基于夜间灯光遥感的成都市建成区扩张时序演变分析

摘 要：【目的】探究2007—2017年成都市建成区扩张变化及发展趋势。【方法】以成都市为研究区，基于夜间灯光数据，利用支持向量机法提取2007、2012、2017年成都市建成区，结合城市扩张强度、扩张速度、重心等指标，探讨10年间成都市建成区扩张演变趋势。【结果】结果表明：①2007—2012年，成都市建成区面积扩张了106.87 km2；2012—2017年，成都市建成区面积扩张370.08 km2，10年间建成区面积扩张明显，城市发展迅速。②2007—2017年，成都市建成区主要以成华、青羊、武侯为中心向四周扩张，各区县建成区连贯性和面积均有所增加，城市发展重心逐渐往东南方向迁移，整体呈现“中心聚集，环状向外扩张”特征。【结论】研究结果能够为成都市城市建设和发展提供参考。

关键词：成都市；夜间灯光数据；城市扩张；重心转移

中图分类号：P237" " "文献标志码：A" " 文章编号：1003-5168（2024）13-0093-04

DOI：10.19968/j.cnki.hnkj.1003-5168.2024.13.019

Analysis of the Temporal Evolution of Built-Up Area Expansion in Chengdu Based on Night Light Remote Sensing

LIN Ling WU Mingdong

（Sichuan College of Architectural Technology， Deyang 618000， China）

Abstract： [Purposes] This paper explores the expansion changes and development trends of built-up areas in Chengdu from 2007 to 2017. [Methods] Taking Chengdu as the study area， based on the nighttime light data， the support vector machine method was used to extract the built-up areas of Chengdu in 2007， 2012 and 2017， and the expansion evolution trend of the built-up areas of Chengdu in the past 10 years was discussed by combining the urban expansion intensity， expansion speed and center of gravity. [Findings] The results show that： ① From 2007 to 2012， the built-up area of Chengdu expanded by 106.87 km2， and from 2012 to 2017， the built-up area of Chengdu expanded by 370.08 km2， doubling the built-up area in 10 years. The trend of expansion is obvious， and the city is developing rapidly. ② From 2007 to 2017， the built-up area of Chengdu mainly expanded to the surrounding areas with Chenghua， Qingyang and Wuhou as the center， and the coherence and area of the built-up areas of each district and county increased， and the center of gravity of urban development gradually shifted to the southeast， showing the characteristics of \"central agglomeration and circular outward expansion\". [Conclusions] The research results can provide a reference for the urban construction and development of Chengdu.

Keywords： Chengdu City; night lighting data; urban sprawl; shift in center of gravity

0 引言

近年来，为满足增长人口的居住和生产活动，城市建成区范围不断扩张［1］。城市建成区作为人类生存活动的主要空间，城市空间形态的主要组成部分，探究其扩张演变趋势，对城市发展规划和生存环境改善具有重要意义［2］。夜间灯光遥感数据不仅具有遥感可视化的特点，而且具有大范围、大视角的优势［3］。已有大量研究者利用夜间灯光遥感探究城市发展、城市空间形态，为城市建设和规划提供了重要参考［4-5］。Crof［6］基于夜间灯光数据提取城市建成区，并验证了结果的可靠性；Henderson［7］等结合DMSP/OLS夜间灯光数据和Landsat数据，探究城市建成区发展及空间形态变化趋势；曹二彪［8］结合多期灯光数据提取江苏市2001—2017年城市建成区，并结合统计年鉴相关数据验证结果可靠性，结合主成分分析模型探讨了建成区的主要影响因子；葛天弘等［9］结合夜间灯光数据提取建成区，通过计算扩张强度、速率等指标探讨浙江省部分城市的扩张趋势，为政府的城市规划提供参考数据；罗新晨［10］不仅利用夜间灯光数据探讨了赣州市章贡区的城市发展状况，还结合相关模型分析了影响城市扩张的主要驱动力。

成都市作为中西部重点发展城市，四川省核心发展地区，探究成都市城市空间格局演变进程，对其发展规划和未来发展格局具有重要意义。本研究利用夜间灯光数据，提取成都市2007—2017年城市建成区，结合扩张强度、重心等指标分析成都市建成区演变特征，探讨成都市10年间的城市化进程和发展趋势。

