赣南与闽西地区经济空间格局的夜光遥感研究——以原赣南、闽西苏区为例*

李建忠，郑著彬,b,†，张润飞，林 琳，杨 虹

(赣南师范大学 a.地理与环境工程学院;b.环境工程技术研究中心，江西 赣州 341000)

1 引言

随着我国改革开放的进程不断加快，经济、人口等社会统计数据在人地关系研究中愈来愈受社会各界人士的关注.准确获得GDP空间分布以及城市经济联系强度对于描述和规划一个国家或地区的经济发展水平、产业布局、区域经济格局具有重要意义[1].国内外许多学者利用基于时间序列预测分析的数学模型方法进行回归分析来预测GDP，如ARIMA模型[2]，VAR模型[3].但这些方法都是基于现有GDP数据进行回归预测分析，数据来源单一，没有充足的说服力，且不能反映区域城市经济的差异以及联系强度.因而需要采用合适的方法来准确估算国内生产总值[4]和量测区域城市经济联系强度.夜间灯光影像可以获取城市夜间灯光以及小规模低强度的灯光，在一定程度上夜间灯光数据是衡量GDP的有力指标，能够反映某一区域城市化水平、人口以及工业的现状[5].

夜间灯光遥感研究范围广、获取线性时间短、受条件限制少等特点，在社会经济参数估算、人口密度估算与模拟、城市化监测与评估、生态环境监测[5-11]等方面取得广泛应用.Elvidge等[12]利用DMSP-OLS夜间照明数据与GDP进行回归分析，夜间照明面积与GDP具有高度的相关性.Doll等[13]利用DMSP-OLS数据提取夜间照明面积与GDP进行分析，进一步证实了夜间照明面积与GDP具有高相关性.韩向娣等[14]利用DMSP-OLS数据与土地利用数据结合的方法，构建DMSP-OLS数据与GDP总值以及各产业GDP总值的模型，得出1 km2的GDP空间化模拟网格.但DMSP-OLS数据存在像素过饱和问题削减了夜间灯光数据与社会经济数据的相关性，美国于2012年发射的国家极轨卫星系统预备项目(NPOESS)的首颗卫星搭载的可见红外成像辐射计(VIIRS)避免了上述问题.李峰等[15]利用土地利用数据与第一产业GDP建模，使用5种灯光指数与第二、三产业GDP建立相对应的数学模型，反映经济空间分布.郭晓莹[6]基于NPP/VIIRS夜间灯光数据对人口进行模拟研究.王娇娇等[7]利用NPP/VIIRS结合Landsat8 OLI数据进行人口密度估算.沈丹等利用NPP/VIIRS数据建立贫困模型，实现大范围区域贫困识别.刘智丽等[9]基于NPP/VIIRS夜间灯光数据以及Sentinel-2A数据实现城市建成区边界提取.李珂等[10]使用NPP/VIIRS夜间灯光数据与气象站点统计数据建立PM2.5预测模型，对PM2.5浓度进行空间化模拟，表明NPP/VIIRS数据在PM2.5浓度估算方面潜力较大.郭磊等[11]基于NPP/VIIRS数据构建GDP与人口空间化分布模型，利用历史洪水进行洪水淹没损失模拟，发现夜间灯光数据在重大事件评估具有重要作用.上述研究主要以DMSP-OLP以及NPP/VIIRS数据，特别是衍生出的夜间灯光面积数据，利用相关分析和回归分析来确定大范围的社会经济统计数据.结果显示，夜光遥感能实时反映城市基础设施配置及运行效率，节省了大量人力及物力，具有较强客观性、可比性和易获取性.因此，夜光遥感数据是评价经济发展水平及监测生态环境重要数据源.

本研究以原赣南、闽西苏区为研究区，构建夜间灯光指数与GDP的数学模型，基于模型预估某一时间GDP总量，利用夜间灯光总强度衡量城市经济发展质量.本研究采用考虑地形以及夜间灯光影响的修正重力模型来计算出研究区域内各城市之间的经济联系强度.结果能够直观显示出各城市经济发展水平、城市的差异性，为当地政府决策和政策实施提供一定依据.本文的研究重点是夜间灯光数据与社会经济数据之间的空间相关关系，从而拓展遥感在资源环境领域的应用，也在区域经济学研究中提供新的思路与方法.

