夜间灯光数据DMSP/OLS在贫困地区亮化度模型构建中的应用

刘丽峰 李德一 孔维华

摘要 贫困县亮化度一定程度上反映着贫困县居民的生活水平发展状况，但与贫困区经济收入等相关指标的定量关系不太明确。针对该情况，提出了一种应用灯光数据的亮度统计数据，结合与贫困县经济收入等密切相关的经济规模指标、人口数量、财政收入等来定量研究贫困县亮化度模型，并选取样本贫困县对该模型进行验证。经数据验证，该模型具有较高的可信度。

关键词 贫困县；亮度值；DMSP/OLS；亮化度模型

中图分类号 S-9 文献标识码 A 文章编号 0517-6611（2017）01-0205-04

Construction on Brightness Degree Model in Poor Counties by DMSP/OLS

LIU Lifeng1， LI Deyi2， KONG Weihua1

（1.Shandong University of Technology， Zibo， Shandong 255049；2. Binzhou University， Binzhou，Shandong 256600）

Abstract The degree of brightness of the poverty county reflects the development of the living standards of the poverty counties， but the quantitative relationship between the indicators and economic income of poverty area is not clear. We proposed a method of povertystricken county light degree model by DMSP/OLS and statistics data， combined with quantitative and economic income which was closely related to the economic indicators of the size， population， fiscal revenue， and select the sample impoverishment counties to verify the model. The result showed that the model has a high credibility.

Key words Poverty county；Lighting value；DMSP/OLS；Light degree model

作為社会经济学和地理学的热点问题，区域贫困化是当今全球面临的最严重挑战之一[1]。贫困、反贫困、扶贫问题亦即成为众多学者关注的焦点[2]。全球的一些贫困地区中，很多人至今没有用上电，他们依然只能使用煤油灯等照明，普及贫困县的电灯有重要意义[3]。为解决贫困地区供电短板，2016年河南省出台《河南省电网脱贫专项方案》，将投入406亿元全力解决贫困地区供电能力不足、可靠性低、不通动力电等问题，提升贫困地区供电能力和供电质量[4]。笔者以湖南省辖国家级扶贫县为例，将贫困县电灯普及程度与经济收入相关的一些指标存在的关联性进行量化，建立数学模型定量模拟贫困县的电灯普及程度与经济收入之间的关系。

1 研究技术路线及模型构建

1.1 湖南省国家级扶贫县概况

湖南省辖14个市（州）、122县（市、区）、2 354个乡（镇）。国家在湖南省确定了20个国家级贫困县，占湖南省88个县域单元的22.7%，占全国确定的国家级贫困县总数（592个）的6.08%。省扶贫开发工作重点县18个， 国家级贫困县和省扶贫开发工作重点县共38个，占湖南省的43.2%。地理位置偏僻、交通不便，有许多区域为少数民族汇聚地，都是这些县域贫困化的重要原因[5]。

1.2 夜间灯光DMSP/OLS数据来源及模型构建

美国国防气象卫星计划（DMSP）是美国国防部极轨卫星项目，运行在830 km太阳同步轨道，扫描宽度3 000 km，周期约为101 min。DMSP上的线性扫描业务系统（OLS）共有2个波段，可见光-近红外波段波长0.4～1.0 μm，光谱分辨率6比特，灰度值范围0～63；热红外波段波长10～13 μm，光谱分辨率8比特，灰度值范围0～255。灰度值为0表示没有灯光的地区，灰度值为1～63表示有灯光，灰度值越高表示灯光亮度大，灯光集中地区大部分处于灯光饱和状态[6-9]。

目前，关于贫困县亮化程度与其经济收入之间关系的研究较少，主要是因其亮化程度的衡量标准不确定，数据获取难度较大。笔者选取湖南省范围内的21个贫困县（或省扶贫开发工作重点县）（图1），通过下载夜间灯光数据来计算获取贫困区的亮化度数据，并对2005年度《湖南统计年鉴》[10]以及湖南统计信息网站进行查询，得到各县经济、人口、城镇化水平等数据[11-12]；再进行贫困边界确定，剔除无灯光区的加权亮度值的计算模型指标选取，进而依据得到的统计数据寻找与模型指标之间的关系，计算残差；再根据残差的大小动态调整相应的权重，重复迭代比较，直至满足收敛指标1.00E-15为止；通过1stOpt（First Optimization）软件计算确定模型指标系数，最终得出湖南省贫困县亮化度的评价模型。

该模型主要运用回归分析方法建立夜间灯光数据与特困县经济、总人口等指标之间的关系模型，利用该模型模拟特困县的平均亮度值（不包含无灯光区域），参考城市亮度模型选择GDP、地区人口总数、农民年均纯收入（因贫困县内非农人口所占比例较少，暂不考虑）等数据，并通过相关性分析中可以发现财政收入与夜间灯光强度在0.01显著性水平上的显著相关性（Pearson R=0.563，P<0.01），可以由此建立贫困县亮化度模型。具体流程见图2。通过贫困县的相关指标对总人口、地区生产总值、财政收入、农民纯收入、城镇化水平及亮度按照2005年《湖南统计年鉴》排序得到19个贫困县数据（表1）。

