不同地形背景下的NPP/VIIRS影像特征与估算模型对比分析

宋善海,刘绥华,王 堃,陈 艳,梁萍萍

(贵州师范大学 a.地理与环境科学学院;b.贵州省山地资源与环境遥感应用重点实验室,贵阳 550025)

0 引 言

随着遥感技术的飞速发展,对地观测技术进入高精度、全天候信息获取的新时代,可通过多种遥感产品快速、准确地获取地表自然、人类活动等变化信息[1]。夜光遥感是遥感领域发展活跃的一个分支,其独特优势是能获取无云黑夜条件下地表的亮光信息[2],而这些亮光来源主要是人类夜间活动的照明灯光,夜间灯光的分布和强度与人口聚集、社会发展水平等息息相关,是评估社会发展的重要数据源。

关于夜光遥感的研究始于1997年,学者Elvidge发现DMSP/OLS夜光影像中的亮光面积与GDP存在较高的相关性,开创了利用夜光遥感数据估算社会经济参量的先河[3]。随着新一代夜光卫星NPP/VIIRS的升空,数据在空间分辨率、星上辐射定标等方面都有较大改进,使其更加精确[4]。近年来,夜光遥感技术被充分运用到区域发展评估中,如对国民生产总值[4]、人口[5]、电力消费[6]、温室气体排放[7-8]、城市化[9-10]等研究,其中运用最为广泛的是对区域人口与经济参量的模拟,有效解决了统计数据收集过程中存在的成本高、数据更新滞后、缺乏空间性等问题,为人口经济数据的空间化、可视化提供了新途径[11-13]。目前,学者们在区域尺度上的研究多集中于东部平原与沿海地区,如珠三角[14-16]、长三角[17-18]、京津冀[19-20]以及海岸带[21-22]的区域,针对山区区域尺度下开展的研究相对较少。山区的人口分布、聚落形态、城市发展规模等极易受到自然环境要素，如坡度、海拔、植被覆盖等的影响,其影响程度、山区夜光回归模型的精度，以及如何进行模型修正等问题都值得深入探究。

本文选择城镇化水平相当的贵州省与河南省为研究区,对比分析其夜光成像特征与差异,构建山区、平原的夜光强度指数与地区生产总值、年末总人口的回归模型,并对估算模型进行精度评价,同时探讨NDVI、坡度、海拔对山区夜光分布的影响。研究旨在验证夜光数据在山区地形条件下的适用性,探究山区夜光分布特征与规律,有助于拓宽统计数据的来源渠道,为山区人口、经济参量的估算与空间化奠定基础,为制定区域发展规划、精准扶贫规划等提供数据支撑。

1 数据来源

(1)夜光遥感数据:目前使用最为广泛的数据是美国的DMSP/OLS和NPP/VIIRS两种[2],空间分辨率分别约为1 km和500 m。NPP/VIIRS既继承了DMSP/OLS稳定夜光遥感数据的基本特征,数据质量又有了很大的提升。研究选用分辨率较优的NPP/VIIRS 2015年的年合成夜光遥感影像进行试验,影像从美国国家海洋和大气管理局官方网站(https://ngdc.noaa.gov/eog/viirs)下载得到。

(2)统计数据:人口、经济等数据源自《贵州省统计年鉴2016》、《河南省统计年鉴2016》。

(3)辅助数据:贵州省与河南省各级行政边界;Landsat 8影像、30 m分辨率的DEM数据、250 m的MODIS植被指数数据均由地理空间数据云平台获取并下载(http://www.gscloud.cn);两个省的建设用地数据提取方法是人机交互式解译,即基于Landsat 8数据,在ENVI 5.3软件中进行一类支持向量机的提取方法得到城市、乡村等人工建设地表的分布图像,结合谷歌地球影像进行人工二次判读后随机选取100个样本点进行分类精度验证,经验证,贵州省、河南省的分类精度分别为87%与92%,达到了研究要求。

