基于VIIRS影像的光污染演变特征初探——以我国4座城市为研究对象

冯 凯，代书剑，郝洛西

(1.同济大学建筑与城市规划学院，上海 200092；2.高密度人居环境生态与节能教育部重点实验室，上海 200092；3.上海市城市更新及其空间优化技术重点实验室，上海 200092)

引言

通过卫星遥感图像研究城市，是发现与解决城市化过程中各类问题、提升城市管理水平的重要手段[1-4]。与白天的影像数据相比，夜间灯光遥感影像能够更加清晰地传达夜晚人类活动的空间分布和活跃程度，与传统的调查统计方式相比，夜间灯光遥感可以大幅节约人力、物力以及时间成本，同时提升了数据的客观性与纵向对比性[5-8]。通过夜间灯光遥感数据发现城市中出现的问题并提出对应技术措施的方法，在全球范围内得到了广泛运用[9-20]。

近年我国城市夜景建设发展迅速，但同时也出现了夜景建设品质低、区域亮度过高、扰民现象频发等问题(图1)，以美化城市环境为目的的夜景建设，反而降低了城市的环境品质，同时可能增加了城市的运行成本。

图1 城市夜景建设引发的光污染问题Fig.1 Light pollution caused by the nightscape constructions

现有城市照明光污染(以下简称“光污染”)研究偏重于城市场所中的具体问题，如LED屏、景观照明偏好、道路照明品质、对天文学科的影响、人体健康影响等[21-35]。而以城市全局为研究对象，探讨光污染演变特征的内容相对较少。利用卫星影像手段分析宏观层面光污染变化特征、发现典型问题与可能诱因，将对城市照明规划编制、城市照明管理政策制定具有重要意义，最终实现照明自上而下的技术管控，促进城市夜晚环境建设的科学化、精细化、长效化发展。

1 基于R语言的VIIRS卫星影像量化分析方法

研究以VIIRS卫星的Day-Night Band(DNB)为基础数据，对北京、上海、广州、深圳4座城市的人工照明光污染地图(Light Pollution Map，以下简称LPM)进行观察对比[36]，分析各城市近8年(2012—2019)的光污染演变共性特性，以期为城市照明规划编制、管控提供参考。具体方法包括：

(1)通过Photoshop吸管工具获得LPM中典型色彩的RGB值，共10种(表1)。

表1 LPM色彩分级表Table 1 Color grading of LPM

(2)将所得色彩分别归纳为Low/Medium/Higher/Highest四个光污染强度级别，分别对应不同的光污染辐射量区间，为便于描述后文分别简称为L级、M级、H-er级、H-st级(表1)。

(3)通过R语言分析4个级别(在LPM图像中)的像素数量和占比(此过程通过R语言编程方法进行图像量化分析，以下统一简称为“R方法”)；

(4)基于上条结论，探讨同一城市在不同年份中各光污染级别的占比及变化情况，并总结各城市光污染的共性演变规律。

由于LPM为人工光辐射的年度影像数据，图像信息受到众多影响因素(噪音)干扰，本次研究在R方法分析同时，使用Light Trend Analysis(以下简称LTA)对评价结论进行校核[37]，操作方法为：以VIIRS卫星DNB(Day &Night Band)总辐射量影像为基础数据，赋予2016 vcm-orm-ntl图层进行校正[38]。

2 基于VIIR卫星影像的光污染分析

2.1 北京城市照明光污染特征分析

通过观察可知北京市及周边地区的M/H-er/H-st三个级别光污染范围不断扩大(图2)，L级不断变小，表明北京市区光污染整体水平不断上升。通过R方法分析4个光污染级别的(画面像素)占比变化情况，结论验证了观察结论：H-er(从9.6%～12.7%)和H-st(从1.4%～2.3%)两级缓慢上升，M级上升明显(从29.3%～44.3%)，L级则不断下降(从56.4%～34.6%)，整体呈现出由L级主导转变为M级主导特征(图3)。

图2 北京及周边地区光污染变化图Fig.2 Variation of light pollution in Beijing and its surrounding areas

图3 北京市4个光污染等级变化统计(2012—2019)Fig.3 Changes of 4 light pollution levels in Beijing (2012—2019)

对影像细节进行观察，北京市北、东、南三个方向逐步与天津、廊坊融为一体，而城市(或城区)之间的过渡区域沿公路走向的光污染明显加剧，初判北京与周边城市、县区沿公路线联系不断加强，具体包括怀柔、密云、香河等(图4)。

