夜光遥感数据在城市社会经济指标估算中的应用

王郡如　刘傲　鲍雅君

摘 要：灯光数据与人类社会经济活动有很强的相关关系，传统统计方法得到的GDP数据在进行经济指标估算时具有局限性，基于夜间灯光数据构建的GDP预测模型对分析安徽省各地区GDP的指标估算以及城市将来发展有重要的意义。本文基于珞珈一号夜间灯光数据以及安徽省近两年以来的GDP指数，采用灯光数据构建GDP预测模型以及GDP指数可视化的方法，对安徽省的灯光数据以及GDP指数之间的相关性展开研究，结果表明：（1）珞珈一号夜间灯光数据对安徽省社会经济参量具有较强相关性。（2）安徽省的皖中地区以合肥为首发展经济比较强，其次是皖南地区发展比皖北地区更强一些。（3）发展安徽省经济需注重协调，促进全省经济的提升，同时加强与经济发达地区的合作，加快融入长三角经济，创造共同发展经济环境。

关键词：珞珈一号；夜光遥感；社会经济；相关性

夜光遥感是获取无云条件下地表发射的可见光-近红外电磁波信息。这些信息大部分来源于地表上的人为活动，特别是夜间人类所用的照明设备。除此之外，也包括石油天然气燃烧、海上渔船、森林火灾以及火山爆发等。自DMSP/OLS在美国发射以来[1]， 该卫星传感器可捕获到不同发展程度城市所发出的灯光。由此可知， 夜光遥感数据能够被用来追踪人类活动的行为轨迹， 它在人类活动监测研究中起到了重要的数据源作用[2]。根据搭载平台和传感器的不同，目前比较常见的夜光遥感卫星主要有美国国防气象卫星（Defense Meteorological SatelliteProgram（DMSP）， NPOESS Preparatory Project （NPP）和珞珈一号01星。对于夜间灯光数据与GDP之间的关系，国内外许多学者也早已对此进行了研究。韩向娣等基于夜间灯光数据，第一次探讨夜间灯光数据与GDP之间的关系，以及中国经济的宏观分布特征[3]。Li 等在此基础上，利用多源夜间灯光数据和GDP 统计资料，建立了中国省、县级行政区的线性回归模型，通过实证研究，分析了区域经济发展与夜光数据的关系与成因[4]。Shi等对NPP-VIIRS夜光数据进行校正处理，并使用GDP和EPC在不同尺度上构建线性回归模型，得出结论，与DMSP/OLS夜间灯光数据相比较，校正后的NPP-VIIRS 数据与经济社会指标的相关程度更高[5]。曹子阳等提出了将不变目标区域法对夜间灯光影像进行校正应用于 DMSP/OLS数据中国区域的校正，并对校正前后的影像结合 GDP 和电力消耗值进行回归分析，证明了该方法的合理性[6]。李德仁等基于时序 DMSP/OLS 夜光遥感数据，采用空间统计、标准差椭圆和位序-规模分布方法，研究了“一带一路”沿线国家的城市发展时空格局演化[7]。王俊华等基于DMSP/OLS夜间灯光数据并结合高程信息，运用相关分析法，绘制出了四川省GDP密度图[8]。基于夜间灯光数据与社会经济的研究表明，遥感数据可以对GDP等社会经济参量进行估算，很对专家都以此为依据，对社会经济参量进行空间上的模拟分析。总结前人的研究成果，夜光遥感数据具有空间信息丰富、时效性强的优点，适用于大尺度的研究和事件序列分析。其中夜间灯光强度与人类社会经济活动高度相关，完全可以用于进行人类社会活动分析及社会经济指标估算[9]。

国内生产总值是度量一个地区或国家经济水平和发展情况的一项重要指标。夜间灯光亮度与夜间人类活动程度的关系十分密切，它可以在某种程度上反映出一个地区的经济发展状况，因此，它也就成为了评价城市发展和人类经济活动的一项指标。夜间灯光遥感数据不仅具有遥感数据的快速、大面积连续获取的优势，还可以能够直接、独特地反映出城市化进程的空间结构分布、经济发展状况以及人类经济活动程度。现在，关于夜间灯光数据与社会经济发展方面的研究与应用也是比较多的[10-13]。对于利用夜光数据对GDP进行预测时，国内外许多学者采用的方法均为选取某参考地区在某一个时间点的夜光遥感数据和GDP数据，对二者进行拟合，同时将预测值与真实值进行比较研究[14]。目前来说，这种研究方法能够充分利用夜光数据与GDP数据，较好的反应不同地区间的发展差异和发展趋势[15]。