2 研究区概况

贵州省是喀斯特地貌发育最为典型的省份[23],处于东经103°36′—109°35′,北纬24°37′—29°13′,下辖9个地州市,88个县级行政区单元,国土面积17.6万km2，境内地势西高东低,平均海拔在1 100 m左右。全省地貌以高原低山丘陵为主,贵州地表起伏度大[24],是全国唯一没有平原的省份,素有“八山一水一分田”之说,人居环境、城市发展都受到地形地貌较为严重的影响,各县经济发展不平衡、生态环境状况差异较大,人地矛盾突出显著。2015年,全省地区生产总值突破10 000亿元,年均增长12.5%。常住人口总数约3 929.50万人,城镇化率达42.01%,全面建成小康社会指数为82%。

河南省位于我国中东部,属黄河中下游地区,处于东经110°21′—116°39′,北纬31°23′—36°22′,辖17个地级市,158个县级行政区划单位，国土面积16.7万km2，地势西高东低,是我国第二级地貌台阶和第三级地貌台阶的过渡地带。地表形态复杂多样, 山地、 丘陵、 平原、 盆地等地貌类型齐全, 境内平原和盆地占国土面积的55.7%。2015年, 河南全省生产总值37 010.25亿元, 比上年增长8.3%，常住人口9 480万人, 城镇化率达到46.85%。为充分对比山区与平原地区之间的差异, 研究区掩模掉了河南省的37个山区县域, 同时为了便于统计, 将河南地区中行政面积较小的区级行政单位合并成一个研究单元。 研究区DEM如图1所示。

图1 贵州省(a)与河南省(b)DEMFig.1 DEM of Guizhou (a) and Henan (b)

3 数据处理与方法

3.1 夜光数据的预处理

由影像说明文件可知,官方发布的2015年NPP/VIIRS年合成影像经过了星上辐射定标、异常点清除、短暂灯光过滤等处理,但还需要进一步进行投影转换、地理配准、掩模裁剪、背景值剔除等处理。先对影像进行投影转换,转换后的投影系统为Albers等面积投影,像元分辨率重采样为500 m×500 m;随后在ArcGIS 10.2平台的地理配准工具下根据行政界线、建设用地分布范围对夜光影像进行适当地理位置调整,通过观察,经过配准后的夜光数据与行政边界、建设用地范围更加吻合。经过配准的影像数据即可按照两省各自的矢量边界进行裁切,最后,以研究区中高植被覆盖区、水体等地表非光源像元DN值作为背景阈值进行掩模,贵州省阈值为0.6,河南省阈值为0.3,最终处理结果如图2所示。

图2 2015年贵州省(a)与河南省(b)夜光遥感影像Fig.2 NPP/VIIRS night light data of Guizhou (a) and Henan (b) in 2015

3.2 县级夜光强度指数构建

夜光强度指数定义为区域内所有亮点像元亮度值的总和。

(1)

式中：NLT为夜光强度指数;DN为统计单元内亮点像元的亮度值。

3.3 县级线性模型构建

目前,关于夜光数据回归分析方法主要有线性回归模型、对数模型和二次回归模型三大类,其中线性回归模型使用较为广泛且模拟精度较高,通过线性模型比较山区与平原区的差异最具有代表性与说服力。研究选取地区生产总值与年末总人口两个指标参量,构建线性回归模型:

y=ax+b,

(2)

其中,y为人口或经济参量，x为区域灯光强度指数。

4 山区与平原地形对比分析

4.1 夜光影像视觉特征比较

通过视觉对比图2a、b后发现:贵州山区夜光分布面积规模较小、相对集中,其中部分零星分布的亮点面积小且色调暗淡；河南省夜光分布规模大且高低过渡连续性好,分布较为均匀;贵州山区夜光多以条带状为主,河南地区以不规则多边形为主;河南平原地区夜光信息表达更加细致,可清晰地辨别出发展水平的层次差别。

为深入比较山区与平原地区局部夜光分布的特征与差异,以研究区中的两个省会城市为例,绘制出东西走向的城市夜光剖面图(图3)。比较后发现:平原地区城市夜光像元亮度由郊区向城中心有一个逐渐增强的过程,但山区城市增强过程短暂且迅速;山区夜光剖面曲线升降现象显著,这是由于山区城市特有的“山中有城、城中有山”现象所致;平原区城区多数的像元强度明显高于山区城区。

