燈光遙感數據在監測建設范圍擴張及其影響因素相關性研究中的應用

喻舒琳 羅勇

摘要：準確了解區域人類建設擴張動態對于評估生態環境和社會影響不可或缺。基于DMSP/OLS、Landsat等多源遙感數據，采用閾值分割法提取2000—2013年攀西礦區的人類建設活動范圍，并結合分形理論研究其動態變化特征，最后采用回歸分析法研究其影響因素。結果表明，燈光遙感數據能夠較好地提取人類建設活動范圍，且分形維數總體呈現出先增加后穩定的變化趨勢;燈光遙感數據的像元亮度與人口數量、礦山開采面積及經濟等影響因素具有不同程度的相關性。研究結果將為優化土地利用模式，制定人口、經濟等政策提供科學依據。

關鍵詞：燈光遙感數據;分形理論;相關性分析;攀西礦區

中圖分類號：TP79? ? ? ? ?文獻標識碼：A

文章編號：0439-8114（2019）16-0133-06

DOI：10.14088/j.cnki.issn0439-8114.2019.16.031? ? ? ? ? ?開放科學（資源服務）標識碼（OSID）：

Abstract： It is necessary to know the dynamic of human construction expansion to assess the ecological environment and social impact. Based on the multi-source remote sensing data such as DMSP/OlS， Landsat， and other remote sensing data， the threshold segmentation method is used to extract the range of human construction activities in Panxi mining area from 2000 to 2013， and study its dynamic characteristics with fractal theory， finally， the regression analysis method is used to study the influencing factors. The results show that the light remote sensing data can extract the range of human construction activity well， its fractal dimension shows the change trend of increasing first and then stabilizing The Pixel brightness of the light data is correlated with the population quantity， mining area and economy， etc. The research results will provide a scientific basis for the optimization of land use patterns and the formulation of policies such as population and economy.

Key words： light remote sensing data; fractal theory; correlation analysis; Panxi mining area

目前，中國正在經歷著快速和大規模的建設擴張過程，人類建設活動范圍變化成為人口、社會、經濟發展的重要體現。然而快速的建設擴張導致了資源枯竭和生態環境問題[1]：生物多樣性減小[2]、水質退化[3]、農田占用[4]、區域溫度和降水模式發生變化[5]等。在受人類活動影響較大的礦區，環境問題更為明顯[6，7]。同時，人類建設活動范圍的變化使得當地空間結構發生變化。因此，監測人類活動建設區的擴張程度對于評估當地的環境問題和可持續管理具有重要意義。

在城鎮擴張的研究中多利用IKONOS、Quickbird、Landsat等高中分辨率的衛星圖像來研究城市等地區的發展變化[8，9]，這種方法雖然精度較高，但同時也存在著數據量大、數據難以獲取、成本高等缺點。近年來，國防氣象衛星計劃的操作線掃描系統的免費夜間穩定光時間序列數據集（DMSP/OLS）提供了一種新的信息來源，可以快速揭示城市擴張的動態變化。該傳感器可以使用低光檢測功能在夜間檢測燈光、氣體火炬和火災等，顯示人類活動的強度[10]。DMSP/OLS夜間燈光數據已被證明能夠有效地提取人類活動引起的城市擴張[11]。黃鴻健等[12]基于DMSP/OLS夜間燈光影像對廣東省城市化進程進行了研究，此外部分研究將北京、上海、廣州、成都、鄭州、南京等發達城市[10，13，14]作為研究對象進行了研究。但中小城市的擴張卻很少受到關注，尤其是受人類活動影響較大的采礦區，采礦等活動的增加會影響空間結構的變化。據已有研究表明，在具有特定活動的地區，如采礦區也會增加夜間照明[15]。

攀西地區是中國重要的礦產資源集中地之一，人口和經濟發展迅速，土地空間結構發生變化，對生態環境造成了一定影響[16]。因此，迫切需要監測掌握人類活動建設的擴張動態、空間結構特征和驅動力，更好地了解人口、經濟與采礦等因素的影響，這對當地的土地規劃和管理，環境評估等具有重要作用。

