基于NPP/VIIRS數據的重慶市城市空間發展變化分析

吳鳳敏，鄭稚棚，梁均軍，陳曉龍，程宇翔，李卓錕

（1.重慶市地理信息和遙感應用中心，重慶 401147）

城市建成區是指實際已成片開發建設、市政公用設施和公共設施基本具備的地區，作為衡量城市發展的重要指標，準確掌握其現狀和動態變化特征能優化完善城市空間布局，指導未來城市建設[1]。夜間燈光遙感數據可表達地表在夜間的亮度輻射狀況，直觀反映城市空間的發展狀況[2]。國內外許多學者將夜間燈光遙感數據應用于城市建成區提取、不透水面提取和人口空間化等方面，取得了不錯效果[3-8]。在夜間燈光遙感數據中，NPP/VIIRS較DMSP/OLS具有更高的空間分辨率和輻射分辨率，拓展了夜間燈光的應用領域[9]。利用夜間燈光遙感數據提取城市建成區邊界的方法主要包括閾值法和面向對象分類法，但由于數據分辨率限制，需要融合其他高分辨率數據，才能在一定程度上提高城市建成區的提取精度[10-16]。例如，POI數據與夜間燈光數據之間具有相關性，可用于優化城市建成區邊界；夜間燈光數據與不透水面范圍具有較強相關性，可為城市建成區提取提供驗證參考[17-18]。

基于2013－2019年NPP/VIIRS數據，本文首先進行坐標轉換、數據裁切、重采樣、噪聲去除等預處理，然后利用以社會經濟數據為參考依據的閾值法提取城市建成區邊界范圍，再通過破碎圖斑綜合、邊界平滑等方法進行優化，最后形成城市建成區范圍成果。本文將POI核密度分析和不透水面數據分別與NPP/VIIRS數據進行耦合性分析，并選取擴展速率、擴展強度、緊湊度、分形維數、用地增長彈性系數和標準差橢圓等指標對重慶市城市建設的空間格局、發展變化趨勢等進行定量分析，以期為未來國土空間城市建設布局提供參考。

1 研究區概況與數據來源

重慶市位于四川盆地東部，市域面積為8.24萬km2，下轄38個區縣（26個區、8個縣、4個自治縣）。根據國土空間規劃功能，重慶市可分為中心城區、主城新區、渝東北地區和渝東南地區（圖1）。2019年全市地區生產總值為23 605.77億元，城鎮常住人口為2 086.99萬人（經濟、人口數據來源于《2019年重慶市國民經濟和社會發展統計公報》）。

圖1 研究區范圍示意圖

本文采用的NPP/VIIRS數據為該月度合成數據產品（https://eogdata.mines.edu/download_dnb_composites.html），并校正了受天氣影響的像元輻射亮度值[7]，數據時間為2013年1月－2019年12月。本文采用的其他數據包括高分辨率遙感影像數據（WorldView-3，分辨率為0.5 m，時間為2019年）、社會經濟統計數據、行政區劃數據、河流數據、POI數據、不透水面數據和規劃相關數據，其中行政區劃數據（重慶市界、區縣界、區縣駐地、鄉鎮街道界等）、河流數據來源于2019年基礎性地理國情監測成果；社會經濟統計數據（常住城鎮人口、城市建成區等）來源于《重慶市統計年鑒》（https://www.yearbookchina.com/navibook-YCQTJ.html），數據時間為2013－2019年；POI數據為通過網絡抓取的高德地圖，數據時間為2018年8月；不透水面數據分辨率為30 m，現勢性為2015年，來源于國家科技基礎條件平臺—國家地球系統科學數據中心（http://www.geodata.cn）；規劃相關數據主要用于城市建成區范圍參考。

2 城市建成區提取

2.1 數據預處理

NPP/VIIRS數據預處理包括坐標轉換、數據裁切、重采樣、噪聲去除和對數變換，如圖2所示。首先將數據坐標系（WGS84 坐標系）統一轉換為2000國家大地坐標系，再利用重慶市界對數據范圍進行裁切，然后將數據重采樣為 0.5 km×0.5 km的網格。噪聲去除包括海洋背景噪聲去除、離群輻射值校準和水域賦值噪聲去除，其中海洋背景噪聲去除選取157.27°～178.33°E，20.89°～337.10°N 范圍內每月的NPP/VIIRS數據，統計其平均值作為背景噪聲值，再將小于該平均值的數據賦值為零[5]；離群輻射值校準根據輻射像元值在前一個月大于0則在后一個月也應大于0的原則，將不符合該原則的像元作為離群像元去除；水域賦值噪聲去除通常采用高分辨率遙感影像對水域范圍進行勾畫，再將該范圍內的輻射值賦值為0，本文將2019年基礎性地理國情監測水域范圍數據作為去噪范圍。