图4 北京及周边城市的光污染分布情况(2012—2019)Fig.4 Distribution of light pollution in Beijing and surrounding cities(2012—2019)注：图中1#为怀柔区(北京)；2#为密云区(北京)；3#为平谷区(北京)；4#为蓟州区(天津)；5#为香河县(廊坊)；6#为武清区(天津)；7#为广阳区(廊坊)；8#为固安县(廊坊)；9#为涿州市(保定)

与东、南、北三个方向不同，朝向西部、西北部方向的光污染变化不显著，2012年前后位于西北方向的延庆区(以及更远的怀来县)与北京主城区在京新高速、京藏高速沿线有较强的联系(图5箭头示意位置)，但随后的8年(至2019年)公路沿线光污染强度并未明显加强，甚至有减弱趋势，虽然2017年后二者光污染(M级)已经融为一体，但由于交通线周边未呈现加强特征，初步判断此结果与东、南方向不同，并非两座城市关系加深引起，而是由于两座城市自身光污染不断增强导致大气环境中光污染融为一体。

图5 北京与延庆之间的光污染变化(2012—2019)Fig.5 Variation of light pollution between Beijing and Yanqing(2012—2019)

通过LTA对以上观察结论进行分析，结果具有一致性(图6～图9)，验证了上述分析。

图6 北京市的光污染LTA分析(2012—2019)Fig.6 LTA analysis of light pollution in Beijing(2012—2019)

图7 北京与廊坊过渡区域的光污染LTA分析(2012—2019)Fig.7 LTA analysis of light pollution inthe transition area between Beijing and Langfang(2012—2019)

图8 北京与天津过渡区域的光污染LTA分析(2012—2019)Fig.8 LTA analysis of light pollution in the transition area between Beijing and Tianjin(2012—2019)

图9 北京与延庆过渡区域的光污染LTA分析(2012—2019)Fig.9 LTA analysis of light pollution in the transition area between Beijing and Yanqing(2012—2019)

城区内部H-st级(图10)主要集中于夜间人流量大、使用率高的片区，包括复兴门—大望路一线(东西向)，朝阳公园—三里屯—工体—国贸(南北向)、望京、首都机场、奥体中心、北京西站、新发地7个区域，表明夜晚热度高的区域，会呈现高污染特征。同时发现以上区域的范围虽然呈现扩大趋势，但变化幅度较小，且在2016年后保持相对稳定。

对各个H-st级的变化分析发现，首都机场与其他几个区域逐渐增强趋势不同，其长期处于高污染状态(图10中4#)，此特征在多座城市中均有出现，后文将逐一进行讨论。另外，自2016年起，二、三环西南角部位置出现一处H-st级区域(图10中8#)，查阅资料发现此区域为丽泽商务区，而其主体建设工作正是在2016年左右启动[39]，与光污染团出现具有一致性，初判光污染地图能够直接反映新兴建设区域(特别是夜间施工区域)。

图10 北京市区内H-st级光污染的分布情况(2012—2019)Fig.10 Regional distribution of H-st level in Beijing(2012—2019)注：图中1#为复兴门—大望路；2#为朝阳公园—三里屯—工体—国贸；3#为望京；4#为首都机场；5#为奥体中心；6#为北京西站；7#为新发地；8#为丽泽商务区

综上可知，北京市光污染变化呈现出如下特征：与周边城市(或城区)之间道路沿线光污染增强显著(以M级与H-er级为主)；城市内部M级与H-er级变化最为明显且呈现向外扩散特征；H-st级一般集中于核心的商业区、办公区、交通枢纽周边等，其覆盖范围有一定扩大但随后保持稳定；机场区域连续多年一直处于H-st级别；新出现的大规模建设(如夜间施工)可能引发明显的光污染恶化。

2.2 上海城市照明光污染变化分析

上海市(及周边)光污染变化最大特征为M级及以上范围不断向东部海域(东海)漫延(图11虚线位置)，引起L级范围不断变小。R方法下L级由2012年43.7%(2012)下降为36.6%(2019)(图12)，与观察结论一致。

图11 光污染边界不断向东部海域漫延Fig.11 The boundary of light pollution continues to spread to the eastern sea area

图12 上海市4个光污染等级变化统计(2012—2019)Fig.12 Statistics of changes in 4 light pollution levels in Shanghai (2012—2019)

上海的H-st级集中于浦东机场片区、虹桥机场片区、上港外高桥码头(外四—外六)片区、陆家嘴片区、外滩周边、延安高架沿线(南北高架以东区域)、浦东新区沿江段(陆家嘴—前滩休闲公园段)(见图13)，均为上海市区重要的人流聚集地或交通、货运枢纽，8年期间各自范围均有一定程度扩大但不显著，此特征与北京市的H-st级区域特征相似。

