Please wait a minute...
国土资源遥感  2019, Vol. 31 Issue (2): 157-163    DOI: 10.6046/gtzyyg.2019.02.22
  技术应用 本期目录 | 过刊浏览 | 高级检索 |
基于夜间灯光数据的六盘山连片特困区贫困度识别
沈丹1,2,周亮1,2,3(),王培安1,2
1.兰州交通大学测绘与地理信息学院,兰州 730070
2.甘肃省地理国情监测工程实验室,兰州 730070
3.中国科学院地理科学与资源研究所,北京 100101
Identification of poverty based on nighttime light remote sensing data: A case study on contiguous special poverty-stricken areas in Liupan Mountains
Dan SHEN1,2,Liang ZHOU1,2,3(),Peian WANG1,2
1.College of Mapping and Geographic Information, Lanzhou Jiaotong University, Lanzhou 730070, China
2.Gansu Provincial Engineering Laboratory for National Geographic State Monitoring, Lanzhou 730070, China
3.Institute of Geographic Sciences and Natural Resources Research, Chinese Academy of Sciences, Beijing 100101, China
全文: PDF(4554 KB)   HTML  
输出: BibTeX | EndNote (RIS)      
摘要 

针对精准扶贫过程中统计数据口径不统一,以及夜间灯光贫困识别多为短时间研究等问题,以六盘山连片特困区为例,借助DMSP-OLS/NPP-VIIRS夜间灯光和社会经济统计等数据,运用不变目标区域法以及灰色关联模型构建区域灯光指数与多维贫困指数(multidimensional poverty index,MPIstatistical),建立贫困估算模型生成多维贫困指数估算值(MPIestimated)探究较长时间序列的贫困识别。研究结果表明,MPIestimated识别贫困的精度较高,与MPIstatistical的平均相对误差介于3.14%3.52%,能准确反映区域真实的贫困程度; 2000—2015年间研究区MPIestimated均值分别为0.361,0.372,0.375,0.378和0.382,贫困程度逐年减轻; 2000—2012年间识别出极贫困县3946个,高度贫困县2021个; 2000—2015年间Moran’s I指数分别为0.49,0.45,0.47,0.49和0.43,表明连片特困区贫困程度呈现明显集聚性。贫困格局呈现“东西部贫困程度相对较轻,南北部贫困程度相对较重”的空间演变趋势。

服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章
沈丹
周亮
王培安
关键词 DMSP-OLS/NPP-VIIRS贫困指数精准扶贫贫困识别六盘山    
Abstract

In the process of targeted poverty alleviation, the problems that traditional data statistic aperture is not unified and that nighttime light data for identifying poverty is studied in a short time usually exist. With Liupan Mountain as an example, the average light index and multidimensional poverty index (MPIstatistical) indices were constructed by using the method of invariant target area and gray relational model with the help of night light and socio-economic statistics. Poverty estimation models were constructed through average light index and MPIstatistics. MPIestimation was generated and used to explore long-term sequence of poverty identification. Some conclusions have been reached: the accuracy of poverty results based on nighttime light image was higher, which can reflect the real poverty degree of the region, and the relative error ranges between 3.14% and 3.52%. The MPI estimated averages of the contiguous special poverty areas respectively are 0.346, 0.353, 0.353, 0.357 and 0.358 in many years. The level of poverty has been reduced year by year. Between 2000 and 2012, there were 3946 counties with extremely poor conditions and 2021 counties with highly poor conditions. The Moran’s I index from 2000 to 2015 respectively were 0.49, 0.45, 0.47, 0.49 and 0.43, indicating that the poverty level in 78 counties exhibits obvious agglomeration. The pattern of poverty is presented with the spatial evolution trend of “relatively less poverty in the eastern and western regions and relatively heavier poverty in the northern and southern regions”.

Key wordsDMSP-OLS/NPP-VIIRS    poverty index    targeted poverty alleviation    poverty identification    Liupan Mountains
收稿日期: 2018-01-08      出版日期: 2019-05-23
ZTFLH:  TP79  
基金资助:国家自然科学基金项目“基于CAS-CA建模的绿洲城市增长边界模拟及生态空间保护研究”(41701173);甘肃省自然科学基金项目“基于脆弱性测度的六盘山连片特困区贫困度识别与精准扶贫模式研究”(1606RJZA078);兰州交通大学青年基金项目“丝绸之路河西走廊绿洲城市扩张遥感动态监测及诱因分析”共同资助(2016002)
通讯作者: 周亮     E-mail: zhougeo@126.com
作者简介: 沈 丹(1993-),女,硕士研究生,主要从事基于遥感的贫困空间分析研究。Email: shendt123@sina.com。
引用本文:   
沈丹,周亮,王培安. 基于夜间灯光数据的六盘山连片特困区贫困度识别[J]. 国土资源遥感, 2019, 31(2): 157-163.