4.2 夜光光源强度比较

通过对遥感影像的观察发现，河南平原地区地形平坦开阔, 乡村聚落规模较大, 呈不规则的多边形状,有利于夜间照明灯光聚集,夜光遥感卫星极易捕捉其夜光信息。贵州山区则是少数民族聚集区,聚落形态与规模都与平原地区差异巨大,

图3 贵阳市(a)与郑州市(b)城市夜光剖面图Fig.3 Night light profile of Guiyang (a) and Zhengzhou (b)

多是以分散、小型聚居为主,聚落规模小,且受到地形的影响严重，多以条带状分布,夜间灯光分散,集聚效应弱。为充分验证这一观点,考虑到两个地区以全省范围计算工作量太大,故以县域面积十分接近的贵州省六盘水市与河南省周口市为代表来进行分析。

在表征聚落规模与形态结构上通常选用建筑密度来表示,建筑密度是区域内建设用地面积与区域总面积的比值。为了得到与夜光遥感影像同尺度的建筑密度指数,利用ArcGIS 10.2软件生成六盘水市与周口市500 m×500 m的渔网,与两个地区的建设用地数据进行空间叠加后统计出每个渔网网格对应的建设用地面积,再通过字段计算器计算渔网内建设用地与渔网面积的比值,得到两个区域的建筑密度指数,见图4。

NPP/VIIRS夜光遥感卫星传感器能感应到相对微弱的夜光信息,但并不是所有的夜光都能够被充分捕捉到,将六盘水市与周口市的建筑密度指数与该区域的夜光遥感影像叠加分析后发现,建筑密度指数需要大于0.4以上才能被夜光卫星捕捉到。经统计,六盘水市建筑密度指数大于0.4的区域占区域总面积的2.3%,而周口市的建筑密度指数大于0.4的占区域面积的13.1%,两个地区差异巨大。山区绝大部分的建筑密度指数都在0.4以下,均难以满足传感器的监测需求；河南省则因为聚落相对聚集使得光源在夜间更加容易被卫星捕捉到。

图4 六盘水市(a)与周口市(b)建筑密度指数Fig.4 Construction density index of Liupanshui(a) and Zhoukou (b)

4.3 县级经济估算模型比较

构建线性回归模型时, 分别在两个研究区随机选取10个县域单元作为结果验证样本, 剩余的县域(贵州78个县域单元, 河南省剔除山区县域单元与样本单元后共88个县域单元)全部参与线性回归模型的构建,模型形式见式(2)。 模型结果通过相关系数、 决定系数R2、 校正决定系数R2、 平均误差4个指标来进行模型优劣的判别。 相关系数、 决定系数R2、 校正决定系数R2均由SPSS统计分析软件直接得出, 平均误差通过式(3)在得到每个样本的误差后取绝对值求平均得到。 贵州省与河南省地区生产总值回归分析结果见图5与表1。

(3)

图5 贵州省(a)与河南省(b)地区生产总值回归结果Fig.5 Result of GDP regression analysis of Guizhou (a)and Henan (b)

地区相关系数决定系数R2校正决定系数R2平均误差/% 贵州省0.783∗∗0.6130.60834.63 河南省0.96∗∗0.9210.9223.10

注:**在0.01水平上显著相关。

由分析结果可以看出:山区地形条件下的贵州省地区生产总值与夜光强度指数相关系数、模型决定系数、校正后的决定系数均数远小于平原地形下的河南省,证明了平原地区模型精度更高;山区线性回归模型平均误差为34.63%,平原地区为23.10%,山区误差明显高于平原地区,也表明平原预测结果更加准确,模型也更加适用。

4.4 县级人口估算模型比较

按照与地区生产总值一致的分析方法来对县级年末总人口进行分析见图6与表2。

夜光强度指数与年末总人口的回归结果类似于地区生产总值:贵州山区模型的相关系数、模型决定系数、校正后的决定系数均数亦小于平原地形下的河南省;山区线性回归模型平均误差为42.83%,平原区为22.84%,平原地区的误差明显小于山区;对比人口模型与地区生产总值模型,发现夜光强度指数与年末总人口的相关系数小于与地区生产总值,表明夜光强度与地区生产总值的模型拟合程度更好。

