我國區域經濟發展差距及演變的遙感分析

田彧瑋

（中南大學地球科學與信息物理學院，湖南 長沙 410000）

0 引言

遙感具有重放周期短、覆蓋范圍廣等優點，在客觀地描述大區域物理現象方面發揮著至關重要的作用，為研究區域經濟發展及差異演化提供了新的思路［1-2］。本研究開展地理學視角下我國區域經濟發展差距及演變的遙感分析，協同遙感與統計數據開展區域經濟統計分析，尋找區域經濟發展不均衡的演變規律，對我國宏觀經濟研究、規劃、調控和政策制定等具有重要的現實意義。

1 數據來源

1.1 非遙感類數據

經濟統計數據主要來源于國家統計局《中國統計年鑒》（http://www.stats.gov.cn/tjsj/ndsj/），抽取1998—2013年7個年份作為研究對象，獲取中國省域（不包括港澳臺地區）人均國內生產總值（Gross Domes‐tic Product，GDP）。

1.2 遙感類數據

數據來源于美國國家海洋和大氣管理局的國家地理數據中心，由美國軍事氣象衛星國防氣象衛星計 劃（Defense Meteorological Sate-llite Program，DMSP）搭載的普通最小二乘法（Ordinary Least Square，OLS）傳感器獲取。本研究收集了1998—2013年的26期數據（F12 1998，F12 1999，F14 1997—F14 2003，F15 2000—F15 2007，F16 2004—F16 2009，F18 2010—F18 2013）。

2 研究方法

2.1 數據預處理

一般而言，某區域的平均燈光（燈光密度）強度可以反映該區域的燈光特征，可通過構建區域平均夜間燈光指數（Average Nighttime Light Index，ANLI）來表征，計算公式為：

式中，DNi為區域內每個柵格單元的像元輻射值；n為區域內柵格數目，ANLI為某區域的平均夜間燈光指數。

參考張夢琪等［3］的研究成果，對于從美國國家海洋和大氣管理局官網下載的5個傳感器（F12—F18）26期穩定夜間燈光數據，針對傳感器未進行星上定標、夜光數據DN值異常波動及夜光數據飽和現象等問題，本研究進行了傳感器相互校正、不同傳感器相同年份校正和時間序列上的校正，得到一套長時間序列中國區域夜光數據集。夜光數據校正主要工作流程如圖1所示。

圖1 夜光數據校正主要工作流程

2.2 回歸分析

對遙感數據與各項經濟統計數據進行回歸分析，驗證遙感數據反演經濟狀況的潛力。回歸模型為：

2.3 融合算法

如果僅從夜光遙感數據或經濟統計數據進行分析，很難從總體上正確把握經濟發展的程度和格局，所以，本研究將夜光遙感數據與經濟統計數據融合，得到新的指標熔融指數（Fusion Index，FI），FI值中包括了夜光數據和經濟指標的信息，融合算法模型為：

本研究先通過因子分析（Factor Analysis）對AN‐LI和人均GDP兩個變量進行降維處理，生成全新的主成分（信息覆蓋率均達89%），再利用最小二乘原則，對各年份主成分與ANLI值、人均GDP值進行了二元線性回歸分析，回歸模型為：

通過回歸模型（4），求出各年份參數a，b，c均值，即為融合算法模型（3）的參數a，b，c。

2.4 聚類分析

全局空間自相關是研究相近或相鄰空間單元屬性的空間相關性，反映了屬性值在整個研究區域內空間聚類或離散的總體趨勢［4］，算法為：

式中：I為莫蘭指數；xi，xj分別為變量在相鄰配對空間單元的取值（本研究中為中國省域FI值）；n取省域數目31；x省域FI的平均值；wi,j為兩個相鄰樣本點i和j的空間權重。

I值大于0表示數據呈現空間正相關性，即呈現全局視角下的空間聚類趨勢，其值越大，空間相關性越明顯；I值小于0則表示呈現空間負相關性，即呈現全局視角下的空間離散趨勢，其值越小，空間差異越大；I值等于0，則表示數據分布呈隨機性。

