POI與NPP/VIIRS夜光數據空間耦合關系下的城市空間結構分析
——以武漢市主城區為例

陳 斌,徐尚昭,周陽陽,徐鋒良,王宏志

(1.核工業290研究所，廣東 韶關 512026；2.華中師范大學城市與環境科學學院地理過程分析與模擬湖北省重點實驗室，湖北 武漢 430079)

城市空間結構是城市空間實體要素按照一定的組合關系在空間上的具體表現形式[1]。城市主城區作為城市經濟和環境發展的主體部分，其內部空間結構不僅能夠反映出整個城市社會經濟發展水平，而且還能夠預示城市未來發展空間和發展潛力。因此，探討城市化發展背景下的城市內部空間結構特征，對于促進整個城市經濟快速協調發展和構建適宜的城市人居環境均具有重要意義。

當前，借助POI和夜光遙感數據開展城市空間結構的研究并不少見。POI數據因其數據覆蓋范圍廣、獲取簡單且更新速度快，被廣泛應用于城市空間結構研究[2]、城市火災風險評估[3]、城市服務業空間聚集度[4]、城市功能區劃分[5]及城市道路提取[6]等眾多研究領域。同時，夜光遙感數據因其可以間接反映地表人類活動強度，且數據覆蓋全球、持續時間較長，在城市空間擴展[7-8]、城市群空間格局形成與演變過程[9-12]，以及城市人口和GDP空間化模擬[13-16]等領域得到了廣泛應用。綜合來看，現有研究多是基于單一夜光遙感數據或POI數據，對城市空間結構或城市社會經濟要素特征進行分析探討，而從POI數據與夜光遙感數據的空間耦合關系出發，探討城市內部空間結構特征的研究尚不多見。

武漢市作為長江中游城市群的核心城市之一，其內部空間結構特征與長江經濟帶發展聯系密切。因此，研究其內部空間實體要素的結構特征,不僅對長江經濟帶未來發展決策具有一定的參考價值,而且對揭示我國中部沿江城市空間實體要素的分布規律具有重要意義[7]。本文以武漢市為研究區，基于POI和NPP/VIIRS夜間燈光遙感數據，利用柵格疊加分析和雙因素耦合制圖等方法，探討了POI和夜光遙感數據在不同空間耦合關系下城市內部空間結構特征，以期能為武漢市主城區城市空間結構調整及城市內部規劃建設提供科學依據與理論參考。

1 研究區概況和數據源

1.1 研究區概況

武漢市位于江漢平原東部的長江中下游平原，東臨鄂州、西接孝感、南連咸寧、北通黃岡，是中部乃至全國重要的交通樞紐和工業基地[18]。武漢市現轄13個區，包括7個中心城區(洪山區、江岸區、硚口區、江漢區、漢陽區、武昌區和青山區)和6個遠郊城區(東西湖區、新洲區、蔡甸區、黃陂區、江夏區和漢南區)。本研究區屬于亞熱帶季風濕潤性氣候，冬季盛行偏北風，夏季則盛行偏南風。氣候溫暖而濕潤，年平均氣溫在18.1℃，無霜期天數為239～273 d，年均降水量900～1300 mm，四季分明，雨熱同期。地勢整體呈現為西高東低，除西南部分山地丘陵外，地貌類型主要以平原為主。區內自然資源豐富，河流湖泊眾多，濕地資源位居全球內陸城市前三，水熱組合條件優越，農業自然資源稟賦得天獨厚，享有“魚米之鄉”的美譽。

1.2 數據源

本文選取研究區2016年1—12月12期NPP/VIIRS夜間燈光數據、2016年POI數據作為研究基礎數據。NPP/VIIRS數據傳感器擁有22個波段，星下點空間分辨率為375 m，能夠捕捉到微弱地表燈光。POI數據(獲取時間為2016年)來源于武漢市高德地圖提供的API接口，該接口提供的武漢市主城區POI數據共計14個大類，共計400 081條數據，具體包括餐飲服務、購物服務、科教文化服務、風景名勝、公共設施、公司企業、交通設施服務、商務住宅、生活服務、體育休閑服務、醫療保健服務、政府機構及社會團體和住宿服務等(見表1)?？紤]研究所需的POI數據后期要同燈光數據作空間耦合性分析，由于風景名勝和交通設施與夜光輻射亮度值之間關聯度較小，故本文選取除風景名勝和交通設施以外的12類POI數據與夜光遙感數據進行空間耦合性探討。