图1 原赣南闽西苏区范围

图2 2013年原赣南闽西苏区夜间灯光影像

2 研究数据和方法

2.1 研究区概况

原赣南、闽西苏区地处赣闽两省交界处，主要范围为江西省赣州市以及福建省龙岩市，从历史文化上看，原中央苏区的核心区域为赣南、闽西地区[16]，且两个区域同属于客家文化圈，文化习俗十分相似；从地理位置上看，处于赣闽粤三省交界，毗邻相接、山水相连形成一个统一的整体，；从社会经济上看，区位条件和资源条件极其相近、发展水平相似，赣南、闽西地区处于粤港澳大湾区以及海西经济区的邻接地区，区位优势明显.赣南、闽西苏区在中国革命史上具有不可替代的地位，赣南、闽西地区是苏维埃政权建立起的核心区域，包含章贡区、南康区、赣县区、新罗区以及永定区5个市辖区，瑞金市1个县级市，上犹县、崇义县、信丰县、全南县、定南县、安远县、寻乌县、会昌县、于都县、宁都县、兴国县、石城县、长汀县、武平县以及上杭县16个县，总共22个县级行政单位.原赣南、闽西苏区范围如图1所示：

2.2 研究数据

2.2.1 NPP/VIIRS数据

夜间灯光数据是从NPP/VIIRS获取到，NPP/VIIRS来源于美国国家地球物理中心(https://ngdc.noaa.gov/eog/download.html).与DMSP-OLS比较，该数据中未出现像元过饱和现象，但NPP/VIIRS数据也存在缺点，该数据未去除森林火灾发出的火光、渔船的灯光、极光等非城镇灯光的影响.本研究为了保证数据的完整性，将背景噪声造成的负DN值使用0值替代.原始数据采用的WGS-84坐标系，为了使投影变形最小，需要应用ArcGIS软件对数据进行投影转换操作，投影转换成Asia_Lambert_Conformal_Conic投影.再使用最临近的方法重采样至500 m空间分辨率，同时以赣南、闽西地区县级矢量数据文件作为边界裁剪得出原赣南、闽西苏区的夜间灯光数据图.图2显示的是原赣南、闽西苏区夜间灯光影像图，从图中可以直观看出，越靠近市辖区的县城，夜间灯光数值越大.

2.2.2 其他数据来源

研究中使用到原赣南、闽西苏区的2013、2015以及2017年县级统计数据来源于赣州市统计局及龙岩市统计局.原赣南、闽西苏区县级矢量数据来源于国家基础地理数据服务中心.

本研究使用到两地区之间的距离，使用百度地图推荐的两县市之间最短通车距离(km)，以此来表示地区间经济活动类型通道距离.研究中使用到的坡度数据，利用掩膜后的30 m空间分辨率的DEM数据在ArcGIS中使用“Spatial Analyst工具”中的“坡度”工具计算得出，再利用“区域分析工具”中的“以表格显示分区统计”工具进行分析，得出平均坡度.

2.3 研究方法

2.3.1 构建县级夜间灯光指数

县级灯光指数可以客观反映各城市的城市化程度以及经济发展水平，是城市综合经济发展水平的数学表达.本研究基于夜间灯光数据分别构建灯光像元属性值与相应的个数之积的夜间照明总强度(total night-time light，TNL)、夜间照明总强度占最大照明强度百分比的平均相对灯光强度I、区域照明面积与县域总面积之比S、区域综合灯光指数(compounded night light index，CNLI)，区域综合灯光指数为平均灯光强度与灯光面积的乘积[17-20]，即为：

(1)

I=TNL/(DNmax×NL)

(2)

(3)

CNLI=I×S

(4)

式中，DNi表示区域内像元值为i的像元，ni表示像元值为i的像元个数，NL和AreaN分别表示区域内的像元总数以及像元占有总面积，Area表示县级行政区总面积.

2.3.2 Pearson相关性分析

利用县级边界矢量数据分区统计计算各县级行政区的TNL、I、S和CNLI 4种灯光指数，利用赣南、闽西原苏区的地区生产总值、分产业生产总值以及第二、三产业生产总值之和与4种灯光指数分析两者的相关性，得出两者的相关系数R，计算公式如下：

(5)

式中，R是相关系数，Xi表示夜间灯光指数，Yi表示GDP统计数据.

