 2 n σ y = 2 ∑ i = 1 n ( X ̅ i W i sin θ + Y ̅ i W i cos θ ) 2 n
式中： σ x 和 σ y 为椭圆X轴和Y轴的标准差,即椭圆的X和Y轴长度; θ 为椭圆方向角;n为总像元数。
3.2.3 位序-规模法则
城市位序-规模法则是量化城市群规模分布特征和等级体系的经典方法,其计算公式为[32]：
P r = P 1 × r - q
式中： P r 表示位序为r的城市灯光规模; r表示按灯光总量从大到小排序后城市的位序; q为Zipf系数,表示城市规模分布的集中和分散程度; P 1 表示位序为1的城市的灯光总量。
通过分析Zipf系数,可以监测城市群规模分布特征。若Zipf系数约等于1,表明各城市规模分布相对均匀,差异较小;若Zipf系数小于1,表示城市分布特征为次位型,中小城市发育,城市规模分布分散;若Zipf系数大于1,表示城市分布特征为首位型,即大城市与中小城市规模悬殊,城市规模分布集中。

4 结果与讨论

4.1 夜光遥感数据一致性和过饱和校正结果

图3（a）和图3（b）分别为1992—2012年一致性校正前后DMSP/OLS影像累计像元值总和（TDN）及亮像元（DN>10）数（TLP）随时间的变化。连续性校正前,不同DMSP卫星及同一卫星不同年份OLS影像的TDN和TLP之间存在明显不一致。校正后,不同DMSP卫星OLS数据的TDN和TLP连续性得到明显改善,呈现逐年稳定增加的趋势,不再有无序波动和反复的现象,说明连续性校正提高了DMSP/OLS数据的连续性和稳定性。
图3 一致性校正前后研究区DMSP/OLS影像像元值总和和亮像元数

Fig. 3 The TDN (a) and the TLP (b) of the DMSP/OLS light images of YRD before and after consistent correction

由于DMSP/OLS影像空间分辨率低且存在像元亮度饱和及灯光溢出等问题,其影像中城市和乡村的边界比较模糊,城市核心区域向乡村的像元亮度变化比较缓慢,而NPP/VIIRS影像中建成区和建成区周围的非建成区对比要明显很多,城市像元向郊区像元的变化非常显著。以上海市为例, 图4（a）、图4（b）分别为该市2012年对数变换前后的NPP/VIIRS影像,图4（c）为该市2012年DMSP/OLS影像。从图4（a）和图4（b）的对比可发现,对数变换可以很好地抑制NPP/VIIRS影像中城区像元向郊区像元亮度的突变,使得城区像元亮度向郊区像元亮度的过渡变得更加平缓,从而使DMSP/OLS和NPP/VIIRS数据的一致性得到提升。
图4 2012年上海市对数变换前后NPP/VIIRS和DMSP/OLS夜间灯光遥感影像对比

Fig. 4 Comparison of NPP/VIIRS and DMSP/OLS NTL images in Shanghai over the year 2012 before and after the logarithmic transformation

图5展示了南京市和杭州市及其周围区域2012年DMSP/OLS数据VANUI过饱和校正前后夜间灯光遥感影像的变化。从图5（a）和图5（c）中可以看出,南京市和杭州市2012年城市核心区域亮度值差异较小,像元亮度显著过饱和。经过VANUI校正之后的图5（b）和图5（d）中,南京和杭州城区像元体现出了明显的亮度差异,像元亮度过饱和得到有效校正。基于二分法提取建成区,像元亮度过于集中会导致误差增大,VANUI过饱和校正可以很好地将像元亮度区分开,从而减小建成区提取的误差。
图5 2012年南京市和杭州市周边区域VANUI校正前后NTL影像

Fig. 5 The NTL image of partial Nanjing and Hangzhou over the year 2012 before and after VANUI correction

图6展示了2012年VIIRS-VANUI和OLS -VANUI的散点图,从中可见二者呈明显的线性关系。基于二者线性相关关系建立的OLS-VANUI到VIIRS-VANUI的线性拟合方程为：y=0.883x+0.447,拟合判定系数R2=0.89（P<0.001）。作为对比,基于未进行对数变换的VIIRS-VANUI和OLS -VANUI数据建立的线性拟合方程R2为0.71,进行对数变换但未计算VANUI的NPP/VIIRS和DMSP/OLS数据建立的线性拟合方程R2为0.80。可见对NPP/VIIRS进行对数变换以及计算VANUI有效提升了VIIRS和OLS 2个数据集间的一致性。
图6 NPP/VIIRS VANUI和DMSP/OLS VANUI 相关关系