本文基于珞珈一号对安徽省城市社会经济进行相关性分析，一是探索珞珈一号夜间灯光数据的预处理方法以及去噪方法，填补珞珈一号数据处理方向研究的空白，提高该数据的可用性。二是基于珞珈一号数据，以一个新视角来对安徽省GDP进行展示，可以帮助我们更加科学地了解各地区内经济发展水平，为各个区域发展、制定战略和政府决策提供一定的借鉴资料。

一、研究区与数据源

（一）研究区概况

安徽，简称“皖”，省会合肥。位于长江三角洲地区，中国华东地区，介于东经114°54′—119°37′，北纬29°41′—34°38′之间，东连江苏，西接河南、湖北，东南接浙江，南邻江西，北靠山东，总面积14.01万平方千米。截至2020年7月，安徽省下辖16个省辖市，有9个县级市，50个县，45个市辖区。

安徽省在2020年全年地区生产总值38680.6亿元，同比增长3.9%。其中，第一产业增加值3184.7亿元，增长2.2%；第二产业增加值15671.7亿元，增长5.2%；第三产业增加值19824.2亿元，增长2.8%。

（二）数据源

珞珈一号0l星具备l30m分辨率、260km幅宽的夜光数据获取能力，并且面向国内行业用户提供免费数据服务，被业内称为“全球首颗专业夜光遥感卫星”，具有广阔的应用和发展前景。本文即利用该影像数据开展夜光影像亮度值与城市GDP的相关性研究。选取的珞珈一号影像时相尽量接近GDP数据的统计时间，以减小数据比对误差；选取的各景影像之间时相差不宜过大，有利于保持地区数据的一致性。经过筛选，选取了获取时间为2018年11月的珞珈一号L2级夜光遥感数据，共计6景。覆盖安徽省省全部区域。

（三）數据预处理过程

下载的珞珈一号数据每景影像宽幅为264km×264km，由于单景影像不能完全覆盖安徽省地区，因此需要对影像进行镶嵌合并，使得影像可以覆盖整个安徽省。珞珈一号数据的光谱分辨率为32bt，可以有效解决亮度饱和的问题，且珞珈一号数据已经去除了负像元，所以不需对数据进行饱和校正以及负值像元处理。在开展下一步研究之前，还需要对年内的夜间灯光影像的像元DN值进行进一步的稳定性校正。公式参考如下：

下载到的珞珈一号数据未经定标处理，可通过辐亮度转换公式进行定标，公式为：

式中L为亮度，R为反射系数，E为照度。

我们可以通过Band Math进行辐射定标表达式中输入：b1^（3.0/2）*（10.0^（-10））。

拉伸方式为Equalization。利用Spatial Analyst工具对安徽省各地市的夜间灯光数据进行统计，其中有夜间灯光平均亮度、夜间灯光强度等。利用Raster color slice工具对图像进行分割，通过不断调整最大值和最小值对图像的灯光分布做出更直观的显示。

如图2，图3所示，将安徽省灯光分布图进行辐射校正后进行密度分割，经过不同阈值调整后的密度分割的影像图能更加清晰的反映出各个地区的灯光分布情况，使安徽省的灯光分布情况能够更加直观地显示。  二、研究方法

本研究以安徽省为研究对象，通过对安徽省的16个地级市的GDP数据和提取出来的夜间灯光数据进行分析，来完成对安徽省的经济指标估算。

此次研究从研究区夜间灯光图像中提取灯光强度数据，包括总灯光指数和平均灯光指数，同时，根据安徽省的市级边界矢量数据和夜间灯光数据，可以构建安徽省各城市的GDP的增长情况和预测分析。

照明设施的密度和使用能够反映该区域的繁荣程度，故一个区域越亮，也就越繁荣，所以总强度和灯光密度还可以说明区域的发展程度。因此我们在利用夜间灯光影像做有关社会经济方面的研究的时候，可以充分利用这以下指标。

（1）基于安徽省地区LJ-01夜间灯光图，叠加行政区辅助数据，基于Arcgis平台分区统计功能，对各地级市尺度的夜间灯光总强度进行统计，公式如下：

式中，TNL夜间灯光总强度；DNmax和DNmin分别表示行政区内的最大辐射值与最小辐射值；DNi表示行政区内第i个像元的辐射值；ni表示对应行政区内第i个属性值的个数。

