COVID-19疫情初期美国城市夜间灯光时空变化分析

许刚，王传立，孟庆祥，修田雨，李熙

1.武汉大学 资源与环境科学学院,武汉430079;

2.武汉大学 遥感信息工程学院,武汉430079;

3.武汉大学 测绘遥感信息工程国家重点实验室,武汉430079

1 引言

自2019年底，新冠肺炎（COVID-19）疫情席卷全球并仍在继续蔓延。疫情暴发初期，在没有药物和疫苗情况下，各国政府不得不采取限制出行、减少接触等非药物干预措施以控制COVID-19疫情（裴韬等，2021；周成虎等，2020）。一系列非药物干预措施有效抑制了疫情传播（Jia等，2020；Tian等，2020；Xu等，2022），也显著改变了城市居民日常生活和社会生产活动，对自然环境和社会经济系统均产生了较大的影响（Bustamante-Calabria等，2021；Diffenbaugh等，2020；Jechow和Hölker，2020；Straka等，2020；Zheng等，2021）。遥感以其覆盖范围广、重访周期短、经济成本低的突出优势被广泛应用于监测并评估COVID-19疫情对自然和社会的影响（陶金花等，2020）。

夜光遥感（Night-Time Light remote sensing）通过获取地表夜间灯光亮度辐射值，可以反映夜间人类社会经济活动强度（Elvidge等，1997；Li等，2013，2022；李德仁和李熙，2015；江威 等，2017；Zhao等，2020）。夜光遥感已被广泛用于城市建成区提取、城市扩张分析、城市发展水平评估、人口和GDP估算、灾害和武装冲突应急监测等领域（Levin等，2020；陈佐旗，2017；刘冰洁等，2021；Bennett和Smith，2017；舒松等，2011；余柏蒗等，2021）。COVID-19疫情发生后，众多学者探索使用夜光遥感评估疫情对城市社会经济发展的影响，并为疫情防控和复工复产提出指导性意见（Shao等，2021）；大量的研究采用夜间灯光数据分析了COVID-19疫情的广泛影响（Lan等，2021；Small和Sousa，2021；Meng等，2021）。总体来说，全球范围都观察到了封城后城市夜间灯光不同程度的减弱（Rowe等，2021；Xu等，2021）。中国2020年初在全国范围采取出行管控措施，导致82%人口居住区的灯光变暗；而印度封城导致87%人口居住区灯光变暗（Elvidge等，2020；Ghosh等，2020）。COVID-19疫情流行期间，非洲75%的自然保护区（旅游经济区）夜间灯光强度下降（Anand和Kim，2021）。夜间灯光数据还用于评估受疫情影响后的城市恢复情况（Beyer等，2021；Yin等，2021）。武汉解封之后，尽管夜间灯光强度有所恢复，但仍低于疫情前正常水平（Shao等，2021）。

受封城等措施影响，COVID-19疫情期间城市夜间灯光亮度减弱已成共识，但城市内部夜间灯光变化的时空特征仍不清楚；特别是，不同类型城市用地夜间灯光亮度变化是否存在差异还不明确。本研究以美国20个主要城市为研究对象，使用预处理后的NPP-VIIRS月度合成夜光影像分析COVID-19疫情期间夜间灯光时空变化。本研究采用圈层分析法揭示了夜间灯光变化的“中心—边缘”空间结构特征，并且分析了不同类型城市用地的夜间灯光变化差异。

2 数据和方法

2.1 研究区概况

本文研究对象为美国20个主要城市（图1）。美国于2020年3月中旬暴发第一轮COVID-19疫情。各州从2020年3月中下旬开始相继颁布居家令，限制城市居民出行，取消聚集性公共活动；但政策执行时间和严格程度存在较大差异。本研究选择美国大城市为研究对象主要是考虑到大城市人口密度更高，社会交互更频繁，因此更容易受传染病影响（Rocha等，2015）。样本城市居家令执行时间和严格程度不同，有利于研究夜光亮度变化差异。样本城市空间分布广泛，城市规模具有差异，样本具有典型性、代表性。

图1 美国20个样本城市及2019年夜间灯光辐射值年均值空间分布Fig.1 Spatial distributions of 20 sample cities and annual averaged radiance of night-time lights in 2019 in the United States

2.2 研究时间段选择

美 国20个 城 市2020年3月1日—4月30日COVID-19累计确诊病例时间变化如图2所示（数据来源：https：//usafacts.org/［2021-10-22］）。从2020年3月中旬开始，20个样本城市COVID-19确诊病例迅速增加。特别地，纽约在3月底已有超过7万确诊病例，远超其他城市（图2（a））；芝加哥、费城、洛杉矶、底特律、华盛顿特区和迈阿密6个城市的确诊病例增长迅速，在4月底已达到2—5万（图2（b））；亚特兰大、丹佛、西雅图、休斯顿、旧金山和达拉斯6个城市确诊病例在4月底达到1万左右（图2（c））；其余7个城市的确诊病例增长速度相对平缓，4月底确诊病例仅有3000左右（图2（d））。