表1 POI類別與數量

1.3 數據預處理

選用的NPP/VIIRS夜間燈光數據未經標準化預處理，存在森林火災、夜間極光及漁火等噪聲干擾。為便于后續研究，借助柵格計算工具將夜光反射率小于0的區域設定為0，0值表示非燈光區域，非0值即為燈光區域。然后利用研究區矢量邊界分別對12期夜光遙感數據進行裁剪，再對裁剪得到的夜光影像進一步投影和重采樣(選用Krasovsky_1940_Albers投影坐標系，重采樣空間分辨率設為0.5 km)。為最大限度避免偶然誤差影響，本文采用平均值合成法對12期NPP/VIIRS夜間燈光數據求平均值，得到研究區年夜間燈光數據。具體計算公式如下

(1)

式中，N表示研究區2016年夜間燈光強度值；Ri即為第i個月的夜間燈光強度值。對合成的NPP/VIIRS年數據進一步預處理：選取研究區燈光反射率最大值作為有效閾值，采用八領域算法[19]對NPP/VIIRS夜光數據進行平滑處理，最終得到研究區修正后的NPP/VIIRS夜間燈光數據。

2 研究方法

本文旨在通過研究武漢市主城區內部POI數據和NPP/VIIRS夜間燈光數據之間的空間耦合關系，揭示城市主城區內部結構特征。為便于直觀反映出POI和NPP/VIIRS夜間燈光數據的空間耦合關系，先對研究區POI數據進行核密度分析，然后分別對核密度分析結果和合成的年夜間燈光數據進行空間網格化分析，最終采用雙因子制圖方法對兩者之間的空間耦合性進行可視化分析，并在此基礎上對武漢市主城區內部空間結構特征進行探討。

2.1 點核密度分析

核密度分析是表示空間地理事件在某一特定區域內發生概率大小的一項量化指標[20]，它也是一種重要的地理空間聚類分析方法，目前已被廣泛用于城市空間結構及城市功能區劃分研究[21-22]，主要包括點要素核密度分析和線要素核密度分析。本文基于研究區POI數據進行點要素核密度分析。點要素核密度分析方法就是首先對空間某一具體柵格位置點，指定一個鄰域(鄰域通常包括圓、環或矩陣等形狀)，然后統計指定柵格位置點，指定鄰域內點數量，并且根據鄰域面積大小計算出鄰域范圍內點要素的平均密度。空間點要素核密度估算即為指定目標位置鄰域內所有要素點在其周圍的集聚程度，其實質就是將指定大小的鄰域在整個研究區域內進行移動，從而最終得到所有空間目標要素的聚集程度統計結果[23-24]。計算公式如下

(2)

式中，f(S)表示空間某一具體位置S處的核密度計算函數；k表示空間的權重函數；n表示與到位置點s的距離在閾值h范圍內的位置點數量；h表示兩點之間距離衰減閾值，又稱帶寬。h越大越能反映出POI較大空間尺度變化情況；反之，則只能反映POI較小空間尺度變化情況。本文綜合考慮研究區POI分布特征及NPP/VIIRS夜間燈光數據空間分辨率，最終將POI核密度的距離衰減閾值設為1500 m，空間柵格像元大小設為200 m，最終得到武漢市主城區POI核密度空間化結果。

