夜光数据与POI耦合关系下的城市空间结构分析

成枢 杨陇徽 孙昂

摘要：夜间灯光数据与兴趣点（Point of Interest，POI）数据能反映出城市中实体要素的分布情况，对研究城市空间结构具有重要意义。以青岛市作为研究区域，结合2022年NPP/VIIRS夜间灯光数据与POI数据，利用核密度分析与叠加分析对数据进行网格化处理，得到空间耦合相同或相异的区域。研究表明，青岛市夜间灯光与POI整体空间耦合性较高；存在一定量的空间耦合关系相异的区域，如机场、港口、城郊、乡镇中心等，结合两种数据的特点可以更好的表达城市空间结构特征；青岛市作为沿海城市，城市空间结构与海联系密切。本研究可为沿海城市内部空间结构的研究提供一种新视角。

关键词：夜间灯光数据；POI；NPP/VIIRS；耦合关系；城市空间结构

中图分类号：TB文献标识码：Adoi：10.19311/j.cnki.1672-3198.2022.24.099

0引言

城市空间结构是城市内部各空间实体要素之间分布和组合关系的具体表现形式，可以反映出城市发展的方向。夜光遥感是一种可以采集到夜间微光的光学遥感技术，夜间稳定亮光中的大部分来自于城市区域，故夜间灯光数据在识别城市建成区等方面有很强的适用性。兴趣点（Point of Interest，POI）记录了电子地图上地理实体名称、坐标等信息，具有更新速度快、数据量大、定位精度高等特点，已被广泛应用于城市功能区识别、等方面的研究上。

夜间灯光数据和POI数据在城市空间结构方面都得到了广泛的应用，但通过夜间灯光与 POI数据的耦合关系，分析城市空间结构的研究不多。目前基于夜间灯光数据与POI数据的耦合关系，已有对深圳市、武汉市昆明市等城市的研究。本研究利用夜间灯光数据与POI数据耦合关系对青岛市的城市空间结构进行分析，以期能为沿海城市空间结构研究提供参考。

1研究区概况和数据来源

1.1研究区概况

青岛市是山东省的一个地级市，地理位置处于我国华东地区、山东半岛东南部，位于35°35′N～37°09′N、119°30′E～121°00′E之间，现下辖7个区、代管3个县级市。2020年青岛市土地总面积为11293.36 km2，城市建成区面积为758.2 km2，全市常駐人口为1010.57万人，2021年全市地区生产总值达到14136.46亿元，经济实力与发展潜力巨大。

1.2数据来源

本研究使用的数据源包括NPP/VIIRS夜间灯光数据、POI数据、青岛市行政区划矢量数据。NPP/VIIRS夜间灯光数据来源于美国科罗拉多矿业大学官网（https：//eogdata.mines.edu），获取的是2022年1月～5月vcm版本月度数据，该版本数据排除了杂散光的影响，数据质量较高。POI数据是通过高德地图API采集到的，数据时间为2022年3月，青岛市行政区划矢量数据下载自全国地理信息资源目录服务系统（https：//www.webmap.cn）。

1.3数据预处理

将2022年1月～5月NPP/VIIRS夜间灯光月度数据按青岛市行政区划范围进行裁剪，为了能使数据更加适合对青岛市的研究，将夜间灯光数据投影转换为Lambert等面积投影坐标系，并重采样至500m×500m大小。为了尽可能减小影像数据误差的影响，对2022年1月～5月夜间灯光数据进行叠加求平均值，将过高异常值像元赋值为周围3×3范围内相邻像元DN值的平均值；水体也会反射灯光，从而会对实验结果产生影响，将所有水体对应的像元DN值得中位数作为阈值，DN值低于这个阈值的像元赋值为0，从而去除灯光数据中的噪声，最终得到稳定的2022年上半年NPP/VIIRS夜间灯光数据。