Fig. 6 Correlation of DN values between NPP/VIIRS NDVI and DMSP/OLS NDVI images for YRD Urban Agglomeration

4.2 基于二分法的城市群建成区提取结果

根据建立的1992—2018年夜间灯光遥感数据集逐年运用二分法得到长江三角洲各城市各年建成区空间分布,各城市建成区提取的绝对误差和相对误差如图7所示。所有城市建成区面积估算相对误差均值和中位数分别为8.10%和4.46%,绝对误差均值和中位数分别为6.85 km2和4.00 km2,其中分别有21和20座城市的建成区提取相对误差低于10%,绝对误差低于10 km2。在理想情况下,二分法得到的阈值提取出的城市建成区面积应该非常接近真实值,但是由于过饱和校正和灯光溢出校正的不彻底会导致夜间灯光遥感数据像元值在城市建成区内的变化较小,从而使城市核心区的建成区像元和非建成区像元（如城市内部的绿地、水体等）以及城市周围的郊区和乡村区分不开,导致城市建成区提取面积绝对误差偏大。此外,一些城市如池州、安庆、宣城等建成区面积较小,即使绝对误差较小也会导致相对误差偏大。舟山市建成区非常破碎且小,同时又受大面积水体影响,建成区提取的相对误差和绝对误差都较大[47,48]。
图7 建成区提取的相对误差和绝对误差箱线图

Fig. 7 Relative error and absolute error for built-up areas extraction

5 城市群建成区时空演变趋势

5.1 重心变化

图8(a)给出了基于处理后夜间灯光数据集拟合得到的1992、1997、2002、2007、2012和2017年长江三角洲城市群加权标准差椭圆。在加权标准差椭圆的基础上分析该城市群的空间演变趋势,包括重心、主分布方向等的变化。图8(b)给出了长江三角洲城市群重心的时空变化趋势。1992—2017年长江三角洲城市群的重心相对稳定,始终位于苏州市吴中区太湖沿岸附近。重心总体呈向东南方向移动的趋势,由1992年的（120°11′05" E,31°18′58" N） 移动到2017年的（120°08′39" E,31°08′49" N）。在重心5次的移动过程中,向东南移动了2次,向西南移动2次,向西北移动1次。1992—1997年城市群重心向东南移动,是因为这一时期长江三角洲城市群东部沿海区域的城市发展领先于西北部,其中起重要拉动作用的是浙江东南部的沿海城市。20世纪80—90年代,浙江省的乡镇企业发展要好于江苏省。此外,20世纪90年代的浦东新区开发也不可避免拉动重心向东偏移;1997—2002年向西南方向移动是因为长江三角洲城市群逐渐向西北部扩容,城市群内西北部区域整体经济实力不断增强,特别是锡常宁的经济发展要好于浙江北部和东南部城市; 2002—2007年向东南方向移动,由于上海市、苏州市等长江三角洲城市群内的经济发达的大城市对重心的拉动作用仍十分明显; 2007—2012年又往西北方向移动,表明内部腹地城市逐渐发育,和东南沿海区域差距逐渐缩小,城市群趋于平衡发展。 2012—2017年重心往西南移动,是由于长江三角洲中心腹地的环太湖城市群产业升级,传统产业开始向浙北和皖东等区域迁移,这有助于进一步促进长江三角洲城市群的均衡发展。
图8 长江三角洲城市群加权标准差椭圆计算、建成区提取和重心变化结果

Fig. 8 Consequence of the weighted standard deviation ellipse calculation,build-up area extraction and shift of the center of gravity of YRD Urban Agglomeration

