基于DMSP/OLS夜间灯光数据的环渤海城市群时空演变研究

图1 研究区位置图

Fig.1 Location of the study area

1.2 数据源及其预处理

收集1992—2013年DMSP/OLS夜间灯光遥感数据,该数据分别由6个不同传感器获取,依次为F10(1992—1994年),F12(1994—1999年),F14(1997—2000年),F15(2000—2007年),F16(2004—2009年)和F18(2010—2013年),其灰度值(digital number,DN)范围为0~63。每期数据共包含3类影像,即平均灯光影像、稳定灯光影像和无云观测频数影像。其中,稳定灯光影像剔除了火灾、爆炸以及云雾天气的影响,数据稳定性强^[20,21],故本研究选用稳定灯光影像作为基本数据源。

由于不同传感器所获取的数据存在不同程度的差异,因此首先需对不同传感器获取的DMSP/OLS夜间灯光数据进行校准,使其在时空尺度上具有可比性。本研究借鉴邹进贵等^[22]构建的DMSP/OLS影像校正模型对其进行校准。选取样本数据区域,以2007年夜间灯光数据为标定年度,建立样本数据与标定年度的一元二次回归模型,公式为

(1)

D N_{c} = jD N^{2} + kDN + l

式中: DN和DN_c分别为校正前、后像元的DN值; j,k,l为参数。进而,根据式(1),参照多传感器影像DN值回归模型参数进行回归计算,并将校正后DN值大于63的像元赋值为63。应用ArcGIS软件空间分析功能进行不同传感器同年度影像DN值校正,即

(2)

D {N^{c}}_{(n, i)} = \frac{D {N^{a}}_{(n, i)} + D {N^{b}}_{(n, i)}}{2}

式中: D ${N^{a}}_{(n, i)}$ 和D $N_{(n, i)}^{b}$ 为校正前第n年度不同传感器获取的影像DN值,n=1994,1997,…,2007; D $N_{(n, i)}^{c}$ 为校正后第n年度影像DN值。

根据DMSP/OLS夜间灯光数据的变化特征,后一年度影像DN值不应小于前一年度DN值。据此对不同传感器多年度影像DN值进行校正。公式为

(3)

D N_{(n, i)} = \{\begin{array}{l} D N_{(n - 1, i)}, D N_{(n - 1, i)} \geq D N_{(n, i)} \\ D N_{(n, i)}, 其他 \end{array}

式中: $D N_{(n - 1, i)}$ 和 $D N_{(n, i)}$ 分别为第n-1和n年度影像i像元DN值,n=1993,1994,1995,…, 2013。本研究根据阈值法选取夜间灯光数据DN≥40作为城市阈值,即DN≥40的区域被认定为城市^[23],获得环渤海城市群城市夜间灯光分布数据。

另外,为全面、客观地分析城市规模与城市空间分布的内在联系,分别收集了1993—2014年间的《中国城市统计年鉴》,以获取研究区人口规模统计数据以及国家统计局(http: //www.stats.gov.cn/)公布的研究区各省1992—2013年间的GDP数据和2000—2013年各年末常住人口数据(考虑到统计口径变更,为保证数据具有可比性,故年末常住人口收集时间段为2000—2013年)。

2 研究方法

2.1 城市位序-规模法则

城市规模变化是城市群发展的重要特征之一,本研究基于DMSP/OLS夜间灯光数据采用城市位序-规模法则对城市规模进行量化。目前该方法已被广泛应用于城市格局等方面的研究^[24]。公式为

(4)

\lg P_{i} = \lg P_{1} - q \lg R_{i}

式中: P_i为第i个城市的夜间灯光总量; P₁为最大城市的夜间灯光总量; $\lg P_{1}$ 为最大城市的夜光规模; R_i为按照人口数量排列的第i个城市; q为捷夫系数,表明城市规模与位序的集中与分散程度。若|q|≈1,表明城市规模分布差异性较小,相对均匀; 若|q|>1,表明大城市比较发育且规模集中,中小城市发育欠佳,城市规模首位度较高; 若|q|<1,表明城市规模分布较分散,高位次城市规模不突出,中小城市较发育。对|q|值进行时序动态分析,若|q|增大,说明城市规模分布集中力大于分散力; 若|q|减小,说明集中力小于分散力。

2.2 城市空间扩展速率指数

城市空间变化的速率可在空间尺度上反映城市群扩展的数量特征。本研究从城市用地面积变化的角度基于DMSP/OLS夜间灯光数据提取城市用地面积,通过扩展速率指数V描述城市扩展特征^[25]。公式为

(5)

V = \frac{Δ U}{Δ m} \times 100 %

(6)

Δ U = U_{t + Δ m} - U_{t}

式中: $Δ U$ 为时间间隔内城市用地面积的变化量; $U_{t + Δm}$ 和 $U_{t}$ 分别表示第 $t + Δ m$ 年和第t年城市用地面积; $Δ m$ 为研究时间间隔; V表示时间间隔内城市平均扩展面积,即扩展速率指数。