观察发现2016年浦东机场西部约10 km处出现高污染点(图13中6#位置)，并在随后几年中一直保持高污染状态，查阅资料发现该区域为上海迪士尼片区，其开园时间正是2016年，LTA数据也体现出相同结论(图14)。此特征与北京丽泽商务区具有类似性，即光污染地图对城市中心的高热度区域具有直观反映，当此区域存在大量人流聚集情况时(以年为时间单位)，会引发明显的光污染变化。

图13 上海市区内H-st级光污染区域分布图(2012—2019)Fig.13 Regional distribution of H-st level in Shanghai(2012—2019)注：1#为虹桥机场片区；2#为浦东机场片区；3#为上港集箱外高桥码头片区；4#为外四码头片区；5#为外滩—陆家嘴及周边片区；6#为迪士尼。

图14 2016年后迪士尼区域光污染上升迅速Fig.14 Light pollution of Disneyland increased rapidly after 2016

上海市光污染变化呈现出如下特征：光污染范围不断向海域扩散；市区内核心的商圈、办公区、开放空间、交通枢纽、货运港口等人流密集或晚间持续作业区域是光污染的高发区域；新出现的高热度区域，可能引发明显的光污染加剧。

2.3 广州城市照明光污染变化分析

广州市区范围内光污染分布情况变化不显著，未新增明显的H-st级污染区域，但H-er级有明显增加(图15)，通过R方法分析发现其由43.5%(2012)提升到48.7%(2019)(图16)，与观察结论一致。

图15 广州M/H-er级光污染范围明显变大Fig.15 The range of M/H-er light pollution in Guangzhou was obviously enlarged

图16 广州市4个光污染等级变化统计(2012—2019)Fig.16 Statistics of changes in 4 light pollution levels in Guangzhou (2012—2019)

广州外围区域光污染有一定程度扩散，与西向的肇庆呈现融合趋势(图17和图18)。西南方向与佛山长期处于一体化状态，东部与东莞长年处于深度联系状态。

图17 广州与周边城市间的光污染关系Fig.17 Light pollution relationship between Guangzhou and surrounding cities

图18 广州与肇庆过渡区域LTA分析Fig.18 LTA analysis of transition area between Guangzhou and Zhaoqing

城区内变化最明显的区域为白云机场片区，自13年起其光污染范围与强度均在不断上升，H-st级范围(图19)扩大趋势极为明显，通过LTA校核也得出同样结论(图20)。查阅资料可知，自2012年起白云机场启动扩建工程(包括T2航站楼、第三跑道等，另外紧邻机场北部的广州民航职业技术学院也于2015年全面投入使用[40])，与LPM中H-st级北、东方向扩散趋势具有较高的一致性，此结论与北京丽泽商务区、上海迪士尼具有相似性。

图19 广州白云机场片区光污染逐年增强Fig.19 The light pollution of Guangzhou Airport area is increasing year by year

图20 白云机场片区LTA数据分析Fig.20 Analysis of LTA data in Baiyun Airport area

广州市光污染呈现出如下特征：城区范围内H-st级变化不显著，但M/H-er两级范围扩大明显；与周边联系紧密的城市光污染呈现一体化特征(或趋势)；机场区域常年处于H-st状态，且机场扩建与LPM变化一致。

2.4 深圳城市照明光污染变化分析

深圳市西临珠江入海口，近8年由深圳—广州—中山—珠海围合而成的珠三角区域光污染明显增强，各城市光污染范围不断向入海口区域扩展(图21)，呈现融合趋势，该区域LTA分析结果呈现类似结论(图22)。

图21 珠江入海口区域光污染变化情况Fig.21 Variation of light pollution in Zhujiang River estuary area

图22 珠江入海口区域LTA结果Fig.22 LTA analysis of Zhujiang River estuary area

R方法下深圳市L级光污染范围显著下降，由25.9%(2012)下降至14.5%(2019)，M/H-er/H-st三级均呈现上升趋势，上升比例在3%～4%之间(图23)。

图23 深圳市4个光污染等级变化统计(2012—2019)Fig.23 Statistics of changes in 4 light pollution levels in Shenzhen (2012—2019)

深圳市区内最突出的光污染区域位于西北位置的宝安国际机场、南山南部的蛇口港区域以及位于东部的盐田港(图24)3个区域，近8年呈现持续H-st级状态，其中宝安国际机场光污染强度自2013年起持续上升，范围不断扩大(图24)

图24 机场、港口区域长期处于H-st级状态(2012—2019)Fig.24 Airport and port areas keep in H-st level in Shenzhen(2012—2019)

图25 深圳机场的光污染变化分析(2012—2019)Fig.25 Variation of light pollution of Shenzhen Airport(2012—2019)