POI数据中存在一些与夜间灯光数据关系较小的数据，如交通设施、行政地标和自然地物，将其剔除后利用其余的POI数据与夜间灯光数据进行空间耦合关系的研究。

2研究方法

2.1核密度分析

核密度分析可以计算出点、线要素的测量值在一定邻域范围内的单位密度，从而直观地表现出地理事件在某一范围内发生的概率，能够表现出离散数据的聚集特征，是一种重要的地理空间聚类分析方法。核密度计算公式如下：

fS=∑ni=11h2ks-cih（1）

式中：f（S）表示空间中某一位置s处核密度计算函数，？表示距离阈值（带宽），k表示空间的权重函数，s-ci表示某一位置s到另一位置ci的距离。

2.2变量归一化处理

归一化处理可以将范围不同的数据控制到同一范围内，有助于数据之间的比较。利用离差标准化法对POI数据核密度进行归一化处理，将核密度范围映射至夜间灯光值范围。计算公式如下：

x=XMAXx-xminxmax-xmin（2）

式中：x表示标准化后的核密度值，XMAX表示夜间灯光数据最大DN值，x表示核密度值，xmin和xmax分别代表POI核密度最大值和最小值。

2.3数据网格化

数据网格化是将在空间上分布不均匀的数据，根据空间拓扑关系归算成规则网格中代表数据的方法，可以把点数据转化为二维平面数据，有助于不同数据进行比较分析。本研究根据研究区范围，建立面积为1 km2的正六边形网格，并将矢量化后的夜间灯光数据与POI数据连接至网格。

2.4双因素组合制图

双因素组合制图是一种通过不同颜色直观地表示两个变量之间的耦合关系的可视化方法，该方法被广泛应用于人口变化等方面的研究。本研究将夜间灯光强度与POI核密度分为高、中、低3个等级，两两组合得到9种双因素组合关系。

3结果与分析

3.1总体分析

将夜间灯光强度值、POI核密度值分别与规则的正六边形格网进行叠加分析，由于这两种数据的空间分辨率比正六边形格网的面积小，一个格网会对应多个像元，故取多个像元的平均值，作为格网中的夜间灯光强度值和POI核密度值。为了直观地反映出两类数据的空间耦合关系，对POI核密度值进行归一化处理，使POI核密度值范围与夜间灯光强度值范围保持一致，再利用1.5倍标准差分级方法，把两类数据划分为高、中、低3个等级，两两组合得到9种耦合关系，采用双因素制图法进行对耦合关系进行可视化表达，得到青岛市夜间灯光数据与POI空间耦合关系图（图1）。

由图1可知，夜间灯光与POI数据耦合关系相同的区域占比最大，高达92.09%。其中，高—高耦合关系的区域主要分布在城市的中心，中—中耦合关系的区域呈环状分布在高—高耦合关系的区域的外围，再向外的大部分区域都表现为低—低耦合关系。说明青岛市内多数地区夜间灯光数据与POI数据的耦合性较好，在空间分布上具有较高的一致性。

3.2耦合关系相异分析

除了耦合关系一致的区域，还有一些区域夜间灯光强度与POI核密度分级结果存在差异，这部分区域蕴含着更加丰富的空间信息，对于研究城市空间结构具有重要的意义。本研究将耦合关系相异的区域提取出来，夜间灯光强度高于POI核密度的区域分布如图2所示，夜间灯光强度低于POI核密度的区域分布如图3所示。

3.2.1夜间灯光高于POI核密度

由图2可知，耦合关系为高—中、中—低的区域主要分布在城市中心区的外围，呈条状分布，且中—低区域在高—中外侧分布，这些区域体现了夜间灯光数据的“溢出效应”，这些区域主要是城市中心区间的过渡地区或城市向农村过渡的城市边缘区。耦合关系为高—低的区域呈块状分布，有聚集特征，经过对比发现这些区域属于机场、港口、工业区以及新开发地区，如黄岛区内耦合关系为高—低的区域有3处，分别是青岛港、董家口港两大港口所在地以及古镇口大学城建设用地，这些地区照明设施建设好，但POI较少。

夜间灯光数据可以表达城市的灯光强度，但是对于具体的城市空间结构特征无法进行精细的描述，如无法区分经济开发区、机场、港口等地区；POI数据代表的是点状的地理实体，对于大范围同质性区域有着少量不合理的表达。但是对夜间灯光数据和POI数据进行耦合分析，能够更加详细的表达出大范围同质区的空间特征。

