基于多源灯光数据的城市扩张驱动机理分析——以长江经济带三大城市群为例

周 侗，王佳琳，2

（1.南通大学 地理科学学院，江苏 南通 226007；2.南通大学 经济与管理学院，江苏 南通 226019）

一 研究综述

城市扩张是城镇化发展的必经阶段，也是城镇化水平的评价因素之一。21世纪以来，我国城镇化率逐年提升，城市发展进入了快速扩张时期。城市之间的竞争逐渐过渡为城市群之间的博弈，城市群是高度发达的空间一体化城市形态，是国家工业化、城镇化进入高级阶段的产物[1]。作为双循环增长极“由点到面”转变的空间载体，城市群在推进新型城镇化进程中具有举足轻重的战略地位[2]。但城市群内部城市的快速扩张引发了土地资源浪费[3]、城市热岛效应[4]、生态环境恶化[5]等系列问题，加剧了国土空间矛盾。因此，以城市群为切入点研究城市扩张的空间格局和驱动机理，对整合城市群资源、推动区域可持续发展有重要参考意义。

快速城市化进程背景下，城市扩张问题成为学术界关注的焦点，并逐渐形成了“内涵界定—扩张格局—驱动机理—扩张模拟”的研究框架。从数据来源看，建成区面积获取的途径更加丰富，由统计数据逐渐转变为以遥感影像为主的多时相数据[6]。从研究尺度看，由单一城市[7]、省域[8]逐步发散至城市群[9-10]等更大尺度。从扩张驱动因素看，城市扩张是自然环境[11]、经济[12]、社会和交通[13]等多种因素综合作用的结果，不同城市扩张的驱动因子、作用强度均有差异[14]。从研究方法看，定量分析逐渐取代定性分析成为城市扩张研究的主流，常见的线性分析方法有多元线性回归、地理加权回归（Geographically weighted regression）和贝叶斯岭回归（Bayesian ridge regression）等。而地理探测器（GeoDetecor）作为非线性模型的代表，在数据属性的包容度和变量关系上有较强的拟合能力[15]，且能够处理因子间的多重共线性问题。

目前传统的统计面板数据存在区域误差及空间信息缺失等问题，而美国军事气象卫星（NOAA）的DMSP/OLS和NPP/VIIRS夜间灯光数据，具有时间跨度长和空间范围覆盖广等优势，在社会经济估算[16]、城市扩张[17]、灾害预警[18]、能源勘探等方面[19]广泛应用，有效弥补了面板数据存在的不足。

因此，本文基于多源夜光遥感影像，提取长时间序列的城市扩张数据，以长江经济带三大城市群为研究区，采用城市扩张动态度、景观格局指数、地理探测器等方法，分析城市扩张格局的时空演变特征，并进一步挖掘扩张驱动因子，对比三大城市群城市在不同阶段扩张驱动的内在机理，以期为城市群协调一体化进程及长江经济带发展提供技术支持和数据参考。

二 研究区概况与数据来源

（一）研究区域

长江经济带覆盖上海、江苏、浙江、安徽、江西、湖北、湖南、重庆、四川、云南、贵州11个省市，约占国土总面积的21.27%，地区生产总值达45.8亿元，人均GDP达到78 276元，同比增长3.4%。长江三角洲、长江中游和成渝城市群是长江经济带的三大国家级城市群（图1），肩负着沟通万里黄金水道的重要使命，是构建“一轴、两翼、三极、多点”格局的关键一环。

（二）数据来源及处理

1.数据来源

本研究使用的数据主要为NOAA的DMSP/OLS年均灯光影像、NPP/VIIRS月均灯光影像数据，见表1。DMSP/OLS影像数据存在不连续性、灯光饱和、像元溢出等缺陷[20]，实验中采用不变目标区域法计算校正系数，并根据校正系数进行饱和校正[21]，采用阈值法去除NPP/VIIRS影像存在的异常极大值。DMSP/OLS数据覆盖时间为1992—2013年，NPP/VIIRS数据覆盖时间为2012—2018年，为获得长时间连续的影像，通过拟合最优幂函数曲线进行整合处理[22]。选择DMSP/OLS搭载的4个传感器（F14、F15、F16、F18）获取2002—2012年影像，通过NPP/VIIRS获取2012—2018年影像，选取时间为每年的12月份。最后运用形态学滤波法确定最佳分割阈值[23]，进行研究时序内建成区面积提取。

表1 夜光遥感数据集

社会经济数据来源于长江经济带三大城市群70个城市的《城市统计年鉴》，其中仙桃、潜江和天门为县级市，不属研究范围。行政区矢量边界来自国家基础地理信息系统1:400万数据集。