圖2 利用NPP/VIIRS數據提取城市建成區的技術流程圖

已有研究表明，對數變換能對NPP/VIIRS高灰度值進行壓縮，拉伸低灰度值，以便更好地區分城市建成區和非建成區（圖3）[8,19]。灰度變換公式為：

式中，x為原始值；f(x)為經過對數變換的值；Inx為原始值取自然對數。

圖3 對數變換前后從城市建成區到非建成區灰度值變化差異

2.2 城市建成區提取

本文采用閾值法提取城市建成區，即假定一個初始亮度閾值對城市建成區進行提取，再不斷改變亮度閾值，將與統計數據最接近的閾值作為城市建成區提取標準（表1）。將預處理后的NPP/VIIRS數據按照0.01的間隔進行離散分級，提取城市建成區邊界。由于城市建成區是具有一定規模已成片開發建設的區域，需對分散的零碎區域進行剔除。考慮到重慶是典型的山地城市，受地形、地貌與河流等影響，城市以組團型發展為主[20]，整體建設空間較小，因此需要設定合適的規模閾值提取城市建成區。

重慶市的38個區縣中，城口縣位于大巴山區，城市建成區規模最小。由《重慶市城口縣建設用地控制性詳細規劃方案》可知，規劃至2020年中心城區城市建設用地面積為4.0 km2，因此結合高分辨率遙感影像，對大于1 km2的建設區域進行保留。由于部分建制鎮建設面積較大，在進行城市建成區提取時，若以1 km2作為城市建成區的提取標準，江津區白沙鎮、武隆區平橋鎮、石柱縣黃水鎮、墊江縣澄溪鎮等部分建制鎮將納入城市建成區范圍，因此以各區縣相關規劃確定的鄉鎮街道界為范圍，將建制鎮剔除。按照上述方法，將城市建成區提取結果與統計數據中規模最接近的亮度閾值作為該年度城市建成區的亮度值，以該閾值為該年度城市建成區規模閾值；同時將柵格數據轉換為矢量成果，以1 km的寬度對數據進行平滑處理，消除邊緣鋸齒化，得到城市建成區最終擬合成果。

表1 2013—2019年人口和用地情況表

3 城市建成區耦合性分析

3.1 與POI數據的耦合性分析

1）利用POI提取城市建成區范圍。POI數據包括建筑物、基礎設施、公共服務設施等多類信息，在城市地區具有集聚效應和規模效益特征，已廣泛應用于城市建成區提取，且提取的城市建成區在邊緣處具有平滑特征[12-13,21]。本文首先對POI數據進行空間匹配、數據去重、坐標轉換等預處理，再通過反復試驗選擇適合于重慶市特殊地形的搜索半徑，最終以500 m為搜索半徑進行核密度計算（柵格單元為50 m），并基于ArcGIS平臺繪制核密度等值線圖。核密度計算公式為：

式中，f(s)為s處核密度估計值；r為搜索半徑；n為樣本總數；dx為POI點與x之間的距離；φ為距離權重。

本文對不同等值線范圍內的城市建成區面積進行提取，并對小于1 km2的碎圖斑進行剔除。通過對比發現，城市建成區面積與POI等值線具有指數關系，等值線越高，提取城市建成區面積越小（圖4），其中值為7.85的等值線與統計數據擬合性最高，因此以該值為閾值提取城市建成區范圍，得到2018年城市建成區面積為1 652.24 km2，與統計數據的相對誤差為0.05%。

2）NPP/VIIRS數據與POI數據的耦合性。本文利用POI核密度分析提取城市建成區圖斑223個，大于NPP/VIIRS數據提取的數量（119個），說明利用POI核密度分析提取的城市建成區更為破碎。本文將POI數據與NPP/VIIRS數據提取的城市建成區范圍進行空間分析，取二者交集和并集區域，其中并集面積為2 231.13 km2，交集面積為1 068.78 km2，重疊區域占統計數據的64.66%，表明POI數據和NPP/VIIRS數據提取的城市建成區范圍在空間上重疊度較高（圖5）。

圖4 POI等值線與城市建成區面積關系圖

圖5 POI數據與NPP/VIIRS數據提取的城市建成區對比圖

本文以并集區域為研究對象，將對象范圍進行網格化，網格大小設置為1 km×1 km，分別統計網格內POI和NPP/VIIRS的平均值，并對二者的相關性進行分析，如圖6所示。

