基于夜间灯光数据的土地开发延期分析

程 辉，唐南奇，曲 歌，朱 烨

（1.福建农林大学 资源与环境学院，福建 福州 350002；2.中国人民大学 环境学院，北京 100872；3.国网北京市电力公司 石景山供电公司，北京 100031）

基于夜间灯光数据的土地开发延期分析

程 辉1，唐南奇1，曲 歌2，朱 烨3

（1.福建农林大学 资源与环境学院，福建 福州 350002；2.中国人民大学 环境学院，北京 100872；3.国网北京市电力公司 石景山供电公司，北京 100031）

基于DMSP/OLS夜间灯光数据，通过提取成熟像元增量指标，利用交叉相关系数法估算土地开发滞后期。该滞后期数据与2000～2010年间我国省级区域的土地价格涨幅和商品房价格涨幅呈现出很好的印证关系。

DMSP/OLS；夜间灯光；土地开发；滞后期

遥感技术具备大面积同步观测、时效性强、数据客观真实等诸多优点，被广泛应用于农业、林业、气象、海洋、水文、地质、军事等各个领域。本文采用的DMSP/OLS 夜间灯光数据以其独特的光电放大特性与夜间灯光获取能力，成为人类活动监测的良好数据源[1]。美国军事气象卫星DMSP（defense meteorological satellite program）所搭载的OLS （operational linescan system）传感器能够在夜间进行监测工作，并且能够探测到城市夜间灯光甚至小规模的居民聚集地、道路车流等在夜间发出的较低强度的灯光，该夜间灯光数据能够与黑暗的夜间背景形成强烈对比，反映各地区夜间社会经济活动的综合状况[2]。国内外的许多学者已基于此DMSP/OLS夜间灯光影像在社会经济领域进行了较为广泛的研究，如人口估算、电力能源消耗、城市扩展、灯光污染、国内生产总值、森林火灾监测等[3]。本文探索性地尝试将DMSP/OLS夜间灯光数据应用于我国的土地开发延期问题研究之中。

1 研究数据

1.1 DMSP/OLS夜间灯光数据

到目前为止，美国国家海洋和大气管理局（NOAA）国家地球物理数据中心发布了全球4.0版本的DMSP/ OLS夜间灯光数据集。该数据集覆盖了全球东经180°到西经180°、南纬65°到北纬75°的空间范围，空间分辨率达到1 km。其中2010年全球DMSP/OLS夜间灯光影像如图1所示。该DMSP/OLS夜间灯光数据是经过消除云及火光等偶然噪声影响后对全年可见光和NVIR通道灰度值进行直接平均化处理得到的。影像元的灰度值从0～63，灰度值越高代表亮度越大，0代表背景及噪声。

图1 2010年全球DMSP/OLS夜间灯光影像图

1.2 社会经济统计数据和基础地理信息数据

本研究主要针对中国31个省、自治区和直辖市（香港、澳门和台湾由于数据较难获取，排除在本次研究之外），31个省级行政区划的相关社会经济统计数据均来源于中国统计年鉴及中国房地产统计年鉴。本文研究用到的基础地理空间数据是来源于国家基础地理信息系统的31个省级行政区划的1∶400万边界矢量数据，在ESRI ArcGIS 9.3软件中，已将该矢量地理空间数据统一转化到lambert投影坐标系统之下。

2 研究方法

2.1 DMSP/OLS夜间灯光数据预处理

在ArcGIS9.3软件的支持下对该数据进行投影转换、影像切割，并提取出反映研究区域社会经济状况的灯光区域。灯光区域的提取采用Elvidge等人[4]的研究方法，结合已有社会经济统计数据，对已有的灯光数据产品确定一个能区分灯光像元与误差像元的阈值。然后通过条件运算的方式对遥感影像进行提取，去除误差像元，完成预处理过程，得到的2000～2010年间中国31个省级行政区域内的亮度像元数和总的灰度值都在随着时间扩展，能够反映中国经济增长和用地扩张的基本情况。

2.2 成熟像元增量指数（IMP）的构建

基于各省市建成区夜间灯光面积的动态变化影像，对其进行成熟土地面积的定量研究。通过计算该地区每年增加的成熟亮度像元数目，构建成熟像元增量指数IMP：

式中，IMPn代表第n年的成熟像元增量指数；NMPn代表第n年成熟像元的数目。计算得到的每年地区成熟像元增量指数代表了该地区新增已经完成基本建设并投入使用的土地。

2.3 土地开发滞后期的计算

土地从政府部门出售给开发商，并经过开发商开工建设成商品房再出售给消费者，形成一块基础设施完善最终能供人类经常性活动的熟地。这个过程表现在灯光影像上就是夜间灯光影像的像元从“黑”变“亮”的过程，即像元的灰度值增高到超过阈值，成为成熟像元的过程。

本文利用交叉相关系数法估算滞后期，根据2000～2010年我国出售的土地数据和每年成熟像元指数之间的关系来反映平均的滞后效应。交叉相关系数不同于一般的相关分析，它可以反映2个变量的X（t），Y（t+T）之间延迟T时间的相关关系，多用来研究变量之间的领先和滞后关系。计算公式如下：

式中，当l=0时，表示变量x与变量y是同期的；当l＞0时，表示变量y先行于变量x；当l＜0时，表示变量y滞后于变量x；Sx和Sy分别表示2个变量的标准差。当r（l）较大时，表示两者在滞后（或领先）l期波动情况相似。在本研究中，由于土地从最初的购置经开发到最终出售形成有人类稳定活动区域，该年度成熟像元增量指数IMP变量明显会滞后于该年度土地购置面积LPY变量。因此，本文主要计算l＜0时，各省市IMP和LPY的交叉相关系数，两者的交叉相关系数最大时的l值作为土地开发滞后期的估算值。