1 研究区概况及数据来源

1.1 研究区概况

成都市（102°54′E～104°53′E， 30°05′N～31°26′N）地处四川省的中部，坐落于四川盆地西面，地形复杂多样，以深丘和山地为主。海拔范围主要在1 000～3 000 m。全市平原面积约占40.1%，丘陵约占27.6%，山区约占32.3%。成都市东部、南部为平原，地势平坦，独特的地理位置使得成都在四川省的发展中占据优势地位，也是往返全国各地乃至全球的重要交通枢纽。

1.2" 数据来源及预处理

本研究使用的DMSP_OLS、NPP_VIIRS夜间遥感灯光数据来自NOAA官网和中国科学院资源环境科学与数据中心。DMSP_OLS、NPP_VIIRS数据受传感器、环境等因素影响，可能存在异常值和负值，需进行异常值剔除，负值常用0替换。此外，须统一灯光数据和行政区坐标系，将DMSP_OLS数据重采样为1 km×1 km，将NPP_VIIRS数据重采样为500 m×500 m，最后裁剪得到研究区的夜间灯光数据。

2 地表温度反演方法

2.1 支持向量机法

支持向量机法（Support Vector Machine， SVM）是一种基于统计学习的机器学习方法［11］，相较于传统分类，SVM具有运算快、分类精度高等优势。通过自动寻找最大区分类向量，将不同类别间隔最大化，从而提高分类结果可靠性。本研究结合成都市夜间灯光数据和Google Earth 影像，选取DN值为45作为建成区和非建成区提取阈值，利用SVM算法提取成都市建成区范围。

2.2 扩张速度与扩张强度计算

扩张速度用于解释某区域一段时间区间内的年平均扩张面积，可描述城市的发展和变化速度；扩张强度指在一定时间间隔内扩张面积与总面积之比，用于表征城市扩张状态。计算公式见式（1）和式（2）［12］。

[v=Sb−Savb−va] （1）

[E=Sb−San∗S] （2）

式中：v表示扩张速度；E表示扩张强度；[Sa]与[Sb]表示前一年份[va]和后一个年份[vb]时间段内的建成区面积；S为研究区总面积；[n]表示时间间隔。

2.3 重心计算模型

重心变化可用于解释城市空间形态变化特征。利用提取的成都市建成区面积计算其重心坐标（[Xi]，[Yi]），计算公式见式（3）和式（4）。

[Xi=i=1nSik×Xk/i=1nSi] （3）

[Yi=i=1nSik×Yk/i=1nSi] （4）

式中：[ Sik]表示第[i]个城市的建成区面积；（[Xk]，[Yk]）是第[i]个城市建成区的几何中心坐标。

3 研究结果与分析

3.1 成都市建成区提取及扩张分布特征分析

基于夜间灯光数据、统计年鉴等，经过多次试验和对比分析，得到成都市2007、2012、2017年建成区分布结果，如图1所示。由图1可知，建成区主要分布在金牛、武侯、成华、青羊等中心区域，是成都市核心经济发展区；除中心地区外的区县建成区分布零散，范围小，建成区之间缺乏连贯；总体上，成都市建成区空间格局呈 “中心聚集、环状+放射”扩张模式。

经过10年发展，成都市各区县建成区均存在一定扩张程度，连贯性有所提高，主要特征仍是以中心城区向四周扩张趋势为主，各区县部分地区稳步增长。其中，增长幅度较大的是双流区和简阳天府机场附近地区建成区。双流国际机场和天府国际机场分别位于双流市和简阳市内，为两区域的发展带来了巨大机遇；增长较明显区域还有位于东部的龙泉驿区域和东北部的新都区。早期龙泉驿地区建成区分布较少，2012年后建成区范围逐渐扩张，主要呈块状/面状分布特征。新都区位于中心城区的东北部，与金牛、成华、郫都接壤，交通便利、学校、医疗设施逐渐完善，优越的地理位置也吸引大部分居民在此安家落户，带动了新都区的城市建设和经济发展。