2.3 标准差椭圆

城市群空间范围及重心动态变化是城市群空间演变过程中重要的形态特征体现,本研究利用标准差椭圆方法揭示城市群地理要素空间分布及时空演变过程多个形态特征^[26]。椭圆面积变化可反映城市群在空间上的扩张和收缩状态,椭圆重心表示要素空间分布的重心位置,长短轴和方位角变化表示城市群演变的主驱动力方向。本研究基于1992年和2013年DMSP/OLS夜间灯光数据,对比量化环渤海城市群时空演变动态特征。标准差椭圆重心 $(\bar{X_{w}}, \bar{Y_{w}})$ ,椭圆方位角α,x轴标准差α_x和y轴标准差α_y分别为

(7)

\{\bar{X_{w}} = \overset{n}{\sum_{i = 1}} w_{i} x_{i} / \overset{n}{\sum_{i = 1}} w_{i} \bar{Y_{w}} = \overset{n}{\sum_{i = 1}} w_{i} y_{i} / \overset{n}{\sum_{i = 1}} w_{i}

(8)

\tan α = \frac{(\overset{n}{\sum_{i = 1}} w_{i}^{2} \bar{x_{i}}^{2} - \overset{n}{\sum_{i = 1}} w_{i}^{2} \bar{y_{i}}^{2}) + \sqrt[]{(\overset{n}{\sum_{i = 1}} w_{i}^{2} \bar{x_{i}}^{2} - \overset{n}{\sum_{i = 1}} w_{i}^{2} \bar{y_{i}}^{2})^{2} + 4 \overset{n}{\sum_{i = 1}} w_{i}^{2} \bar{x_{i}}^{2} \bar{y_{i}}^{2}}}{2 \overset{n}{\sum_{i = 1}} w_{i}^{2} \bar{x_{i}}^{2} \bar{y_{i}}^{2}}

(9)

α_{x} = \sqrt[]{\frac{\overset{n}{\sum_{i = 1}} (w_{i} \bar{x_{i}} \cos α - \overset{n}{\sum_{i = 1}} w_{i} {\bar{y_{i}} \sin α)}^{2}}{\overset{n}{\sum_{i = 1}} w_{i}^{2}}}

(10)

α_{y} = \sqrt[]{\frac{\overset{n}{\sum_{i = 1}} (w_{i} \bar{x_{i}} \sin α - \overset{n}{\sum_{i = 1}} w_{i} {\bar{y_{i}} \cos α)}^{2}}{\overset{n}{\sum_{i = 1}} w_{i}^{2}}}

式中: ( $x_{i}, y_{i}$ )表示研究对象的空间区位; w_i表示对应权重; ( $\bar{X_{i}}, \bar{Y_{i}}$ )表示研究对象到重心( $\bar{X_{w}}, \bar{Y_{w}}$ )的坐标偏差。

3 环渤海城市群时空演变过程分析结果

3.1 环渤海城市群总体分布特征

基于1992—2013年间环渤海城市群夜间灯光数据统计分析,探究该城市群发展变化规律。环渤海城市群1992年和2013年夜间灯光分布如图2所示,对比可知该城市群各城市夜间灯光总量均呈显著增长,整体增长率为135.89%。结合行政边界、地理区位、自然环境和交通干道等因素分析,环渤海城市群的扩展结构可由一条核心发展轴与3条次级发展轴组成。其中,以京哈和京沪铁路沿线城市构成的核心发展轴,带动整个环渤海城市群南北向的发展; 次级发展轴分别是以沈阳市为中心的哈大高速沿线城市、连接天津市和北京市的京津铁路沿线城市以及连接济南市和青岛市的胶济铁路沿线城市。由此可知,交通与该城市群的整体发展格局息息相关,交通连通度越高对城市发展的带动作用越大。

图2

图2 1992和2013年环渤海城市群夜间灯光分布

Fig.2 Night-time light distribution of the circum-Bohai urban agglomeration in 1992 and 2013

3.2 环渤海城市群城市规模体系

利用位序-规模法则分析得到城市位序-规模双对数图(图3(a)—(c))以及|q|值时间序列图(图3(d)),利用SPSS软件对其进行回归分析,结果表明在0.01置信水平下,回归方程均通过显著性检验。

图3

图3 1992—2013年城市夜间灯光总量位序-规模双对数图与|q|时间序列图

Fig.3 City rank-size plots of night-time light and |q| time series of the circum-Bohai urban agglomeration from 1992 to 2013