3 结果与讨论

3.1 31省市土地开发的滞后期

滞后期反映了开发商从购得土地到最终投入使用需要的年限。取各地区变量IMP和LPY最大的交叉相关系数作为滞后期的估算值，得到表1的结果。

从表1可以看出，大多数省份的最大交叉相关系数均在0.5以上（河南地区最大交叉相关系数为0.26），结果较好，表明IMP和LPY的波动性存在一定的滞后性。各地区滞后时限分布于0～5 a之间。全国平均滞后期在4 a，有15个地区的滞后期达到了4～5 a，接近于总数的一半，表明全国各地从土地出让到最终开发成熟的滞后情况比较严重。其中，上海、天津、江西、山西、陕西、西藏等6个地区的滞后期达到了5 a；而浙江、湖北、宁夏地区的滞后期为0。如图2所示，滞后期分布的地域性差异并不明显，土地开发滞后在全国各地是普遍存在的现象。

表1 31省市土地开发滞后期结果表

图2 31省市土地开发滞后期分布图（审图号：GS(2008)1349）

3.2 滞后期与房价地价情况对比

造成房地产开发成熟滞后的原因有很多，其中最重要的原因是房地产商通过囤积土地、捂盘惜售等行为谋取巨额利润。房地产商在预期房价会上涨的情况下，预先低价囤积土地，大量的土地闲置使得土地市场供需不平衡状况加剧，在一定程度上抬高了房地产价格。土地房产的迅速升值更循环促进了开发商不急于开发，而即使开发完成，也存在着捂盘惜售的现象，只为谋取其升值带来的巨大利润空间[5]。2000年以来，随着住房信贷消费、房地产投资信贷政策进一步宽松，促进了我国房地产市场的进一步繁荣，房地产投资额一路飙升，房地产销售面积和销售金额也逐年攀升，房地产价格持续走高，商品房空置率居高不下。因此，房地产开发滞后的现象与房价、地价的上涨有着重要关系。将土地开发滞后期与近10 a来各地地价与房价的涨幅进行对比，如表2和表3所示。

根据中国房地产统计年鉴，计算研究区2000～2010 年间的商品房价格的平均涨幅，从高到低进行排列，并对31个地区的房价增长率作聚类分析，得到中国2000年以来房价涨幅高增长地区（9个）、中等增长（12个）、低增长地区（10个）。

表2 土地开发滞后期与房价增长率对比表

从表2可以看出，10 a间中国大部分地区的房价都保持了较大的增长，其中浙江、海南、上海的年均涨幅达到了15%以上，显示了2000年以来中国房地产市场的快速发展。将土地开发滞后期与商品房价格增长率进行对比，分别计算3类地区的土地开发平均滞后期，其中房价高增长地区的平均滞后期为3.4 a，中等增长地区的平均滞后期为3.1 a，低增长地区的平均滞后期为2.2 a。3类地区的平均滞后期呈阶梯状下降。研究结果表明，一般情况下，房价增长越快的地区，其土地开发滞后期越长，地产商囤地与延期开发的行为更为突出。

用同样的方法对各地区的地价与土地开发滞后期的关系进行分析。对31个地区的地价增长率作聚类分析，得到我国2000年以来地价涨幅高增长地区（2个）、中等增长（15个）、低增长地区（14个）。

从表3可以看出，与房价涨幅类似，10 a间地价的涨幅也是十分显著的。上海、北京的地价年均涨幅达到了36%以上，半数以上的地区年均涨幅超过了22%。将土地开发滞后期与土地价格增长率进行对比，分别计算3类地区的土地开发平均滞后期，其中地价高增长地区的平均滞后期为4.5 a，中等增长地区的平均滞后期为3.2 a，低增长地区的平均滞后期为2.6 a，呈现出明显的阶梯状分布特征。该结果表明，地价增长越快的地方，其滞后期一般也较长。

表3 土地开发滞后期与地价增长率对比表

4 结 语

本文针对近些年来我国房地产市场普遍出现的土地延期开发现象，利用DMSP/OLS夜间灯光数据，通过提取成熟像元增量指标，利用交叉相关系数法估算滞后期。该滞后期数据与2000～2010年我国省级区域的土地价格涨幅和商品房价格涨幅呈现出很好的印证关系。应用夜间灯光数据进行的土地开发延期定量研究可为各地区政策制定提供客观的参考依据。通过进一步提高夜间灯光数据的空间分辨率，以及更详实的土地出让、土地开发数据，可以更好地就中国房地产市场开发状况进行深入探究。

[1] Wang W, Cheng H, Zhang L. Poverty Assessment Using DMSP/ OLS Night-time Light Satellite Imagery at a Provincial Scale in China[J]. Advances in Space Research, 2012,49(8): 1 253-1 264

[2] 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):168-176

[3] 杨眉,王世新,周艺,等. DMSP/OLS夜间灯光数据应用研究综述[J]. 遥感技术与应用, 2011, 26(1):45-49

[4] Elvidge C D, Baugh K E, Kihn E A. et al. Relation between Satellite Observed Visible-near Infrared Emissions, Population, Economic Activity and Electric Power Consumption[J]. International Journal of Remote Sensing,1997,18(6):1 373-1 379

[5] Titman S. Urban Land Prices Under Uncertainty[J]. The American Economic Review, 1985,75(3):505-514

P237.9

B

1672-4623（2015）01-0143-03

10.3969/j.issn.1672-4623.2015.01.047

程辉，主要从事地理空间信息研究。

2013-12-24。

项目来源：中央高校基本科研专项资金资助项目（2012105010203）。