2.数据预处理

采用不变目标区域法对DMSP/OLS数据进行相互、连续性校正，选择多年经济发展稳定和夜间灯光变化较小的黑龙江鹤岗为不变目标区域。采用阈值法对NPP/VIIRS影像进行降噪处理，其中像元值小于0.3无法被OLS传感器感应，因此选取0.3为经验阈值。参考中国经济最为发达的北京、上海和广州三座城市，定义最大值。

通过对DMSP/OLS和NPP/VIIRS在重合年份的影像进行值相关性分析，发现两者存在幂函数相关关系，故采用2012年拟合方程校正2012—2018年NPP/VIIRS影像，公式为：

式中：M表示NPP/VIIRS影像DN值，F表示模拟DMSP/OLS影像DN值。通过高斯低通滤波函数对校正完成后的影像进行降噪处理。以2013年DMSP/OLS影像为基础，将NPP/VIIRS影像DN值大于63的像元赋值为63。

三 研究方法

（一）城市扩张分析

1．建成区扩张面积指数

建成区扩张面积指数反映研究时段内，平均每阶段增加的城市面积，公式为：

式中：UA表示城市建成区面积年扩张速度；UAn和UAm分别代表研究初期和研究末期的城市建成区面积；T表示以研究阶段为单位的时间间隔。

2．建成区扩张动态度

建成区扩张动态度表示在一定的研究时序内，非建成区向城市建成区转化的变化幅度。该指标能够反映人类活动对城市扩张的影响[24]，公式为：

式中：UK表示建成区扩张动态度；UKn和UKm分别表示研究区初期和末期的城市建成区面积。

（二）景观格局指数

运用景观格局指数可以描述建成区空间形态特征，通过提取2002年、2006年、2010年、2014年和2018年长江经济带三大城市群建成区，运用Fragstats4.2中类型模块进行景观格局分析，分别选择NP（斑块数量）、AI（聚集度指数）表征建成区景观破碎化和聚集程度，LSI（景观形状指数）表征建成区形状的复杂程度。

（三）标准差椭圆

标准差椭圆（Standard Deviational Ellipse）空间统计方法能够精确地揭示地理要素空间分布整体特征[25]，公式为：

式中：xi和yi为特征i的空间坐标位置；和表示特征的中位数中心；n是特征总数。方向角的计算公式为：

（四）地理探测器

地理探测器是探测和利用空间分异性的工具[26]，其中因子探测器可以探明具有显著性因子的自变量对因变量的解释力，公式为：式中：L为因变量Y或自变量X的分区；Nh为第h层的单元数；σh2为第h层Y值的方差。q的值域为[0,1]，值越小表示因子X对变量Y的解释力越弱，反之越强。

交互探测器可以解释两个自变量共同作用下对因变量的解释力，并探测自变量之间是否为独立作用。两个因子间的关系可以分为以下5类，其中min（q（X1）,q（X2））表示在q（X1），q（X2）两者中取最小值；max（q（X1）,q（X2））表 示 在q（X1），q（X2）两者中取最大值；q（X1）+q（X2）表示q（X1），q（X2）两者求和；q（X1∩X2）表示q（X1），q（X2）两者交互，见表2。

表2 交互作用类型

四 结果分析

（一）长江经济带三大城市群城市扩张时空分异特征

1.城市规模结构演变分析

通过夜光遥感影像提取了70个地级市的建成区面积，为统一各研究阶段时间间隔，将研究期划分为阶段I（2003—2006年）、阶段Ⅱ（2007—2010年）、阶段Ⅲ（2011—2014年）和阶段Ⅳ（2015—2018年）。分别计算各阶段建成区扩张面积指数和扩张动态度，见图2。研究期内，三大城市群城市扩张的规模结构特征各异，但具有一定的规律性。

图2 2003—2018年长江经济带三大城市群规模结构演变

阶段I，长江三角洲城市群城市土地扩容进入高速增长时期，扩张面积指数和扩张动态度处于三大城市群首位。长江中游和成渝城市群城市建成区扩张面积指数相对较低，但扩张动态度高，说明城市建成区体量虽小，但扩张势头剧烈。阶段Ⅱ，三大城市群城市均处于低位的扩张时期，扩张面积指数和扩张动态度均大幅度下降，其中长江三角洲城市群下降状态最为明显。阶段Ⅲ，长江三角洲城市群城市扩张面积指数虽有所回升，但城市扩张动态度仍处于持续下降状态。成渝城市群进入城市高速扩张时期，扩张面积指数和扩张动态度均居于首位。长江中游城市群城市建成区扩张面积和动态度指数均有所回升，但上升势头弱于成渝城市群，处于低速扩张阶段。阶段Ⅳ，长江三角洲和长江中游城市群城市扩张面积指数保持稳定，成渝城市群城市扩张面积指数下降明显。该阶段三大城市群城市建成区扩张动态度均呈现明显的下降趋势。