Dan SHEN,Liang ZHOU,Peian WANG. Identification of poverty based on nighttime light remote sensing data: A case study on contiguous special poverty-stricken areas in Liupan Mountains. Remote Sensing for Land & Resources, 2019, 31(2): 157-163.
链接本文:  
http://www.gtzyyg.com/CN/10.6046/gtzyyg.2019.02.22      或      http://www.gtzyyg.com/CN/Y2019/V31/I2/157
Fig.1  六盘山连片特困区区位
Fig.2  数据处理流程
指标 权重 意义
农民人均纯收入 0.044 9 反映农民的收入水平
城镇居民人均可支配收入 0.023 5 反映居民的收入水平
高程 0.011 8 反映区域的生活环境
人口密度 0.165 6 反映区域的人口密集程度
人均GDP 0.076 6 反映区域的经济发展水平
城镇化率 0.083 5 反映区域的经济发展水平
投资总额 0.233 8 反映改善人民物质生活的条件
人均财政收入 0.110 7 反映提供基础公共设施与服务的能力
经济密度 0.249 6 反映区域单位面积上经济活动的效率和土地利用的密集程度
Tab.1  MPIstatistical指标权重
差距 类别 2000年 2004年 2008年 2012年 2015年
0 个数/个 51 56 51 50 54
比例/% 65.38 71.79 65.38 64.10 69.23
±1 个数/个 23 21 25 24 21
比例/% 29.49 26.92 32.05 30.76 26.92
±2 个数/个 4 1 2 4 3
比例/% 5.13 1.28 2.56 5.13 3.85
Tab.2  2000—2015年MPIstatisticalALI的等级比较
Fig.3  2000—2015年间MPIstatistical与ALI之间的回归结果
Fig.4  像元总DN值和2000—2015年间基于夜间灯光数据的MPIestimated
贫困程度 2000年 2004年 2008年 2012年 2015年
个数/个 比例/% 个数/个 比例/% 个数/个 比例/% 个数/个 比例/% 个数/个 比例/%
极贫困 46 58.97 44 56.41 45 57.69 39 50.00 45 57.69
高度贫困 20 25.64 21 26.92 20 25.64 21 26.92 16 20.51
中度贫困 4 5.13 4 5.13 4 5.13 9 11.54 8 10.26
轻度贫困 4 5.13 4 5.13 3 3.85 3 3.85 4 5.13
非贫困 4 5.13 5 6.41 6 7.69 6 7.69 5 6.41
Tab.3  六盘山连片特困区贫困程度识别个数与比例比较
[1] 刘艳华, 徐勇 . 中国农村多维贫困地理识别及类型划分[J]. 地理学报, 2015,70(6):993-1007.
Liu Y H, Xu Y . Geographical identification and classification of multi-dimensional poverty in rural China[J]. Acta Geographica Sinica, 2015,70(6):993-1007.
[2] Liu Y H, Xu Y . A geographic identification of multidimensional poverty in rural China under the framework of sustainable livelihoods analysis[J]. Applied Geography, 2016,73:62-76.
doi: 10.1016/j.apgeog.2016.06.004
[3] 何深静, 左姣姣, 朱寿佳 , 等. 中国大城市贫困研究的多种测度与多层模型分析[J]. 人文地理, 2014,29(6):74-80.
He S J, Zuo J J, Zhu S J , et al. Understanding urban poverty in large Chinese cities using multiple measurements and hierarahical regression models[J]. Human Geography, 2014,29(6):74-80.
[4] Jean N, Burke M, Xie M , et al. Combining satellite imagery and machine learning to predict poverty[J]. Science, 2016,353(6301):790-793.
doi: 10.1126/science.aaf7894
[5] 周亮, 徐建刚, 林蔚 , 等. 秦巴山连片特困区地形起伏与人口及经济关系[J]. 山地学报, 2015,33(6):742-750.