图2 美国20个城市2020年3月1日—4月30日COVID-19累计确诊病例时间变化Fig.2 Temporal variations of accumulated COVID-19 cases from March 1 to April 30，2020 in 20 cities in the United States

随着各城市COVID-19确诊病例从3月中旬开始迅速增加，各城市在3月中下旬陆续颁布居家令。根据当地政府规定和新闻报道汇总整理各城市居家令执行日期（表1）。多个城市集中在2020年3月23日、24日执行居家令，各城市相继执行第一轮居家令的周期为两周。部分城市强制民众待在家中，也有城市仅仅鼓励民众保持社交距离。

表1 各城市居家令执行日期Table 1 Implementation date of stay at home order in each city in the United States

本研究还获取了20个样本城市2020年2月15日—4月30日谷歌人口移动指数（https：//www.google.com/covid19/mobility/［2021-10-22］），共有6个类型（图3），人口移动数据进行了7日平滑处理。2020年3月中下旬陆续执行居家令以后，美国各城市人口移动指数快速明显下降，说明居家令等公共防疫政策显著影响了城市居民社会活动（图3）。2020年4月及以后，各城市谷歌人口移动指数没有再明显下降，说明居家令等政策影响城市社会经济活动主要发生在3月下旬和4月初。综合样本城市COVID-19疫情时间变化（图2）和谷歌人口移动指数时间变化（图3），本研究重点分析样本城市2020年3月和4月夜间灯光相对于2020年2月发生的时空变化，兼顾与2019年3月和4月的同期对比分析。

图3 美国20个城市2020年2月15日—4月30日谷歌人口移动指数时间变化图Fig.3 Temporal variations of Google mobility index of 20 cities from February 15 to April 30，2020 in the United States

2.3 夜间灯光数据及预处理

本研究获取了20个样本城市2020年2月、3月和4月，2019年3月、4月夜间灯光月度合成产品数据https：//eogdata.mines.edu/nighttime-light/monthly/V10［2021-10-22］。该月度产品是根据Suomi NPP卫星VIIRS DNB日值影像合成而来，辐射强度单位为nW/cm2/sr。尽管NPP-VIIRS月度合成数据已经对云覆盖像元等做了辐射校正，但仍存在不稳定光源和杂散光等背景噪声的干扰（Chen等，2021）。本研究首先移除大面积水体覆盖区域的灯光数值（Xie等，2019）。参考已有研究并结合预实验结果，本研究确定夜间灯光辐射值10为阈值以区分城市和乡村（Shi等，2014；汪韬阳 等，2018）；同时将大于500的辐射值设置为500，以剔除辐射值过高的异常值。最终保留样本城市一定范围内辐射值处于10—500的栅格单元，空间统计得到夜光辐射值均值并计算变化幅度。本研究还针对辐射值最低阈值取5，最高阈值取1000，进行了阈值敏感性测试，结果显示不同阈值没有影响主要结论和发现。

20个样本城市2020年3月夜间灯光亮度空间分布如图4所示。本研究从OpenStreetMap（https：//www.openstreetmap.org/［2021-10-22］）获取城市路网数据，结合夜光亮度值和路网形态，确定夜光辐射值高值区域和城市路网放射性中心为城市中心。美国各城市核心区域轮廓清晰，内陆城市灯光高值区域沿主要路网呈现放射状；沿海、沿湖城市由于受自然条件限制，呈条带状和半放射状。样本城市夜光亮度差异较为明显，纽约、芝加哥夜光强度显著高于其他城市。

图4 美国20个城市2020年3月夜间灯光辐射值空间分布Fig.4 Spatial distributions of radiance of night-time lights of March，2020 in 20 cities in the United States

2.4 城市用地类型

城市用地按照承载功能可以细分为不同用地类型，包括居住用地、商业用地、工业用地等。不同类型城市用地的社会经济活动不同，受疫情影响也存在差异（Jiang等，2021）。本研究以纽约和芝加哥为例，从OpenStreetMap网站（https：//www.openstreetmap.org/［2021-10-22］）获取两个城市的“兴趣区域”AOI（Area of Interest）。根据AOI数据的属性标签划分城市用地类型（表2）。合并后的土地利用类型包括居住用地、商业用地、工业用地、体育设施用地、航空设施用地、公共设施用地共6种类型。这些数据经过筛选、清洗、合并等处理后，居住用地等类型仍存在大量的小面积图斑，需对其进行多边形的聚合操作。NPPVIIRS影像空间分辨率为15″，在赤道处约为500 m。本研究将多边形聚合的阈值设置为200 m，使相距200 m内的多边形区域生长、合并。航空设施用地占地范围较大，本研究仅对其余5种用地类型做聚合处理。聚合操作可以有效减少图斑个数，简化多边形，有利于栅格统计分析，提高数据处理效率。