由图3可知,1992—2013年|q|值均在1附近变动,说明环渤海城市夜间灯光规模在区域尺度上符合位序-规模分布。相比而言,1992—2002年间,|q|值以大于1居多,表明高位序城市规模较集中,与中小城市差距大,对周围城市的带动作用不明显,城市体系发展存在不平衡和断层现象; 2002—2013年间,|q|值均小于1,表明该阶段城市夜光规模分布总体上较分散,高位序城市规模不突出,中小城市规模与其差异不大且数量较多。总体上,整个环渤海城市群城市规模分布逐渐由“高位序城市独大”的不均衡状态向“多城市全面共同发展”的均衡状态转变。从|q|长时间序列来看,1992—2013年间|q|值逐渐减小,说明该城市群城市规模分布逐渐由集中向分散状态转变,城市规模分布的分散趋势大于集中趋势; 在前期高位序城市的辐射聚集作用带动下,中小城市快速发展夜间灯光规模逐步扩增,相比之下,大城市首位度逐渐降低。

3.3 城市群圈层式空间扩展模式

由1992—2013年间环渤海城市群城市范围时空演变过程(图4),可知该城市群空间扩展模式主要表现为以中心城市为主导的圈层式扩展。

图4

图4 1992—2013年环渤海城市群时空演变过程

Fig.4 Spatio-temporal evolution of the circum-Bohai urban agglomeration from 1992 to 2013

1992—1997年、1997—2002年、2002—2007年和2007—2013年环渤海城市群的城市空间扩展速率分别为14.67 %,7.91 %,12.35 %和4.37 %,城市空间处于不断扩展状态。其中,1992—2013年中心城市空间扩展速率指数由12.28 %降至3.18 %,其他城市的空间扩展速率指数则由16.79 %降至5.14 %,整体环渤海城市群及各子城市群空间扩展速率指数均呈先减小后增大再减小的趋势(表2)。同时,需指出的是除辽中南城市群外,整个环渤海城市群及京津冀、山东半岛子城市群在1992—2013年

表2 1992—2013年环渤海城市群空间扩展速率

Tab.2 Spatial expansion rate of the circum-Bohai Urban Agglomeration from 1992 to 2013(%)

名称	城市类别	空间扩展速率指数
名称	城市类别	1992—1997年	1997—2002年	2002—2007年	2007—2013年	1992—2013年
环渤海城市群	中心城市	12.28	7.50	9.53	3.18	13.99
环渤海城市群	其他城市	16.79	8.22	14.48	5.14	23.13
辽中南子城市群	中心城市	7.66	6.68	11.78	4.01	12.59
辽中南子城市群	其他城市	5.75	5.23	10.08	7.82	11.99
京津冀子城市群	中心城市	13.01	6.67	7.79	3.16	12.71
京津冀子城市群	其他城市	21.39	7.13	12.40	5.98	24.54
山东半岛子城市群	中心城市	15.42	11.70	13.45	2.54	21.45
山东半岛子城市群	其他城市	21.93	10.75	18.36	3.65	31.56

新窗口打开| 下载CSV

间中心城市的扩展速率指数均小于其他城市。其主要原因为,辽中南城市群以发展工业为主,在全球重工业不景气的背景下其经济发展受到严重限制,同时人口外流也是制约其发展的重要因素。对比整个环渤海城市群及各子城市群的GDP与人口发展可知(图5),辽中南城市群较其他子城市群的GDP增长速率最低,人口数量处于停滞状态,从而使得辽中南城市群发展力量主要集中于中心城市,而中小城市未得到良好的发展,城市扩增速率较低。

图5

图5 环渤海城市群及各子城市群GDP与人口变化图

Fig.5 GDP and population change of the circum-Bohai urban agglomeration and its sub-areas

3.4 环渤海城市群空间演变趋势

根据标准差椭圆分析结果(表3和图6)可知,1992—2013年间环渤海城市群城市空间演变总体呈由西向东,由北向南的趋势。椭圆重心坐标由(E118°48',N39°15')移至(E118°33',N38°42'),移动距离为63.91 km,说明该城市群城市规模平均每年向西南方向移动约3.04 km。椭圆面积由2.84×10⁵ km²增至3.13×10⁵ km²,空间增长率为10.18%,

表3 环渤海城市群及其子区域标准差椭圆参数变化

Tab.3 Parameter change of standard deviation ellipse of night-time light distribution for the circum-Bohai urban agglomeration and sub-areas

名称	年份	重心坐标	空间展布范围/km²	空间增长率%	空间变化类型	重心移动距离/km	重心移动方向
环渤海城市群	1992年	E118°48',N39°15'	284 480.34	10.18	扩张	63.91	西南
环渤海城市群	2013年	E118°33',N38°42'	313 453.08	10.18	扩张	63.91	西南
辽中南子城市群	1992年	E122°48', N 41°9'	57 713.56	7.96	扩张	11.89	西南
辽中南子城市群	2013年	E122°40', N 41°6'	62 307.56	7.96	扩张	11.89	西南
京津冀子城市群	1992年	E116°27',N39°24'	60 447.86	3.62	扩张	18.02	西南
京津冀子城市群	2013年	E116°20',N39°16'	62 637.92	3.62	扩张	18.02	西南
山东半岛子城市群	1992年	E118°15',N36°32'	53 624.75	23.80	扩张	18.67	东南
山东半岛子城市群	2013年	E118°27',N36°29'	66 385.35	23.80	扩张	18.67	东南

