基于夜间灯光数据的城市经济空间发展格局——以大连市为例

柯丽娜， 王姝婷， 阴曙升， 王 辉， 陶拓抒

(1. 辽宁师范大学 地理科学学院，辽宁 大连 116029；2. 辽宁师范大学 海洋经济与可持续发展研究中心，辽宁 大连 116029)

城市经济发展作为衡量其在区域、国家乃至世界城市体系中位序关系的重要方面，一直是城市问题研究的经典命题.随着城市化进程推进，城市经济发展格局呈现阶段性变化，区域相关政策的制定也随着经济发展格局的变化而改变.如何测度城市经济发展时空格局，对于认识和把握城市发展规律，分析其动力发展机制，合理引导城市空间布局，改善城市经济增长模式、提高城市经济发展效率，推进“新常态”下城市经济高质量发展转型，都具有重要的现实意义[1].

国内外学者探究城市经济发展的角度主要集中在经济时空演变[2-3]、区域间经济差异特征[4]及影响因素[5]等方面.研究尺度涉及全国[6]、流域[7]、城市群[8]及省域[9].相关的研究方法包括基尼系数、泰尔指数[10]、社会网络分析法[11]、空间自相关分析方法等.王洋等利用基尼系数、泰尔指数考察了中国经济总体空间差异[12]；LI等采用GDP数据作为经济指标测度中国各个省份经济发展水平[13]；周晓艳等基于空间自相关方法和统计数据深入探讨了黄河流域73个地级市的经济发展格局[14]；孟德友等利用GDP等统计数据比较了长江三角洲地区经济发展水平差异[15]；赵立平等基于县级研究单元运用空间自相关分析探究了湖南省经济发展演变规律与趋势[16]，部分研究还针对性提出了区域经济发展优化的对策与方向.综合来看，目前的城市经济发展研究还多为基于人均收入、GDP等传统统计数据来源方法，城市经济发展研究还需要补充新的研究视角及数据方法对区域经济发展进行客观测度.近年来夜间灯光数据已被广泛应用在经济模拟[17]、城市化水平测度[18]、人口估算[19]、贫困测度[20]、能源消耗测算[21]、城市范围识别[22]等研究中，DMSP/OLS和NPP/VIIRS是目前运用最广泛的夜光数据.相关学者已证实夜间灯光数据与经济发展具有相关性，Elvidge等通过对全球21个国家的DMSP/OLS夜间灯光与GDP进行相关性分析，证明夜光数据与GDP存在显著相关性[23].Henderson基于旧金山、北京、拉萨等城市的实证研究，进一步证实夜光数据亮度能反映地区经济发展水平[24].但目前基于夜光数据还少见以市域为研究区对经济格局进行测度的研究实例.

大连市是国家首批沿海开放城市，是我国东北地区对外门户型城市，自“一带一路”倡议提出后，成为连接东北亚经济体与“一带一路”沿线国家与地区的重要支点.大连市依托明显区位优势，利用进出口、消费投资及旅游资源等拉动经济发展，城市发展迅速，其经济价值在国家和区域发展中占有举足轻重地位.本研究选用精度较高的NPP/VIIRS数据对滨海城市大连的经济空间格局特征进行分析，基于2014—2018年的NPP/VIIRS夜间灯光数据，利用统计分析、变异系数、重心模型、空间自相关分析等方法，分析城市经济空间发展的差异性，揭示大连市市域尺度区域短期的经济空间发展的冷热点特征，有助于加深对大连市经济空间发展及区域经济空间发展均衡程度的理解和认识，为全面协调大连市发展、制定区域经济发展政策提供一定的科学依据与支撑.

1 研究区概况、数据来源与研究方法

1.1 研究区概况

大连市是中国14个沿海开放城市之一，地处辽东半岛最南端，东临黄海，西濒渤海，位于38°43′N～40°10′N与120°58′E～123°31′E之间.下辖7个市辖区、1个县和2个县级市.是环黄渤海经济圈与东北地区金融、商贸、航运、物流、信息中心，近年来成为海上丝绸之路重要战略支点、中蒙俄经济走廊的重要节点城市和东北亚交通枢纽，区位条件十分重要，是研究滨海城市经济发展时空格局特征的典型代表.

