基于NPP-VIIRS的云南省城市经济空间格局演变

罗 虹，赵政权

（1.云南国土资源职业学院 国土空间信息学院，云南 昆明 652501）

随着人类社会的发展、城市化进程的加快，长时间序列夜光数据便于获取、处理方便，对于评价经济发展速度、区域经济结构特征等具有巨大优势。因此，如何利用夜光数据衡量区域经济发展状况，深度挖掘区域经济特性，显得越来越重要。目前国内很多学者利用夜光数据对区域经济进行了大量研究，主要是基于DMSP/OLS和NPP/VIIRS夜光数据，采用标准差椭圆、城市位序—规模法、引力模型与区位度、Getis-Ord Gi*分析和人均夜光发展指数等方法对区域经济的时空格局发展进行分析[1-5]，多集中在京津翼、长三角和珠三角三大城市群区域，对西部城市发展的研究较少。还有学者基于夜光数据构建回归模型，并与兴趣点（POI）数据相结合，研究区域的空间结构特征，模拟经济参量[6-11]。基于2012-2019年NPP-VIIRS预处理后的夜光数据，以灯光总量、灯光增长率和平均灯光指数为统计指标，本文采用标准差椭圆、城市位序—规模法、Getis-Ord Gi*分析和空间引力模型等方法计算分析了8 a间云南省城市经济空间格局的演变情况。

1 研究区概况与数据来源

1.1 研究区概况

云南省位于西南地区，藏、川、黔、桂交界处，介于 21°8′～29°15′N、 97°31′～106°11′E 之间；属山区高原地形，由北向南地势逐渐降低，最高点卡瓦格博峰海拔为6 740 m，最低点位于河口县境内，海拔为76.4 m；自然资源丰富，总面积约为39.4万km2，下辖16个地级行政区、129个县级区划。作为我国通往东南亚的门户，滇西部与缅甸接壤，滇南部和老挝、越南毗邻，属于西南经济圈的重要组成部分，主要包括滇中经济区、沿边经济带等。

1.2 数据描述与来源

目前，长时间序列夜光产品主要包括DMSP-OLS和NPP-VIIRS，其中DMSP-OLS的空间分辨率约为1 km，但在2013年已停止更新，且产品有溢出现象；NPP-VIIRS数据从2012年4月开始更新，空间分辨率约为500 m，可识别更多的灯光细节。NPP-VIIRS数据提供VCM和VCMSL两种产品，前者已排除受杂散光影响的数据，后者已经过杂散光校正，有更多的数据覆盖到极点，但降低了质量，因此利用VCM月度数据合成年度数据作为结果使用。行政区数据来源于云南省地理信息公共服务平台（https://www.ynmap.cn/）；夜光NPP数据来源于美国国家地球物理数据中心（https://ngdc.noaa.gov/eog/download.html）。

1.3 预处理

NPP的月产品中未去除负值、火点、不稳定值和背景噪声，而年产品只提供了2015年和2016年的年数据，年度数据包含无云平均灯光，且去除了暂时性灯光。本文在整理其他学者经验的基础上，对夜光数据进行预处理；①DMSP-OLS不存在负值，因此可利用2012年的DMSP数据替换2012年NPP月产品中的负值，并求出年平均值，再利用2012年NPP年产品替换2013年月数据中的负值，以此类推，直到所有月数据中的负值全部被替换；②极高值的处理，首先提取出不同年度中灯光强度最高城市的最大值，一般认为生产总值越高、灯光强度越强，提取出极高值像元，再采用均值滤波，以5×5的单元计算均值进行替换；③消除微光，根据经验取0.4 nanoW/(cm2·sr)为阈值[12-13]；④对处理后的月数据进行计算，生成年产品。由于NPP数据为WGS84地理坐标系，影像的格网会随着纬度的增大而变小，因此需对数据进行投影变换，重投影为Albers等积圆锥投影，重采样的像元分辨率为500 m。

2 研究方法

2.1 夜间灯光统计

城市夜间灯光统计可通过夜间灯光总量（TL）、平均灯光指数（ALI）[14]和灯光增长率（GR）来衡量，计算公式为；

式中，ri为第i个像元的辐射亮度值；n为区域的像元个数。

2.2 标准差椭圆

标准差椭圆（SDE）可反映事物空间特征的分布趋势，是对区域方向进行分析的一种经典算法。通过椭圆中心、椭圆面积、长短轴和旋转角度可度量云南省经济发展格局变化情况，其中椭圆中心代表经济区重心，椭圆面积代表聚集和离散程度，长短轴反映经济的扩张、收缩状态，旋转角度反映经济主要趋势方向变化。

式中，SDx为X轴方向的标准差；SDy为Y轴方向的标准差；(xi,yi)为区域对象的坐标；θ为方位角；Wi为权重；(xi,yi)为区位至椭圆重心(SDEx,SDEy)的坐标差。