1? 研究區概況

攀西地區位于四川省南部，屬于裂谷成礦帶，區內礦產及其他自然資源豐富，開發歷史悠久。本研究將人類開采礦山活動相對集中、礦產資源開發強度較大的攀枝花市和會理縣作為研究區來研究人類建設擴張范圍的演變具有代表性。該地區位于攀西地區南部（26.04°-27.35°N，101.14°-102.63°E），包括攀枝花市鹽邊縣、米易縣、仁和區、西區和東區，涼山彝族自治州會理縣。區域內分布有數量眾多的大中型煤礦、釩鈦磁鐵礦、銅礦和鉛鋅礦等，隨著礦產及其他資源的不斷開發，人類活動建設范圍也在不斷變化。

2? 數據與方法

2.1? 數據來源與處理

1）燈光遙感數據（DMSP/OLS）。來源于美國國家地球物理數據中心（https：//ngdc.noaa.gov/eog/dmsp.html），使用2000—2013年的14年夜間穩定燈光遙感影像數據集，各年份的數據對應的衛星由表1所示。為消除傳感器之間的年際變化和響應差異，使各影像數據之間具有可比性，本研究參照已有的研究[17，18]，采用基于不變目標區域的回歸分析法，以2000年攀枝花市東區為參考影像，建立與其他年份影像像元DN值之間的二次回歸方程（式1），校正參數如表1所示，根據參數對影像數據進行校正。

式中，DN校正表示使用影像校正模型校正之后的像元值;DN表示待校正影像的像元值;a、b、c為影像校正模型的參數。

2）遙感影像數據。數據來源于地理空間數據云（http：//www.gscloud.cn/）。2000—2011年遙感影像為Landsat5 TM衛星影像，2012—2013年遙感影像為Landsat7 ETM衛星影像，空間分辨率為30 m。將得到的遙感影像數據利用ENVI5.1、ArcGIS10.4軟件進行輻射校正、波段組合、鑲嵌、裁剪等處理。將2000—2013年的TM、ETM影像的紅波段、近紅外波段進行波段運算，計算得出研究區每年的歸一化植被指數（Normalized difference vegetation index， NDVI）數據。

3）土地利用數據。研究區2000、2005、2010年土地利用數據來源于中國科學院資源環境數據中心，空間分辨率為1 km。

4）社會經濟數據。包括2000—2013年研究區各區縣的人口數量、國民生產總值、各產業經濟發展等數據，數據來源于四川省統計年鑒，通過SPSS分析處理所得。

基于DMSP/OLS數據提取城市區域常用的方法有優化閾值分割處理法[1]和計算機自動提取法[13]。本研究基于DMSP/OLS數據，結合Landsat TM/ETM中分辨率影像數據、NDVI數據，采用閾值分割法對DMSP/OLS數據的像元亮度值進行閾值分割，然后利用已有的土地利用數據對分割后的結果進行修正來劃定人類活動建設區域范圍。利用分形理論分析該地區的分形特征，最后采用回歸分析法分析建設范圍內的燈光亮度與各因素的相關性。

2.2.1? 分形維數? 分形維數反映了斑塊特征，在一定程度上可以揭示地區的復雜性和穩定性，隨著空間結構的復雜性增加，分形維數會逐漸變大。分形維數的計算方法主要有網格記法（記盒維數法）、半徑回轉法和周長面積法。本研究采用記盒維數法計算分維數、計算公式為：

式中，D為分維值，值域為1～2;r為覆蓋分形體的網格寬度;N（r）為非空網格的數目。實際運用中，只能取到有限的r和對映的N（r），利用雙對數線性回歸分析對數坐標系中呈對數關系的點對，其斜率的絕對值即為所求的分維數。然而基于網格記法的分形研究的前提條件是網格尺度r與非空網格數目N（r）之間需服從負冪指數關系[19]。

2.2.2? 形態穩定性? 分維值D的大小可以反映斑塊的復雜性和系統對空間的充填能力[20]。D值越大，表示該要素的鑲嵌結構越復雜空間占據能力越強;Mandelbrot認為，當D=1.5時，表示處于一種類似于布朗運動的最不穩定的狀態;D值越接近1.5，表示該要素越不穩定;當D<1.5時，要素形態趨于簡單;當D>1.5時，要素形態趨于復雜，根據此原理，徐建華等[21]定義了斑塊形態穩定性指數S，具體計算公式如下：