圖6 POI均值與NPP/VIIRS均值相關性情況

在城市建成區范圍內，POI均值隨著NPP/VIIRS均值的增加而具有逐漸增加的趨勢，但二者的相關性不明顯，主要原因在于：它們對城市建成區提取依據的重點特征不同，POI核密度分析提取的城市建成區圖斑較零散，且在城市邊緣處較平滑；而由于在城市中心區域有燈光溢出現象，NPP/VIIRS數據對于城市建成區的提取表現為集中連片特征，但在城市邊緣區域由于分辨率的影響呈現鋸齒狀特征。存在較多POI低值而NPP/VIIRS值較高的現象，這主要是由于POI數據提取的城市建成區在城市內部存在部分漏洞區域，而NPP/VIIRS數據提取成果在城市內部漏洞區域較少所致。

3.2 與不透水面數據的耦合性分析

不透水面數據主要是基于多源遙感數據產品（GlobeLand30地表覆蓋產品、VIIRS夜間燈光數據和MODIS EVI植被指數產品），利用隨機森林分類等模型方法形成的綜合拼接產品（由中國科學院空天信息創新研究院生產，分辨率為30 m）。該產品能較為準確地反映人工不透水面的地表空間分布情況[22]。

2015年重慶市不透水面的總面積為1 479.82 km2，而城市規劃涉及鄉鎮街道內不透水面面積為1 220.31 km2，占NPP/VIIRS數據提取的城市建成區的84.80%。從空間上來看，NPP/VIIRS數據提取的城市建成區范圍內的不透水面面積為719.15 km2，占比為49.97%，與POI數據和NPP/VIIRS數據重疊度相比，空間重疊度較低。為實現不透水面與NPP/VIIRS數據的比較分析，本文以城市規劃涉及鄉鎮街道為范圍，構建1 km×1 km的正方形網格，統計網格內不透水面均值和NPP/VIIRS均值，并分析二者的相關性（圖7）。結果表明，不透水面均值與NPP/VIIRS燈光亮度存在一定的相關性，隨著不透水面均值的增加，亮度逐漸增加；但相關性不明顯，相關系數僅為0.427 2，主要是由于不透水面數據分辨率較高，分布也較離散，城市內部燈光亮度值較高的區域沒有不透水面數據分布。

圖7 不透水面均值與NPP/VIIRS均值相關性情況

4 城市空間演變分析

1）變化特征分析。本文通過擴展速率、擴展強度兩個指標對重慶市2013－2019年城市建成區總體變化特征進行分析。其中，擴展速率為相鄰兩個年度城市建成區的面積之差；擴展強度為相鄰兩個年度城市建成區面積之差與前一年度的比值。重慶市2013－2019年城市建成區總體擴張面積為373.99 km2，年均擴張面積為62.33 km2，其中2017－2018年城市建成區擴張面積最大，2013－2014年擴展強度最大。擴展速率和擴展強度均具有波動特征，尤其是2018－2019年擴展速率和擴展強度均為最小，原因可能為：①受全球經濟形勢整體下滑影響，在城市建設方面有所減少；②由于各項政策影響，特別是房地產和工業用地限制，土地交易市場出現一定降溫（表2）。

表2 2013—2019年重慶市城市建成區變化特征表

2013－2019年渝中區、大渡口區、江北區、沙坪壩區、九龍坡區、南岸區、北碚區、渝北區等中心城區的城市建成區擴張面積最大，年均變化面積為28.07 km2，接近全市擴張總面積的一半；主城新區其次，年均城市建成區面積增長22.81 km2；渝東北地區城市建成區擴張以萬州區為主要增長點；渝東南面積擴張面積最少，其中黔江區和武隆區年均擴張面積超過1 km2。結果表明，重慶市城市發展仍以中心城區為核心區域，主城新區受中心城區輻射帶動作用，城市發展速度較快，中心城區和主城新區的城市建成區擴張占比較高，渝東北地區和渝東南地區為四川盆地盆周區域，山地丘陵較多，受地形地貌限制和功能區定位影響，城市建設面積較小（圖8）。中心城區城市擴張以渝北區為主要增長極，主要受國家級新區（重慶兩江新區）產業發展驅動，近年來渝北區城市擴展主要區域為東部龍興工業園區。在全市38個區縣中，年均城市建成區增長面積超過1 km2有21個區縣，超過2 km2有12個區縣，超過3 km2有5個區縣，分別是渝北區、巴南區、江北區、江津區和永川區（圖9）。