2.3 城市位序—规模法

城市位序—规模法可用来衡量区域城市规模发展的集中和分散程度。本文以夜光总量来探讨2012-2019年云南省城市规模的变化情况。

式中，Pi为城市i的夜光总量；P1为排名第一的城市夜光总量规模；Si为城市i的位序；q为Zipf指数，可反映城市与位序之间的关系（集中或分散）。|q|越接近于1，说明城市规模越接近于理想状态，城市发展较均衡、理想，|q|＜1表明低位序城市发展较好，分散力量大于集中的力量；|q|＞1表明高位序城市发展较好，集中力量大于分散的力量。

2.4 Getis-Ord Gi*分析

Getis-Ord Gi* 分析可识别具有统计显著性的热点和冷点。本文利用夜光数据空间权重矩阵来统计云南省内经济发展的热点。

对其进行标准化处理，则有；

式中，xi、xj分别为区域i和区域j的规模；Wij(a)为区域i和区域j的连接矩阵；Exp(G)为数学期望；Var(Gi*)为变异系数。Z值得分越高，表示有高值的空间聚类；Z值得分越低，表示有低值的空间聚类；Z得分越高或越低，表示聚类程度越大；Z值接近于0，则表示不存在明显的空间聚类。

2.5 引力模型与区位度

引力模型主要反映城市间经济关联的强度，可计算城市间的经济联系强弱。区位度可反映该城市在云南省内的重要程度。

式中，Mij为城市i、j之间的经济关联强度；K为引力常数；Pi、Pj分别为城市i、j的规模，可利用夜光总量来替代；f为摩擦系数，本文以省级区域为研究对象，f=2；dij为两城市间的距离，由于云南省属山地高原地形，两城市间距离近不一定时间短，因此利用时间距离来替代空间距离对于复杂山地地形更为准确。

本文参考云南省汽车时刻表，并以百度地图规划路径算法的最低时间成本为补充，综合衡量两个城市间的时间距离[15]。

式中，LDi为城市的区位度，反映了城市在区域中的重要程度。

3 研究成果与分析

3.1 夜光数据统计结果分析

2012年和2019年云南省各地级行政区夜光数据总量如图1所示，可以看出，昆明市的夜光数据总量在2012年和2019年均遥遥领先，曲靖市、玉溪市、红河洲紧跟其后；2019年各地级行政区的夜光数据总量较2012年均有很大提升；怒江州和迪庆州在两个年度中的夜光数据总量均较落后。对于平均灯光指数的统计，由于计算值较小，因此利用自然断点法将平均灯光指数分为低、中、高3个等级，对各地级行政区进行分级统计，结果如图2所示，可以看出，2012年只有昆明市处于高等级，2019年曲靖市和玉溪市由于滇中经济区发展较好，高等级区域增加到3个；中等级由2012年的5个区域增加为2019年的8个，保山市、丽江市、楚雄州、文山州和昭通市由低等级提升至中等级，发展良好；由于高原地形、风俗、政策等原因，迪庆州、怒江州、普洱市、临沧市和西双版纳州保持低等级指数不变。2012-2019年云南省灯光增长率为78%，其中增长最多的是保山市，如图3所示，超过200%，作为滇西城市群的中心城市之一，近年来保山市充分发挥旅游资源，灯光增长较快，其余区域也保持稳步增长的态势。从县级尺度来看，整体上围绕昆明市县域增长较为平稳，滇西北、滇南、昭通方向增长较快；昭通市增长较快的县为鲁甸县、巧家县和盐津县；楚雄市近年来也增长较快，主要源于滇中城市群以及打造特色民族风情生态城市政策的带动；宁洱县和镇沅县曾是“茶马古道”上的重要驿站，灯光增长较快；滇西北部的香格里拉、贡山县、福贡县增长明显；滇南的西双版纳勐腊县因地域、政策和旅游业的影响，明显大幅增长；文山州的西畴县也增长较快。