新窗口打开| 下载CSV

图6

图6 环渤海城市群及子城市群标准差椭圆变化

Fig.6 Standard deviation ellipse change of night-time light for the circum-Bohai urban agglomeration and sub-areas

城市群规模整体呈扩张态势。椭圆短轴由2.23×10⁵ m增至2.52×10⁵ m,长轴由4.06×10⁵ m降至3.96×10⁵ m,表明该城市群表现为东北—西南方向(长轴方向)空间扩张,西北—东南方向(短轴方向)空间收缩。椭圆方位角由43.12°逆时针旋转为38.07°,西北—东南方向变化幅度较大,在该方向上的城市起到了推动城市群时空演变的主要拉力作用。由椭圆变化位置可知,东南沿海等地为椭圆显著变化区,说明该城市群城市空间范围扩展以东南沿海城市为主。就各子城市群而言,辽中南和京津冀子城市群城市区域空间分布总体呈向西南方向扩张格局,山东半岛子城市群呈向东南方向扩张格局。辽中南子城市群重心向西南方向偏移,盘锦市、大连市等沿海城市为椭圆显著变化区域,说明推动该子城市群空间演变的主要拉力集中于沿海城市。京津冀子城市群城市在空间上分布较为集中,城市空间体系在东北—西南方向上收敛,西北—东南方向扩增,椭圆伸缩幅度变化不明显,表明推动该子城市群空间演变的主要拉力集中于北京市、天津市2个中心城市。山东半岛子城市群重心向东部沿海偏移,烟台市、青岛市、日照市为椭圆显著变化区,表明推动该子城市群空间演变主要拉力为东部沿海城市。

4 结论与讨论

1)1992—2013年间,环渤海城市群各城市夜间灯光总量均呈显著增长,整体增长率为135.89%。

2)随时间推移,环渤海城市群中心城市对周边地区的辐射带动作用逐渐增强,中小城市规模不断增加,城市空间体系差距减小,城市规模分布由不均衡状态向均衡状态转变。

3)环渤海城市群空间扩展呈中心城市圈层化特征,除辽中南子城市群外,整个环渤海城市群和其他子城市群的中心城市空间扩展速率指数均小于其他中小城市; 城市群演变格局表现为由西向东,由北向南趋势,重心向西南方向偏移,空间范围呈扩张态势。

本研究基于DMSP/OLS夜间灯光数据在时空尺度上对环渤海城市群的时空演变过程进行研究,较先前应用其他数据源提取城市规模更为快速、精确,该数据在研究城市群空间演变过程方面具有较大潜力,但仍存在以下问题需继续深入探讨: 目前可获得的DMSP/OLS夜间灯光数据时间跨度为1992—2013年,因此对于近期城市相关问题研究存在数据缺失。如何应用现有的DMSP/OLS夜间灯光数据,构建高可信度的预测模型是解决这一问题的重要途径。

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

顾朝林

城市群研究进展与展望

[J]. 地理研究, 2011,30(5):771-784.

DOI:10.11821/yj2011050001 URL Magsci [本文引用: 1]

城市群是指以中心城市为核心向周围辐射构成的多个城市的集合体。城市群的形成是经济发展和产业布局的客观反映,并已成为发达国家城市化的主体形态。进入21世纪,中国加入世界贸易组织,沿海城市群成为国家外向性经济、出口贸易和"世界工厂"的主要地区,以城市群为主体推进中国城市化进程成为中国特色城市化道路的重要选择。本文重点就城市群概念、城市群国外研究、中国城市群的早期研究、中国城市群作为国家战略的研究进行了综述,对中国城市群研究进行了展望。本文认为:中国城市群形成机制较西方发达国家和地区要复杂得多,相关研究也需要结合中国国情进行理论和方法的创新。

Gu Z

Study on urban agglomeration progress and prospects

[J]. Geographical Research, 2011,30(5):771-784.

[2]

Fang C

, Yu D

Urban agglomeration:An evolving concept of an emerging phenomenon

[J]. Landscape and Urban Planning, 2017,162:126-136.

[3]

吴建楠, 程绍铂, 姚士谋 .

中国城市群空间结构研究进展

[J].现代城市研究,2013(12):97-101.

Wu J

, Chen S

, Yao S

Review and prospect of research on spatial structure of China’s urban agglomerations

[J].Modern City Research,2013(12):97-101.

[4]

倪愿, 周小成, 江威 .

结合Landsat数据的DMSP/OLS夜间灯光影像去饱和方法研究

[J]. 遥感技术与应用, 2017,32(4):721-727.

, Zhou X

, Jiang

A reducing saturation method for DMSP/OLS nighttime light image combining Landsat data

[J]. Remote Sensing Technology and Application, 2017,32(4):721-727.