（2）平均灯光亮度值：

式中，AI表示平均灯光亮度值；TNL表示城市的夜间灯光总强度；S表示该城区的建成区面积。

（3）GDP核算有三种方法，即生产法、收入法和支出法

生产法是以常住单位在生产过程中创造新增价值的角度出发，从而衡量核算期内生产活动最终成果的方法。

GDP=总产出-中间投入

收入法是以常住单位在生产过程中形成收入角度出发，来反映核算期内生产活动最终成果的方法。

GDP=劳动者报酬+生产税净额+固定资产折旧+营业盈余

支出法是以货物和服务最终使用的角度出发，衡量所有常住单位核算期内生产活动最终成果的方法。包括三个部分，分别是最终消费支出、资本形成总额、货物和服务净出口。

GDP=最终消费支出+资本形成总额+货物和服务净出口

三、结果与分析

（一）灯光指数

由上述公式得到表2的灯光总量，灯光平均值以及标准差。并且由表2可知，安徽省内合肥市灯光总量最大，滁州市次之，淮北市、阜阳市的灯光总量最小。而对于灯光平均值来说，仍是合肥市位列第一，但淮南和马鞍市则次之，阜阳市最弱。上述两种灯光指数均是合肥省位列第一。分析其原因，合肥市为安徽省省会，第一产业、第二产业、第三产业经济成分构成复杂，夜间灯光与第二产业、第三产业的相关性较大，与第一产业的相关性较小，单一的夜间灯光不能精确的反映出其GDP总值，需要结合其他各方面的因素对GDP总值进行反映和预测。从整体成分来看，除合肥市的灯光总量和平均值的排名外，安徽省整体的灯光分布是皖南地区较高，皖北地区稍落后一些。究其原因主要还是与城市的产业成分组成的不同有关，由于地形差异，皖北地区多平原，皖南地区多山区，导致了皖北地区大多以农业为主，皖南地区大多以工业为主，这也是导致两地区夜间灯光分布情况以及灯光强度差异的主要原因之一。

如图5所示，由安徽省的灯光分布图可以看出安徽省整体灯光分布是皖中地区比较明亮，应当是省会合肥提供了大部分的灯光值，可以得出该地区的发展经济较强。其次是皖南地区比皖北地区的灯光更加明亮一些且分布更加广泛，尤其是芜湖马鞍山一带，主要也是因为靠近江苏地区，第二，三产业较皖北地区更加发达一些，夜晚提供的灯光值也随之增加。

（二）GDP分析

为评估“珞珈一号”夜光数据对GDP进行估算预测的能力，可以建立GDP与夜光数据生成的线性回归模型。表3为安徽省2021年上半年的GDP情况，并以此为基础，对安徽省的16个地级市的GDP进行预测，进行评估。

综合来看，安徽省发展速度较快的城市有马鞍山、芜湖、宣城、铜陵、黄山、池州，发展速度较慢的城市有蚌埠、淮北、淮南、宿州等地。其中皖中地区以合肥为首发展经济较强，其次是皖南地区，以芜湖为首引领发展经济，皖北地区经济发展较弱，主要以蚌埠市来引领经济发展。并且由圖6可以看出安徽省的GDP的名义增速总体的平均值为17.24%。16个地级市中除了蚌埠市的名义增速只有8.30%，其余城市的名义增速都超过了10%，可以看出安徽省的GDP的总体增长状况还是不错的。

（三）发展趋势及预测

根据提取的灯光数据和安徽省GDP数据十年的发展趋势图，可预测未来安徽省各省市的GDP发展情况，同样的，结合灯光指数和GDP数据所做出的模拟图，也很好的估算了安徽省GDP的发展情况。下图分别以安徽省16个地级市2010-2020数据做出GDP趋势图，并作出预测。从下图中可以看到安徽省的16个地级市预测图的R2均高于0.9，分别是合肥市是0.982，安庆市是0.9769，蚌埠市0.9732，亳州市是0.9843，池州市是0.9826，滁州市是0.9921，阜阳市是0.9872，淮北市是0.9869，淮南市是0.9339，黄山市是0.9843，六安市是0.9775，马鞍山市是0.9468，宿州市是0.9919，铜陵市是0.9644，芜湖市是0.9807，宣城市是0.9789。预测的准确性还是比较高的。