Zhou L, Xu J G, Lin W , et al. Relationship of terrain relief degree and population economic development and evaluation of development suitability in continuous poor areas:A case study on Qinba of national contiguous special poverty-stricken areas[J]. Mountain Research, 2015,33(6):742-750.
[6] 陈烨烽, 王艳慧, 王小林 . 中国贫困村测度与空间分布特征分析[J]. 地理研究, 2016,35(12):2298-2308.
Chen Y F, Wang Y H, Wang X L . Measurement and spatial analysis of poverty-stricken villages in China[J]. Geographical Research, 2016,35(12):2298-2308.
[7] 田宇, 许建, 麻学锋 . 武陵山片区多维贫困度量及其空间表征[J]. 经济地理, 2017,37(1):162-169.
Tian Y, Xu J, Ma X F . Multidimensional poverty measurement and spatial distribution of contiguous special poverty-stricken areas:A case study on key city in Wuling Mountain area of poverty alleviation[J]. Economic Geography, 2017,37(1):162-169.
[8] 杨振, 江琪, 刘会敏 , 等. 中国农村居民多维贫困测度与空间格局[J]. 经济地理, 2015,35(12):148-153.
doi: 10.15957/j.cnki.jjdl.2015.12.021
Yang Z, Jiang Q, Liu H M , et al. Multi-dimensional poverty measure and spatial pattern of China’s rural residents[J]. Economic Geography, 2015,35(12):148-153.
doi: 10.15957/j.cnki.jjdl.2015.12.021
[9] Noor A M, Alegana V A, Gething P W , et al. Using remotely sensed night-time light as a proxy for poverty in Africa[J]. Population Health Metrics, 2008,6(1):1-13.
doi: 10.1186/1478-7954-6-1
[10] Elvidge C D, Sutton P C, Ghosh T , et al. A global poverty map derived from satellite data[J]. Computers and Geosciences, 2009,35(8):1652-1660.
doi: 10.1016/j.cageo.2009.01.009
[11] Wang W, Cheng H, Zhang L . Poverty assessment using DMSP/OLS night-time light satellite imagery at a provincial scale in China[J]. Advances in Space Research, 2012,49(8):1253-1264.
doi: 10.1016/j.asr.2012.01.025
[12] Yu B L, Shi K F, Hu Y J , et al. Poverty evaluation using NPP-VIIRS nighttime light composite data at the county level in China[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2015,8(3):1217-1229.
[13] 潘竟虎, 胡艳兴 . 基于夜间灯光数据的中国多维贫困空间识别[J]. 经济地理, 2016,36(11):125-131.
Pan J H, Hu Y X . Spatial identification of multidimensional poverty in China based on nighttime light remote sensing data[J]. Economic Geography, 2016,36(11):125-131.
[14] 曹子阳, 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):1093-1102.
Cao Z Y, Wu Z F, Kuang Y Q , et al. Correction of DMSP/OLS night-time light images and its application in China[J]. Journal of Geo-Information Science, 2015,17(9):1093-1102.
[15] 李峰, 米晓楠, 刘军 , 等. 基于NPP-VIIRS夜间灯光数据的北京市GDP空间化方法[J]. 国土资源遥感, 2016,28(3):19-24.doi: 10.6046/gtzyyg.2016.03.04.
doi: 10.6046/gtzyyg.2016.03.04
Li F, Mi X N, Liu J , et al. Spatialization of GDP in Beijing using NPP-VIIRS data[J]. Remote Sensing for Land and Resources, 2016,28(3):19-24.doi: 10.6046/gtzyyg.2016.03.04.
doi: 10.6046/gtzyyg.2016.03.04
[16] 袁媛, 王仰麟, 马晶 , 等. 河北省县域贫困度多维评估[J]. 地理科学进展, 2014,33(1):124-133.
doi: 10.11820/dlkxjz.2014.01.014
Yuan Y, Wang Y L, Ma J , et al. Multidimensional evaluation of county poverty degree in Hebei Province[J]. Progress in Geography, 2014,33(1):124-133.
doi: 10.11820/dlkxjz.2014.01.014
[17] 袁涛 . DMSP/OLS数据支持的贫困地区测度方法研究[D].北京:中国地质大学( 北京), 2013.
Yuan T . Monitoring Methods for Poor Areas Supported by DMSP/OLS Night Time Light Imgery[D].Beijing:China University of Geosciences(Beijing), 2013.