[5]

柴宝惠, 李培军, 张瑞洁 , 等.

基于Landsat数据和DMSP/OLS夜间灯光数据的城市扩展提取:以天津市为例

[J]. 北京大学学报(自然科学版), 2016,52(3):475-485.

DOI:10.13209/j.0479-8023.2015.138 Magsci [本文引用: 1]

以天津市为例, 将多时相的Landsat TM/ETM+影像与DMSP/OLS夜间灯光数据结合起来提取城市建成区扩展信息, 并进行验证和分析。首先, 利用DMSP/OLS夜间灯光数据得到城市建成区的大致范围, 利用这个范围内的Landsat TM/ETM+数据和多波段纹理进行图像分类, 得到城市建成区的空间分布。然后, 利用分类后比较法得到城市建成区的变化信息, 将提取的建成区变化结果与利用 DMSP/OLS数据得到的城市建成区扩展信息以及基于统计数据的城市建成区变化趋势进行对比, 验证方法的有效性。结果表明, 结合DMSP/OLS数据和Landsat 数据的光谱特征以及提取的多波段纹理特征, 可有效地减少裸土与城市建成区的混淆, 与只利用光谱信息的建成区提取及变化检测相比, 得到更高的精度。因此, 结合 Landsat TM/ETM+数据和DMSP/OLS夜间灯光数据提供了一种进行大型城市建成区扩展检测的有效方法。

Chai B

, Li P

, Zhang R

, et al.

Urban expansion extraction using Landsat series data and DMSP/OLS nighttime light data:A case study of Tianjin area

[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2016,52(3):475-485.

DOI:10.11873j.issn.1004-0323.2014.2.0362 Magsci [本文引用: 1]

[6]

耿丽英, 马明国 .

长时间序列NDVI数据重建方法比较研究进展

[J]. 遥感技术与应用, 2014,29(2):362-368.

长时间序列遥感数据集被广泛应用于全球或区域环境变化、植被动态变化、土地覆盖变化和植物生物物理参数反演等研究,受云、气溶胶、太阳高度角和地物二向反射等因素的影响,这些数据集本身存在很多噪声,限制了数据的深入分析和应用,因此,数据重建是应用前的重要工作。在总结归纳现有时间序列重建方法的基础上,综述了重建方法比较研究的成果,深入比较了常用重建方法对参数的设置要求,分析了目前对重建效果的评价方法以及存在的问题,同时对时间序列数据重建通用软件及其发展作了详细介绍。最后提出了时间序列重建以后的研究重点和发展方向,以期为长时间数据重建研究和应用提供帮助。

Geng L

, Ma M

Advance in method comparison of reconstructing remote sensing time series data sets

[J]. Remote Sensing Technology and Application, 2014,29(02):362-368.

[7]

杨眉, 王世新, 周艺 , 等.

DMSP/OLS夜间灯光数据应用研究综述

[J]. 遥感技术与应用, 2011,26(1):45-51.

DMSP/OLS以其独特的光电放大特性与对夜间灯光的获取能力,成为人类活动监测的良好数据源。回顾了DMSP/OLS夜间灯光数据在城镇信息提取、社会经济因子估计及光污染、火灾、渔火、天然气燃烧监测等方面的应用,其中重点介绍了利用灯光数据估算城市化水平和人口的方法和步骤,并总结了DMSP/OLS夜间灯光数据在应用中的优越性与局限性,最后对其未来应用方向进行了展望。 

Yang

, Wang S

, Zhou

, et al.

Review on applications of DMSP/OLS night-time emissions data

[J]. Remote Sensing Technology and Application, 2011,26(1):45-51.

[8]

Castells-Quintana

Malthus living in a slum:Urban concentration,infrastructure and economic growth

[J]. Journal of Urban Economics, 2017,98:158-173.

[9]

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.

Li D

, Yu H

, Li

The spatial-temporal pattern analysis of city development in countries along the Belt and Road Initiative based on nighttime light data

[J]. Geomatics and Information Science of Wuhan University, 2017,42(6):711-720.

[10]

Amaral

, Monteiro A

M V

, Camara

,et al.

DMSP/OLS night-time light imagery for urban population estimates in the Brazilian Amazon

[J]. International Journal of Remote Sensing, 2006,27(5):855-870.

[11]

吴健生, 刘浩, 彭建 , 等.

中国城市体系等级结构及其空间格局——基于DMSP/OLS夜间灯光数据的实证

[J]. 地理学报, 2014,69(6):759-770.