（四）灯光指数与GDP数据回归分析

通过对比多种拟合模型，线性拟合的效果最好。因此根据安徽省16地市灯光总量与GDP数据构建线性拟合图。夜晚的灯光亮度和分布可以体现出一个地区的繁荣程度，所以我们可以根据灯光亮度值来对该地区的经济发展水平进行分析。图8构建了灯光总量与GDP数据的线性拟合图，根据相关性的高低来判断珞珈一号夜光数据反应经济的强弱。因此，我们由图8可以看出二者的相关性还是比较高的。但是我们仍然从图中可以看出，有部分数据的偏离程度也比较大。

初步分析，可能与安徽省产业的类别有关。第一产业主要包括农、林、牧、渔业等。在夜晚中，这些行业几乎不会产生灯光，所以，仅根据夜光数据是无法体现出第一产业的经济贡献的。而安徽省的第一产业占比还是比较大的，会导致数据的准确度下降。第二产业由工业和建筑业等构成，在夜光中反应明显。第三产业主要是服务业，主要有零售业和批发以及餐饮业和住宿等。这些行业在夜光中反应同样较为强烈，对灯光的贡献也比较大。这两种产业贡献的灯光值结合珞珈一号的高分辨率，使夜光数据在对经济的反映中更加准确。

其次，本文主要以安徽省的16个地级市为主要研究对象，但是由于各城市地理位置的差异，导致16个城市的植被覆盖情况也存在差异。并且，由于植被的大量存在，导致了部分灯光值不能真实地反映在夜光遥感影像上。而且由于植被的覆盖范围广，光溢出效应也会显著降低，进而对GDP的预测造成了一定的影响。本研究中黄山，池州等地的城市具有较高的空气质量，而且森林和植被覆盖率也较高，其中，植被的大量存在对GDP预测结果的可靠性产生了影响。在16个城市中，合肥，芜湖等地的森林和植被覆盖率相对较低，所以植被对灯光的影响也较小。因此，这两个城市利用夜光数据对GDP进行预测的准确性也相对较高。综上所述，珞珈一号的夜光数据和GDP有比较强的相关性，但是仅通过夜间灯光来描述区域GDP经济产值是不准确的，有的地区对GDP的产出可能是在白天，这会造成数据的偏差，从而影响到数据分析的结果。

（五）GDP密度图

利用建立的模型建立安徽省GDP空间可视化表达，在此基础上，根据该模型把GDP统计数据空间分配到每个像元上，可以得到GDP密度图。与统计年鉴的二维统计数据相比较，经过空间化后的安徽省GDP数据能够更明显直观的反应安徽省2020年和2021年GDP分布情况。从两幅图对比可知，从2020年到2021年的GDP总值的分布情况大致没有区别，但是个别地区的生产总值有所增加。整体来看，安徽省的经济发展以合肥市为中心，安徽省的西部与东部经济发展较好，南部与北部发展较差，GDP总值较低。2020年面对严峻挑战，全省经济运行迅速恢复企稳，主要指标增长快于全国、位次靠前。2020年安徽省生产总值38680.6亿元，比上年增长3.9%。省会城市合肥首次突破万亿元大关，GDP总量和人均GDP上都排在了全省的第一位，并且遥遥领先第二位的芜湖市，GDP总量上为芜湖市的两倍还要多。芜湖和滁州处于3000亿一档。安徽省2000亿档的城市共有5个：阜阳、安庆、马鞍山、蚌埠、宿州。1000亿档城市共有6个：亳州、六安、宣城、淮南、淮北、铜陵。2021年安徽省GDP为42959亿元，比上年增长8.3%，芜湖以4303亿元排名第二名，五千亿元至一万亿元的区间断档；下一档滁州、阜阳、安庆、马鞍山、蚌埠均在2000至3000亿元之间，呈现断档状态。蚌埠的增速较低，主要是因为受传统工业转型升级不快、产业集中度不高，县域经济活力不足等因素影响。

利用上述经过处理及分析的遥感图像得到了安徽省各城市的夜间灯光数据，将得到的数据与统计年鉴的统计值进行对比，检验和精度。

由图3和表3可以看出，安徽省的中、南部区域经济发展的情况较好，其中以合肥，芜湖城市为代表，在近几年的发展中居于前列，且增长的百分比仍在逐年上升。安徽省北部区域发展的速度则相对较慢，但仍在逐年上升。由此得出，利用夜间灯光数据模拟安徽省社会经济参量是十分可行和可靠的。

四、结论与展望

本文针对安徽省的16个地级市来进行夜间灯光数据的处理过程，分析了安徽省的GDP指数，发展趋势和灯光数据的相关性，从经济应用方面反映了GIS，遥感技术发展的新特点。主要结论如下：