图6 贵州省(a)与河南省(b)年末总人口回归结果Fig.6 Result of population regression analysis in Guizhou (a)and Henan (b)

地区相关系数决定系数R2校正决定系数R2平均误差/% 贵州省0.573∗∗0.3250.31642.83 河南省0.882∗∗0.7740.77222.84

注:**在0.01水平上显著相关。

5 山区夜光分布影响因素探讨

5.1 NDVI对夜光分布的影响

归一化植被指数(NDVI)是一个对植被生长非常敏感的参数,其表达的信息刚好与夜光遥感数据相反：当NDVI越大时,植被生长越好,植被覆盖度高,地表环境受人为扰动少,夜光强度偏低甚至为零;当NDVI的值越小时,植被覆盖度越低,地表环境受人为干扰程度大,夜光强度值越大[25]。

研究了下载的21景贵州省2015年MODIS 250 m分辨率的16天合成植被指数数据,考虑到贵州山区极易受到云雾影响,对21景影像进行云检测,云量大于20%的8景影像予以剔除后,通过最大值合成法得到逐月数据,再由逐月数据合成年平均植被指数数据。将NDVI影像与夜光遥感影像进行空间叠加分析发现(图7、8):NDVI在0～0.6区间段时,与夜光强度呈现显著的负相关关系,夜光强度随着NDVI的增加逐渐降低;当NDVI≥0.7时,夜光遥感影像像元强度极小或已无亮点像元分布; 在空间分布上, 贵州省东南部NDVI高,西北部低, 夜光影像在东南部面积分布小、 强度低,空间上呈现中西部高、 东部低的分布格局。

5.2 坡度对夜光分布的影响

山区地表最显著的特征表现在地表高低起伏不平, 尤以贵州喀斯特地区的峰丛、 峰林地貌最为显著,坡面坡度大,多集中在45°左右,地表物质极不稳定,在人为或自然的扰动下,极易发生泥石流、塌方等地质灾害,或造成水土流失导致石漠化现象的发生。贵州是喀斯特地貌发育最为成熟的区域之一,长期经受内外营力的强烈作用,峰林、峰丛、丘陵等山区地貌分布广泛,坡度深刻影响着山区人民的居住、生产布局。夜光遥感影像上的亮点分布是反映人类活动范围的最直接体现。基于贵州省DEM数据通过空间三维分析工具得到全省的坡度图(图9、 10)。提取出亮点像元对应的坡度像元进行分析发现，贵州坡度的空间分布特征是:(1)贵州山区四周轮廓坡度均较大,而黔中地区坡度小,地势较为平缓;(2)坡度在0°～10°区间段的夜光像元分布最多, 占全部的60.7%, 10°～20°区间段次之, 占27.4%,20°～30°为9.3%, 30°～40°为2.25%, 40°以上仅仅占全部的0.4%。 随着坡度的不断增加, 夜光分布比例下降显著。 由此可见, 坡度对山区的居住、 生产、发展有直接的影响, 坡度大大限制了地表开发利用的程度。