DOI:10.11821/dlxb201406004 URL Magsci [本文引用: 1]

完善的城市体系可以不断优化各个城市的时空资源并强化区域城市的集聚效应，切实推动区域可持续发展与城市综合效益最大化。受惠于城市因素流与城市作用潜力的显著相关关系，节点体系研究可以准确测度城市体系内部各个城市之间的相互作用关系，又避免了功能体系研究所需矢量数据的难以获取与测算庞杂，而DMSP/OLS夜间灯光遥感数据可以综合地定量测度城市地区人类活动的广度与强度。基于夜间灯光指数的引力模型定量测度中国341个城市之间的相互作用关系，并通过二阶段聚类法综合分析其城市体系等级结构与空间格局。中国节点城市被划分为7 大国家节点城市（包括北京、天津、上海、广州、重庆、哈尔滨与沈阳）、26 个区域节点城市与107 个省域节点城市，而中国城市体系则被划分为2 个国家城市体系（北方城市体系与南方城市体系）、8 个区域城市体系（华北城市体系、东北城市体系、西北城市体系、黄河中游城市体系与华东城市体系、华南城市体系、西南城市体系、长江中游城市体系）与31 个省域城市体系。城市体系的地域范围是相对的、局部的，没有明确的识别界线，不过通过对基于DMSP/OLS夜间灯光数据的中国城市体系等级结构与空间格局与顾朝林实证研究的分析结果进行进一步的综合比对评估，总体而言，基于DMSP/OLS夜间灯光数据对城市体系的等级结构与空间格局进行实证研究是可信的和可行的。

Wu J

, Liu

, Peng

, et al.

Hierarchical structure and spatial pattern of China’s urban system:Evidence from DMSP/OLS nightlight data

[J]. Acta Geographica Sinica, 2014,69(6):759-770.

[12]

Huang Q

, He C

, Gao

, et al.

Detecting the 20 year city-size dynamics in china with a rank clock approach and DMSP/OLS nighttime data

[J]. Landscape and Urban Planning, 2015,137:138-148.

[13]

韩向娣, 周艺, 王世新 , 等.

基于夜间灯光和土地利用数据的GDP空间化

[J]. 遥感技术与应用, 2012,27(3):396-405.

GDP是社会经济发展、区域规划和资源环境保护的重要指标之一。然而,传统以各级行政单元为主的GDP统计资料无法显示区域内部GDP的差异,尝试通过GDP空间化来解决这个问题,以满足资源环境研究领域对空间型社会经济数据的需求。在分析总结国内外社会经济数据空间化技术方法的基础上,第一产业基于土地利用数据建模\,第二产业和第三产业基于DMSP/OLS与土地利用数据结合生成的土地灯光参数建模。为提高模型质量,全国按照省级行政边界分区,将因变量GDP分产业分区建模,第一产业绝大部分区域的模型精度在0.7~0.95之间,第二产业和第三产业绝大部分区域的模型精度在0.8~0.98之间。通过与其他GDP空间化技术和结果的比较分析,本研究中的GDP空间化方法无论是模型精度还是GDP密度分布结果都具有一定的优势。生成的GDP密度图能较完整地反映全国GDP分布细节以及宏观分布特征,可为将来经济策略和发展路线的绘制提供一定依据。

Han X

, Zhou

, Wang S

, et al.

GDP Spatialization in China based on DMSP/OLS data and land use data

[J]. Remote Sensing Technology and Application, 2012,27(3):396-405.

[14]

刘璐

基于夜间灯光数据的城市群蔓延指标

[J]. 国土资源遥感, 2018,30(2):208-213.doi: 10.6046/gtzyyg.2018.02.28.

Liu

Urban sprawl metrics based on night-time light data for metropolitan areas

[J]. Remote sensing for land and resources, 2018,30(2):208-213.doi: 10.6046/gtzyyg.2018.02.28.

[15]

金梦, 邓顺强, 杨成术 , 等.

基于夜间灯光遥感数据多尺度城市聚类分析

[J]. 遥感技术与应用, 2017,32(5):973-982.

Jin

, Deng S

, Yang C

, et al.

Multi-scale clustering analysis on China urban based on nighttime image

[J]. Remote Sensing Technology and Application, 2017,32(5):973-982.

[16]

杨洋, 李雅静, 何春阳 , 等.

环渤海地区三大城市群城市规模分布动态比较——基于1992—2012年夜间灯光数据的分析和透视

[J]. 经济地理, 2016,36(4):59-69.

Yang

, Li Y

, He C

, et al.

A comparative study on spatiotemporal dynamics of city size distribution among three urban agglomerations in Bohai rim:Based on the analysis and perspective of nighttime light data from 1992 to 2012

[J]. Economic Geography, 2016,36(4):59-69.

[17]

盖美, 张丽平, 田成诗 .

环渤海经济区经济增长的区域差异及空间格局演变

[J]. 经济地理, 2013,33(4):22-28.

Gai

, Zhang L

, Tian C

Economic development disparities and spatial pattern evolution in Bohai Sea economic zone

[J]. Economic Geography, 2013,33(4):22-28.

[18]

王磊, 王琰琰, 张宇 .

城市土地利用效益与城市化耦合协调性分析——以环渤海地区27个城市为例

[J]. 生态经济, 2017,33(5):25-28.