陈龙胤[49]基于DMSP/OLS夜光遥感数据的研究表明,长江三角洲在1998—2010年城市群中心向东南方向移动,这与本文研究结果总体趋势基本一致。但是由于仅使用了DMPS/OLS数据且未对其进行有效的过饱和校正,未能准确揭示短时间内重心位移和长时间的重心变化趋势。王伟[50]和白雪[51]基于统计数据的研究同样表明,1995—2005和1982—2013年,长江三角洲城市群重心向东南方向移动,但是由于统计数据不能准确反映建成区空间分布,其研究只能给出重心的大致移动趋势,不够准确。董鹤松等[52]基于DMSP/OLS和NPP/VIIRS数据的监测结果也表明,长江三角洲城市群重心整体呈现东南向移动趋势。但是由于该文章并未对像元亮度过饱和进行有效校正,所以在重心位置和移动速率等方面和本文不同。

5.2 方向角、扁率和长短轴变化

图9为长江三角洲城市群标准差椭圆方向角、扁率和长短轴变化。总的来说,长江三角洲城市群标准差椭圆的扁率维持在0.3~0.4之间,表明城市发展的方向性和向心力变化不大。椭圆的方向角始终在90~180°之间且趋于稳定在125°左右,即方向始终呈西北—东南方向但是向南北方向旋转。这印证了长江三角洲城市群上海市南北两翼城市竞争激烈,长江三角洲城市群的建成区逐渐呈现南北分布的趋势。
图9 1992—2018年长江三角洲城市群标准差椭圆方向角、扁率和长短轴长变化

Fig. 9 Shift of direction cosine, oblateness and long/short axis of the weighted standard deviation ellipse during the period of 1992 and 2018

5.3 城市群规模体系

通过位序-规模法则,计算长江三角洲城市群1992—2018年城市夜间灯光总量Zipf系数时间序列（图10）。长江三角洲城市群1992—2018年整体Zipf系数均值为1.16,高序位城市规模并不十分突出,城市体系发展平衡且不存在断层现象;中小城市发育且数量众多。随时间推移,长江三角洲城市群Zipf系数整体呈下降趋势,说明城市群规模分布分散状态逐渐加剧,城市群处于多城市共同发展的均衡状态。孙贵艳等[53]、毕秀晶[54]基于统计数据和晁静等[55]。基于夜光遥感数据也得出了近些年来长江三角洲城市群呈均衡化发展趋势的结论,这与本文研究结果基本一致。1992—1998年Zipf系数值呈上升趋势,说明长江三角洲城市规模分布总体上较集中,高位序城市规模扩大,同期增长速度超过中小型城市,城市群规模分布的集中趋势大于分散趋势,向高序位城市独大的不均衡状态发展;1998—2014年Zipf系数值均大于1且呈下降趋势,说明在高位序城市发展的辐射带动下,中小城市逐渐发育,规模逐渐扩大导致大城市首位度逐渐降低; 2014—2018年Zipf系数值均小于1且呈缓慢下降趋势,这说明高位序城市规模不再突出,城市规模分布总体上较分散,城市群规模分布的分散趋势大于集中趋势,多城市全面共同发展。
长江三角洲城市群作为我国改革开放的排头兵,其城市位序规模分布的演变在很大程度上受我国城市化政策调整与变化影响。20世纪80年代我国已经开始重视发展中小型城市,1980年提出“控制大城市规模、合理发展中等城市,积极发展小城市”的城市发展方针。1990年将上述方针写入了《中华人民共和国城市规划法》[56],以法律的形式引导城市发展,对长江三角洲地区的城市位序-规模分布的演变起了很大作用。在进入21世纪后,国家对中小型城市的发展提供政策和财政支持,坚持“大、中、小城市协调发展”的战略,规模分布的次位型趋势更加明显。
图10 长江三角洲城市群1992—2018年Zipf系数变化

