夜间灯光支持下江西省典型城市发展动态监测

续宇彤 刘昭华

(江西理工大学 土木与测绘工程学院, 江西 赣州 341000)

0 引言

随着经济建设的进一步推进,城市发展的步伐空前加快,城市化建设也取得了显著的进展。江西省是我国中部地区重要省份,了解其城市发展进程和规律是后续规划制定的重要依据。夜间灯光遥感是能够探测夜间微光的光学遥感技术,因夜间稳定的亮光绝大多数来自城市区域的人造光源,夜间灯光遥感影像已被证明可以更直观地反映夜间人类活动差异,且众多研究证明与国民生产总值(Gross Domestic Product, GDP)[1]、贫困度[2]、城市人口[3]、货运总量[4]等社会经济指标具有较强的相关性,可以弥补传统统计数据存在的统计口径不一致、数据缺失、更新频率低等不足[5],为不同经济指标的空间化分布研究提供了数据来源,并为不同空间尺度上精细评估城市经济活动水平提供了可能[6-8]。

DMSP-OLS(Defense Meteorological Satellite Program,Operational LineScan System)影像数据的最初用途之一就是描绘城市范围,设置阈值对夜光影像进行分割可以实现城市建成区的提取[9]。除此之外,还可以结合其他遥感产品对建成区范围进行提取[10],这种方法在我国也被许多学者使用。Zhang等研究表明,基于DMSP-OLS影像的城市化监测在发达国家的应用效果较优于发展中国家[11]。夜间灯光影像除了可以监测城市化进程以外,还能对城市群的演变进行探究。Yu等(2014)提出了一种新的面向对象的基于夜光影像的城市空间集群自动识别方法,并通过聚类分析得到中国有521个城市空间集群[12],长三角城市群、环渤海城市群、珠三角城市群[13-15]等也成为学者研究的热点区域。但是大多研究都是基于DMSP-OLS影像数据展开的,且缺乏长时序的城市发展监测研究。

2012年,美国国家极轨业务环境卫星(National Polar-Orbiting Partnership,NPP)搭载的可见光红外成像辐射仪(Visible InfraredImaging Radiometer Suite,VIIRS)提供了新一代夜间灯光遥感数据,该数据的出现相对于DMSP-OLS数据在空间、时间和辐射分辨率等方面得到了提升,进一步扩展了夜间灯光遥感的研究方向和应用领域[16]。本文以江西省三大城市南昌市、九江市和赣州市作为研究区域,利用2012—2019年的NPP-VIIRS影像数据得到的夜间灯光亮度的空间分布,分析这三个城市的发展状况,为其产业结构调整和城市规划布局等提供理论支持,具有非常重要的科学意义和实践价值。

1 研究区域概况

江西省位于中国东南部,长江中下游南岸,地形南高北低,以江南丘陵、山地为主;盆地、谷地广布,略带鄱阳湖平原。红色文化驰名中外,地下矿藏丰富,是我国矿产资源配套程度较高的省份之一,铜、钨、铀、钽、稀土、金、银被誉为江西的“七朵金花”。截至2020年6月,江西省下辖11个设区市,其中南昌市、九江市和赣州市是江西省的三个主要城市,分别位于江西省的中北部、北部和南部。这三个城市的基本情况如下。

南昌市是江西省省会、环鄱阳湖城市群核心城市、国务院批复确定的中国长江中游地区重要的中心城市。南昌市下辖6个区、3个县,总面积7 402 km2。截至2019年末,南昌市常住人口560.06万人,2019年南昌市GDP达到了5 596.18亿元,居全省第一,全国省会城市排名第16。

九江市地处长江、京九铁路两大经济开发带交叉点,是长江中游区域中心港口城市,是中国首批5个沿江对外开放城市之一,也是东部沿海开发向中西部推进的过渡地带,号称“三江之口,七省通衢”与“天下眉目之地”,有“江西北大门”之称。总面积19 084.61 km2,截至2019年年末,全市总人口为492.03万人。2019年九江市GDP达到了3 121.05亿元,全省地级市排名第3。

赣州市是江西省的南大门,是江西省面积最大、人口最多的地级市,江西省省域副中心城市。赣州地处亚热带季风气候区,地形以山地、丘陵、盆地为主,总面积39 379.64 km2,2019年户籍人口为983.07万人。赣州市钨与稀土资源丰富,是全国稀有金属产业基地和先进制造业基地。此外,赣州是全国著名的革命老区、原中央苏区振兴发展示范区、红色文化传承创新区。2019年赣州市GDP达到了3 474.34亿元,全省地级市排名第2。