Wang

, Wang Y

, Zhang

Coupling coordination degree of urban land use benefit and urbanization:A case of 27 cites in the Bohai rim region

[J]. Ecological Economy, 2017,33(5):25-28.

[19]

王利伟, 冯长春 .

转型期京津冀城市群空间扩展格局及其动力机制——基于夜间灯光数据方法

[J]. 地理学报, 2016,71(12):2155-2169.

DOI:10.11821/dlxb201612007 Magsci [本文引用: 1]

针对中西方城市群空间扩展路径研究的争论,以京津冀城市群为例,运用夜间灯光数据,采取扩展强度指数、空间关联模型、多维驱动力分析模型,定量揭示了城市群时空扩展路径及其动力机制。结果表明：① 1992-2012年,京津冀城市群时空扩展呈现以京津唐为核心的中心集聚扩展模式,保定—衡水—石家庄之间的“三角地带”成为城市群空间扩展的冷点区;② 城市群空间扩展虽然已经出现了扩散势头,但向心集聚的惯性作用力依然强大;③ 城市群时空扩展的动力机制表现出以市场力为主要驱动因子的特征,行政力、外向力和内源力对城市群空间扩展的影响作用依次递减,从城市群空间扩展的驱动力演化趋势看,市场力、行政力、外向力的影响呈现上升趋势,而内源力的影响系数则呈现下降趋势。最后,提出降低行政干预、构建市场主导机制、强化内外双向开放、推动产业升级政策建议,促进城市群空间结构持续优化。

Wang L

, Feng C

Spatial expansion pattern and its driving dynamics of Beijing-Tianjin-Hebei metropolitan region:Based on nighttime light data

[J]. Acta Geographica Sinica, 2016,71(12):2155-2169.

[20]

何春阳, 李景刚, 陈晋 , 等.

基于夜间灯光数据的环渤海地区城市化过程

[J]. 地理学报, 2005,60(3):409-417.

DOI:10.3321/j.issn:0375-5444.2005.03.007 URL Magsci [本文引用: 1]

利用1992年、1996年和1998年的三期DMSP/OLS夜间灯光数据, 提取了区域尺度的环渤海地区20世纪90年代的城市群空间信息, 建立了城市群地区面状、线状和点状城市化空间模式, 分析了环渤海城市群地区20世纪90年代的城市化过程。基本结论如下：① 20世纪90年代环渤海城市群地区城市斑块数量增长较快, 城市化过程明显, 但小斑块所占比重较大, 城市斑块破碎度增加。同时, 区域内城市重心基本维持在经度117.93o和纬度38.49o附近, 整体上表现出向西北方向移动的趋势。② 20世纪90年代环渤海城市群地区城市化过程基本上可以从空间上概括为在中心城市和大城市周围的面状城市化过程、沿交通干线周围的线状城市化过程和广大区域内以新兴小城市或小城镇出现为特征的点状城市化过程三种基本过程。其中, 面状城市化过程一直居于优势地位, 但面状城市化过程的基本有效范围主要局限在面状城市斑块周围3~4 km范围。线状城市化过程和点状城市过程所占的比例相对较小, 但表现出明显的增强趋势, 在区域内的影响范围正逐渐扩大。

He C

, Li J

, Chen

, et al.

The urbanization model and process in Bohai Sea surrounding area in the 1990s by using DMSP/OLA data

[J]. Acta Geographica Sinica, 2005,60(3):409-417.

[21]

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):1092-1102.

DOI:10.3724/SP.J.1047.2015.01092 Magsci [本文引用: 1]

美国国防气象卫星搭载的业务型线扫描传感器（DMSP/OLS）获取的夜间灯光影像,可客观地反映人类开发建设活动强度,其广泛应用于城市遥感的多个领域。但该数据缺少星上的辐射校正,下载的原始影像数据集不能直接用于研究,需进行区域校正。长时间序列的DMSP/OLS夜间灯光影像数据集主要存在2个问题需在校正过程中解决：（1）原始影像数据集中的影像是非连续性的;（2）数据集中的每一期影像都存在着像元DN值饱和的现象。针对这2个问题,本文提出了一种不变目标区域法的影像校正方法,对提取出来的每一期中国区域的夜间灯光影像进行了校正,该校正方法包括相互校正、饱和校正和影像间的连续性校正。最后,为了检验校正方法的合理性与可靠性,本文将校正前后中国夜间灯光影像与GDP和电力消耗值,分别进行回归分析评价表明,校正后的影像更客观合理地反映区域经济发展的差异。

Cao Z

, Wu Z

, Kuang Y

, et al.

Correction of DMSP/OLS night-time light images and its application in China

[J]. Journal of Geo-Information Science, 2015,17(9):1092-1102.

[22]

邹进贵, 陈艳华, 田径 , 等.

基于ArcGIS的DMSP/OLS夜间灯光影像校正模型的构建

[J]. 测绘地理信息, 2014,39(4):33-37.