图1 2012年和2019年云南省各地级行政区夜光数据总量

图2 云南省各地级行政区平均灯光指数分级（审图号：云S(2017)046）

图3 2012－2019年不同尺度行政区灯光增长率（审图号：云S(2017)046）

3.2 SDE结果分析

本文根据云南省2012-2019年夜光数据进行各区域经济重心分布变化分析，采用SDE方法进行云南省经济空间格局演化分析，如图4所示。从重心变化移动的路径分析，2012-2019年总体向西北方向移动，椭圆中心坐标由2012年的102.093E、25.137N移至2019年的102.021E、25.159N（表1），约向西北方向移动了7.6 km，其中2012-2014年重心向西南方向移动较大，2014-2016年受滇中城市群的辐射影响向昆明方向移动，2017年后受到滇西城市群的影响向西移动。从椭圆面积来看，2012-2019年的总体椭圆面积增加，从2012年的131 945.430 km2增加到2019年的144 041.793 km2，增长率为9.2%，呈空间扩张态势，分散的力度大于集中的趋势，表明滇西地区中小城市的拉动力较大。从旋转角度来看，2012-2019年的旋转角度在83.660°～86.333°之间，分布主要为东西格局，略偏向东北—西南方向。椭圆长轴基本是东西向分布，长轴变长，表明夜光数据的主要拉动力为东西方向，2012-2019年各年份长短轴之比变化较小，说明增长较平稳。2019年的长短轴之比小于2012年，表明不仅有东西方向的经济拉动力，还有其他地区、方向的经济拉动力影响，整个省份经济拉动力趋于多元化。

图4 2012－2019年云南省SDE和经济重心（审图号：云S(2017)046）

表1 2012－2019年SDE变化

3.3 城市位序—规模法结果分析

2012-2019 年双对数的回归模型R2均大于0.8，q值均在1附近，说明符合城市位序—规模法的分布特征。从总体来看，q值全部大于1（图5），表明区域城市分布为首位型分布，首位型城市的垄断性地位突出，滇中城市群仍在省内发挥巨大经济优势。2012-2019年q值逐年降低，说明分散的力量逐年增加，中小城市的发展进程加快，首位城市的功能正在削弱，云南省的城市发展逐渐趋于多元化。

图5 城市位序—规模法各年度q值统计图

3.4 Getis-Ord Gi*分析结果分析

以县域为统计单元，采用自然断点法计算Getis-Ord Gi*指数，并将Z值分为5个级别进行Getis-Ord Gi*分析，如图6所示，从整体来看，热点区域仍集中在以昆明市为中心的滇中城市群，这也与云南省的GDP发展相吻合，且符合之前SDE和城市位序—规模法的结果；2014-2016年相较于2012-2014年，Z值的高值降低，昭通市部分区域出现短暂的次热点区，说明城市聚集效应下降，冷点和不显著区域增多；2016-2019年Z值的高值回升，说明热点区域增多，但仍聚集在滇中城市群，且有向四周城市扩展的趋势。

3.5 引力模型和区位度结果分析

本文按照结果高低将区位度分为高区位度、中等区位度、低区位度3个等级；按照计算的引力模型结果将引力线分为一级联系（最高）、二级联系、三级联系3个等级。就区位度而言，2012-2019年各城市仍保持稳定状态，以昆明—玉溪为中心向外辐射（图7），昆明市、玉溪市仍处于高区位度，保持强劲的经济实力；受昆明市、玉溪市经济圈辐射影响，大理市、楚雄市、曲靖市、文山市和蒙自市保持中等区位度；其余一些沿边城市受滇中经济圈的辐射影响较小，处于低区位度。就引力线而言，2012年的一级联系引力线以昆明市为中心共有4条，2019年的一级联系引力线增加到14条，仍位于滇中城市群；同时因受滇中经济圈的辐射影响，2019年的二级联系引力线数量大幅增加，几乎翻了一番；三级联系引力线仍以沿边城市为中心，说明受滇中城市群的辐射影响不够明显，且沿边经济城市开放有待进一步加强。

图7 城市区位度和引力联系强度

4 结 语

基于NPP-VIIRS夜光数据，本文采用多种方法计算分析了2012-2019年云南省经济空间格局的演变情况，得出的结论为；

1）2012-2019 年云南省的夜光数据总量逐年增加，昆明市增量最多，平均灯光指数也最强，但灯光增长率不是最高，一些中小城市因政策原因增长率较高。

2）虽然省内经济的发展有分散的趋势，但仍为首位型分布，云南省的经济重心仍位于昆明市周边，说明经济仍受传统城市群影响较多。

3）从整体来看，截至2019年，热点区域仍集中在以昆明市为中心的滇中城市群，热点区明显增多，且有向四周城市扩展的趋势；区位度以昆明—玉溪为中心向外辐射，未形成新的高区位度城市，其余一些沿边城市受滇中经济圈的辐射影响较小，且未形成有规模的经济带（圈），处于低区位度；2019年的一级联系引力线数量增加到14条，但仍位于滇中城市群，同时因受滇中经济圈的辐射影响，2019年的二级联系引力线几乎翻了一番，三级联系引力线仍以沿边城市为中心。

综上所述，云南省经济仍以滇中城市群为主要拉动力，虽然沿边城市也因政策影响出现了增长较快、指数较高的中小城市，但未形成有影响力的经济带（圈），经济发展仍不够理想。如何挖掘沿边中小城市的特色与潜力，是下一步研究的重点和方向。