1.2 数据来源

本研究使用到的数据包括：①大连市行政区划数据，来源于自然资源部标准地图服务系统网站(http：//bzdt.ch.mnr.gov.cn/index.html)，用于经济重心与标准差椭圆的计算和夜光数据的裁剪；②NPP/VIIRS夜间灯光数据，来源于美国国家海洋和大气管理局官网(https：//www.ngdc.noaa.gov/eog/)，用于统计大连市区市县夜光总量、计算经济重心与标准差椭圆变化、探究经济发展空间格局演化特征；③其他相关数据包括《大连市国民经济和社会发展统计公报》(2014—2018年)，来源于大连市统计年鉴及中国统计信息网(http：//www.tjcn.org)，用于验证大连区市县GDP与全域夜间灯光相关性.

1.3 数据预处理

本研究使用的夜光数据为2014年1月至2018年12月共计60个月的NPP/VIIRS DNB无云月度夜间灯光合成影像.为保证本研究结果准确性，对NPP/VIIRS月度合成数据进行进一步校正，去除气体燃烧、极光、火山和渔火等背景噪声.

数据预处理在ArcGIS软件环境下进行，主要包括影像合成、投影、重采样和裁剪操作.利用栅格计算器工具将NPP/VIIRS月度合成数据合成为年度数据；利用投影工具将夜光影像投影为WGS84 地理坐标系和Albers等面积投影坐标系以避免投影变形过大影响面积计算，并使用最临近法将数据重采样至0.5 km空间分辨率；基于大连市行政区划矢量数据使用裁剪工具进行裁剪.得到初步处理的大连市NPP/VIIRS夜间灯光影像[25].

由于NPP/VIIRS夜间灯光数据存在像元为负值和异常高亮值等噪声问题，本文采用最优阈值法对NPP/VIIRS 夜间灯光影像的背景噪声进行处理[26].

对NPP/VIIRS夜间灯光数据年际校正的方法参考现有用于DMSP/OLS夜间灯光数据的年际校正方法，校正原则为同一个位置像元的DN值只升高不降低，即当年的NPP/VIIRS夜间灯光数据的像元DN值不小于前一年的像元DN值.具体公式[27]如下：

(1)

其中，DN(n-1,i)、DN(n,i)、DN(n+1,i)分别表示第n-1年、第n年和第n+1年第i个像元的DN值.最终得到以2014年数据为基础，经过年际校正后时间序列稳定且连续的2014—2018年NPP/VIIRS夜间灯光数据.

1.4 研究方法

1.4.1 相关性验证与夜光统计方法

为了验证研究区的夜间灯光数据与区域GDP间的相关性，统计2014—2018年大连市各区市县的灯光累计值与同时期各区市县地区GDP数据相关性，并进行回归分析，如图1所示.回归分析结果显示，研究区DN值累计值与GDP之间高度相关，夜光数据可作为研究区域经济规模的表征变量，具有良好的替代性[28].利用夜光总量(Sum of Light, SOL)表征大连市各区市县的经济发展水平，计算公式分别为

(2)

其中，ri为第i个像元的DN值，n为研究区域内的像元总数.

1.4.2 变异系数

变异系数是衡量一组数据变异程度重要的指标，也是反映数据内部差异程度的常用统计量之一，相较方差、标准差等指标效果更优，能客观衡量年际间区域差异，本文计算2014—2018年大连市各区市县夜光总量用以反映其内部经济发展差异，计算公式如下[29]：

(3)

其中,yi是某年第i个区市县的夜光总量值,u是该年研究区所有区市县夜光总量的均值,n为区市县个数.

1.4.3 重心转移及标准差椭圆

标准差椭圆(SDE)方法最早用于测量地理要素在空间分布中的集中度，通过中心、分布范围、方位角、长短轴、长短轴之比等基本参数表征地理要素的空间分布及时空演化特点，精确揭示地理要素在空间上的整体变化特征，空间格局的分布状态及时空演化特征等[30]，目前被广泛应用在城市规划、社会问题、经济空间格局和生态效率测度等各领域.

标准差椭圆的重心即经济重心的计算式为

(4)

方位角α的计算为

(5)

x轴标准差σx和y轴标准差σy的计算公式分别为

(6)

(7)

1.4.4 空间自相关分析

本研究从全局和局部两个角度探究大连市经济空间发展的分布格局，分析经济空间的集聚性特征，并识别研究区经济空间分布的冷、热点.

