基于NPP/VIIRS夜間燈光和土地利用的大連市人口空間化研究

趙 宇a,王 利a,李欣欣a,趙東霞

(遼寧師范大學 a.城市與環境學院;b.海洋經濟與可持續發展研究中心;c.管理學院,遼寧 大連116029)

1 引言

人口是一個綜合多種社會關系的社會實體,它對社會、經濟、生態和環境等方面產生了深遠的影響,正確認識人口的增長與分布對提高人口素質、資源和環境的綜合管理意義重大[1]。在GIS和遙感技術對人口空間化的研究中,王雅雯、王利等依據人口空間分布與土地利用的關系,繪制出遼陽市人口空間分布圖[2];陳楠依據人口空間分布與自然、經濟因子的定量關系,建立了人口空間分布模型，提出人口壓力新指標[3];王慧鵬研究了地形起伏度與人口空間分布關聯,提出人口空間分布與地形因素在小尺度范圍內有較強相關性[4];白平平選取內蒙古3年的人口統計數據分析人口增長特征,結合2010年內蒙古氣候、DEM等數據實現人口數據空間化,并對2015年內蒙古人口進行了模擬[5];周自翔等運用ArcGIS鄰域分析提取關中—天水經濟區地形起伏度,并從比例結構、空間分布和高度特征三個方面系統分析了地形起伏度的分布規律及其與人口分布的相關性[6]。雖然土地利用數據和人口統計數據能有效實現人口空間化分析,但是土地利用數據具有時效性,鑒于城鎮化進程較快,土地利用數據在反映城市人口分布方面具有明顯的缺陷,無法提供時效性較好的人口空間化數據。

從20世紀末期起,燈光數據開始被人們所關注。由于燈光數據具有獨特的空間性,近年來基于夜間燈光數據對城鎮人口化、建筑密度、GDP等方面的研究越來越多。楊眉等以DMSP/OLS夜間燈光數據在城鎮提取等方面的應用為基礎,系統介紹了燈光數據估算城市化水平和人口的方法和步驟[7];曹麗琴等將2000年湖北省各縣市DMSP/OLS衛星的夜間燈光數據亮度值與各縣市城鎮人口之間建立相應的模型,模擬了2002年湖北各縣區人口[8];鄭輝等運用Suomi-NPP/VIIRS夜間燈光影像,結合GIS手段分析了南京市主城區燈光圖像強度值與建筑密度之間的關系,并建立了相應的建筑密度估算模型,同時提出VIIRS夜間燈光強度數據具有實現建筑密度估算以及其他社會經濟數據空間網格化的巨大潛力的結論[9];李峰等基于NPP/VIIRS夜間燈光數據,對河北省的GDP進行了相關分析,結果顯示夜間燈光總強度與地市內各區縣的GDP相關性最顯著[10];Shi[11]、Elvidge[12]的研究表明VIIRS燈光數據對提取城市建成區、估算國民生產總值、電力消耗等具有優勢;黃益修將NPP/VIIRS夜間燈光影像和出租車軌跡數據融合在人口空間化中,為城市人口空間分布提供了一個新的視角[13]。通過以上研究成果發現,遙感影像數據成為當前獲取人口數據的重要手段,但對一些不發達地區,燈光數據作用不明顯。

目前已有研究采用DMSP/OLS數據作為數據源實現了人口空間化,取得了較好的效果。高義等運用DMSP/OLS和NPP/VIIRS兩種燈光數據分別建立了1km×1km和0.5km×0.5km的人口格網密度圖,提出NPP/VIIRS夜間燈光數據適用于人口空間化,且其反演精度整體優于基于DMSP/OLS傳統夜間燈光數據反演的人口格網模型[14];陳晴等基于土地利用數據和夜間燈光數據建立了1km柵格的人口空間格網化模型,認為燈光數據在人口密度較大的地區有更好的模擬效果[15]。

本文運用2015年12月NPP/VIIRS夜間燈光數據和土地利用數據研究大連市人口空間化分布,基于大連市2015年人口統計數據和128個典型采樣點,分別采用NPP/VIIRS夜間燈光數據和土地利用數據建立回歸模型,嘗試對人口空間化進行分析并估算大連市各轄區人口,以期為該市人口與區域相關性研究以及相關區域人口空間化提供參考。