3.2 建成区扩张强度与扩张速度

计算成都市2007—2017年城市建成区扩张面积/扩张速度、扩张强度指标数据，结果见表1。

由表1可知，成都市建成区2007—2017年总面积显著增加，扩张约476.95 km2，成倍增长，说明成都市10年间建成区扩张明显，城市发展迅速。其中，2012—2017年建成区扩张面积、速度、强度指标数据较2007—2012年明显增加，约3倍增长强度，平均年增长面积约为74.12 km2，说明在2012—2017年阶段内，成都市建成区扩张更迅速，经济发展更快，考虑与成都市的相关政策和行政区的重新规划、交通规划密切相关。成都市于2014年确立天府新区，2015年初规划“天府国际机场”，2015年末撤双流县并区，简阳市划入成都管辖，一系列城市发展规划，极大程度上改变并提高了城市空间利用和城市空间分布格局，为成都市后续飞速发展奠定坚实基础。2010年后，成都市道路交通发展迅速，两个国际机场为城市发展、经济飞跃提供重要支撑。

3.3 成都市整体城市重心分布格局变化

建成区重心变化反映出城市的发展趋势，通过计算得出各年份重心坐标，并绘制重心迁移图（如图2所示）。整体上，2007—2017年成都市建成区重心空间分布由西北－东南方向迁移，城市发展重心逐渐向东南地区偏移。其中，2007—2012年建成区重心主要往西北方向迁移，该段时间成都市西北方向地区经济、人口发展较快；2012—2017年建成区重心由西北向东南迁移，约为2007—2012年迁移量的2倍，说明该段时间成都市东南地区发展更迅速，城市扩张更明显。

4 结论

本研究结合夜间灯光遥感数据提取2007—2017年成都市建成区，并结合重心转移、扩张强度等指标综合探讨成都市近10年间的建成区演变趋势，主要结论如下。

①2007—2012年，成都市建成区面积扩张了106.87 km2；2012—2017年，成都市建成区面积扩张了370.08 km2，10年间建成区扩张明显，城市发展迅速。建成区空间格局主要以成华、青羊、武侯等区域为中心向四周扩张，各区县建成区范围增加，呈现“中心聚集，环状向外扩张”特征。

②结合扩张强度、扩张速度、重心等指标，成都市2012—2017年较于2007—2012年建成区扩张速度更快、强度更大。2007—2012年建成区主要往西北方向迁移，郫都、温江扩张明显。2012—2017年，建成区主要往东南方向迁移，扩张较为明显的是双流区及简阳部分地区，主要与成都市行政区重新规划和交通规划密切相关。

参考文献：

［1］汪韬阳，张过，李沛然，等.基于DMSP/OLS夜光遥感影像的城市扩张政策驱动因素分析［J］.测绘学报，2018，47（11）：1466-1473.

［2］王腾波，张英，翟亮，等.夜间灯光视角下京津冀地区协同发展特征研究［J］.测绘科学，2022，47（8）：166-173.

［3］范俊甫，马廷，周成虎，等. 1992—2010年基于DMSP-OLS图像的环渤海城市群空间格局变化分析［J］. 地球信息科学学报， 2013（2）：280-288.

［4］李茂. 基于夜间灯光数据的湖南省城镇扩张时空变化及驱动力因子分析［D］.湘潭：湖南科技大学，2019.

［5］张颖，汪侠，闫艺涵，等.基于夜间灯光数据的西南地区县域旅游多维减贫效应时空变化研究［J］.地球信息科学学报，2022，24（8）：1541-1557.

［6］CROF T， THOMAS A. Nighttime images of the earth from space［J］. Scientific American，1978.

［7］HENDERSON M， YEH E T， GONG P A. Validation of urban boundaries derived from global night-time satellite imagery［J］.International Journal of Remote Sensing，2003，24（3）：595-609.

［8］曹二彪.基于DMSP/OLS数据的城市建成区扩张分析及驱动研究［D］.徐州：中国矿业大学，2019.

［9］葛天弘，何悦，李璐.基于DMSP/OLS夜间灯光数据的城市建成区时空演化特性及驱动力研究［J］.浙江建筑，2020，37（4）：16-23.

［10］罗新晨. 赣州市章贡区城市扩张时空变化特征及驱动力分析［D］.抚州：东华理工大学，2021.

［11］CORTES C， VAPNIK V. Support-vector networks［J］. Machine Learning，1995，20（3）：273-297.

［12］李冰洋.南阳市区城市建设用地扩张及驱动力分析［D］.开封：河南大学，2015.