全局空间自相关分析采用Global Moran’sI指数.该指数可以反映研究变量在空间上分布的集聚性，表征研究变量在研究区内空间相关性的整体性趋势，以识别大连市经济发展在空间分布上是否存在空间集聚效应，其值范围介于[-1,1]之间,当Global Moran’sI值越接近0,表明研究变量在空间上的自相关性越弱,空间中越呈现随机分布状态[31]，计算公式为

(8)

标准化统计量Z值可以检验要素空间自相关的显著性[31]，计算公式为

(9)

(10)

(11)

本研究基于ArcGIS10.6软件测算2014—2018年间大连市经济空间的局部空间关联指数，创建研究区500 m格网尺度，并基于5%和10%的显著水平识别研究区经济发展冷热点，再依据Z值将冷热点区域划分为5类.其中,Z>1.96的区域为热点区，Z∈[1.65,1.96]区域为次热点区，Z∈(-1.65，1.65)区域为随机分布区，Z∈[-1.96, -1.65]区域为次冷点区，Z<-1.96区域为冷点区[31]，最后对研究区经济发展关联状况进行可视化表达.

2 研究区经济空间格局演化分析

2.1 经济空间分异特征

参照公式(2)计算大连市各区市县夜光总量，并基于变异系数揭示大连市经济发展的差异状况，绘制大连市夜间灯光变异系数变化图(图2).

从图2可以看出，总体来说，研究期内金州区、甘井子区、长海县变异系数相对较大，尤其金州区变异系数最大，且金州区、甘井子区变异系数呈下降趋势；长海县变异系数稳定，一直稳定为0.3；其他区市县变异系数均小于0.2，并呈现波动变化趋势，庄河市、普兰店区变异系数相对较小.变异系数反映了大连市各区市县经济水平相对差异的非匀速变化，各区市县总体上内部经济差异呈现缩小趋势，揭示出大连市经济发展水平相对差异特征.

图2 研究区夜间灯光变异系数(2014—2018)

2.2 经济发展空间格局的动态演化

根据标准差椭圆方法，基于2014—2018年大连市夜间灯光数据，计算得到研究期间各年份经济重心及其标准差椭圆，分析大连市经济空间格局演化特征(表1).

表1 研究区经济格局标准差椭圆参数(2014—2018年)

从标准差椭圆参数数据来看，大连市经济空间发展中心呈现出明显的由西南向东北方向逐步移动的发展态势，经济重心从121.76°E，39.15°N逐步移动至121.81°E，39.20°N，从标准差椭圆面积变化情况看，椭圆面积在逐步增大，由2014年的8678.00km2逐步增长到2018年的10813.28km2，反映研究期内大连市经济空间的作用范围在逐步增长，经济发展核心区域在逐步扩大.从椭圆分布形状看，其标准差椭圆长轴为西南-东北方向，短轴为西北-东南方向，且椭圆长、短半轴持续增大，长短轴之比从2.02逐步增长至2.11，意味着该时期大连市经济空间格局发展的主要方向为西南-东北方向，且在该方向上逐渐加强.整体上，大连市经济发展受自然条件、政策扶持、交通、资金支持等多方面因素影响，市内中山区、沙河口区、西岗区、甘井子区四区经济受发展空间限制，经济腹地较小，而北部金州、普兰店等区县具备广阔的土地资源，近年来，国家政策支持金普新区、大连普湾经济区等一系列特区的设立，使大连市北部区域经济日渐崛起，凭借政策优势和经济基础迅速发展，导致大连市经济空间发展重心缓慢向东北方向移动.

2.3 大连市经济发展空间集聚性分析

基于ArcGIS10.6软件获取大连市夜间灯光数据的全局Moran’sI指数，如表2所示，结果显示研究期内大连市经济全局Moran’sI指数检验结果显著，总体而言，大连市夜间灯光数据呈现极高的空间正相关性，具有明显的空间集聚性.另外，从时序变化角度来看，Moran’sI指数在研究期内由0.821增长至0.832，仅2016年Moran’sI指数略微下降至0.819，显现小幅波动且递增的趋势，说明大连市经济空间夜间灯光DN值的空间关联程度在逐年增强，大连市经济空间分布的相似性增强，空间集聚程度加大，区市县间的经济差异变小.