研究期内长江经济带三大城市群城市建成区规模结构发展具有一定的规律性，第Ⅱ阶段为三大城市群城市低速扩张时期，第Ⅲ阶段除长江三角洲城市群城市扩张动态度持续下降外，其他均处于中高速扩张时期。

2.城市景观格局演变分析

景观格局分析结果见图3，图中A、B、C、D、E分别表示2002年、2006年、2010年、2014年、2018年。建成区NP分析结果见图3（a），长江三角洲城市群建成区NP值均保持在较高水平，表明该城市群城市建成区的景观破碎度最高，新增土地呈填充式扩张状态。长江中游城市群和成渝城市群城市建成区在2002—2010年间NP值增速缓慢，2014—2018年间呈明显增加趋势，城市发展由填充式向外延式扩张转变。

图3 2002—2018年三大城市群建成区扩张格局指数变化

研究期内长江经济带三大城市群城市建成区的LSI均呈增加趋势，但三大城市群的景观形状存在较大差异，见图3（b）。长江三角洲城市群城市建成区LSI值始终处于高位稳定状态，表明该城市群城市内部建成区景观形态不规则且复杂，人类活动对城市扩张有较强干扰性。长江中游城市群和成渝城市群城市建成区LSI值变化具有明显的阶段性特征，2002—2010年LSI值较低且变化不大，2011—2018年LSI值显著增加，表明城市扩张形态逐渐破碎且不规则，其原因是城市发展速度不一、规划和建设差异等因素影响。

研究期内，长江三角洲城市群城市建成区AI值呈稳定上升趋势，表明该区域集约化程度高。长江中游城市群和成渝城市群城市建成区AI值呈先增加后减小的趋势，表明城市群内部稳定性降低，景观异质性增强，结构逐渐松散，见图3（c）。

3.城市扩张时空演变分析

为进一步明晰三大城市群城市建成区扩张的时空趋势，利用标准差椭圆计算城市建成区扩张的变动方向和重心转移路径，见图4。

图4 长江经济带三大城市群标准差椭圆示意

其中，长三角城市群城市椭圆重心移动路径为“西—东—西”走向，总体呈现向西分圈层的发展模式，上海对周边城市的辐射作用逐步增强，城市间的联动发展状态日趋明显。长江中游城市群椭圆重心移动距离最大，椭圆长短轴差距不明显，城市扩张没有表现出明显的方向特征。该城市群着力于构建以武汉、长沙和南昌三市为核心呈“品”字形的“多中心”发展模式，“中心”城市主导与“外围”城市融入的协调互补机制。成渝城市群椭圆重心移动距离仅次于长江中游城市群，且椭圆长短轴差距明显。成渝城市群城市建成区扩张的整体走向为“西—东（偏南）”，建成区在地理空间分布的向心力较强。

（二）长江经济带三大城市群城市扩张驱动机理

1.城市扩张驱动因子选取

城市建成区扩张是城市发展过程中规模结构和空间布局变化的综合反映，受到自然条件、经济发展、交通布局等多种因素的影响[27]。参考相关研究文献，选择自然基底、人口、经济和交通水平4个维度共9项指标为自变量[28]，以城市建成区扩张率为因变量对三大城市群建成区扩张驱动力进行分析，见表3。

表3 变量和指标说明

自然基底维度的指标包括海拔因素（G1）和至河流距离（G2）；人口维度因子选择年末总人口变化率（P1）衡量；经济维度以国民生产总值变化率（E1），固定资产投资总额变化率（E2），国民生产总值中二、三产业比重变化率（E3）和职工平均收入变化率（E4）4个指标表征；交通水平维度通过铁路客运量变化率（T1）和公路客运量变化率（T2）表征。

2.城市扩张驱动因素分析

借助地理探测器分别对影响研究区城市扩张的各项自变量进行因子及交互作用探测，海拔因素对各城市群建成区扩张驱动解释力最弱，图中未显示。阶段I、Ⅱ，长江三角洲城市群城市扩张的首要驱动因子为人口规模（P1），次要驱动因子分别为至河流距离（G2）、产业发展（E3）和投资建设（E2）。阶段Ⅲ、Ⅳ，城市扩张主要驱动因子转变为投资建设，其次为人口规模、经济发展，见图5（a）。早期长江三角洲城市群依靠优越的地理位置吸引了大量人口聚集，加快了城市产业建设和经济发展，产业发展和企业规模扩大需要大量土地资源投入。同时人口汇入扩大了城市的空间承载力，城市需要扩张土地满足人口增加带来的住房需求。中后期城市内部人口饱和，产业发展模式由早期依赖劳动力转变为高附加值、自动化生产，大量企业工厂落地建设，刺激城市土地进一步扩张。