2 结果与分析

2.1 模型试验分析

基于夜间灯光指数构建湖南省贫困县亮度模型，通过参考其他城市预测模型及相关性分析确定模型指标参数，选取了与贫困县密切相关的几类评价指标：GDP、总人口、城镇化率、农民纯收入、财政收入。由于各指

标的量级、单位不同，为了确定各指标对模型的影响系数，对相关指标参数做取对数处理，比较以2、3、10、20为底的对数的拟合结果，误差较大；而以自然对数为底的对数，拟合误差较小。因此，选择以自然数为底的对数对数据进行处理，结果见表2。通过 1stOpt软件对模型不同指标的相关系数采用代入、拟合、对比，反复比较得到最佳亮化度模型：

式中，L为白色亮灯区平均亮度值；P为总人口（万人）；GDP为2005年贫困县地区生产总值；δ为城镇化率；PI为农民纯收入（元），R为财政收入（万元）。总人口×城镇化率（P×δ）可以计算出城市中居住的人口数，用以反映城市人口因素与亮化度的数值关系；地区生产总值/总人口（GDP/P）的大小可以反映该全县人口的整体经济情况，当GDP/P较大时，表明人均创造的GDP较多，该县经济较为情况较好；反之亦然。

表2中亮化模型预测值与ln（亮灯区平均亮度值）通过公式（2）计算：

式中，PV为亮化模型预测值；ε为预测值与实际值的差值。

而邵阳县、龙山县和新田县由于经济、城镇化水平、农民纯收入、亮度等先天条件的优势，在贫困县在发展过程中发展水平高于其他贫困县，其实际亮化度值高于模型预测值较多，ε为14%左右。其余样本城市的ε 均在7.5%以内，ε均值1.86%，模型拟合度较高。

2.2 模型驗证

为了验证公式（1）亮度模型的准确性，分别选取有代表性的1个国家级贫困县（永顺县）和1个省扶贫开发工作重点县（茶陵县）作为验证数据，按照上述步骤对裁切后永顺县、茶陵县2005年灯光数据及相关统计数据（表3）验证数据参数和亮区平均亮度平均值及其对数（表4）。

从表3、4可以看出，2个验证贫困县永顺县、茶陵县的亮区平均灯光亮度值的自然对数与采用模型预测数值拟合度较高，验证了该研究亮化度模型的准确性。

3 结论

应用夜间灯光数据构建贫困县亮化度模型，通过相关性分析和参阅相关文献选择与贫困县发展水平息息相关的指标，通过比较不同对数对预测精度的影响，选择预测精度较高的自然对数对指标数据进行处理，有效地减少了不同指标数量级的影响程度，最后预测出贫困县平均亮度

值。试验结果表明：该模型能够较为准确地得出湖南省贫困县的亮化度与GDP、总人口、城镇化率、农民人均纯收入、财政收入等指标的亮化关系，可以用来评估贫困县的亮化水平。

参考文献

[1] 李佳，成升魁，马金刚，等.基于县域要素的三江源地区旅游扶贫开发模式探讨[J].资源科学，2009，31（11）：1818-1824.

[2] 曾永明.基于GIS和BP神经网络的区域贫困与扶贫现状空间模拟分析：源于（四川省）财政扶贫资金分配合理性的思考[D].成都：四川师范大学，2011.

[3] 宗仁.GravityLight：重力发电电灯 贫困地区也能用上电灯了！[EB/OL].（2012-12-24）[2016-10-12].http：//www.leiphone.com/news/201406/1224-keats-gravitylight.html.

[4] 刘金辉.河南投406亿元解决贫困地区供电短板[EB/OL].（2016-07-09）[2016-10-12].http：//finance.sina.com.cn/stock/t/2016-07-19/doc-ifxuaiwa7237518.shtml.

[5] 贺文华.湖南省贫困县的发展现状及对策[J].台湾农业探索，2007（1）：66-70.

[6] 陈晴，侯西勇.集成土地利用数据和夜间灯光数据优化人口空间化模型[J].地球信息科学学报，2015，17（11）：1370-1377.

[7] 王琪，袁涛，郑新奇.基于夜间灯光数据的中国省域GDP总量分析[J].城市发展研究，2013，20（7）：44-48.

[8] 邹进贵，陈艳华，田径，等.基于 ArcGIS的DMSP/OLS夜间灯光影像校正模型的构建[J].测绘地理信息，2014，39（4）：33-37.

[9] 吴健生，刘浩，彭建，等.中国城市体系等级结构及其空间格局：基于DMSP/OLS夜间灯光数据的实证[J].地理学报，2014，69（6）：759-770.

[10] 湖南省统计局.2005年湖南省统计年鉴[M/OL].北京：中国统计出版社，2005：[2016-10-12].http：//hntj.gov.cn/sjfb/tjnj/06tjnj/img/%E7%9B%AE%E5%BD%95.htm.

[11] 周秋琳，武娟，李光，等.一种应用Google Earth的城市亮化度模型分析与验证[J].北京测绘，2015（1）：80-86.

[12] 段歆涔.照亮10亿人微电网技术为贫困地区驱走黑暗（图）[EB/OL].（2014-03-18）[2016-10-12].http：//finance.ifeng.com/a/20140318/11915207_0.shtml.