Fig. 10 Variation of Zipf index of YRD urban agglomeration between 1992 and 2018

6 结论

本研究基于DMSP/OLS和NPP/VIIRS年合成数据进行一致性校正处理,构建长江三角洲区域1992—2018年长时间序列灯光数据集。基于校正后的数据对长江三角洲城市群格局时空演化进行研究,得出了以下4点结论：
（1）本研究对DMSP/OLS和NPP/VIIRS数据综合进行了连续性校正、对数变换、过饱和校正和回归拟合等,能够在较少依赖其它参考数据的条件下有效提高2种夜间灯光遥感数据的一致性,构建长时间序列夜间灯光遥感数据集。
（2）基于一致性校正和过饱和校正后的长时间序列夜间灯光遥感数据,采用二分模型提取城市建成区相对误差均值和中位数分别为8.10%和4.46%,绝对误差均值和中位数分别为6.85 km2和4.00 km2,其中分别有21和20座城市的建成区提取相对误差低于10%,绝对误差小于10 km2。表明二分模型实现了较高精度的建成区提取,可以为城市群格局时空演化监测奠定数据基础。
（3）根据灯光加权标准差椭圆计算得到的长江三角洲城市群重心相对稳定,始终位于苏州市吴中区太湖沿岸附近,年际变化较小且存在局部波动和反复现象,整体上呈现向东南方向移动的趋势。椭圆的方向角一直大于100°,长江三角洲城市群呈西北–东南向分布,但是随着方向角增大城市群的方向性分布有向南北向演变的趋势。椭圆的扁率变化不大,表明城市群发展的向心力和方向性变化不大。
（4）通过规模-位序法则评估长江三角洲城市群的规模体系,结果表明该城市群Zipf系数始终在1附近且呈现持续减小的趋势。这表明1992年以来长江三角洲城市群虽然呈现首位型分布特征且规模分布总体上仍比较集中,但是城市群规模分布分散状态逐渐加剧、城市群内部大城市对中小型城市的带动作用比较强,中小城市发育,城市群持续均衡发展,至2014年已呈现次位型分布特征。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
国家统计局. 中国统计年鉴[M]. 北京: 中国统计出版社, 2011.

[ National Bureau of Statistics. China Statistical Yearbook[M]. Beijing: China Statistics Press, 2011. ]

[2]
中国住房和城乡建设部. 2011年中国城市结构统计年鉴[M]. 北京: 中国统计出版社, 2011.

[ Ministry of Housing and Urban-Rural Development of China, 2011 China City Structure Statistical Yearbook[M]. Beijing: China Statistics Press, 2011. ]

[3]
国家统计局. 2019年末城镇常住人口[EB/OL]. http://data.stats.gov.cn/ .

[ National Bureau of Statistics. Urban permanent population at the end of 2019[EB/OL]. http://data.stats.gov.cn/. ]

[4]
梁泽, 黄姣, 韦飞黎, 等. 基于夜光遥感影像与百度POI数据的中国城市群空间范围识别方法[J]. 地理研究, 2020,39(1):92-102.

DOI

[ Liang Z, Huang J, Wei F L, et al. Identifying the spatial range of urban agglomerations in China based on night light remote sensing and POI data[J]. Geographical Research, 2020,39(1):92-102. ]

[5]
Liu J Y, Liu M L, Zhuang D F, et al. Study on spatial pattern of land-use change in China during 1995-2000[J]. Science in China Series D: Earth Sciences, 2003,46(4):373-384.

[6]
Tan M H, Li X B, Xie H, et al. Urban land expansion and arable land loss in China: A case study of Beijing-Tianjin-Hebei region[J]. Land Use Policy, 2005,22(3):187-196.

DOI

[7]
Shao M, Tang X Y, Zhang Y H, et al. City clusters in China: Air and surface water pollution[J]. Frontiers in Ecology and the Environment, 2006,4(7):353-361.

DOI

[8]
Weng Q H. Modeling urban growth effects on surface runoff with the integration of remote sensing and GIS[J]. Environmental Management, 2001,28(6):737-748.

PMID

[9]
Zhou L, Dickinson R E, Tian Y, et al. Evidence for a significant urbanization effect on climate in China[J]. Proceedings of the National Academy of Sciences of the United States of America, 2004,101(26):9540-9544.

[10]
Zhao S Q, Da L J, Tang Z Y, et al. Ecological consequences of rapid urban expansion: Shanghai, China[J]. Frontiers in Ecology and the Environment, 2006,4(7):341-346.

DOI

[11]
王晓慧. 基于DMSP/OLS夜间灯光数据的中国近30年城镇扩展研究[D]. 南京:南京大学, 2013.

[ Wang X H. Urban expansion in China over the past 30 years detected using DMSP/OLS nighttime light data[D]. Nanjing: Nanjing University, 2013. ]

[12]
吴建楠, 程绍铂, 姚士谋. 中国城市群空间结构研究进展[J]. 现代城市研究, 2013,28(12):97-101.