式中，S為穩定性指數，用來表征斑塊的形態穩定性，S的值域為0～0.5，S值越大，表示越穩定。穩定性指數用來表征13年間研究區人類建設活動范圍的形態穩定性。

2.2.3? 相關性分析法? 普通最小二乘法用于判斷兩個或多個變量之間的相關性程度大小，可用來研究燈光遙感數據與采礦面積，人口和經濟等影響因素之間的相關性。

式中，yi表示第i個影響因素，xi表示對應的平均燈光亮度值。a為斜率，b為常數。R2為相關指數，表示第i個平均燈光亮度值xi對對應的影像因素yi變化的貢獻率，用于確定方程擬合相關性程度的大小，R2值越大，相關性程度就越高。

3? 結果與分析

3.1? 人類建設活動范圍提取

利用DMSP/OLS數據對攀西地區2000—2013年共14年間的人類活動建設范圍進行提取。以研究區的兩處礦山開采區（圖1）為例，ab、cd為同一處礦山開采區。據圖1a可知，2000年該礦山的開采面積較小，且分布呈塊狀。利用LandsatTM影像經人工目視解譯，得到該開采區礦山及建設用地面積為2.20 km2，由DMSP/OLS數據得到相應的中心邊界面積為3.00 km2，面積大小相近，且提取出的中心范圍包含了實際的礦山開采面和建設用地。2013年，該處礦山開采變化較大（圖1b），空間分布上開采面向四周拓展，且呈星散狀分布。經目視解譯，該處礦山的開采和建筑用地的總面積達到10.08 km2。由DMSP/OLS數據得到的中心邊界面積為13.00 km2，提取出的范圍與實際較為相符。在第二處礦區，2000年該地區尚未有礦山開采（圖1c），基于DMSP/OLS數據提取出的結果顯示，該地區無人類活動建設范圍，與實際相符。2013年，該區出現了大面積的礦山開采（圖1d），同時DMSP/OLS數據提取出的范圍顯示該地區具有人類建設活動范圍。

由DMSP/OLS數據提取出的邊界與實際范圍較為吻合，且越接近建筑活動區，像元亮度值越高DMSP/OLS數據的像元分辨率最高達到1 km，因此由提取出的范圍邊界相對規則。此外，通過提取出的攀西礦區2000—2013年的人類活動建設范圍內的平均亮度值變化發現（圖2），整體上像元亮度值在不斷升高，且呈線性的變化趨勢，說明人類活動的強度在逐漸增強。

3.2? 分形維數與分形特征分析

設置網格寬度的大小r分別為1 000、1 500、? ? ? ?2 000……3 500、4 000 m，統計非空網格數目N（r），根據計盒維數法（式2）得到2000—2013年提取出的人類建設活動范圍的計盒分形分維ln（r）-lnN（r）曲線。由圖3可知，沒有坐標點明顯偏離曲線，因此各年份所選的不同尺寸均在無標度區以內，滿足分形研究的前提條件。

通過計算得到2000—2013年的分形維數和穩定性指數如表2所示。由圖4分形維數的變化曲線可知，分形維數從2000—2013年整體上表現為先增加后穩定的趨勢，這與國外學者提出的城市形態分維波動上升到一定程度會向平均狀態回歸的觀點相吻合[20]。但不同時間段的變化趨勢不同，主要分為3個階段：2000年到2006年呈現出逐漸增長的趨勢，說明在此期間，主要建設活動范圍在不規則地擴張;從2006年到2008年，分形維數發生了減少，表明范圍的擴張在此期間變化較為規律有序;從2008年開始，分形維數再次增加，并且有繼續增加的趨勢，逐漸接近Batty等[20]提出的城市分維期望值1.71。

此外，需要注意的是穩定性指數的范圍在0.01～0.34之間，在2001年最不穩定。2001年后提取的活動范圍的分維值都大于1.5，空間形態趨于復雜。自2008年后穩定性指數在不斷增加，穩定性提高，這與當地的空間擴張模式相關。該結論可能對當地的空間優化和城市規劃具有指導意義。