2.3.3 构建县级夜间灯光指数与GDP统计数据模型

基于4种不同的夜间灯光指数与地区生产总值、各产业生产总值以及第二、三产业之和生产总值之间的Pearson相关系数，选取相关性强的夜间灯光指数与GDP进行回归分析，模型公式如下：

GDPi=a+b×Qi

(6)

式中，GDPi表示GDP、GDP1、GDP2、GDP3以及GDP23，a和b为回归系数，Qi表示夜间灯光指数.

2.3.4 量测城市经济联系强度

在一定的区域范围内，区域之间的人员、商品、资金和信息等经济要素会产生一定的流动和配置，促进区域间经济活动的发生联系及作用[21].重力引力模型在区域经济中得到广泛应用，如钟业喜等[22]利用重力引力模型研究江苏省的各城市联系强度，进而通过城市联系强度划分各城市腹地范围.彭芳梅等[23]利用重力引力模型研究粤港澳大湾区城市群和周边城市之间的经济联系与空间结构.但常规的重力引力模型为考虑自然地形条件等因素，赣南、闽西地区境内山地丘陵较多，复杂的地形地貌会严重地影响区域间人员的流动、资本的流通，因此本研究需要将各区域之间的自然地形属性考虑进去，故将模型修正为：

(7)

式中，Fij表示区域i和区域j之间的经济联系强度，Hi、Hj分别表示区域i、区域j的地区生产总值，rij表示区域i与区域j之间的最短公路距离，Pi、Pj表示区域i和区域j的自然属性，即平均坡度.k为常数，这里取1；b为距离摩擦因数，参照江苏省县市联系强度[22]，湘鄂赣省际交界区各县经济联系强度[23]，最终确定距离摩擦因数取2.

3 结果与分析

3.1 2013-2017年各县级行政区夜间灯光指数动态分析

利用式(1)、(2)和(4)分别计算原赣南、闽西苏区22个县级行政区的TNL、I、CNLI夜光指数，从表1可以看出2013-2017年大部分城市的灯光指数都随GDP增加而增加.赣南地区各县级城市TNL显著提高，说明3种夜光指数与GDP具有一定的相关性.

表1 原赣南、闽西苏区2013、2015、2017年夜间灯光指数

3.2 GDP分区模拟结果分析

利用GDP统计数据与夜间灯光指数进行Pearson相关性分析，得出各产业GDP与四种夜间灯光指数的Pearson相关系数.表2为四种夜间灯光指数(I、S、TNL以及CNLI)与GDP、GDP1、GDP2、GDP3以及GDP23的Pearson相关系数.从表中可以直观地看出：夜间灯光总强度与GDP1的相关性不大，与GDP、GDP2、GDP3、GDP23相关性较大.所以本文选用夜间灯光总强度(TNL)这一最佳夜间灯光指数与GDP、GDP2、GDP3、GDP23进行相关性分析.

表2夜间灯光指数与GDP的Pearson系数

图3是2013年原赣南、闽西苏区县级夜间灯光总强度与GDP、GDP1、GDP2、GDP3以及GDP23的回归建模的相关结果.结果显示：GDP1、GDP2、GDP3、GDP23与其最佳夜间灯光指数呈现明显的线性关系，相关系数较高，模型预测GDP效果较好.GDP3的R2最大，达到0.951 2，而GDP1与夜间灯光总强度的线性关系并不明显，R2仅为0.027 1，相关性较差.夜间灯光主要反映的是城市的夜间灯光，城市夜间灯光大部分来自于第二产业以及第三产业，第一产业为大部分集中于城郊以及乡村，夜间灯光数据较难准确探测到第一产业发出的微弱灯光，因而第一产业与夜间灯光总强度(TNL)的相关性较弱，线性关系不显著，第二产业、第三产业与夜间灯光总强度(TNL)线性关系显著，相关性强.

图3 夜间灯光指数与GDP回归分析结果

表3利用2015年、2017年赣南、闽西地区各县级行政单位GDP、GDP2、GDP3、GDP23的预测值与实际值进行误差分析，从表中可以看出，GDP预测结果与实际统计数据的平均相对误差最小，证明了利用NPP/VIIRS夜间灯光数据预测GDP统计值是可行的且预测精度较高的.