2.2 數據網格化

數據網格化是指根據空間拓撲關系將空間位置點數據轉化為二維平面數據的一種重要方法[25]。在數據網格化過程中通過對目標網格相交點數量的統計，并且根據目標點數據屬性給網格賦予一定權值，最終將統計得到的目標網格內所有興趣點屬性值加權和作為該格網屬性值。數據網格化不僅可以減小空間數據冗余，提升數據分析效率，而且還能夠將不同類型、不同空間分辨率的柵格數據經過標準化網格處理形成大小均一的區域網格，便于對不同類型柵格數據進行空間可視化對比分析；同時也能直觀反映出不同類型數據的空間耦合性差異。數據網格化可選用不同形狀的網格，考慮蜂巢狀正六邊形，空間密合度最高且拼接時不會出現空陳現象，故本文綜合考慮后選用正六邊形進行柵格數據網格化。首先借助漁網工具和泰森多邊形工具生成1468個單位面積為1 km2的網格，然后分別對研究區POI核密度結果和NPP/VIIRS夜間燈光數據進行標準網格化處理，最后將得到的兩類標準網格化數據結果進行空間耦合性分析。

2.3 多因素組合制圖

多因素組合制圖是指通過不同顏色漸變組合表示不同控制因素在空間上耦合關系的一種可視化方法。本文采用雙重因素制圖方法對研究區POI和NPP/VIIRS夜光數據進行空間可視化處理，即采用不同色彩組合來直觀反映出以上兩種控制因素在空間上的耦合性差異。根據研究需要，本文將研究區POI和NPP/VIIRS夜間燈光數據分別設置高、中、低3個等級，然后通過兩兩組合共形成9中不同的配色方案，具體配色組合方案如圖1所示。

圖1 雙因素組合制圖

3 結果與分析

3.1 POI與夜光影像數據網格化結果

將泰森多邊形方法得到的正六邊形網格分別同研究區POI和夜光遙感數據進行疊加分析，得到研究區POI和夜光遙感數據網格化結果分布圖(如圖2所示)。由結果可知，POI核密度值和夜光遙感數據的分布趨勢基本一致，它們的高值中心均主要分布在長江沿岸的武昌區、江岸區、江漢區和硚口區，而低值分布中心則主要分布在以長江為幾何中心的主城區周邊地區，其中以洪山區東部及南部分布最為集中。但局部地區也存在一定的差異，如青山區北部夜間燈光數出現高值分布，而POI核密度則呈現低值分布，洪山區東北部也出現了夜間燈光數據的高值區，而POI核密度值則未出現?？偠灾?，研究區POI核密度值和NPP/VIIRS夜間燈光強度的空間分布態勢總體一致，均呈現從長江沿岸地區向主城區周邊逐漸遞減的趨勢。

圖2 研究區2016年POI核密度和夜光輻射亮度值網格

3.2 POI與夜光遙感數據空間耦合關系分析

3.2.1 兩種數據源空間耦合結果

為便于直觀反映出研究區兩類數據的空間耦合性差異，先對研究區網格化數據進行柵格歸一化處理，再利用數學三分法中的1.5倍標準差分級原則，將兩類空間數據分別劃分成低、中和高3個等級，得到研究區POI核密度與NPP/VIIRS夜間燈光數據空間耦合結果分布圖(如圖3所示)。由統計結果可知，研究區POI核密度和夜光數據空間耦合性總體較好，其分級結果相一致的區域占比高達82.15%，且主要分布在燈光強度和POI核密度值均較低的主城區外圍。而兩類數據的高值分部區主要集中在長江沿江兩岸，其中長江南岸沿岸POI核密度和夜間燈光主要表現為高-中及高-低的耦合關系，而長江北岸POI核密度和夜間燈光要表現為低-中及中-高德耦合關系。