[ Wu J N, Cheng S B, Yao S M. Review and prospect of research on spatial structure of China's urban agglomerations[J]. Modern Urban Research, 2013,28(12):97-101. ]

[13]
梅安新. 遥感导论[M]. 北京: 高等教育出版社, 2001.

[ Mei A X. An introduction to remote sensing[M]. Beijing: Higher Education Press, 2001. ]

[14]
Carter H. The study of urban geography[M]. Hachette: A Hodder Arnold Publication, 1995.

[15]
陈佐旗. 基于多源夜间灯光遥感影像的多尺度城市空间形态结构分析[D]. 上海:华东师范大学, 2017.

[ Chen Z Q. A multiscale analysis on urban area and spatial structure based on nighttime light data[D]. Shanghai: East Normal China University, 2017. ]

[16]
Croft T A. Nighttime Images of the Earth from Space[J]. Scientific American, 1978,239(1):86-101.

DOI

[17]
L.Imhoff M, 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.

DOI

[18]
Small C, Pozzi F, Elvidge C D. Spatial analysis of global urban extent from DMSP-OLS night lights[J]. Remote Sensing of Environment, 2005,96(3):277-291.

DOI

[19]
Sutton P. Modeling population density with night-time satellite imagery and GIS[J]. Computers, Environment and Urban Systems, 1997,21(3/4):227-244.

DOI

[20]
陈晋, 卓莉, 史培军, 等. 基于DMSP/OLS数据的中国城市化过程研究——反映区域城市化水平的灯光指数的构建[J]. 遥感学报, 2003,7(3):168-175,T001.

[ Chen J, Zhuo L, Shi P J, et al. The study on urbanization process in China based on DMSP/OLS data: Development of a light index for urbanization level estimation[J]. Journal of Remote Sensing, 2003,7(3):168-175, T001. ]

[21]
杨任飞, 罗红霞, 周盛, 等. 夜间灯光数据驱动的成渝城市群空间形成过程重建及分析[J]. 地球信息科学学报, 2017,19(5):653-661.

DOI

[ Yang R F, Luo H X, Zhou S, et al. 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. ]

[22]
Chen Z, Yu B, Zhou Y, et al. Mapping global urban areas from 2000 to 2012 using time-series nighttime light data and MODIS products[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2019,12(4):1143-1153.

DOI

[23]
Duque J C, Lozano-Gracia N, Patino J E, et al. Spatiotemporal dynamics of urban growth in Latin American cities: An analysis using nighttime light imagery[J]. Landscape and Urban Planning, 2019,191:103640.

DOI

[24]
林中立, 徐涵秋, 黄绍霖. 基于DMSP/OLS夜间灯光影像的中国东部沿海地区城市扩展动态监测[J]. 地球信息科学学报, 2019,21(7):1074-1085.

DOI

[ Lin Z L, Xu H Q, Huang S L. Monitoring of the urban expansion dynamics in China's east Coast using DMSP/OLS nighttime light imagery[J]. Journal of Geo-information Science, 2019,21(7):1074-1085. ]

[25]
Chen J, Wei H, Li N, et al. Exploring the spatial-temporal dynamics of the Yangtze River Delta urban agglomeration based on night-time light remote sensing technology[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, DOI: 10.1109/JSTARS.2020.3022178.

[26]
陈永文. 长江三角洲自然地理概貌[J]. 社会科学, 1983,10(5):35-37.

[ Chen Y W. An overview of the natural geography of the Yangtze River Delta[J]. Social Sciences Shanghai China, 1983,10(5):35-37. ]

[27]
新华社. 中共中央国务院印发《长江三角洲区域一体化发展规划纲要》[EB/OL]. http://www.gov.cn/zhengce/2019-12/01/content_5457442.htm.

[ Xinhua News Agency. The Communist Party of China Central Committee and the State Council jointly issued an outline of the integrated regional development of the Yangtze River Delta [EB/OL]. http://www.gov.cn/zhengce/2019-12/01/content_5457442.htm. ]

[28]
National Geophysical Data Center. Operational Line scan System-data Description [EB/OL]. 2008-09-06. http://www.ngdc.noaa.gov/dmsp/sensors/ols.html.

[29]
Levin N, Kyba C C M, Zhang Q L, et al. Remote sensing of night lights: a review and an outlook for the future[J]. Remote Sensing of Environment, 2020,237(1):111443.