2 数据集和研究方法

本文选用NPP-VIIRS的2012—2019年无云月平均影像数据以及2015年和2016年去噪后的年平均VIIRS数据,数据由美国国家海洋和气象管理局(National Oceanic and Atmospheric Administration,NOAA)提供。NPP-VIIRS影像的空间分辨率为740 m,覆盖范围75°N～65°S。除此之外,县级行政区划图来自国家基础地理信息中心,经济等数据来源于各省市县级统计年鉴。

NPP-VIIRS影像解决了DMSP-OLS影像数据中存在的过饱和问题,但是受云层、大气、闪电、火光等自然因素的影响,月度复合数据中还存有大量的噪声和异常值,导致部分像元为负值和极大值。因此,在利用数据进行分析前,需要对原始影像做预处理,过程主要包括:年度复合数据的合成、空间坐标系重投影、影像去负去噪处理和影像裁剪等。

受大气影响,中国部分地区的NPP-VIIRS影像在6～8月份有存在严重的噪声干扰,会有失真现象,因此,本文利用2012—2019年除6～8月以外的月度复合影像,并通过求取平均值的方法合成年度数据,公式如下:

(1)

式中，Ly表示某年的灯光亮度值；Li表示第i月的灯光亮度值。得到年度复合影像数据后,将影像重投影为兰伯特等面积投影并将网格大小重采样为0.5 km×0.5 km。

合成的影像中存在因不稳定光源造成的异常值以及负值,需要通过去噪去负处理来减弱这些影响。利用2015与2016年NOAA发布的无噪声年度复合数据作为掩膜,将两年的年度影像做二值化处理,像元DN值大于0的设为1,DN值不大于0的设为0,并分别和2012—2015年和2016—2019年的待去噪影像相乘去除背景噪声和异常值[17]。经去除噪声和异常值处理后,利用行政区划图的边界线对影像进行裁剪,得到江西省南昌市、九江市和赣州市的夜间灯光遥感图像。

3 研究结果与分析

3.1 南昌市城市发展动态

3.1.1 南昌市2012—2019年各时期夜间灯光强度变化

利用南昌市行政界线对NPP-VIIRS影像数据进行裁剪,获得南昌市2012—2019年长时间序列的夜间灯光数据。为了保持数据结果的稳定性,更好地反映灯光亮度的变化特征,将2 a作为一个周期进行平均,获得南昌市2012—2019年不同时期的平均亮度值数据,结果如图1所示。

图1 南昌市不同时期的NPP-VIIRS数据平均亮度值

从图1可以看出,南昌市中西部的主城区灯光最亮,周围区域亮度较弱。对南昌市NPP-VIIRS数据各个时期的亮度值进行数理统计,结果如表1所示。从表1的统计结果可以看出,2014—2015年平均亮度值相比于2012—2013年有略微的下降,但到2016—2017年和2018—2019年,平均亮度值和标准偏差都有较大的增长,说明南昌市2012—2015年之间城市空间结构和经济发展较为稳定,但在2016年后经济出现了较快的增长,且发展速度增快。

表1 南昌市NPP-VIIRS数据各个时期亮度值统计结果

3.1.2 南昌市2012—2019年各时期夜间灯光分等级面积变化

统计各时期夜间灯光分等级的面积变化,可以更好地了解灯光的变化情况。将NPP-VIIRS数据按照亮度值划分为(0～5)、(5～10)、(10～20)、(20～35)和(>35)五个等级,统计分析了对应的面积分布,结果如表2所示。从表2中可以看出,在各个时期的5个等级中,等级(0～5)的亮度分布面积逐年在减少,等级(5～10)和(10～20)的亮度分布面积逐年在增加,等级(20～35)和(>35)在2014—2015年出现了减小的情况,随后又开始快速增长。

表2 南昌市灯光数据在2012—2019年不同时期各等级分布面积 单位:km2

3.2 九江市城市发展动态

3.2.1 九江市2012—2019年各时期夜间灯光强度变化

利用九江市行政界线对NPP-VIIRS影像数据进行裁剪,获得九江市2012—2019年长时间序列的夜间灯光数据。对九江市各个时期NPP-VIIRS数据的亮度值进行数理统计,结果如表3所示。从表3的统计结果可以看出,从2014—2015年开始,平均亮度值有所增长,但从2016年开始,增长的速度较快,说明九江市2012—2015年之间城市空间结构和经济发展较为稳定,但在2016年后经济出现了较快的增长,且发展速度较快。

表3 九江市各个时期NPP-VIIRS数据亮度值统计结果

3.2.2 九江市2012—2019年各时期夜间灯光分等级面积变化

同样,将NPP-VIIRS数据按照亮度值划分为(0～5)、(5～10)、(10～20)、(20～35)和(>35)五个等级,统计分析了对应的面积分布,结果如表4所示。从表4中可以看出,在各个时期的5个等级中,等级(0～5)的亮度分布面积逐年在减少,等级(5～10)和(10～20)的亮度分布面积逐年在增加,等级(20～35)和(>35)在2014—2015年出现了减小的情况,随后又开始快速增长。九江灯光分等级面积变化与南昌市有相同的变化趋势。