3.2.2夜间灯光低于POI核密度

由图3可知，占比最大的是耦合关系为中—高的区域，在城市中心内呈带状或块状分布，这些区域对应的位置为城市商业次中心或在城市中的山地，城市商业次中心生活配套齐全，周围居住的人口密度较大，导致POI较多，在市南区、市北区、李沧区、崂山区城市化程度高的区表现为4区之间的交界地带，在黄岛区、胶州市、莱西市城市化较低的区有较大范围的聚集特征；耦合关系为低—中、低—高的区域不多，都呈条状分布紧挨在中—高区域的外围，以城郊结合带、乡镇中心为主。

夜间灯光相对于POI核密度值较低的结果表明了对应区域城镇化相对其他地区较低，但是工商业、服务业具有聚集的特点。由于城镇化以及发展的差异，夜间灯光强度差异偏大，不利于对发展水平略低地区的空间特征的表达，但通过POI数据对工商业、服务业的记录，能够较好的对发展水平较低的城市区域进行表达。通过对夜间灯光数据和POI数据的结合使用，对郊区以及城镇发展水平较低区域的空间结构有了更好的表达。

4结束语

本研究对2022年青岛市夜间灯光数据与POI数据的耦合关系进行分析，并对二者耦合差异区域的城市空间结构进行了分析，主要结论如下。

（1）夜间灯光数据与POI数据的整体空间耦合性较高，耦合关系一致区域的比例达到92.09%，能较好地反映青岛市空间结构特征，说明在研究城市空间结构时，这两种数据具有较好的适用性。

（2）夜间灯光数据与POI数据空间耦合关系相异的区域，对城市空间结构的精细表达有更加重要的作用，在城市商业中心、工业区、城市边缘、乡镇中心以及大范围同质性区域具有一定的差异。夜间灯光数据在机场、港口、经济开发区等地区强度较高，具有显著的“溢出”效应，但对乡镇中心等表征效果不好；POI数据在商业中心、乡镇中心、城郊等区域分布较多，对人类活动表达更加精细。夜间灯光数据与POI数据有着各自的特点，相互结合，可以弥补各自的不足，从而对城市空间结构的表征更加具体精细。

（3）青岛市城市内部空间结构呈现出多中心的特点，作为沿海城市，其城市空间结构与海联系密切，大部分中心都位于沿海地区，城市沿着海岸线发展，在内陆地区不靠海的地方也有一些中心区，但相对于沿海地区，内陆地区城市发展水平较低。

本研究也存在一些不足，如研究区下辖的各行政区发展差异大的话，会使数据的耦合关系在发展较差的地区产生偏差；仅用分析两种数据的耦合关系，较为单一，以后可以引入微博签到、人口等数据，对城市空间结构进行进一步探究。

参考文献

[1]王芳，高晓路，颜秉秋.基于住宅价格的北京城市空间结构研究[J].地理科学进展，2014，33（10）：1322-1331.

[2]余柏蒗，王丛笑，宫文康，等.夜间灯光遥感与城市问题研究：数据、方法、应用和展望[J].遥感学报，2021，25（1）：342-364.

[3]YIN Z M， LI X， TONG F，et al.Mapping Urban Expansion Using Night-Time Light Images From Luojia1-01 and International Space Station[J]. International Journal of Remote Sensing，2019，41（7）：2603-2623.

[4]高巖，邢汉发，张焕雪.夜光遥感与POI数据耦合关系中的城市空间结构分析——以深圳市为例[J].桂林理工大学学报，2022，42（1）：122-130.

[5]周杭，樊红.基于众源地理数据的城市功能区及其热点的识别研究[J].武汉大学学报（工学版），2022，55（4）：417-426.

[6]陈斌，徐尚昭，周阳阳，等.POI与NPP/VIIRS夜光数据空间耦合关系下的城市空间结构分析——以武汉市主城区为例[J].测绘通报，2020（7）：70-75.

[8]罗虹，赵政权.兴趣点与夜光数据耦合关系下的城市空间结构分析——以昆明市为例[J].河南科学，2021，39（4）：619-625.

[9]山东省统计局.山东统计年鉴-2021[M].北京：中国统计出版社，2021.