圖8 2013—2019年全市城市建成區分布圖

圖9 2013—2019年重慶市各區縣年均城市建成區增加量

2）擴張方向分析。標準差橢圓主要反映點狀要素的空間分布特征，由方位角、長軸和短軸方向標準差3個要素組成，其中方位角反映空間分布趨勢，長、短軸分別表示在主次兩個方向上的離散程度[8]。本文基于ArcGIS平臺，以城市建成區范圍為輸入數據，計算標準差橢圓，如圖10所示。

圖10 城市建成區標準差橢圓幾何中心分布圖

2013－2019年標準差橢圓面積由38 559.60 km2降至37 800.06 km2，略有下降趨勢，但年際之間呈減少—增加—減少的波動趨勢；長軸方向先減少后增加，短軸方向逐漸減少，城市擴張長短軸離散變化規律特征不明顯。橢圓重心經度方向為向東部偏移，緯度方向為向南部偏移，表明城市建成區擴張整體空間向東南方向移動。橢圓重心位于長壽區和涪陵區交接區域，但不同年份橢圓重心具有一定的波動性，如2014－2015年城市建成區整體向西北方向擴張，而2018－2019年整體略微向東北方向擴張。

3）擴張形態與協調性分析。為了定量分析重慶市城市建成區形態和建設協調性特征，本文采用緊湊度、分形維數、用地增長彈性系數和標準差橢圓等指標進行描述，其中緊湊度反映城市建設的緊湊性，值越大形狀越具有緊湊性；分形維數表達城市邊緣對空間填充的能力，其值增加說明城市建設以外部擴張為主，反之則以內部填充為主；用地增長彈性系數反映城市用地與人口變化率的均衡性情況。緊湊度、分形維數和用地增長彈性系數的計算公式為：

式中，A、P分別為城市建成區的面積和周長；PR為常住城鎮人口的年均增長率；GR為城市用地的年均增長率。

城市建成區的分形維數較大，2019年達到92.96，說明城市空間邊界不規則程度較高；分形維數呈上升趨勢，2013－2019年增加了6.76，說明城市空間不規則程度仍在加劇，城市以外部擴張建設為主。城市緊湊度水平整體較低，主要由于重慶市為山地城市，適宜建設空間較破碎，城市以組團式建設為主；且緊湊度逐年降低，表明在城市土地資源利用方面仍需要提高利用效率。用地增長彈性系數總體上逐漸減小，但年際之間存在一定的波動，表明城市建成區與人口協調性雖有變好趨勢，但存在不同年份的波動變化，且2018－2019年用地增長彈性系數較低，可能存在人口增長與用地比例失調的情況，長此以往不利于城市健康發展。

5 結 語

本文利用NPP/VIIRS夜間燈光遙感數據，采用閾值法等方法對城市建成區范圍進行了提取與優化；并結合POI核密度分析、不透水面數據，分別分析了二者與NPP/VIIRS數據的耦合性，選取擴展速率、擴展強度、緊湊度、分形維數、用地增長彈性系數和標準差橢圓等指標對城市空間結構及其變化趨勢進行了定量研究。

1）POI核密度隨NPP/VIIRS夜間燈光亮度增加而不斷增加，二者具有一定的相關性，空間重疊度達到64.66%，但相關性不高，主要原因在于POI核密度提取的城市建成區圖斑較零散，且在城市邊緣處較平滑，而NPP/VIIRS數據對于城市建成區的提取表現為集中連片特征，但分辨率較低，在城市邊緣呈鋸齒狀特征。

2）不透水面均值隨夜間燈光亮度增加而逐漸增加，相關性也不明顯（R2=0.427 2），主要是由于不透水面數據分辨率較高，分布也較離散，城市內部燈光亮度值較高區域沒有不透水面數據分布所致。

3）重慶市2013－2019年城市擴張趨勢明顯，擴展速率和擴展強度在年內具有波動趨勢，但整體趨勢逐年減少，建設重心向東南方向偏移。

4）受地形地貌影響，城市以組團式建設為主，空間不規則程度和破碎度呈逐年增加的趨勢，城市土地資源利用效率仍需提高，用地增長彈性系數較低，可能存在人口與用地比例失調的情況。

當然，本文存在一定的不足之處需要繼續深化研究。首先，城市建成區采用簡單的閾值法提取，沒有考慮多種方法提取效果的對比，以便優化提取方法。其次，對于NPP/VIIRS數據與POI核密度、不透水面的耦合性分析，由于數據來源限制，未采用現勢性較高的2019年數據，且沒有明確提出二者對NPP/VIIRS數據提取城市建成區邊界優化的方法。