表2 研究区经济全局 Moran’s I指数

全局Moran’sI指数体现大连市经济空间整体分布特征，无法详细表述各区市县空间之间的关系，故采用局部空间关联指数测算研究区经济空间分布冷热点并计算研究区各区市县经济冷热点面积占比(表3)，进一步把握大连市经济空间演化的集簇格局.

观察表3可发现大连市经济空间冷热点呈现由西南至东北方向由热点向冷点区逐渐过渡的规律，各区市县冷、热点区面积均在逐步缩小.研究期内，市内四区为高热点显著区，热点区占比为83.59%～100%；其次为旅顺口区、金州区，其热点区占比为32.76%～56.29%，主要分布在旅顺口区中心广场、金州站、大窑湾周边地区及地铁三号线途经区域；瓦房店市、普兰店区、庄河市、长海县的热点区占比一直低于10%，且呈下降趋势，其热点区占比范围为1.41%～9.92%，其中长海县热点区占比最低，研究期内热点区占比仅为1.41%～3.40%.

表3 研究区经济空间冷热点面积比例(2014—2018年)

研究期内，普兰店区、庄河市为高冷点显著区，冷点区占比为3.17%～26.49%，其冷点区域主要分布在大连市北部的岔沟山、老边山、步云山乡及大连冰峪国家地质公园附近；瓦房店市、长海县冷点区占比为0.31%～8.04%，其冷点区域主要分布在瓦房店市南部的围填海区域 及长海县广鹿岛、哈仙岛、小长山岛及獐子岛地区附近；大连市市内四区、旅顺口区、金州区的冷点占比最低，研究期内冷点区占比仅为0.06%～0.20%.

总体上，大连市经济空间的冷点区与次冷点区集聚分布人口稀疏及产业薄弱的北部山区，热点区与次热点区集聚分布在市内金融及商业中心附近.而金州区作为由大连市主城区-金州区-普湾新区构成的城市发展主轴线的中间节点，逐渐成为区域经济发展的重要增长极，随着产业项目集聚力逐渐增强，其人口吸纳能力逐步提升，产业基础、土地资源及发展空间优势逐步显现，也成为经济发展的热点集聚区.其他区市县依靠国家近年来政策的扶持、资源的倾斜以及一系列国家级与省级重点产业园区的建设，经济水平有效提高.全市区域功能定位和发展方向得到合理调整与优化，内部经济空间不平衡现象减弱，经济差距逐渐缩小，经济水平在空间上趋于平衡发展.

3 结论与讨论

本文基于2014—2018年间大连市NPP/VIIRS夜间灯光数据，采用变异系数、重心转移、标准差椭圆模型及空间自相关等分析方法，探究大连市经济发展水平与空间分布特征、识别各区市县间经济差异的时空演变特征及演化趋势.主要结论如下：

(1)研究期内金州区、甘井子区变异系数较大，呈下降趋势，长海县变异系数稳定在0.3，其他区市县变异系数在0.2上下波动，表明了大连市各区市县经济水平相对差异呈缩小态势.

(2)标准差椭圆面积在逐步增大，表明大连市经济发展核心区域在扩大；大连市经济发展受限于空间因素，经济重心由西南向东北方向逐步移动，经济发展空间格局的主要方向为西南-东北方向.

(3)大连市经济冷热点分布呈现由西南向东北方向由热点区向冷点区逐渐过渡趋势，冷、热点区域面积逐步减小，大连市经济发展核心区向外围逐渐扩张，内部经济空间不平衡现象减弱、经济差异明显缩小，经济水平在空间上趋于平衡.

以往研究通常采用统计数据测算经济发展水平与格局特征，难以克服统计口径不一致、片面性等问题，而本文采用的夜间灯光数据有效克服了这一难题.随着时间分辨率、空间分辨率与光谱分辨率需求的提高，珞珈一号、吉林一号等新一代夜光遥感影像更适用于市域尺度经济社会活动的研究.此外，本研究从时空角度分析大连市经济发展格局特征，对比市内区市县间经济水平的差异，但并未深入分析各区市县经济发展差异的影响因素，有待在今后研究中进一步探讨.