灯光遥感数据在监测建设范围扩张及其影响因素相关性研究中的应用

喻舒琳 罗勇

摘要：准确了解区域人类建设扩张动态对于评估生态环境和社会影响不可或缺。基于DMSP/OLS、Landsat等多源遥感数据，采用阈值分割法提取2000—2013年攀西矿区的人类建设活动范围，并结合分形理论研究其动态变化特征，最后采用回归分析法研究其影响因素。结果表明，灯光遥感数据能够较好地提取人类建设活动范围，且分形维数总体呈现出先增加后稳定的变化趋势;灯光遥感数据的像元亮度与人口数量、矿山开采面积及经济等影响因素具有不同程度的相关性。研究结果将为优化土地利用模式，制定人口、经济等政策提供科学依据。

关键词：灯光遥感数据;分形理论;相关性分析;攀西矿区

中图分类号：TP79         文献标识码：A

文章编号：0439-8114（2019）16-0133-06

DOI：10.14088/j.cnki.issn0439-8114.2019.16.031           开放科学（资源服务）标识码（OSID）：

Abstract： It is necessary to know the dynamic of human construction expansion to assess the ecological environment and social impact. Based on the multi-source remote sensing data such as DMSP/OlS， Landsat， and other remote sensing data， the threshold segmentation method is used to extract the range of human construction activities in Panxi mining area from 2000 to 2013， and study its dynamic characteristics with fractal theory， finally， the regression analysis method is used to study the influencing factors. The results show that the light remote sensing data can extract the range of human construction activity well， its fractal dimension shows the change trend of increasing first and then stabilizing The Pixel brightness of the light data is correlated with the population quantity， mining area and economy， etc. The research results will provide a scientific basis for the optimization of land use patterns and the formulation of policies such as population and economy.

Key words： light remote sensing data; fractal theory; correlation analysis; Panxi mining area

目前，中国正在经历着快速和大规模的建设扩张过程，人类建设活动范围变化成为人口、社会、经济发展的重要体现。然而快速的建设扩张导致了资源枯竭和生态环境问题[1]：生物多样性减小[2]、水质退化[3]、农田占用[4]、区域温度和降水模式发生变化[5]等。在受人类活动影响较大的矿区，环境问题更为明显[6，7]。同时，人类建设活动范围的变化使得当地空间结构发生变化。因此，监测人类活动建设区的扩张程度对于评估当地的环境问题和可持续管理具有重要意义。

在城镇扩张的研究中多利用IKONOS、Quickbird、Landsat等高中分辨率的卫星图像来研究城市等地区的发展变化[8，9]，这种方法虽然精度较高，但同时也存在着数据量大、数据难以获取、成本高等缺点。近年来，国防气象卫星计划的操作线扫描系统的免费夜间稳定光时间序列数据集（DMSP/OLS）提供了一种新的信息来源，可以快速揭示城市扩张的动态变化。该传感器可以使用低光检测功能在夜间检测灯光、气体火炬和火灾等，显示人类活动的强度[10]。DMSP/OLS夜间灯光数据已被证明能够有效地提取人类活动引起的城市扩张[11]。黄鸿健等[12]基于DMSP/OLS夜间灯光影像对广东省城市化进程进行了研究，此外部分研究将北京、上海、广州、成都、郑州、南京等发达城市[10，13，14]作为研究对象进行了研究。但中小城市的扩张却很少受到关注，尤其是受人类活动影响较大的采矿区，采矿等活动的增加会影响空间结构的变化。据已有研究表明，在具有特定活动的地区，如采矿区也会增加夜间照明[15]。

攀西地区是中国重要的矿产资源集中地之一，人口和經济发展迅速，土地空间结构发生变化，对生态环境造成了一定影响[16]。因此，迫切需要监测掌握人类活动建设的扩张动态、空间结构特征和驱动力，更好地了解人口、经济与采矿等因素的影响，这对当地的土地规划和管理，环境评估等具有重要作用。