图7 贵州省年均NDVI图像Fig.7 Annual average NDVI image of Guizhou

图8 NDVI与夜光强度变化趋势Fig.8 NDVI and luminous intensity trends

图9 贵州省坡度分布图Fig.9 Slope distribution map of Guizhou

图10 各坡度区间亮像元数量统计Fig.10 Quantitative statistics of different slope intervals

5.3 海拔对夜光分布的影响

中国人口绝大部分都集中在比较低平的平原和丘陵地带,随着海拔高度的上升, 人口分布不断减少, 这是高原山区人口分布的普遍规律[26]。 夜光影像是区域人口分布与经济发展状况的综合体现, 分析夜光分布与海拔之间的关系, 即可间接得到山区人口、 发展程度与海拔之间的关系, 对深入开展地理要素与人文要素相结合的研究有非常积极的意义。 将贵州省海拔进行了等级划分, 分别为0～500、 500～1 000、 1 000～1 500、 1 500～2 000以及2 000 m以上5个等级(图11)。将夜光影像与海拔分级影像进行空间叠加分析,通过区域统计工具运算得到各海拔区间对应的夜光分布状况(表3)。 可以看出: (1)夜光分布面积最大的区域集中在海拔1 000～1 500 m的黔中地区,占全省的42.55%;500～1 000 m区间段次之为31.02%,夜光分布最少区域海拔在2 000 m以上,占比仅为3.76%。(2)贵州山区随着海拔的逐渐升高,夜光分布呈现出先上升后下降的变化趋势。同时也间接地反映了贵州山区人口在垂直方向上并非按照随着海拔升高人口数量逐渐递减的规律分布,而是先递增后到达峰值再迅速递减,这一结论与李旭东等在对贵州人口分布研究中的研究结论一致[26],也再次证明了夜光遥感影像在山区的应用潜力。

图11 贵州省海拔分级图Fig.11 Altitude level of Guizhou

海拔区间/m夜光面积/km2占比/% <5001 047.357.51 500～1 0004 327.4031.02 1 000～1 5005 936.2542.55 1 500～2 0002 114.2815.16 >2 000524.823.76

6 结果与讨论

研究比较了NPP/VIIRS夜光遥感影像在山区与平原地区成像特征以及在县级尺度上人口、经济估算模型上精度的差异,并通过NDVI、坡度、海拔三要素深入探讨了贵州山区夜光分布特征,结果表明:

(1)贵州山区夜光分布规模小,聚集效应强,呈现条带状分布,并伴有大量的色调暗淡的像元零星分布。河南平原地区夜光分布规模大且连续性好,分布均匀,以不规则多边形为主。比较两个省会城市的夜光城市剖面图发现,山区易受地形的影响,城区与城郊过渡带夜光强度突变现象显著,平原城市则有一个连续增加与逐渐下降的过程。

(2)以贵州六盘水市与河南周口市为例,得到两个地区500 m×500 m的建筑密度指数图,通过分析发现夜光遥感影像能够较好地识别出密度指数在0.4以上的区域。河南周口市多数的像元建筑密度指数都在0.4以上,可较好地被夜光遥感影像捕捉到夜间灯光；贵州六盘水只有少数的像元在0.4之上,夜间灯光较为微弱,卫星难以捕捉。

(3)由NPP/VIIRS夜光数据构建的县级夜光强度指数在年末总人口、地区生产总值估算模型中,平原地区线性模型在相关系数、决定系数R2、校正决定系数R2、回归误差等均远远优于山区,回归模型精度较高,表明NPP/VIIRS夜光数据在平原地区县级尺度社会经济参量与人口估算上更适合,山区县级尺度夜光遥感估算模型误差较大,需要对山区回归模型进行修正后才能提高模拟精度。

(4)当NDVI在0～0.6区间段时,山区夜光强度与NDVI呈现显著负相关关系：NDVI低的区域夜光强度值较大,多是密集的建设用地区域；NDVI高的地区夜光强度低,多是植被覆盖较好的区域,受人为干扰程度低。当NDVI≥0.7后,夜光强度非常小或已无夜光像元分布。

(5)坡度对夜光分布影像更为显著,随着坡度的增加,夜光像元数量下降迅速。贵州山区夜光集中分布在坡度20°以下的区域,占全部像元的88.1%。

(6)贵州山区海拔由低逐渐升高过程中,夜光分布呈现先上升后下降的变化趋势,即在垂直方向上表现为“两头小,中间大”的分布格局,夜光分布集中在海拔500～1 500 m的地区,占全省夜光分布的73.57%。

本文对比了山区与平原夜光遥感影像与模型精度的差异,得到了平原地区夜光成像、模型精度优于山区的这一客观事实,但并没有就如何解决这一问题开展深入探讨,这将是今后研究的重点。夜光遥感影像是社会发展状况的综合体现,通过对夜光遥感影像的研究可以快速得到山区经济发展、人口分布的可视化与空间化,以及贵州山区夜光分布与NDVI、坡度、海拔之间的空间相关性,为实现人文要素与自然环境要素的有结合奠定了基础,有助于更深刻地开展山区人地协调、人口变迁、城镇化发展、环境保护等科学问题的深入研究。