市区范围内香港(落马洲)—福田(福田中心区)—罗湖(老街)沿线光污染在2014年后显著增加(图26)，此线路与香港轨道东铁线、深圳地铁4号线、1号线高度重合。另外2013、2014、2015、2017、2018五个年份中，福田—深圳北站沿线有明显光污染出现，此线路与深圳轨道4号线路径基本重合，初判地铁及沿线建设情况会对光污染有直接影响。

图26 深圳市区光污染变化典型区域(2012—2019)Fig.26 Typical variation areas of light pollution in Shenzhen(2012—2019)

深圳市光污染呈现如下特征：城市外围不断向海域(珠江入海口)延伸；机场、港口呈现持续高污染状态；高流量的地铁线路、口岸区域光污染变化明显。

3 城市照明光污染演变特征总结

基于以上4座城市的光污染分析，多种共性特征得以被发现，具体包括：

(1)近年4座城市边界未发生明显外延，其光污染范围上变化不大，但整体光污染强度在不断增强，其中M/H-er两级表现最为明显。

(2)城市与周边区、县联系的加强(如北京、广州)，会直接反应在LPM中，其中沿公路线的变化更为显著。

(3)商业区(如上海南京路及周边、北京国贸片区等)、商务区(上海陆家嘴、北京望京、深圳福田中心区等)、高流量的公共场所(北京工体、深圳的深圳湾公园、上海迪士尼等)三类区域在城市中更容易形成H-st级光污染。

(4)机场、港口(以货运港最为突出)在多座城市中均体现出高污染特征，初步判定是由于港口和机场晚间持续作业要求引起。

(5)较大规模的城市建设会引发明显的光污染，如广州机场扩建、上海迪士尼、北京丽泽商务区等，此过程中光污染变化与项目开工建设时间具有高度一致性。

(6)光污染不断向海域、山体等城市周边的生态区域扩散，需要说明的是，此类光污染向外扩散可能是由于城市内部光污染增强，引起大气环境中的光溢散现象，此特征与城、区之间的光污染融合类似，其对应位置可能并没有大规模的城市建设活动或夜晚作业情况，仅是城市上空的光污染范围扩散与融合。

4 面向光污染管控的城市照明规划编制建议

城市照明规划(以下简称规划)作为城市夜晚环境品质管控的重要技术手段，是实现城市科学、健康发展的重要一环，在自上而下管理体系中应发挥龙头作用，此过程中科学的管控政策与技术要求一方面应与城市的长远发展相结合，另一方面还应与城市当下的具体问题相适应。

研究针对各城市的LPM变化分析，在一定程度上能够显示城市发展过程中光污染的演变特征，可为规划的编制提供参考，以在保障城市夜晚功能正常运行的同时，最大化地降低不必要的社会问题(人居环境光污染)、经济问题(夜晚过度能耗)、环境问题(生态环境光污染)等现象出现，针对未来规划编制，提出如下建议：

(1)规划政策应以基础功能为底线，在保证城市正常运行与安全的基础避免过度照明建设：对非必需照明进行严控，如避免生态区域(山体、水体)的过度建设、严控溢散光、天空上射光等，降低城市光污染向外围生态区域的不必要外延。

(2)规划指引应在促进城市(区、县)间深度互联同时，做好非核心片区的科学管控：不同区域间互联合作的不断加强，必然会带动过渡区域的照明建设，此过程中规划应进行科学的分区分级控制，制定出具有差异性的照明标准，避免或降低过渡区域光污染的不合理增长。

(3)突显核心区域影响力，探讨高品质建设思路：城市内部的核心商业区、CBD区域、重要城市开放空间等均具有极高的品牌效应，也是城市夜晚建设的重点对象，但在为公众提供夜晚活动场所的同时，还应更多关注灯光全生命周期(设计、实施、运维、更新)中的品质管控，杜绝简单粗暴的“亮化建设”。而在规划中则需对应思考与明确此类对象的夜晚定位、指标管控、长效发展需求等，最终形成兼具品牌性与品质性的夜晚场所。

(4)适应特殊行业需求，制定精细化照明技术要求：机场、港口等具有特殊属性的城市功能区域，其夜晚照明环境应进行专门研究与设计，规划中的技术要求应在满足其正常功能运行基础上，做好必要的建设管控与预防。

本文以VIIRS影像为基础探讨城市照明光污染演变的共性规律，以期提出一种具有便利可用性的工作方法，为城市宏观层面的相关管控工作提供方法和结论参考。受限于技术条件，本次研究仅以LPM的图面信息(不同色彩的像素占比)为对象进行分析，但光污染地图本身存在较多影响因素(数据噪音)，仅可用于相关基础问题的发现与探讨，针对具体区域或更精细的分析研究，仍需在研究方法与深度上作进一步探讨。