DOI

[30]
徐新良. 中国月度植被指数(NDVI)空间分布数据集. 中国科学院资源环境科学数据中心数据注册与出版系统(http://www.resdc.cn/DOI), 2018. DOI: 10.12078/2018060 602.

[ Xu X L. China monthly vegetation index (NDVI) spatial distribution data set. Data registration and publication system of Resource and Environment Data Cloud Platform (http://www.resdc.cn/DOI), 2018. DOI: 10.12078/2018060602. ]

[31]
Fensholt R, Rasmussen K, Nielsen T T, et al. Evaluation of earth observation based long term vegetation trends: Intercomparing NDVI time series trend analysis consistency of Sahel from AVHRR GIMMS, Terra MODIS and SPOT VGT data[J]. Remote Sensing of Environment, 2009,113(9):1886-1898.

DOI

[32]
蒲英霞, 马荣华, 马晓冬, 等. 长江三角洲地区城市规模分布的时空演变特征[J]. 地理研究, 2009,28(1):161-172.

[ Pu Y X, Ma R H, Ma X D, et al. Spatio-temporal dynamics of City-size distribution in Yangtze River Delta[J]. Geographical Research, 2009,28(1):161-172. ]

[33]
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, 2011.

[34]
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.

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. ]

[35]
Liu Z F, He C Y, Zhang Q F, et al. Extracting the dynamics of urban expansion in China using DMSP-OLS nighttime light data from 1992 to 2008[J]. Landscape and Urban Planning, 2012,106(1):62-72.

DOI

[36]
Yu B, Tang M, Wu Q, et al. Urban built-up area extraction from log- transformed NPP-VIIRS nighttime light composite data[J]. IEEE Geoscience and Remote Sensing Letters, 2018,15(8):1279-1283.

DOI

[37]
Zhao M, Zhou Y Y, Li X C, et al. Building a series of consistent night-time light data (1992-2018) in Southeast Asia by integrating DMSP-OLS and NPP-VIIRS[J]. IEEE Transactions on Geoscience and Remote Sensing, 2020,58(3):1843-1856.

DOI

[38]
Ma Q, He C Y, Wu J G, et al. Quantifying spatiotemporal patterns of urban impervious surfaces in China: An improved assessment using nighttime light data[J]. Landscape and Urban Planning, 2014,130(5):36-49.

DOI

[39]
Li X, Li D R, Xu H M, et al. Intercalibration between DMSP/OLS and VIIRS night-time light images to evaluate City light dynamics of Syria's major human settlement during Syrian Civil War[J]. International Journal of Remote Sensing, 2017,38(21):5934-5951.

DOI

[40]
Elvidge C D, Baugh K E, Zhizhin M, et al. Why VIIRS data are superior to DMSP for mapping nighttime lights[J]. Proceedings of the Asia-Pacific Advanced Network, 2013,35(7):62-69.

DOI

[41]
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(13):1614-1620.

DOI

[42]
陈昕, 彭建, 刘焱序, 等. 基于DMSP/OLS夜间灯光数据的京津冀地区城市空间扩展与空间关联测度[J]. 地理研究, 2018,37(5):898-909.

DOI

[ Chen X, Peng J, Liu Y X, et al. Measuring spatial expansion and correlations of cities in Beijing-Tianjin-Hebei Urban Agglomeration using DMSP/OLS nighttime light data[J]. Geographical Research, 2018,37(5):898-909. ]

[43]
Lefever D W. Measuring geographic concentration by means of the standard deviational ellipse[J]. American Journal of Sociology, 1926,32(1):88-94.

DOI

[44]
赵作权. 地理空间分布整体统计研究进展[J]. 地理科学进展, 2009,28(1):1-8.

DOI

[ Zhao Z Q. Global statistics of spatial distribution: a literature review[J]. Progress in Geography, 2009,28(1):1-8. ]

[45]
卢萌. 白话空间统计之九:方向分布(标准差椭圆)[EB/OL]. https://blog.csdn.net/allenlu2008/article/details/103028570.

[ Lu M. Vernacular Spatial Statistics IX: Directional Distribution (Standard Deviation Ellipse)[EB/OL]. https://blog.csdn.net/allenlu2008/article/details/103028570. ]

[46]
路春燕, 许燕婷, 林晓晴, 等. 基于DMSP/OLS夜间灯光数据的环渤海城市群时空演变研究[J]. 国土资源遥感, 2019,31(4):218-226.