（1）通过分析安徽省珞珈一号夜间灯光影像的亮度值与地区GDP等经济参量的相关性，得出灯光亮度与GDP具有高相关性。

（2）由GDP长期数据可知，安徽省是一个南北差异明显的城市。皖中的经济主要是靠省会合肥拉高，若除去合肥，则安徽经济总体呈现南强北弱的局面。因此发展安徽省经济需注重协调，促进全省经济的提升，同时加强与经济发达地区的合作，加快融入长三角经济，创造共同发展经济环境。

（3）通过安徽省的灯光数据及相关性及可视化分析，得出安徽省不同地区的在2020及2021两个年份的经济状况分布以及名义增速，可以看出安徽省尤其是头部城市一年之內的GDP增长幅度较为显著。其中安徽省会合肥经济实力雄厚，皖北主要由蚌埠市引领，皖南则以芜湖为引领。且城市的第一、二、三产业所占比重和植被覆盖度情况对灯光指数、分布以及预测误差也有比较大的影响。

目前，针对夜光遥感和GDP数据来分析城市的社会经济指标估算的研究还是比较少的。但是“珞珈一号”和夜光数据与经济统计数据具有较高的相关性是毋庸置疑的，在未来的研究中，可以以夜光数据为主，同时辅助其他数据来建立更加精确的模型。随着信息技术的发展，特别是GIS和遥感技术在经济方面的不断发展。这些技术将会与更多应用集成，融入更多应用方面，形成更为广阔的市场。

参考文献：

[1]王鹤饶，郑新奇，袁涛.DMSP/OLS数据应用研究综述[J].地理科学进展， 2012， 31（1）： 11-19.

[2]杨眉，王世新，周艺，等.DMSP/ OLS 夜间灯光数据应用研究综述.遥感技术与应用，2011，26（1）：45-51.

[3]韩向娣，周艺，王世新，等.夜间灯光遥感数据的GDP空间化处理方法[J]. 地球信息科学学报， 2012，14（01）：128-136.

[4]Xi Li， Huimin Xu， Xiaoling Chen， et al. Potential of NPP-VIIRS nighttime light imagery for modeling the regional economy of China[J].2013（6）：3057.

[5]Shi K ， Yu B ， Huang Y ， et al. Evaluating the ability of NPP-VIIRS nighttime light data to estimate the Gross Domestic Product and the electric power consumption of China at multiple scales&58; A comparison with DMSP-OLS data [J]. Remote Sensing， 2014， 6 （2）： 1705-1724.

[6]曹子陽，吴志峰，匡耀求，等.DMSP/OLS夜间灯光影像中国区域的校正及应用[J].地球信息科学学报， 2015， 17（9）：1092-1102.

[7]李德仁，余涵若，李熙.基于夜光遥感影像的“一带一路”沿线国家城市发展时空格局分析[J].武汉大学学报：信息科学版，2017， 42（6）：711-720.

[8]王俊华，张廷斌，易桂花，等. DMSP/OLS夜间灯光数据的四川省GDP空间化分析[J]. 测绘科学，2019，44（08）：50-60.

[9]郑渊茂，何原荣，王晓荣，高元衡.夜光遥感数据应用述评与展望[J].遥感信息，2020，35（03）：1-14.

[10]Bennett M M ， Smith L C . Advances in using multi-temporal night-time lights satellite imagery to detect， estimate， and monitor socioeconomic dynamics[J]. Remote Sensing of Environment， 2017， 192：176-197.

[11]谢天.基于长时间序列夜光遥感数据的黑龙江省GDP预测模型研究[D].哈尔滨：哈尔滨工业大学，2018.

[12]李德仁，李熙.夜光遥感技术在评估经济社会发展中的应用———兼论其“一带一路”建设质量的保障[J].宏观质量研究，2015，3（04）：1-8.

[13]Henderson J V， Storeygard A， Weil D N. Measuring economic growth from outer space.[J]. American Economic Review， 2012， 102（2）： 994-1028.

[14]刘杨，李宏伟，杨斌程，张斌，何孟铮，常骑.基于遥感数据和POI数据的GDP空间化研究——以北京市为例[J].地域研究与开发，2021，40（02）：27-32+39.

[15]贾艳红，覃孔韬.基于DMSP/OLS夜间灯光数据的广西沿海地区GDP预测分析[J].广西城镇建设，2021（01）：8-12.

基金项目：本文受到宿州学院安徽省大学生创新创业训练计划项目（S202110379098）资助。