[18] 丁建军 . 中国11个集中连片特困区贫困程度比较研究——基于综合发展指数计算的视角[J]. 地理科学, 2014,34(12):1418-1427.
Ding J J . Comparative analysis on poverty degree of China’s 11 contiguous destitute areas:With view of comprehensive development index[J]. Scientia Geographica Sinica, 2014,34(12):1418-1427.
[19] 李宗光, 胡德勇, 李吉贺 , 等. 基于夜间灯光数据的连片特困区GDP估算及其空间化[J]. 国土资源遥感, 2016,28(2):168-174.doi: 10.6046/gtzyyg.2016.02.26.
doi: 10.6046/gtzyyg.2016.02.26
Li Z G, Hu D Y, Li J H , et al. Simulation and spatialization of GDP in poverty areas based on night light imagery[J]. Remote Sensing for Land and Resources, 2016,28(2):168-174.doi: 10.6046/gtzyyg.2016.02.26.
doi: 10.6046/gtzyyg.2016.02.26
[1] 张川,叶发旺,徐清俊,邱骏挺. 相山铀矿田西部深钻岩心成像光谱编录及蚀变分带特征[J]. 国土资源遥感, 2019, 31(2): 231-239.
[2] 胡官兵,刘舫,党伟,杨坤,陈庆松. 遥感技术在滇西南植被覆盖区地质填图中的应用[J]. 国土资源遥感, 2019, 31(2): 224-230.
[3] 白泽朝,汪宝存,靳国旺,徐青,张红敏,刘辉. Sentinel-1A数据矿区地表形变监测适用性分析[J]. 国土资源遥感, 2019, 31(2): 210-217.
[4] 刘英,岳辉,侯恩科. MODIS数据在陕西省干旱监测中的应用[J]. 国土资源遥感, 2019, 31(2): 172-179.
[5] 王振林,廖明生,张路,罗恒,董杰. 基于时序Sentinel-1数据的锦屏水电站左岸边坡形变探测与特征分析[J]. 国土资源遥感, 2019, 31(2): 204-209.
[6] 朱茂,沈体雁,黄松,白书建,葛春青,胡琼. InSAR技术地铁沿线建筑物形变监测[J]. 国土资源遥感, 2019, 31(2): 196-203.
[7] 梁林林,江利明,周志伟,陈玉兴,孙亚飞. 无人机遥感影像面向对象分类的冻土热融滑塌边界提取[J]. 国土资源遥感, 2019, 31(2): 180-186.
[8] 钱志友,符海月,王妍,张祎婷. 2004—2016年南京市城市扩张及形态演变特征[J]. 国土资源遥感, 2019, 31(2): 149-156.
[9] 吕金霞,蒋卫国,王文杰,刘颖慧,邓越,王晓雅. 基于移动窗口法雄安新区湿地景观演变及其与人为干扰间的关系[J]. 国土资源遥感, 2019, 31(2): 140-148.
[10] 陈震,张耘实,章远钰,桑玲玲. 高标准农田建后遥感监测方法[J]. 国土资源遥感, 2019, 31(2): 125-130.
[11] 邢学文,刘松,许德刚,钱凯俊. 基于偏最小二乘法的高光谱水面油膜厚度估算[J]. 国土资源遥感, 2019, 31(2): 111-117.
[12] 刘文雅,邓孺孺,梁业恒,吴仪,刘永明. 基于辐射传输模型的巢湖叶绿素a浓度反演[J]. 国土资源遥感, 2019, 31(2): 102-110.
[13] 尹展,张利军,段建良,张沛. 南方植被区强迫不变植被抑制技术改进与应用[J]. 国土资源遥感, 2019, 31(2): 82-88.
[14] 周日平. 黄土高原典型区土壤保持服务效应研究[J]. 国土资源遥感, 2019, 31(2): 131-139.
[15] 吴迪,陈健,石满,覃帮勇,李盛阳. 基于Savitzky-Golay滤波算法的FY-2F地表温度产品时间序列重建[J]. 国土资源遥感, 2019, 31(2): 59-65.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
京ICP备05055290号-2
版权所有 © 2015 《国土资源遥感》编辑部
地址:北京学院路31号中国国土资源航空物探遥感中心 邮编:100083
电话:010-62060291/62060292 Email:gtzyyg@agrs.cn; gtzyyg@163.com
本系统由北京玛格泰克科技发展有限公司设计开发