3.3? 影響因素相關性分析

影響人類建設活動范圍的擴張具有許多因素，包括自然因素和人為因素，而主要因素為人口的增長和經濟的發展。對于以采礦業為主的地區，礦產開發直接影響著土地利用和城市的空間結構[21-23]。因此，結合當地的區域特點，選取人口數量、礦山開采面積、國民生產總值等因素采用回歸分析法分析其與燈光亮度值動態變化之間的相關性。

1）人口數量。通過對人口數量與提取出的范圍內平均像元亮度值的線性回歸分析發現，人口數量和平均像元亮度值之間的斜率為144.37，R2值為0.682，Persons系數為0.826，兩者之間的相關性較高，與Wang等[24]得出的結論相似。P值小于0.01，表明該回歸分析具有較高的統計學意義。2000—2013年攀西礦區的年末常住人口數量在不斷增加，其對映的平均像元亮度值整體上也在不斷增加。人口增加帶來的建筑住房面積增加可能是主要原因之一。

2）礦山開采面積。礦山的開采面積與平均像元亮度值的斜率為35.64，R2值為0.701，Persons系數為0.837（P<0.01）。相較于人口數量，礦山面積與平均像元亮度值的相關性更高。這是由區域特點造成的，露天礦山的開采面在一定程度上會增加燈光遙感數據的像元亮度值。

3）經濟發展。本研究選取GDP、第一產業、第二產業、第三產業作為經濟指標，分析其與燈光數據平均像元亮度值之間的關系。通過回歸分析發現，各經濟指標與平均像元亮度值之間都具有較高的相關性，R2位于0.72～0.74之間，且高于與人口數量的相關性，這與前人的研究結果一致[25]。各線性擬合方程的斜率大小為GDP>第二產業>第三產業>第一產業，這是由于當地的各產業經濟發展水平以礦產、攀枝花鋼鐵等第二產業為主，其次為第三產業和第一產業（表3）。

綜上，攀西礦區人口密度、礦山開采面積、GDP與燈光亮度之間存在著密切的關系，且與GDP的擬合關系最佳。使得夜間燈光遙感數據成為估計信息的潛在關鍵數據來源，尤其對于人口和經濟等統計數據缺乏準確性的地區。這種相關性程度可能因同一地區不同時間、同一時間不同地區而表現出差異性[26]（圖5）。

4? 結論與討論

本研究基于DMSP/OLS數據提取了攀西礦區的人類活動建設范圍，并結合分形理論和回歸分析法進行了分形特征和影響因素的相關性分析。燈光遙感數據能夠在一定程度上較好反映區域人類建設范圍和活動程度，是動態監測中一種新的思路。2000—2013年攀西礦區的人類建設范圍的分形維數和穩定性指數在不同階段具有不同變化特征，但總體上呈現出先增加后穩定的變化趨勢，表明該地區的空間結構趨于復雜和穩定。此外，人口數量、礦山開采面積、經濟發展是重要的影響因素，其與燈光像元亮度值具有不同程度的相關性，總體上相關性大小表現為經濟>礦山開采面積>人口數量，其中在經濟影響因素中，與當地的主要發展產業第二產業相關性最高。

然而，由于燈光遙感數據的分辨率為1 km，相對粗糙，且存在尺度響應，導致提取的結果會與實際不完全一致。同時，不同地區的像元亮度值的影響因素可能隨著區域特點的變化而變化。因此，在未來的研究中將會更加深入探討不同尺度和不同區域特點下的燈光遙感數據的實用性。

參考文獻：

[1] IMHOFF M L，LAWRENCE W T，STUTZER D C，et al. A technique for using composite DMSP/OLS “city lights” satellite data to map urban area[J].Remote sensing of environment，1997，61（3）：361-370.

[2] VALIELA I，MARTINETTO P. Changes in bird abundance in eastern north America：Urban sprawl and global footprint？[J].Bioscience，2007，57（4）：360-370.