Zou J

, Chen Y

, Tian

, et al.

Construction of the calibration model for DMSP/OLS nighttime light images based on ArcGIS

[J]. Journal of Geomatics, 2014,39(4):33-37.

[23]

谈明洪, 吕昌河 .

以建成区面积表征的中国城市规模分布

[J]. 地理学报, 2003,58(2):285-293.

DOI:10.3321/j.issn:0375-5444.2003.02.016 URL Magsci [本文引用: 1]

选择1990~2000年中国城市用地面积位于前200位的地级及地级以上的城市用地资料，把运用在城市人口规模上的位序-规模法则移植到城市用地上，分析了城市土地利用规模的变化规律。然后运用分形理论，阐释了城市用地的位序-规模曲线。结果显示：(1)以建成区面积作为衡量城市规模的指标，中国城市规模分布符合位序-规模法则，拟合曲线的判定系数都在0.95以上；(2)根据位序-规模曲线的形态，中国城市按建成区面积可分为3类：用地面积>200 km2的大城市，50~200 km2的中等城市和<50 km2的小城市；(3)城市建成区用地的位序-规模曲线有平行向前推进的特点，这为预测我国未来城市建成区用地规模提供很好的基础；(4)中国位于前200位的城市用地规模分布的均衡度不断增强，城市建成区用地规模总量持续增加。

Tan M

, Lyu C

Distribution of China city size expressed by urban built-up area

[J]. Acta Geographica Sinica, 2003,58(2):285-293.

[24]

郭建科, 陈园月, 于旭会 , 等.

1985年来环渤海地区港口体系位序——规模分布及作用机制

[J]. 地理学报, 2017,72(10):1812-1826.

DOI:10.11821/dlxb201710007 Magsci [本文引用: 1]

运用位序—规模法则与核密度方法,以近30年来各港口货物吞吐量及集装箱吞吐量为主要指标,刻画环渤海地区港口体系的规模分布特征,分析其作用机制。结果表明：① 总体看,环渤海地区港口体系具有一定位序—规模分布特征,但不同阶段、不同规模的港口在位序分布上出现明显分化,港口区域化特征愈发明显。② 港口货物吞吐量位序—规模分布的无标度区数量先增后减,最终由单分形变为双分形结构。区域港口体系经历了高位序平衡发展、中小港口突破、大中小港口差异化发展、枢纽港竞合下的港口融合四个阶段。港口集装箱吞吐量位序—规模分布的变化轨迹呈现外接式分割发展、枢纽港形成及新兴港口融入、支线港大型化和集装箱网络整合四个阶段。两者在发展节点上基本吻合;港口集中化与分散化交织进行,货物总吞吐量的分散化早于集装箱运输,分散趋势较为明显。③ 环渤海地区港口体系位序—规模演化的作用机制突出表现为自然经济地理约束下的大港口主导作用明显、区域化和竞争压力倒逼港口合作并推动港口实现自组织协调、能源输出特征及转型推动新兴港口快速成长三方面。

Guo J

, Chen Y

, Yu X

, et al.

Rank-size distribution and mechanism of port system in the Bohai rim during the past thirty years

[J]. Acta Geographica Sinica, 2017,72(10):1812-1826.

[25]

舒松, 余柏蒗, 吴健平 , 等.

基于夜间灯光数据的城市建成区提取方法评价与应用

[J]. 遥感技术与应用, 2011,26(2):169-176.

DMSP/OLS夜间灯光数据已被广泛应用于城市建成区的提取。目前主要存在4类提取方法:经验阈值法、突变检测法、统计数据法和较高分辨率影像数据空间比较法。以上海为例,在2000年、2003年、2006年夜间灯光数据的基础上,利用4种方法完成了城市建成区的提取。通过对不同年份数据提取结果的比较,证明了相同的灰度分割阈值对不同年份的夜间灯光数据中不存在通用性；在对2003年夜间灯光数据的提取中,4类方法所得结果精确度从高到低依次为统计数据法、突变检测法、经验阈值法和较高分辨率影像数据空间比较法,相对误差分别为1.3%、2.1%、5.1%和11.2%,在对4种方法的便捷性和可实现性进行分析与评价后,使用突变检测法完成了上海市2000~2006年城市建成区的提取。

Shu

, Yu B

, Wu J

, et al.

Methods for deriving urban built-up area using night-light data:Assessment and application

[J]. Remote Sensing Technology and Application, 2011,26(2):169-176.

[26]

王春杨, 吴国誉, 张超 .

基于DMSP/OLS夜间灯光数据的成渝城市群空间结构研究

[J]. 城市发展研究, 2015,22(11):20-24.

Wang C

, Wu G

, Zhang

Research on spatial structure of the Chengdu-Chongqing urban agglomeration based on the DMSP/OLS nighttime light data

[J]. Urban Development Studies, 2015,22(11):20-24.