表2 城市用地类型及其属性说明Table 2 Descriptions of urban land use types and their attributes

3 结果与分析

3.1 夜光亮度时空分布特征

以纽约为例，夜光亮度变化空间统计分析过程如图5所示。纽约2019年3月、2020年2月和2020年3月夜光亮度空间分布分别如图5（a）—5（c）所示，城市中心一定范围内地区的夜光亮度明显高于郊区，纽约中央公园由于植被较多，夜光亮度明显低于周边其他地区；对月度合成数据进行栅格相减运算得到月度合成数据的差值影像（图5（d）—5（f））；图5（d）的差值影像反映出纽约城区夜光亮度明显下降，尤其是曼哈顿区北部的布朗克斯区和西部的哈德逊县，下降最为明显。相对于2020年2月，2020年3月纽约东北部的布朗克斯区夜光亮度降低；2020年4月纽约东部大面积区域夜光亮度下降明显。

按照图5所示方法，生成每个城市夜光亮度变化差值影像。本研究通过疫情前后对比和往年同期对比综合分析20个城市夜光亮度受到疫情的影响（图6和表3）。图6显示“居家令”政策执行后以及和往年同期相比，各城市夜光亮度普遍变暗，说明应对COVID-19疫情的公共防疫措施显著减少了城市社会经济活动。20个城市2020年3月、4月夜光亮度比2月平均分别下降8%和5%（表3）。4月夜光亮度下降幅度偏小，说明4月夜光亮度有一定程度恢复，但仍没有恢复到正常水平。

图5 纽约地区夜间灯光辐射值及其变化的空间差异（单位：nW/cm2/sr）Fig.5 Spatial distributions of radiance of night-time lights（NTL）and their changes over time in New York（unit：nW/cm2/sr）

图6 美国20个城市2020年3月分别与2020年2月和2019年3月相比夜间灯光辐射值变化量的空间分布Fig.6 Spatial changes of radiance of Night-Time Lights（NTL）in March，2020 compared with February，2020 and March，2019 in 20 cities in the United States

根据2020年3月、4月与2月相比的夜光亮度均值变化幅度（表3），将20个样本城市分为4类：（1）夜光亮度下降超过10%的城市：芝加哥、达拉斯、丹佛、底特律、明尼阿波利斯、圣路易斯，共计6个城市。底特律、明尼阿波利斯3月和4月夜光亮度均大幅下降。其中，明尼阿波利斯2020年3月夜光亮度相对于2月下降超过40%。（2）夜光亮度下降5%—10%的城市：休斯顿、堪萨斯城、洛杉矶、奥兰多、费城、盐湖城、旧金山，共计7个城市。夜光亮度降低的区域集中在距离城市中心一定范围内，或是放射状路网周边区域。（3）夜光亮度下降0—5%的城市：亚特兰大、匹兹堡、凤凰城、华盛顿特区，共计4个城市。亚特兰大和匹兹堡2020年3月的夜光亮度相比2020年2月略微降低，但是相比2019年3月却明显大幅下降。（4）夜光亮度变化不明或略微增加的城市：迈阿密、纽约、西雅图，共计3个城市。

表3 样本城市不同月份夜间灯光辐射值及其变化百分比Table 3 Radiance of Night-Time Lights（NTL）and its percentage changes in different months in sample cities in the United States

3.2 夜光亮度空间衰减特征

以城市中心为圆心，建立10个1 km间隔的等间距多环缓冲区，分别统计每个圈层内的平均夜光亮度。2020年2—4月各城市不同圈层内平均夜光辐射值到城市中心距离的空间衰减特征如图7所示。整体来看，各城市夜间灯光亮度先迅速下降，然后缓缓衰减。城市中心是社会经济活动高度集聚区，夜光亮度普遍高于周边地区。空间上，城市中心3 km内夜光亮度下降幅度最大，说明城市中心区社会经济活动减弱最显著。芝加哥、底特律、休斯顿、匹兹堡、盐湖城等城市的中心区域夜光亮度下降明显。明尼阿波利斯各圈层内夜光亮度都明显下降。多数城市2020年4月各圈层内夜光亮度均值介于2月和3月之间，表明4月份夜光亮度相对于3月份已经有所恢复。