[3] 姜? 勇.城市空間拓展對湖泊水質影響及對策研究——以武漢市為例[J].城市規劃，2018，42（6）：95-99，116.

[4] MILESI C，ELVIDGE C D，NEMANI R R，et al. Assessing the impact of urban land development on net primary productivity in the southeastern United States[J].Remote sensing of environment，2003，86（3）：401-410.

[5] SETO K C，SHEPHERD J M. Global urban land-use trends and climate impacts[J].Current opinion in environmental sustainability，2009，1（1）：89-95.

[6] 廖紅軍，邵懷勇，孫小飛.基于綜合指數法的礦山地質環境評價——以攀西礦區為例[J].測繪與空間地理信息，2015，38（11）：34-36.

[7] 孫小飛，邵懷勇，肖禮曉，等.基于突變理論的紅格釩鈦磁鐵礦區礦山地質環境評價[J].有色金屬（礦山部分），2017，69（1）：40-43，100.

[8] 胡德勇，李? 京，陳云浩，等.基于多時相Landsat數據的城市擴張及其驅動力分析[J].國土資源遙感，2006（4）：46-49，54.

[9] 吳小君，方秀琴，苗月鮮，等.基于Landsat的合肥市城市擴張研究[J].浙江大學學報（理學版），2017，44（6）：631-639.

[10] LIU Z，HE C，ZHANG Q，et al. Extracting the dynamics of urban expansion in China using DMSP-OLS nighttime light data from 1992 to 2008[J].Landscape & urban planning，2012， 106（1）：62-72.

[11] MA T，ZHOU Y，ZHOU C，et al. Night-time light derived estimation of spatio-temporal characteristics of urbanization dynamics using DMSP/OLS satellite data[J].Remote sensing of environment，2015，158：453-464.

[12] 黃鴻健，王? 芳，解學通.基于燈光遙感數據的廣東省20年城市化進程研究[J].湖南城市學院學報，2016，37（1）：1-8.

[13] CAO X，CHEN J，IMURA H，et al. A SVM-based method to extract urban areas from DMSP-OLS and SPOT VGT data[J].Remote sensing of environment，2009，113（10）：2205-2209.

[14] GAO B，HUANG Q，HE C，et al. How does sprawl differ across cities in China？ A multi-scale investigation using nighttime light and census data[J].Landscape & urban planning， 2016，148（41）：89-98.

[15] FEHRER D，KRARTI M. Spatial distribution of building energy use in the United States through satellite imagery of the earth at night[J].Building and environment，2018，142：252-264.

[16] 仙? 巍，武錦輝，孫小飛，等.攀西金屬礦開采集中區地質環境評價[J].金屬礦山，2013（11）：135-138.

[17] ELVIDGE C D，ZISKIN D，BAUGH K E，et al. A fifteen year record of global natural gas flaring derived from satellite data[J].Energies，2009，2（3）：595-622.

[18] 張寶軍.2003—2013年汶川地震極重災區夜間燈光年際變化分析[J].災害學，2018（1）：12-18.

[19] 馮? 健.杭州城市形態和土地利用結構的時空演化[J].地理學報，2003，58（3）：343-353.

[20] BATTY M，LONGLEY P. Fractal cities：A geometry of form and function[M].SanDiego USA：Academic Press，1994.

[21] 徐建華.現代地理學中的數學方法[M].北京：高等教育出版社，1996.

[22] 趙? 博.礦產開發對成長型資源城市空間結構的影響研究[D].成都：西南交通大學，2018.

[23] 渠愛雪.礦業城市土地利用與生態演化研究[D].北京：中國礦業大學，2009.

[24] WANG L，WANG S，ZHOU Y，et al. Mapping population density in China between 1990 and 2010 using remote sensing[J].Remote sensing of environment，2018，210：269-281.

[25] ZHOU N，HUBACEK K，ROBERTS M. Analysis of spatial patterns of urban growth across South Asia using DMSP-OLS nighttime lights data[J].Applied geography，2015，63：292-303.

[26] BENNETT M M，SMITH L C. Advances in using multitemporal night-time lights satellite imagery to detect，estimate，and monitor socioeconomic dynamics[J].Remote sensing of environment，2017，192：176-197.