2 研究區域及數據

2.1 研究區域概況

大連位于遼東半島最南端,西北瀕臨渤海,東南面向黃海,處于120°58′—123°31E′、38°43′—40°10′N之間，是全國15個副省級城市之一、5個計劃單位列市之一、全國14個沿海開放城市之一。大連市總面積約12574km2,其中建成區土地面積396km2。大連市下轄10個縣區,其中主城區占地面積為:中山區52.15km2、西崗區26.88km2、沙河口區41.81km2、甘井子區463.46km2,共有35個鎮20個鄉116個街道辦事處。截止2015年末,大連市常住人口717.84萬人,其中總戶籍人口593.6萬人。主城區人口數為:中山區37.68萬人、西崗區36.13萬人、沙河口區65.61萬人、甘井子區136.18萬人,整體比上年末減少了7357人。大連市區人口304.9萬人,增長了0.2%,非戶籍流動人口100萬人。

2.2 數據來源及數據預處理

數據來源:①人口數據。鄉鎮街道是我國人口普查數據發布的基本單元,普查數據包含眾多人口指標,能更精確客觀地反映我國的人口地理國情,統計數據能夠較為真實地反映區域常住人口。鑒于此,本研究采用2015年《大連市統計年鑒》中的各鄉鎮街道統計人口數據,匯總各區、市、縣人口總數,作為建模和精度評價的參考標準。②典型樣本點。本文根據2015年實地調查獲取的大連市各區城鎮、農村內包含各種用地類型,最終確定128個具有代表性的采樣點,以0.5km×0.5km為采樣范圍,實際統計出此范圍的人口數量,從而得到128個采樣點的人口密度(人/km2)作為建模的基礎數據。③夜間燈光影像。采用2015年12月空間分辨率為0.5km的NPP/VIIRS月合成夜間燈光遙感影像為基礎數據,該數據從美國國家海洋中心氣象局處獲取(https://www.ngdc.noaa.gov/eog/viirs/download_monthly.html),該數據中心提供了2012年4月至今的VIIRS月合成夜間燈光遙感影像,月數據是由DNB波段記錄的日數據根據特定算法合成,合成算法剔除了云層反光和暫時性地物,如火災、閃電等對燈光輻射值的干擾,空間參考系統為WGS84。④土地利用數據。依據全國第二次土地利用調查數據校對到2015年的大連市土地利用數據,包括城鎮用地、農村居住用地、耕地、林地、草地、水域、未利用土地、交通工礦用地等8個地類結構數據,每個數據圖層包含一個地類。

數據預處理:首先,依據大連市最新行政區劃分對居住用地進行提取。基于“二調”數據對大連市的中山區、西崗區、沙河口區、甘井子區、旅順口區、金普新區、瓦房店市、普蘭店區、莊河市和長海縣10個區域進行居住用地的提取,并根據各區城鄉規劃將居住用地分為城鎮居住用地和鄉村居住用地,為土地利用數據建模估算人口做準備。其次,為充分發揮夜間燈光數據的空間分辨能力,運用燈光數據提取大連市區域。并將空間數據投影變換至WGS84-UTM-51N坐標系,NPP/VIIRS燈光數據點集運用克里金插值方法重新生成柵格數據影像；再將像元大小重采樣至0.5km×0.5km,同時生成大連市陸地部分0.5km×0.5km的格網。然后,運用ArcGIS賦值技術將燈光輻射率值賦到每個格網當中；運用ArcGIS空間分析工具,依據大連市行政邊界裁剪燈光數據,得到大連市范圍內的燈光影像。第三,將提取的土地利用數據與大連市的燈光影像相結合，運用ArcGIS技術中的疊加分析方法,提取各轄區內居住用地燈光數據,并匯總各轄區居住用地燈光輻射率總值,為用燈光輻射率建模后估算人口做準備。

3 模型構建

3.1 基于土地利用數據建模

人口空間分布與自然環境中的高度、坡度、氣溫、河流、道路、城鎮分布等因素息息相關,土地利用的空間格局是影響人口空間分布的主要因素。土地利用類型與人口空間分布關系密切,因此采用土地利用數據表征人口分布,是實現人口空間化的最普遍方式。將土地利用類型與人口空間分布進行相關性分析,依據“人口—居住用地”的原則,選擇與人口分布相關性強的土地類型作為建模數據,按照式(1)建立回歸模型:

(1)

式中,P為某模擬單元格網的實測人口總數；n為土地利用類型數；Ki為某模擬單元格網土地利用類型系數；Si為某模擬單元格網土地利用類型的面積；b為常數項。根據“人口—居住用地”的原則,建立回歸模型時將b設為0。