长江中游城市群城市建成区扩张驱动的经济因素较为显著，该驱动力表现为人口因素影响下的经济发展，表现为该区域4个阶段扩张的首要驱动因子均为经济维度下的二级指标，分别为产业发展（E3）、投资建设（E2）、产业发展（E3）和经济发展（E1），次要驱动因子为人口规模，见图5（b）。该区域劳动力资源丰富，加之劳动密集型产业多在此区域集群，城市扩张多表现为第二、三产业投资建设带来的土地利用方式转变。但在第Ⅳ阶段，首要驱动力由产业发展和投资建设转变为经济发展，表明企业用地逐步由以往的粗放型转变为集约型布局，城市扩张也逐步由传统的无序扩张转变为更具联动性的有序扩张。

通过图5（c）可知，第I、Ⅱ阶段成渝城市群城市扩张的首要驱动因子均为交通通达度（T2），次要驱动因子为至河流距离（G2）和产业发展（E3）。阶段Ⅲ、Ⅳ，城市扩张主要驱动因子转变为经济发展和居民收入水平，其次为投资建设和产业发展。该城市群处于第一、二阶梯的分界处，山体阻挡、江河分割的自然环境致使城市发展呈沿江、沿河分布，而非平原地区“摊大饼”式的连续扩张。铁路、公路等交通建设使城市发展逐步由“条带状”分割形态转变为“多中心、组团式”扩张，同时交通系统的完备缩短了各区域间的时空距离，加快了城市土地向外扩张速度。中后期城市交通体系建设已较为完备，对城市扩张驱动解释力逐渐降低，经济要素对城市扩张的影响逐渐增强。经济规模的扩大一方面会带来大量投资，提高了二、三产业用地需求，引起城市土地扩张；另一方面也会促进城市空间形态和规模结构的重新整合。

图5 长江经济带三大城市群扩张驱动力探测示意

通过对比三大城市群城市扩张驱动因子的变化过程，可以得出以下规律。（1）不同阶段城市扩张驱动因子的影响程度不一，早期驱动因子的解释力均较低，且因子所处维度各不相同；中后期驱动因子的解释力逐渐增强，并逐步统一为经济维度下的各二级因子，说明经济因素对城市内部空间结构整合和外部扩张均起到了关键影响。（2）交互探测结果表明，多因子交互作用的解释力普遍强于单一因子，同一维度的二级因子产生的交互效果解释力更强，并呈现出双因子增强和非线性增强的交互效果，表明城市扩张是一个综合复杂的动态过程。（3）城市扩张的首要诱因是突破障碍因子，其次通过整合城市内部固有资源、吸引人口汇聚等方式促进城市进一步扩张，最后以成熟城市机器体系进行资源再整合，如通过产业结构升级、土地利用优化等方式使城市扩张更具有条理性和科学性。

五 结论与建议

以多源夜光遥感影像为基础数据源，综合运用景观格局指数、地理探测器模型，揭示了长江经济带三大城市群不同发展阶段城市建成区外部规模结构和内在驱动因子的变化，主要结论如下。（1）三大城市群城市扩张的时空分异特征各有差异，长江三角洲城市群城市在第I阶段扩张速度最快，其后速度逐渐变缓，该城市群内部城市景观格局较为破碎，城市建成区集约化程度高；长江中游城市群和成渝城市群城市扩张特征较为一致，前期扩张速度较慢，城市形态较为规整，中后期扩张速度加快，结构趋于分散。（2）在城市扩张初期阶段，驱动因子分别隶属于不同维度，其中长江三角洲城市群城市扩张驱动力最强的因子为人口规模；长江中游城市群城市扩张的首要驱动因子由第I阶段的投资建设转变为第Ⅱ阶段的产业发展；成渝城市群城市扩张解释力最强的驱动因子为交通通达度。在城市扩张中后期，驱动因子的解释力逐渐增强，并逐步统一为经济维度下的各二级因子。（3）城市扩张是多种因素综合作用的结果，多因子的交互作用的解释力普遍强于单一因子，并呈现出双因子增强和非线性增强的交互效果。

参照“城市群内部协调发展，区域间合作共联”的发展思路，为长江经济带三大城市群区域发展提出以下建议。（1）区域发展应合理考虑城市群发育程度差异，在空间上处理好上、中、下游的产业分布，合理规划产业转移路径。（2）应合理考量各发展阶段的城市规划政策，规避城市间产业结构趋同、资源供需不平衡等问题。