重庆城市化进程与产业结构演变的内在关联分析——基于DMSP/OLS夜间灯光数据

李南锦，陈纪平

（重庆工商大学 经济学院，重庆 400067）

一、引言

我国产业结构自改革开放以来发生了较大的变化，三次产业间的比例关系有了明显改善，产业结构正向合理化方向发展。第一产业在保持基础地位的同时比重持续下降，第二产业继续扩张，第三产业在国民经济中的地位日益提高，城市化也得到高速发展。与此同时，全国经济总量增长明显，新兴产业发展，产业结构升级，这一切得益于城市化的快速推进，而产业结构的调整与优化又大大促进了城市化的发展。产业结构的演变与城市化发展具有密切的关联性，区域产业结构演变和城市化进程的互动发展成为我国区域和城市发展的必然趋势。自1997年被划为直辖市以来，重庆城市化发展迅速，产业结构日趋变化。作为西部大开发的重要战略支点，重庆市处于“一带一路”和长江经济带的联结点，区位优势突出，战略地位重要，在国家区域发展和对外开放格局中发挥着重要的作用。本文探究了中西部唯一直辖市重庆的城市化进程与产业结构演变的内在关联性，及其在促进中西部地区经济发展中的重要意义。

关于城市化进程与产业结构演变之间关联性的研究主要有三类。第一类研究的是城市化水平与产业结构演进的互动机制，如闫树熙基于榆林市统计数据采用时间序列分析法对榆林市城市化水平与产业结构演变的运行关系和动态机制进行了定量分析[1]。第二类研究的是城市化进程对产业结构演进的驱动效应，如马子量基于西北地区面板数据利用指标测度了城市化进程对产业结构演变的驱动效应，并借助空间自相关检验及空间计量方法对其空间相关性和时空驱动路径进行了分析[2]。第三类研究的是产业结构演变的城市化响应，如钱宏胜基于河南省统计数据采用城镇化响应强度模型和多元线性回归方法研究了产业结构演变的城镇化响应的时间和空间特征及其影响因素[3]。以上三类研究均借助统计数据测度城市化水平，并采用相关分析方法研究城市化进程与产业结构演变之间的关联性，但对城市化水平的测度不够精确。

城市化是城市人口增长和城市面积扩张同时发生的过程[4]。大多数文献对城市化水平的测度是通过把城市人口增长和城市面积扩张相互分离进行的[5-11]，并未体现出城市化过程中两者发生时间的同步性。这具体表现在利用人口指标或社会经济的复合指标测度城市化和利用遥感数据解译土地利用现状，从而探测建设用地转变的土地利用城市化。李陈等基于复合指标法对淮海经济区城市化水平进行了测度[12]。苏美霞用4期不同时相的遥感影像和统计数据以及相关规划图等作为数据源，应用RS和GIS技术处理遥感数据，建立了“差值建筑物覆盖指数（DBI=TM7-TM4）模型”，采用该模型提取了绵阳市、涪城区、游仙区等建成区的用地信息，并进行了后续分析[13]。由于难以获得精确的人口空间分布数据、统计数据存在时滞性以及行政边界的更新往往滞后于用遥感影像提取的土地利用变化信息，所以城市化指标和土地利用城市化研究都存在缺陷。但目前有少部分文献利用夜间灯光数据分析城市化水平，从而有效地解决了以上问题[14-17]。夜间灯光既体现了城市人口增长，又体现了城市面积扩张。例如，杨洋等通过统计数据计算出城市化水平，再基于DMSP/OLS数据建立了夜间灯光指数，对两个指数进行了相关分析，并利用夜间灯光指数对江西城市化进程进行了分析[18]。

有鉴于此，本文将采用DMSP/OLS夜间灯光数据构建夜间灯光指数，以测度城市化水平；基于城市化灯光指数，采用偏离度分析、协调分析和回归分析的研究方法，研究经济体的内部产业结构，探讨城市化进程与产业结构演变的内在关联性。

二、研究区域及方法

（一）研究区域及数据

重庆市东面临近湖北、湖南，南面与贵州相接，西面靠四川，北面连接陕西，地处长江上游经济带核心地区、中国东西结合部、政府实行西部大开发的重点开发地区。重庆市面积8.24万平方公里，包括38个区县，是我国面积最大的直辖市。截止2017年底，重庆市生产总值为1.95万亿元，人口3075万人，人口城镇化率为64.08%①数据源泉于《2017年重庆市国民经济和社会发展统计公报》，参见：http//www.cqtj.gov.cn/xwdt/201803/t20180317_447980.htm，2018-03-17。。