1  研究区概况

攀西地区位于四川省南部，属于裂谷成矿带，区内矿产及其他自然资源丰富，开发历史悠久。本研究将人类开采矿山活动相对集中、矿产资源开发强度较大的攀枝花市和会理县作为研究区来研究人类建设扩张范围的演变具有代表性。该地区位于攀西地区南部（26.04°-27.35°N，101.14°-102.63°E），包括攀枝花市盐边县、米易县、仁和区、西区和东区，凉山彝族自治州会理县。区域内分布有数量众多的大中型煤矿、钒钛磁铁矿、铜矿和铅锌矿等，随着矿产及其他资源的不断开发，人类活动建设范围也在不断变化。

2  数据与方法

2.1  数据来源与处理

1）灯光遥感数据（DMSP/OLS）。来源于美国国家地球物理数据中心（https：//ngdc.noaa.gov/eog/dmsp.html），使用2000—2013年的14年夜间稳定灯光遥感影像数据集，各年份的数据对应的卫星由表1所示。为消除传感器之间的年际变化和响应差异，使各影像数据之间具有可比性，本研究参照已有的研究[17，18]，采用基于不变目标区域的回归分析法，以2000年攀枝花市东区为参考影像，建立与其他年份影像像元DN值之间的二次回归方程（式1），校正参数如表1所示，根据参数对影像数据进行校正。

式中，DN校正表示使用影像校正模型校正之后的像元值;DN表示待校正影像的像元值;a、b、c为影像校正模型的参数。

2）遥感影像数据。数据来源于地理空间数据云（http：//www.gscloud.cn/）。2000—2011年遥感影像为Landsat5 TM卫星影像，2012—2013年遥感影像为Landsat7 ETM卫星影像，空间分辨率为30 m。将得到的遥感影像数据利用ENVI5.1、ArcGIS10.4软件进行辐射校正、波段组合、镶嵌、裁剪等处理。将2000—2013年的TM、ETM影像的红波段、近红外波段进行波段运算，计算得出研究区每年的归一化植被指数（Normalized difference vegetation index， NDVI）数据。

3）土地利用数据。研究区2000、2005、2010年土地利用数据来源于中国科学院资源环境数据中心，空间分辨率为1 km。

4）社会经济数据。包括2000—2013年研究区各区县的人口数量、国民生产总值、各产业经济发展等数据，数据来源于四川省统计年鉴，通过SPSS分析处理所得。

基于DMSP/OLS数据提取城市区域常用的方法有优化阈值分割处理法[1]和计算机自动提取法[13]。本研究基于DMSP/OLS数据，结合Landsat TM/ETM中分辨率影像数据、NDVI数据，采用阈值分割法对DMSP/OLS数据的像元亮度值进行阈值分割，然后利用已有的土地利用数据对分割后的结果进行修正来划定人类活动建设区域范围。利用分形理论分析该地区的分形特征，最后采用回归分析法分析建设范围内的灯光亮度与各因素的相关性。

2.2.1  分形维数  分形维数反映了斑块特征，在一定程度上可以揭示地区的复杂性和稳定性，随着空间结构的复杂性增加，分形维数会逐渐变大。分形维数的计算方法主要有网格记法（记盒维数法）、半径回转法和周长面积法。本研究采用记盒维数法计算分维数、计算公式为：

式中，D为分维值，值域为1～2;r为覆盖分形体的网格宽度;N（r）为非空网格的数目。实际运用中，只能取到有限的r和对映的N（r），利用双对数线性回归分析对数坐标系中呈对数关系的点对，其斜率的绝对值即为所求的分维数。然而基于网格记法的分形研究的前提条件是网格尺度r与非空网格数目N（r）之间需服从负幂指数关系[19]。

2.2.2  形态稳定性  分维值D的大小可以反映斑块的复杂性和系统对空间的充填能力[20]。D值越大，表示该要素的镶嵌结构越复杂空间占据能力越强;Mandelbrot认为，当D=1.5时，表示处于一种类似于布朗运动的最不稳定的状态;D值越接近1.5，表示该要素越不稳定;当D<1.5时，要素形态趋于简单;当D>1.5时，要素形态趋于复杂，根据此原理，徐建华等[21]定义了斑块形态稳定性指数S，具体计算公式如下：