表3 原赣南、闽西苏区各产业预测值与实际值相对误差(%)

3.3 经济联系强度的计算与分析

根据式(7)及相关数据，可以得到2013年、2015年以及2017年的原赣南、闽西苏区各区县的城市经济联系空间结构，为了显示城市经济联系空间结构的年际差异与变化，因此本研究将经济联系强度小于0.500 0的舍弃.得出如下结论：

图4 2013年赣南闽西各县经济联系强度图 图5 2015年赣南闽西各县经济联系强度图

图6 2017年赣南闽西各县经济联系强度图

3.3.1 各区县经济联系强度有所上升，但依然存在弱联结

通过2013年、2015年以及2017年赣南、闽西地区各区县经济联系强度对比分析，发现2013-2017年赣州市市辖区的经济联系强度逐年上升，龙岩市各市辖区的经济联系强度一直没有发生较大的变化.赣南闽西地区各区县之间经济联系强度逐年上升，说明赣南地区与闽西地区之间的经济交流在逐年加强，但在赣闽交界处各区县的经济关系联系较弱.从整体上看，赣南、闽西苏区各区县的经济联系强度在逐渐增强，赣州-瑞金-龙岩铁路的开通加快了赣南、闽西这两大原苏区的资金、人才和技术的流通，使得铁路沿线区县的经济联系强度在稳步上升，两个地区之间的经济交流也日益频繁.

3.3.2 城市经济联系强度空间差异减小，发展不均衡现象明显

从空间格局上看，2013年赣南、闽西苏区经济联系强度较高的区域主要分布于赣州市以及龙岩市的周边区县，远离市区且地形复杂坡度较大的边缘县区的经济联系强度显著下降，而且这些区县与周围边界的联系强度也相对较弱.原因可能是由于交界处城市自然地形复杂，交通条件较差，形成交通弱县，从而增加了交通运输成本，减少经济因素的流通.

3.3.3 经济空间联系网络结构趋向“多中心”发展

赣南闽西苏区之间的经济空间联系网络结构上趋向“多中心发展”，主要原因是近几年来各县级行政单位的经济发展水平、城镇化发展速度以及交通通达性在逐步提升.瑞金市、定南县、上杭县是赣南闽西苏区的区域发展引擎，形成该区域中心城市，带动周边县市经济发展.

3.3 政策与建议

4 结论与展望

利用NPP/VIIRS夜间灯光数据构建相对应的夜间灯光指数与GDP统计数据进行回归分析，研究结果表明：GDP统计数据与构建的夜间灯光总强度(TNL)相关性最高，两者之间呈现明显的线性关系；地区生产总值(GDP)与夜间灯光总强度(TNL)构建的预测模型平均相对误差为0.27%，利用夜间灯光数据可以准确地预估原赣南、闽西苏区县级行政单位的GDP；采用修正后的重力引力模型计算原赣南、闽西苏区县级城市间经济联系强度，发现随赣州-瑞金-龙岩铁路的开通，赣南与闽西各区县的经济联系强度逐年提升，但依然存在经济弱联结.经济发展水平差异有所减小，但受边缘屏蔽效应明显.赣州市市辖区与周边县市的经济联系强度高于龙岩市市辖区与周边县市的经济联系强度，赣州市对处于省际交界区县市经济辐射弱于龙岩市，这些经济受市中心影响较小的县市大部分为国家级贫困县.龙岩市市辖区与下辖县市经济联系强度较弱，下辖区县大部分依靠自身条件发展且闽西地区多山地丘陵，综合交通能力较弱，导致下辖区县经济发展水平较低，造成龙岩市经济上呈现“东富西贫”的现象.

基于夜间灯光数据的GDP回归模拟数据只能用于宏观分析数据，要得到更高精度的GDP回归模拟数据，需进一步进行参数优化以及考虑更多相关性高的影响因子，使得构建的模型结果更加精确.在后期的研究中，选取更小的区域作为研究单元，考虑区域经济内部差异以及区域内各城市的经济联系强度，为夜光遥感在区域经济中的应用提供技术支持.