[ Lu C Y, Xu Y T, Lin X Q, et al. Study of spatio-temporal evolution of the circum-Bohai urban agglomeration based on DMSP/OLS night-time light data[J]. Remote Sensing for Land & Resources, 2019,31(4):218-226. ]

[47]
唐敏. 基于对数变换的NPP-VIIRS夜间灯光遥感影像在城市建成区提取中的应用[D]. 上海:华东师范大学, 2017.

[ Tang M. Urban built-up area extraction from logarithm transformed NPP/VIIRS nighttime light composite data[D]. Shanghai: East China Normal University, 2017. ]

[48]
徐梦洁, 陈黎, 刘焕金, 等. 基于DMSP/OLS夜间灯光数据的长江三角洲地区城市化格局与过程研究[J]. 国土资源遥感, 2011,23(3):106-112.

[ Xu M J, Chen L, Liu H J, et al. Pattern and process of urbanization in the Yangtze delta based on DMSP/OLS data[J]. Remote Sensing for Land & Resources, 2011,23(3):106-112. ]

[49]
陈龙胤. 基于DMSP/OLS夜间灯光影像的中国东部沿海地区城市扩张监测与分析[D]. 长春:东北师范大学, 2014.

[ Chen L Y. Monitoring and analysis of urban expansion in eastern coastal area of china based on DMSP/OLS night lights image[D]. Changchun: Northeast Normal University, 2014. ]

[50]
王伟. 中国三大城市群经济空间重心轨迹特征比较[J]. 城市规划学刊, 2009,20(3):24-32.

[ Wang W. A comparative study of shift route of eco-spatial gravity center of the three major urban agglomerations in China[J]. Urban Planning Forum, 2009,20(3):24-32. ]

[51]
白雪. 长三角城市群经济重心动态演变及区域发展差异分析[J]. 华东经济管理, 2015,29(3):46-50.

[ Bai X. An analysis on dynamic evolution of economic gravity center and difference of regional development in the Yangtze River Delta urban agglomeration[J]. East China Economic Management, 2015,29(3):46-50. ]

[52]
董鹤松, 李仁杰, 李建明, 等. 基于DMSP-OLS与NPP-VIIRS整合数据的中国三大城市群城市空间扩展时空格局[J]. 地球信息科学学报, 2020,22(5):1161-1174.

DOI

[ Dong H S, Li R J, Li J M, et al. Study on urban spatiotemporal expansion pattern of three first-class urban agglomerations in China derived from integrated DMSP-OLS and NPP-VIIRS nighttime light data[J]. Journal of Geo-information Science, 2020,22(5):1161-1174. ]

[53]
孙贵艳, 王传胜, 肖磊, 等. 长江三角洲城市群城镇体系演化时空特征[J]. 长江流域资源与环境, 2011,20(6):641-649.

[ Sun G Y, Wang C S, Xiao L, et al. Temporal-spatial characteristics of evolution of the urban system in the Yangtze River Delta[J]. Resources and Environment in the Yangtza Basin, 2011,20(6):641-649. ]

[54]
毕秀晶. 长三角城市群空间演化研究[D]. 上海:华东师范大学, 2014.

[ Bi X J. Pattern, dynamics and mechanism of spatial evolution in Yangtze River Delta[D]. Shanghai: East China Normal University, 2017. ]

[55]
晁静, 赵新正, 李同昇, 等. 基于多源夜间灯光数据的长江经济带三大城市群规模结构动态比较[J]. 地理与地理信息科学, 2020,36(1):44-51,I0003.

[ Chao J, Zhao X Z, Li T S, et al. Comparative analysis on the dynamic characteristics of scale structure among three urban agglomerations in the Yangtze River economic belt based on multi-source nighttime light data[J]. Geography and Geo-Information Science, 2020,36(1):44-51, I0003. ]

[56]
人大网. 中华人民共和国城市规划法[EB/OL]. http://www.npc.gov.cn/wxzl/gongbao/1989-12/26/content_1481128.htm.

[ NPC. Urban Planning Law of the People's Republic of China[EB/OL]. http://www.npc.gov.cn/wxzl/gongbao/1989-12/26/content_1481128.htm. ]

Options
Outlines

/

〈 〉