式中，S为稳定性指数，用来表征斑块的形态稳定性，S的值域为0～0.5，S值越大，表示越稳定。稳定性指数用来表征13年间研究区人类建设活动范围的形态稳定性。

2.2.3  相关性分析法  普通最小二乘法用于判断两个或多个变量之间的相关性程度大小，可用来研究灯光遥感数据与采矿面积，人口和经济等影响因素之间的相关性。

式中，yi表示第i个影响因素，xi表示对应的平均灯光亮度值。a为斜率，b为常数。R2为相关指数，表示第i个平均灯光亮度值xi对对应的影像因素yi变化的贡献率，用于确定方程拟合相关性程度的大小，R2值越大，相关性程度就越高。

3  结果与分析

3.1  人类建设活动范围提取

利用DMSP/OLS数据对攀西地区2000—2013年共14年间的人类活动建设范围进行提取。以研究区的两处矿山开采区（图1）为例，ab、cd为同一处矿山开采区。据图1a可知，2000年该矿山的开采面积较小，且分布呈块状。利用LandsatTM影像经人工目视解译，得到该开采区矿山及建设用地面积为2.20 km2，由DMSP/OLS数据得到相应的中心边界面积为3.00 km2，面积大小相近，且提取出的中心范围包含了实际的矿山开采面和建设用地。2013年，该处矿山开采变化较大（图1b），空间分布上开采面向四周拓展，且呈星散状分布。经目视解译，该处矿山的开采和建筑用地的總面积达到10.08 km2。由DMSP/OLS数据得到的中心边界面积为13.00 km2，提取出的范围与实际较为相符。在第二处矿区，2000年该地区尚未有矿山开采（图1c），基于DMSP/OLS数据提取出的结果显示，该地区无人类活动建设范围，与实际相符。2013年，该区出现了大面积的矿山开采（图1d），同时DMSP/OLS数据提取出的范围显示该地区具有人类建设活动范围。

由DMSP/OLS数据提取出的边界与实际范围较为吻合，且越接近建筑活动区，像元亮度值越高DMSP/OLS数据的像元分辨率最高达到1 km，因此由提取出的范围边界相对规则。此外，通过提取出的攀西矿区2000—2013年的人类活动建设范围内的平均亮度值变化发现（图2），整体上像元亮度值在不断升高，且呈线性的变化趋势，说明人类活动的强度在逐渐增强。

3.2  分形维数与分形特征分析

设置网格宽度的大小r分别为1 000、1 500、       2 000……3 500、4 000 m，统计非空网格数目N（r），根据计盒维数法（式2）得到2000—2013年提取出的人类建设活动范围的计盒分形分维ln（r）-lnN（r）曲线。由图3可知，没有坐标点明显偏离曲线，因此各年份所选的不同尺寸均在无标度区以内，满足分形研究的前提条件。

通过计算得到2000—2013年的分形维数和稳定性指数如表2所示。由图4分形维数的变化曲线可知，分形维数从2000—2013年整体上表现为先增加后稳定的趋势，这与国外学者提出的城市形态分维波动上升到一定程度会向平均状态回归的观点相吻合[20]。但不同时间段的变化趋势不同，主要分为3个阶段：2000年到2006年呈现出逐渐增长的趋势，说明在此期间，主要建设活动范围在不规则地扩张;从2006年到2008年，分形维数发生了减少，表明范围的扩张在此期间变化较为规律有序;从2008年开始，分形维数再次增加，并且有继续增加的趋势，逐渐接近Batty等[20]提出的城市分维期望值1.71。

此外，需要注意的是穩定性指数的范围在0.01～0.34之间，在2001年最不稳定。2001年后提取的活动范围的分维值都大于1.5，空间形态趋于复杂。自2008年后稳定性指数在不断增加，稳定性提高，这与当地的空间扩张模式相关。该结论可能对当地的空间优化和城市规划具有指导意义。