研究所用到的数据有重庆市产业相关数据及DMSP/OLS夜间灯光数据，这两类数据分别来自于重庆市统计年鉴和美国国家海洋和大气管理局网站（NOAA）。其中，DMSP/OLS数据源自由美国国防气象卫星Defense Meteorological Satellite Program（DMSP）搭载的Operational Linescan System（OLS）传感器获取的全球夜间灯光数据，数据的时间跨度为1992—2013年，主要包括稳定灯光数据、辐射标定夜间灯光强度数据、非辐射标定夜间灯光强度数据3种产品。本文选取针对亚洲地区特点开发、更适合亚洲区域研究的非辐射标定夜间灯光强度数据（Average Lights x Pct）[19]。

（二）研究方法

1.夜间灯光数据预处理

将重庆市1997—2013年夜间灯光数据以及重庆市行政区划矢量图进行亚尔勃斯（Albert）圆锥等面积投影，并将投影转换完成的图形进行剪裁，即基于重庆市行政区划图剪裁夜间灯光图像。

2.夜间灯光指数的构建

基于DMSP/OLS夜间灯光数据，本文从区域平均灯光强度属性和区域灯光面积指标属性构建反映其城市化水平的灯光指数，并配以相应的权重。城市化夜间灯光指数为

式中，i表示时间，j表示区域，Lij表示城市化夜间灯光指数，Mij表示区域平均灯光强度，Aij表示区域灯光面积指标，W1、W2分别表示Mij与Aij的权重。在参考前人工作的基础上，将区域平均灯光强度权重确定为0.8，区域灯光面积指标权重确定为0.2[20]。

区域平均灯光强度（Mj）为

式中，DNi为区域内第i等级的灰度值（1≤DN≤63）。ni为区域内第i灰度等级的像元总数。N为区域内所有灯光像元总数，63为最大灰度等级。Mj表征了相对于最大可能灯光强度的比例关系。

区域灯光面积指标Aj是区域内所有灯光像元的面积占整个区域面积的比例，反映了灯光的空间延展特性。Aj为

式中，AN为区域内所有灯光像元值大于0的总面积，A为整个区域面积。

3.产业结构偏离度

产业结构偏离度指各国或各地区产业增加值的比重与相应的劳动力比重的差异程度。计算公式为：

其中，Di表示第i产业结构偏离度，Yi/Y表示产业增加值的比重，Li/L表示劳动力比重。Di值为0说明该产业产值与就业高度一致；Di小于0说明该产业存在失业，将会有劳动力转出；Di大于0说明该产业劳动力不足，将会有劳动力转入；偏离度越接近于0，就业结构越合理。

4.协调度

协调度度量系统或要素之间协调状况的好坏程度。协调度计算公式为[21]

式中，U表示协调度，M表示城市化水平，Ni表示第i产业发展水平（i=1，2，3）。U值越大，则协调性越好；U值越小，则协调性越差。

5.回归模型

借助Stata软件，可构建以城市化灯光指数为解释变量的一元回归模型。为得到最佳回归函数形式，构造了几种常用的非标准线性回归模型，并从中选取了调整拟合优度为最优的函数形式。几种常用的非标准线性回归模型经济意义如下。

第一，对数线性模型lnY=β0+β1lnX1+β2lnX2+…+βklnXk+u。在对数线性模型中，X1每变化1%，Y平均增长β1%（Y对X的弹性）。

第二，半对数线性模型lnY=β0+β1X1+β2X2+…βkXk+u。在半对数线性模型中，X1每变化1个单位，Y相应变化100×β1%（增长率）。

第三，线性-对数模型Y=β0+β1lnX1+β2lnX2+…+βklnXk+u。在线性-对数模型中，X1每变化1%，因变量Y的绝对量会相应变动β1/100。

三、结果及分析

（一）灯光数据处理结果

1.预处理

运用ArcGIS软件，通过图像预处理方法，得到1997—2013年17景重庆市夜间灯光图，其中四景如图1所示。由图1可见，随着时间增长，重庆市夜晚光点分布越来越多，这表明反映城市化发展的服务业数量增加，城市化得到发展。

图1 重庆市1997年、2002年、2007年和2013年夜间灯光图

2.城市化夜间灯光指数

根据公式（1）、（2）和（3）计算得到重庆城市化灯光指数，如表1所示。再据此绘制出如图2所示的城市化灯光指数曲线图。由图2可见，城市化灯光指数上升趋势明显，从1997年的0.43上升为2013年的2.65，扩大了大约6倍，并且2009—2013年城市化灯光指数趋势图明显较1997—2009年陡峭。这表明，重庆城市化水平逐年提高，且近期发展速度明显高于之前。

表1 重庆市城市化灯光指数

图2 重庆市1997—2013年城市化灯光指数变化图

（二）关联分析

基于DMSP/OLS夜间灯光数据测度城市化水平，然后通过偏离度分析、协调分析及回归分析研究重庆市城市化进程与产业结构演进的内在关联。

1.偏离度分析

根据公式（4）计算得出三次产业结构偏离度，并绘制出如图3所示的折线图。随着城市化水平的提高，第一产业结构偏离度一直为负数，这说明自被直辖以来重庆市第一产业就业人员太多，存在失业现象，并且失业情况在恶化；第二产业结构偏离度始终为正数，这说明第二产业劳动力不足，但是随着时间的推移在逐渐改善；第三产业结构偏离度随着时间的推移趋于0，这说明重庆市第三产业从业人员比较合理。