本研究采用Z得分進行顯著性檢驗，在顯著性水平為0.05時，若Z得分超過1.96，表明數據在空間上呈現顯著性正相關，Z得分低于-1.96，表明呈現顯著的負相關性，位于-1.96～1.96，表明不具有空間相關性。

3 研究結果與分析

3.1 夜光遙感數據校正參數與基于時間序列的中國省域ANLI值計算

對收集的夜光遙感數據分別進行傳感器間校正、不同傳感器相同年份校正和時間序列上的校正，獲得了一套2010黑龍江省雞西市夜光數據集，如圖2所示，并提取出各年份中國省域ANLI值。

圖2 2010黑龍江省雞西市夜光遙感數據圖示例

3.2 驗證遙感數據反演經濟狀況的潛力

本研究利用最小二乘原則，對夜光數據燈光指數ANLI與經濟統計數據人均GDP按省域進行了回歸分析，回歸模型如圖3所示，參數如表1所示。

圖3 夜光數據與經濟數據回歸模型示例

表1 夜光數據ANLI-經濟統計數據人均GDP回歸模型參數

從回歸模型參數中可以看出，中國省域ANLI與人均GDP擬合優度R2在所抽取的7年數據中均值達到了0.801 90，表明ANLI與人均GDP之間存在強相關性，驗證了夜光數據具有反演經濟狀況的潛力。

3.3 夜光遙感-經濟統計數據融合算法

利用融合算法原理（3）和回歸模型式（4），求出了時間序列上的各年份主成分與ANLI和人均GDP的二元回歸關系，回歸模型參數如表2所示。

表2 主成分與ANLI、人均GDP回歸模型參數

由各年份回歸模型參數求得平均系數，a為0.070，b為0.513，c為-1.240。由此可得出夜光-經濟數據融合算法為：

3.4 全國經濟發展指數數據

根據遙感-經濟統計數據融合算法，基于中國各年份ANLI值和人均GDP，計算出一套全國省域融合指數FI。

根據時間序列制作中國區域省均FI值時序變化和中國東西部FI值差距時序演變圖（見圖4），可以看出，1998—2013年FI值各區域都在增加，且整體呈現由東部-中部-西部遞減的趨勢；中國經濟格局出現了經濟重心明顯向東部沿海地區傾斜的特征；全國經濟除了總體增長外，還表現出區域不協調特性；東部與中西部之間的差距愈演愈烈，但這種差距增長速度得到了控制，更有減小的趨勢。

圖4 中國區域FI值時序演變

3.5 聚類分析

結合中國行政區劃矢量圖，在全國范圍視角下開展FI值全局自相關分析，結果如表3所示，莫蘭指數和Z得分發展演變如圖5所示。

表3 全國范圍視角下全局自相關分析結果

圖5 莫蘭指數和Z得分發展演變

由圖5可知，Z得分每年都大于1.920，莫蘭指數每年都大于0.189，并且在1998—2010年逐年增大，表示我國經濟發展兩極化現象明顯，兩極差距逐年擴大。在2010—2013年，指標有所減小但仍處于高水平，表明在這3年間區域經濟發展不均衡問題稍微緩解，但中國省域經濟發展不平衡依然明顯。

3.6 基于ANLI的人均GDP預測算法

結合表1，基于1998—2013年的7個年份省域ANLI與人均GDP的回歸模型，提取各個模型參數并求出均值，a=0.134 24，b=1.393 71，從而確定了反演模型的參數，得到最終反演模型為：

人均GDP=0.134 24×ANLI+1.393 71 （7）

4 結語

文章建立的ANLI和人均GDP回歸模型擬合優度高，驗證了夜光數據反演經濟狀況的潛力，同時，基于遙感、經濟統計領域交叉融合指標開展中國區域經濟發展演變分析，指標信息涵蓋量提高，優于單領域數據分析。