3.3  影响因素相关性分析

影响人类建设活动范围的扩张具有许多因素，包括自然因素和人为因素，而主要因素为人口的增长和经济的发展。对于以采矿业为主的地区，矿产开发直接影响着土地利用和城市的空间结构[21-23]。因此，结合当地的区域特点，选取人口数量、矿山开采面积、国民生产总值等因素采用回归分析法分析其与灯光亮度值动态变化之间的相关性。

1）人口数量。通过对人口数量与提取出的范围内平均像元亮度值的线性回归分析发现，人口数量和平均像元亮度值之间的斜率为144.37，R2值为0.682，Persons系数为0.826，两者之间的相关性较高，与Wang等[24]得出的结论相似。P值小于0.01，表明该回归分析具有较高的统计学意义。2000—2013年攀西矿区的年末常住人口数量在不断增加，其对映的平均像元亮度值整体上也在不断增加。人口增加带来的建筑住房面积增加可能是主要原因之一。

2）矿山开采面积。矿山的开采面积与平均像元亮度值的斜率为35.64，R2值为0.701，Persons系数为0.837（P<0.01）。相较于人口数量，矿山面积与平均像元亮度值的相关性更高。这是由区域特点造成的，露天矿山的开采面在一定程度上会增加灯光遥感数据的像元亮度值。

3）经济发展。本研究选取GDP、第一产业、第二产业、第三产业作为经济指标，分析其与灯光数据平均像元亮度值之间的关系。通过回归分析发现，各经济指标与平均像元亮度值之间都具有较高的相关性，R2位于0.72～0.74之间，且高于与人口数量的相关性，这与前人的研究结果一致[25]。各线性拟合方程的斜率大小为GDP>第二产业>第三产业>第一产业，这是由于当地的各产业经济发展水平以矿产、攀枝花钢铁等第二产业为主，其次为第三产业和第一产业（表3）。

综上，攀西矿区人口密度、矿山开采面积、GDP与灯光亮度之间存在着密切的关系，且与GDP的拟合关系最佳。使得夜间灯光遥感数据成为估计信息的潜在关键数据来源，尤其对于人口和经济等统计数据缺乏准确性的地区。这种相关性程度可能因同一地区不同时间、同一时间不同地区而表现出差异性[26]（图5）。

4  结论与讨论

本研究基于DMSP/OLS数据提取了攀西矿区的人类活动建设范围，并结合分形理论和回归分析法进行了分形特征和影响因素的相关性分析。灯光遥感数据能够在一定程度上较好反映区域人类建设范围和活动程度，是动态监测中一种新的思路。2000—2013年攀西矿区的人类建设范围的分形维数和稳定性指数在不同阶段具有不同变化特征，但总体上呈现出先增加后稳定的变化趋势，表明该地区的空间结构趋于复杂和稳定。此外，人口数量、矿山开采面积、经济发展是重要的影响因素，其与灯光像元亮度值具有不同程度的相关性，总体上相关性大小表现为经济>矿山开采面积>人口数量，其中在经济影响因素中，与当地的主要发展产业第二产业相关性最高。

然而，由于灯光遥感数据的分辨率为1 km，相对粗糙，且存在尺度响应，导致提取的结果会与实际不完全一致。同时，不同地区的像元亮度值的影响因素可能随着区域特点的变化而变化。因此，在未来的研究中将会更加深入探讨不同尺度和不同区域特点下的灯光遥感数据的实用性。

参考文献：

[1] IMHOFF M L，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.

[2] VALIELA I，MARTINETTO P. Changes in bird abundance in eastern north America：Urban sprawl and global footprint？[J].Bioscience，2007，57（4）：360-370.

[3] 姜  勇.城市空间拓展对湖泊水质影响及对策研究——以武汉市为例[J].城市规划，2018，42（6）：95-99，116.