根據128個典型采樣點的實測人口數據和單個格網農村居民點面積和城鎮用地面積,得到回歸模型,其中S1和S2分別是城鎮和農村居住用地面積。

P=35206S1+414S2

(2)

式中,R2=0.763,說明土利用面積與人口具有線性相關性。

3.2 基于NPP/VIIRS燈光數據建模

在已有研究中,學者們多利用DSMP/OLS夜間燈光數據對人口空間化進行研究,相對于DSMP/OLS燈光數據,NPP/VIIRS的空間分辨率得到了提升。通過對夜間燈光總輻射率與人口數關系研究,表明以城市為統計單元,夜間亮度總值和統計人口數之間呈現顯著的相關性[16,17]。對夜間燈光輻射率與典型采樣點實測人口數按式(3)構建回歸模型:

P=a×Ri+b

(3)

式中,P為某格網單元的總人口數量；a為比例系數；Ri為某格網單元內的燈光總輻射率；b為截距。根據大連市128個典型采樣點的實測人口數據與相應的燈光輻射率進行回歸分析,得到回歸模型:

y=70.934x-873.69

(4)

式中,R2=0.754,說明燈光強度值與人口具有線性相關性。

4 人口空間化結果與分布圖繪制

4.1 人口空間化結果

研究區總人口為717.84萬人,基于土地利用數據模擬人口數量為618.75萬人,構建的回歸模型R2=0.763,基于NPP/VIIRS燈光數據模擬人口總量為590.85萬人,構建的回歸模型R2=0.754。說明土地利用數據和燈光數據與人口分布之間均具有較強的相關性,建立的模型具有較高的可靠性,得到的回歸模型可以用來預測大連市的人口數。基于上文得到的回歸模型,采用兩種方法預算的大連市人空間分布情況見圖1。

圖1 基于土地利用數據(a)和NPP/VIIRS夜間燈光數據(b)模擬的人口空間化分布

從整體上可見,圖1a人口分布變化較破碎。由于土地利用數據模擬的人口按照土地利用類型分布,部分中心區域與人口密度較小區域的人口分布過渡地帶狹小,沒有形成過渡帶。圖1b的人口變化空間異質性不突出,人口從城市中心向四周輻射具有漸變效果,形成了人口過渡帶。對比兩種類型在0.5km×0.5km柵格單元上模擬人口變化,采用土地利用數據模擬人口區間值達45620,燈光數據模擬人口區間值達7232,說明土地利用數據模擬的人口在鄉村周圍分布均勻,而依據燈光數據模擬的人口在城市中心周圍分布均勻。

4.2 人口分布圖的繪制

根據本文構建的人口預測模型,分別基于大連市土地利用數據和夜間燈光數據估算得到該市各轄區的人口數量,利用得到的估算人口數與大連市街道統計人口進行比較,具體的人口情況與誤差分布見表1。

表1 2015年大連市各轄區人口估算與誤差

采用基于土地利用數據估算的大連市甘井子區的人口誤差最小,為0.01。相對誤差較小的區域還有大連市金普新區、旅順口區、沙河口區、西崗區和中山區。大連市普蘭店區和莊河市的相對誤差值大于0.5,其中大連市普蘭店區的相對誤差較大,達到0.62,總人口數的相對誤差為0.14。基于夜間燈光數據估算的大連市西崗區的相對誤差最小,為0.12。此外,相對誤差值較小的區域還有大連市中山區、沙河口區、甘井子區、旅順口區和金普新區,除旅順口區和金普新區,其他區域均為大連市的主城區。而大連市瓦房店市、普蘭店區、莊河市和長海縣的相對誤差值大于0.5,其中大連市長海縣的相對誤差值最大,達到0.89,總人口數的相對誤差為0.18。從整體看兩個數據預測的結果是比較精確的。

大連市共10個轄區,兩種數據中主城區人口預測相對誤差都小于0.2。其中,大連市甘井子區是主城區中面積最大的區,鄉村人口比例較大,人口分布疏散,土地利用數據對該地區的預測誤差值最小。大連市西崗區的面積最小、人口最集中,夜間燈光數據對該區域預測的誤差最小,而且相對誤差值較低的其他區域或是大連市的主城區,或是經濟發展水平較高的市區,人口分布都較集中。而大連市長海縣是由幾個島嶼構成,從實際出發,人口居住地的燈光強度比較低,估測的人口數相對誤差較大；而大連市瓦房店市、普蘭店區和莊河市的面積較大,居住用地較分散,人口密度較小,同樣導致估算結果的相對誤差較大。