圖3 研究區POI與夜光遙感數據空間耦合關系

3.2.2 POI核密度高于夜光遙感區分析

POI核密度與夜光遙感數據的空間耦合性整體較好，但局部地區仍然存在一定差異。為便于直觀反映出研究區核密度和夜間燈光數據的耦合性差異，將POI核密度值高于夜光遙感數據的網格區域進行提取制圖(如圖4所示)。從空間分布上來看，POI核密度值高于夜光遙感數據的區域主要分布在長江南岸地區，尤其是江岸區中部、青山區西南部、武昌區南部及洪山區東南部等部分地區分布較為集中。其中青山區、武昌區和洪山區POI核密度與夜光遙感數據均主要表現為中-低的空間耦合模式，漢陽區主要表現為高-低空間耦合模式，而硚口區主要以高-中的空間耦合模式為主，表明漢陽及硚口區POI聚集程度較高，POI數據在空間上能較為準確地表征這些區域的空間結構特征。從功能區劃分結果上來看，POI核密度值高于夜光遙感數據的區域主要分布在長江南岸的商業區和科教文化區，這可能是由于這一地區高樓林立，商業服務業集聚程度較高，而夜光數據亮度值通常在高達一定閾值后便不會再隨亮度增加，出現所謂的空間飽和現象，故燈光數據不能直觀準確反映出該區域城市空間結構特征，而通過對研究區POI核密度值與夜光遙感數據相互校正和對比分析，則能夠更加準確反映出武漢市主城區城市空間實體要素的分布特征。

圖4 夜光遙感強度值低于POI核密度值區域分布

3.2.3 夜光遙感高于POI核密度區分析

為便于直觀反映出研究區POI核密度值與夜間燈光數據的空間耦合性差異，對夜光遙感數據高于POI核密度值的網格區域進行提取制圖(如圖5所示)。從空間分布上來看，夜光遙感數據高于POI核密度值的區域主要分布在長江北岸地區，江岸區南部、江漢區南部、硚口區及漢陽區和青山區北部等地區分布較為集中。其中硚口區POI核密度與夜光遙感數據空間耦合關系主要表現為高-中的耦合模式，江岸區主要表現為中-高空間耦合模式，而漢陽區和青山區主要以低-高和低-高的空間耦合模式為主。從城市功能區劃分結果上來看，夜光遙感數據高于POI核密度值的區域主要分布在長江北岸的商業區，這些區域大多是大型企業和商業結構集聚場所，POI數據在空間聚集程度較低且數量相對缺乏，一定程度不如城市夜間燈光亮度值刻畫城市空間結構準確，而此時夜間燈光數據卻能直觀準確地反映出同質性的不同區域城市空間結構特征。因此，通過對研究區POI核密度值與夜光遙感數據相互校正和對比分析，可以更為準確地表征出武漢市主城區不同范圍內空間實體要素的分布特征。

圖5 夜光遙感強度值高于POI核密度值區域分布

4 結論和討論

本文通過核密度分析和數據網格化方法得到研究區夜光遙感數據與POI數據的空間耦合性關系，進而對夜光遙感數據與POI數據耦合差異區域城市空間結構特征進行了分析討論。主要結論如下：

(1)武漢市主城區內部夜光遙感和POI數據的空間耦合較高，空間耦合相一致的區域占比達到了82.15%，且均較好刻畫出了武漢市主城區空間結構特征，表明夜光遙感數據與POI數據在城市空間結構研究中均有較好的適用性。

(2)夜光遙感和POI數據耦合關系相異的區域可以更顯著地表征城市結構的空間特征，在城市主城區邊緣、大型商場附近及開發區周圍，二者的空間特征具有一定的差異，POI數據在經濟開發區、新城區等區域分布較少，而在主城區中心則分布相對集中；夜光遙感數據則在主城區中心及大型商業區等基礎設施建設較好的區域強度較高，存在明顯的飽和現象，但在遠離城市主城區中心的遠郊城區則無法準確表征。

(3)武漢市作為中原城市群的核心城市之一，城市主城區空間形態結構與長江聯系緊密。武昌區在長江沿岸附近形成經濟開發區，而江岸區、江漢區和硚口區與沿江之間形成帶狀城鎮區，且沿著長江兩岸呈東西向向主城區外圍擴張，形成多個城市中心發展區。

本文基于POI數據與夜光數據空間耦合關系，對武漢市主城區內部空間結構特征進行了初步探討，但這是建立在兩種數據空間耦合差異定性分析基礎之上的，如何針對研究區內夜光遙感數據和POI數據對城市空間結構展開定量化研究，還有待進一步研究和探討。