图7 美国20个城市夜间灯光辐射值随到城市中心距离的空间衰减曲线Fig.7 The distance decay of radiance of night-time lights（NTL）to the city center in 20 cities in the United States

各城市不同圈层2020年3月和4月夜间灯光辐射值相对于2月变化幅度如图8所示。图8显示，大多数城市（旧金山等11个城市）3月份不同圈层内夜光辐射值均下降，特别是明尼阿波利斯3月份城市中心10 km内不同圈层夜光辐射值下降幅度接近60%。从时间变化来看，4月份夜光降幅整体低于3月降幅，显示城市夜间灯光有所恢复。

图8 美国20个城市不同圈层夜间灯光辐射值变化幅度箱线图Fig.8 Boxplots of percent changes of radiance of Night-Time Lights（NTL）in concentric-rings in 20 cities in the United States

3.3 不同类型城市用地夜光亮度变化差异

纽约和芝加哥是最早受COVID-19疫情影响的特大城市，本研究以纽约和芝加哥为例，分析不同类型城市用地夜间灯光变化差异。从OpenStreetMap获取数据得到不同类型城市用地空间分布如图9（a）和9（c）所示，不同类型城市用地总面积约占城市研究范围25%；具体来看，主要是居住用地和体育设施用地，航空设施用地单个图斑面积较大，公共设施用地集中在城市中心，工业用地多沿湖泊、河流和主干道路分布。图9（b）和9（d）分别展示了2020年3月相对于2月纽约和芝加哥夜间灯光变化的空间差异。

不同类型城市用地夜光辐射均值及变化幅度如表4所示。不同类型城市用地夜光亮度存在明显差异。纽约航空设施用地夜光亮度最高，芝加哥商业用地夜光亮度最高。相同的是，纽约和芝加哥夜光亮度最低的都是体育设施用地，居住用地夜光亮度明显低于商业用地和工业用地。纽约居住用地夜光亮度下降最明显，与2020年2月相比，3月下降了6%，4月下降约12%；纽约东部和北部广泛分布的居住区夜光亮度普遍下降（图9（a）和9（b））。纽约航空设施用地2020年3月和4月夜光亮度相比2月份分别下降2%和11%。整体上，芝加哥夜光亮度下降幅度大于纽约，且夜光亮度大幅降低区域集中在城市中心周围（图9（c）和9（d））：2020年3月与2月相比，芝加哥不同类型城市用地夜光亮度普遍下降20%左右，商业用地夜光亮度下降最大；2020年4月与2月相比，除了航空设施用地夜光亮度仅下降3.5%，其他用地类型夜光亮度下降15%左右。

图9 纽约和芝加哥不同类型城市用地和夜间灯光辐射值变化的空间分布Fig.9 Spatial distributions of different types of urban land use and spatial changes of radiance of night-time lights（NTL）in New York and Chicago

表4 纽约和芝加哥不同用地类型夜间灯光辐射值变化Table 4 Changes of radiance of Night-Time Lights（NTL）in different land use types in New York and Chicago

4 结论

为防控COVID-19疫情，全球普遍采取的封城、居家令等政策显著影响城市居民生产、生活，夜光遥感可以有效捕捉城市社会经济活动变化。受COVID-19疫情影响，美国20个主要城市2020年3至4月夜光亮度相对于2月普遍变暗，平均下降5%—8%；明尼阿波利斯夜光亮度降幅最大，超过40%。城市夜光亮度呈现“中心—外围”空间结构特征，城市中心3 km内夜光亮度下降最明显。城市放射状主干道路夜光亮度也显著下降。部分城市4月份夜光亮度有所恢复，但未及正常水平。不同类型城市用地夜光亮度降幅存在差异，纽约居住用地和航空设施用地夜光亮度降低幅度最明显，分别下降12%和11%。芝加哥不同类型城市用地3月份夜光亮度普遍下降20%左右，商业用地夜光亮度降幅最大。

本研究展示了夜光遥感可以有效监测公共卫生防控措施带来的城市社会经济活动变化，为评估COVID-19疫情社会经济影响提供了新视角。当前，COVID-19疫情仍在全球肆虐、演化，本研究为中国以及其他国家和地区评估疫情防控措施影响提供了参考。事实上，夜光遥感在应对其它突发公共事件时，如洪涝、地震、森林火灾等，也具有重要潜在应用价值。本研究重点分析了受疫情影响导致城市夜光亮度变化的空间差异，未来需要进一步分析夜光亮度变化驱动因素。例如，未来可以结合疫情防控政策严格指数、人口移动指数、电力消耗数据等揭示夜间灯光变化空间差异的原因，指导疫情精准防控，减小社会影响。