图3 三次产业结构偏离度变化趋势图

2.协调分析

在发展过程中，任何一个经济体都会寻求一种均衡，即协调经济体各方面都达到最优，因而研究经济体的协调程度有助于经济体的良性发展。根据公式（5）计算协调度（这里我们将协调度分为如表2所示的几种类型），城市化水平M为城市化灯光指数指标。同时，采用标准差的方法将三次产业产值进行无量纲化处理。处理办法是X*=（X-X~）/S，式中X*是标准化后的数据，X~为初始数据均值，S为初始数据标准差。

表2 城市化进程与产业结构演变协调类型及判定标准

计算得出重庆市1997—2013年三次产业协调度，具体如表3所示。第一产业发展协调程度大概经历了5个阶段：1997—2001年城市化进程与第一产业协调度满足-1.414≤U＜0，这表明两者处于严重不协调阶段；2002—2003年协调度满足0≤U＜0.5，这表明两者处于不协调阶段；2004—2008年协调度大概处在中级协调阶段；2009—2013年协调度满足1.2≤U≤1.414，但M≠N，这表明两者处于良好协调型阶段。第二产业发展的协调程度同样经历了5个阶段：1997—2000年处于严重不协调阶段，原因在于，成为直辖市以前重庆工业大面积亏损，1997—2000年经过努力才扭亏转盈，以致第二产业与城市化进程之间有着严重的不协调性；2001—2005年重庆工业转型，取得良好发展成效，从而使第二产业与城市化进程的协调性转好，协调度满足0≤U＜0.5，属不协调型；2006年后，第二产业协调度逐渐走好，其中工业由发力发展向优化调整转变。第三产业发展协调程度也经历了5个阶段：1997—2001年处于严重不协调阶段；2002—2004年处于不协调阶段；2005—2008年由基本不协调型转变成良好协调型；2009—2013年第三产业协调度满足1.2≤U≤1.414，但M≠N，因此该时期处于良好协调型阶段。

表3 重庆市1997—2013年城市化进程与产业结构协调度

3.回归分析

为借助夜间灯光遥感数据预测城市内部产业结构现状，构造了以城市化灯光指数为解释变量，分别以三次产业产值比重、三次产业就业比重、三次产业结构偏离度、三次产业协调度为被解释变量的一元回归模型。一元回归函数如表4所示。

表4 一元回归函数

由表6可知，重庆市城市化灯光指数每增长1%，第一产业产值比重平均减少0.68%；重庆市城市化灯光指数每增长1个单位，第二产业产值比重平均增加7.79个单位；重庆市城市化灯光指数每增长1%，第一产业就业比重减少0.18；重庆市城市化灯光指数每增长1%，第二产业就业比重平均增加0.46%；重庆市城市化灯光指数每增加1%，第三产业就业比重增加0.08；重庆市城市化灯光指数每增长1%，第一产业结构偏离度减少0.8×10-3，第二产业结构偏离度减少0.55×10-2，第三产业结构偏离度减少0.38×10-2；重庆市城市化灯光指数每增加1%，第一产业协调度增加1.31×10-2，第二产业协调度增加1.27×10-2，第三产业协调度增加1.27×10-2。

四、结语

本文借助DMSP/OLS夜间灯光遥感数据构造了夜间灯光指数测度城市化水平，并通过偏离度分析、协调分析及回归分析研究了重庆市城市化进程与产业结构演进的内在关联性。研究发现：第一，随着城市化水平的提高，第一产业的失业现象持续上升；第二产业劳动力不足，但是随着时间的推移逐渐改善；第三产业就业人员比较合理。结构性失业是造成这种结果的主要因素。第二，城市化进程与三次产业发展水平间的协调度均经历了5个阶段，逐步由严重不协调型发展到良好协调型，2000年以前为严重不协调型，2008年以后为良好协调型。第三，城市化灯光指数的增加对产业产值比重、就业比重、结构偏离度、协调度均有定量上的预测作用。这种方法的不足之处是，灯光遥感数据更新的速度较慢，不能对最新的产业结构做出有效的预测，但是我们可以根据以前的经验对现今的产业政策制定提供参考。

研究结果将使人们对重庆市城市与产业经济的发展状况有较深入的认识，同时有助于政策制定者重新思考重庆市城市化与产业结构互动发展道路及相关政策的制定。相比其他研究，采用灯光数据测度城市化进程可以使城市化水平的测度更加精确，且通过这一精确指标可以分析经济发展内部产业结构演变与城市化进程的内在关联与互动发展。借助3S相关技术手段，运用经济地理学、产业经济学相关理论知识研究产业布局将是以后的一个研究方向。