[4] MILESI C，ELVIDGE C D，NEMANI R R，et al. Assessing the impact of urban land development on net primary productivity in the southeastern United States[J].Remote sensing of environment，2003，86（3）：401-410.

[5] SETO K C，SHEPHERD J M. Global urban land-use trends and climate impacts[J].Current opinion in environmental sustainability，2009，1（1）：89-95.

[6] 廖紅军，邵怀勇，孙小飞.基于综合指数法的矿山地质环境评价——以攀西矿区为例[J].测绘与空间地理信息，2015，38（11）：34-36.

[7] 孙小飞，邵怀勇，肖礼晓，等.基于突变理论的红格钒钛磁铁矿区矿山地质环境评价[J].有色金属（矿山部分），2017，69（1）：40-43，100.

[8] 胡德勇，李  京，陈云浩，等.基于多时相Landsat数据的城市扩张及其驱动力分析[J].国土资源遥感，2006（4）：46-49，54.

[9] 吴小君，方秀琴，苗月鲜，等.基于Landsat的合肥市城市扩张研究[J].浙江大学学报（理学版），2017，44（6）：631-639.

[10] LIU Z，HE C，ZHANG Q，et al. Extracting the dynamics of urban expansion in China using DMSP-OLS nighttime light data from 1992 to 2008[J].Landscape & urban planning，2012， 106（1）：62-72.

[11] MA T，ZHOU Y，ZHOU C，et al. Night-time light derived estimation of spatio-temporal characteristics of urbanization dynamics using DMSP/OLS satellite data[J].Remote sensing of environment，2015，158：453-464.

[12] 黄鸿健，王  芳，解学通.基于灯光遥感数据的广东省20年城市化进程研究[J].湖南城市学院学报，2016，37（1）：1-8.

[13] CAO X，CHEN J，IMURA H，et al. A SVM-based method to extract urban areas from DMSP-OLS and SPOT VGT data[J].Remote sensing of environment，2009，113（10）：2205-2209.

[14] GAO B，HUANG Q，HE C，et al. How does sprawl differ across cities in China？ A multi-scale investigation using nighttime light and census data[J].Landscape & urban planning， 2016，148（41）：89-98.

[15] FEHRER D，KRARTI M. Spatial distribution of building energy use in the United States through satellite imagery of the earth at night[J].Building and environment，2018，142：252-264.

[16] 仙  巍，武锦辉，孙小飞，等.攀西金属矿开采集中区地质环境评价[J].金属矿山，2013（11）：135-138.

[17] ELVIDGE C D，ZISKIN D，BAUGH K E，et al. A fifteen year record of global natural gas flaring derived from satellite data[J].Energies，2009，2（3）：595-622.

[18] 张宝军.2003—2013年汶川地震极重灾区夜间灯光年际变化分析[J].灾害学，2018（1）：12-18.

[19] 冯  健.杭州城市形态和土地利用结构的时空演化[J].地理学报，2003，58（3）：343-353.

[20] BATTY M，LONGLEY P. Fractal cities：A geometry of form and function[M].SanDiego USA：Academic Press，1994.

[21] 徐建华.现代地理学中的数学方法[M].北京：高等教育出版社，1996.

[22] 赵  博.矿产开发对成长型资源城市空间结构的影响研究[D].成都：西南交通大学，2018.

[23] 渠爱雪.矿业城市土地利用与生态演化研究[D].北京：中国矿业大学，2009.

[24] WANG L，WANG S，ZHOU Y，et al. Mapping population density in China between 1990 and 2010 using remote sensing[J].Remote sensing of environment，2018，210：269-281.

[25] ZHOU N，HUBACEK K，ROBERTS M. Analysis of spatial patterns of urban growth across South Asia using DMSP-OLS nighttime lights data[J].Applied geography，2015，63：292-303.

[26] BENNETT M M，SMITH L C. Advances in using multitemporal night-time lights satellite imagery to detect，estimate，and monitor socioeconomic dynamics[J].Remote sensing of environment，2017，192：176-197.