基于NPP/VIIRS夜間燈光數據估算得到大連市人口與居住用地分布,依照“無土地無人口”的對應原則,結合土地利用數據中的典型鄉村區域,利用ArcGIS10.2平臺實現人口空間化,創建人口分布圖,繪制出較為精確的大連市人口分布圖,具體分布結果見圖2。

圖2 基于NPP/VIIRS夜間燈光數據模擬的人口分布

從圖2可見,大連市人口密度較大區域分布在中山區、西崗區、沙河口區和甘井子區,主要是大連市的主城區;大連市旅順口區除西南小部分區域形成人口密集區外,整體人口密度較小；大連市國家級新區----金普新區在該區域的南部人口密度較高,其他區域均勻分布;大連市北部的瓦房店市、普蘭店區、莊河市和長海縣的鄉村較多且分散分布,因此人口密度較低。

整體來看,大連市人口主要分布在該市的南部區域,尤其是老城區人口密度很大,北部地區人口分散分布,市內河流、湖泊、周邊水產養殖圈和海域內均無人口分布。該結果與大連市的實際人口分布情況相符,表明基于NPP/VIIRS夜間燈光數據可以較好地模擬城鎮人口分布。而將該模擬結果與土地利用數據模擬的鄉村人口分布的結果相結合,就會得到更為精確、與實際情況接近的人口分布圖,而且能展示大連市人口的空間分布特點,說明NPP/VIIRS夜間燈光數據可作為模擬區域人口分布的重要技術手段。

5 結論與討論

5.1 結論

本研究針對當前人口分布圖繪制不夠精確、分布狀況偏離實際等問題,以大連為實例,結合大連市128個典型采樣點的實測人口數據,以及全國第二次土地利用調查數據和NPP/VIIRS夜間燈光數據,分別構建土地利用數據模型和NPP/VIIRS燈光數據模型的人口空間化模型,以縣(區)為驗證單元,比較兩種方法模擬人口分布的優缺點,確定模擬區域人口分布情況,主要得到以下結論:①土地利用數據和NPP/VIIRS夜間燈光數據兩種數據與人口的整體相關性都較高,所構建模型具有較高的可靠性,得到的回歸模型可用以預測大連市的人口。②通過對土地利用數據和NPP/VIIRS夜間燈光數據模擬的大連市人口空間化分布圖的分析,得出土地利用數據模擬的人口分布圖,按照土地利用類型分布,部分中心區域與人口密度較小區域人口分布過渡地帶狹小,沒有形成過渡帶;根據NPP/VIIRS夜間燈光數據模擬的人口分布圖,人口從城市中心向四周輻射具有漸變效果,形成了人口過渡帶。③在人口空間分布模擬方面,NPP/VIIRS夜間燈光數據整體精度與土地利用數據相近,土地利用數據模擬的人口在鄉村周圍分布均勻,而依據燈光數據模擬的人口在城市中心周圍分布均勻。④兩種數據中主城區人口預測相對誤差都小于0.2。其中,土地利用數據對大連市甘井子區的預測誤差值最小,夜間燈光數據對西崗區預測誤差最小,而長海縣是由幾個島嶼構成,人口居住地的燈光強度比較低,估測的人口數相對誤差較大,瓦房店市、普蘭店區和莊河市這三個區域的面積較大,居住用地較分散,人口密度較小,導致估算結果相對誤差較大。⑤對比夜間燈光數據反演的人口格網模型和基于行政區劃的人口密度,夜間燈光數據能夠反映各行政單元內部的人口空間分布異質性,且與實際人口分布更接近。

5.2 討論

綜上所述,研究夜間燈光數據多數是DMSP/OLS夜間燈光數據,對NPP/VIIRS夜間燈光數據較少被采用,因此本文的人口空間化方法和參數模型仍有待修正。經過研究發現,NPP/VIIRS夜間燈光數據對人口集中、人口密度大的區域預測精度較高,可直接應用;在人口密度較小的區域可作為輔助數據優化模擬人口空間分布結果,如果直接應用則需要進行分區建模。隨著多源遙感融合技術的發展,將夜間燈光數據與地形起伏等數據相結合,按照人口密度進行分區研究將會是今后研究的重要方向。