表4 九江市2012—201 9年不同时期灯光数据各等级分布面积 单位:km2

3.3 赣州市城市发展动态

3.3.1 赣州市2012—2019年各时期夜间灯光强度变化

利用赣州市行政界线对NPP-VIIRS影像数据进行裁剪,获得赣州市2012—2019年长时间序列的夜间灯光数据。对赣州市各个时期NPP-VIIRS数据的亮度值进行数理统计,结果如表5所示。从表5的统计结果可以看出,2014—2019年,平均亮度值稳步增长,且增速较大,说明赣州市出现了较明显的城市空间结构变化和较快的经济增长。

表5 赣州市各个时期NPP-VIIRS数据亮度值统计结果

3.3.2 赣州市2012—2019年各时期夜间灯光分等级面积变化

同上,将NPP-VIIRS数据按照亮度值划分为(0～5)、(5～10)、(10～20)、(20～35)和(>35)五个等级,统计分析对应的面积分布,结果如表6所示。从表6中可以看出,在各个时期的5个等级中,等级(0～5)的亮度分布面积逐年在减少,等级(5～10)、(10～20)和(20～35)的亮度分布面积逐年在增加,等级(>35)在2016—2017年出现了短暂减小的情况,随后又开始快速增长。

表6 赣州市灯光数据2012—2019年不同时期各等级分布面积 单位:km2

3.4 典型城市发展动态对比

3.4.1 典型城市平均夜光强度对比

对江西省南昌市、九江市和赣州市在2012—2019年不同时期的NPP-VIIRS数据亮度求取平均值,结果如图2所示。从图2可以看出,南昌市灯光亮度出现了短暂的略微下降后快速增长,九江市和赣州市呈现整体发展状态,九江市灯光亮度值整体高于赣州市,但增长速度基本一致。

图2 典型城市不同时期NPP-VIIRS数据亮度的平均值随时间变化

3.4.2 典型城市夜光强度重要等级面积变化对比

本文将灯光亮度值的等级划分为五级,其中>35是最高级,代表了该城市在发达区域的分布,图3为南昌市、九江市和赣州市不同时期NPP-VIIRS数据亮度的重要等级面积对比。从图3可以看出,南昌市的灯光值>35的面积在2014—2015年出现了较大幅度的下降,后又大幅增长,九江市也出现了同样的变化趋势,但是幅值较小。赣州市的灯光值>35的面积在2016—2017年出现了小幅度的下降,后又稳步增长。从这些数据说明,南昌市在2014—2015年主城区整体经济发展态势不太好,考虑是部分产业转型期,通过产业转型,经济出现了快速稳定的增长;九江市和赣州市也出现了与南昌相同的经济阵痛期,但通过产业的优化升级,经济快速增长。

图3 典型城市不同时期NPP-VIIRS数据亮度的重要等级(>35)面积

图4显示了南昌市、九江市和赣州市2012—2019年的GDP变化趋势,可以看出,三市GDP稳步增长,在经济转型的阵痛期,虽然灯光亮度值有所减少,但是GDP影响不明显;九江市和赣州市整体经济水平相当,与夜间灯光亮度值得出的结论较为一致。

图4 典型城市不同时期的GDP数据

4 结束语

本文采用2012—2019年的NPP-VIIRS数据,在数据精细预处理基础上,统计分析了江西省三大城市(南昌市、九江市和赣州市)的夜间灯光亮度情况,从城市夜间灯光亮度阐述了城市发展过程,具体结论如下。

(1)江西省三个主要城市(南昌、九江和赣州)的主城区及下辖县市城区灯光最亮,周围区域亮度较弱。不同城市亮度值的平均值在不同的年份会有一些波动,但整体呈快速发展的趋势。

(2)按照夜间灯光亮度值划分的五个等级中,三个城市灯光较弱的面积在不断减少,灯光亮度较强的面积在不断增长,这也与当地的GDP发展趋势相一致。

(3)从三个城市平均夜光强度和夜光强度重要等级面积变化的对比中可以看出,南昌的经济基础最强,是整体实力最强和发展态势最好的城市。九江市和赣州市的城市发展水平相当,但都处于一直持续快速发展的状态,两城市优势各异,通过产业升级优化,后期发展将会更好。

虽然使用NPP-VIIRS掩膜法分段能够有效去除NPP-VIIRS年度合成数据的噪声,但是随着城市化进程的加快以及乡村振兴战略的实施,城乡发展建设将会飞跃式增长,到时仅2015年和2016年两期的标准数据已经不能适应快速发展的需要,会将实际灯光值作为噪声去除,影响去噪结果以及数据的可用性,因此，希望以后对数据的处理方法能进一步完善。