基于夜光遙感的寧夏沿黃城市群時空演變

布自強， 白林波， 張佳瑜

(寧夏大學地理科學與規劃學院，銀川 750021)

0 引言

基于遙感技術所得到的夜間燈光空間分布和燈光強度信息與人類活動密切相關，將夜間燈光數據運用到城市擴展與城市群的研究具有廣闊的發展前景[1]。通過夜光數據能夠高效率地區分城市建成區和鄉村背景，避免了由植被等光譜信息產生的光譜混淆，有學者利用夜間燈光數據提取城市建成區，研究城市及城市群的擴展[2-5]。路春燕等[2]在美國軍事氣象衛星(defense meteorological satellite program，DMSP)搭載的線性掃描業務系統(operational linescan system，OLS)和美國國家極地軌道合作衛星(national polar-orbiting operational environmental satellite system preparatory project，NPP)搭載的可見紅外成像輻射儀(visible infrared imaging radiometer suite，VIIRS)所獲取的夜間燈光遙感影像數據的基礎上，綜合利用地理信息系統(geographic information system,GIS)研究了環渤海城市群1992—2013年的時空演變過程，發現該城市群城市空間體系差距減小，擴展呈中心城市圈層化特征； 李桂華等[3]基于NPP/VIIRS夜間燈光數據，利用景觀格局指數對山東半島城市群2012—2018年的城市化發展特征進行定量分析，認為該城市群城市化發展較快，但空間差異性明顯； 李德仁等[4]利用位序-規模分布分析了“一帶一路”城市發展特征，其分析成果得到了較好的驗證； Li等[5]在校正夜間燈光數據的基礎上，定量估測了敘利亞城鎮因內戰導致的夜間燈光的衰弱，研究得到廣泛關注與認可。可見，夜光遙感技術為城市群時空演變與識別提供了一種極佳選擇[1]，為定量識別城市群的空間范圍及演化提供了新的視角[6]。

寧夏沿黃城市群位于我國“兩橫三縱”城市化戰略格局中包昆通道縱軸的北部，是寧夏經濟社會發展的核心區域[7]，頗具西部特色。研究選取該城市群為研究區域，利用整合的DMSP/OLS與NPP/VIIRS夜間燈光數據進行長時間序列的時空演變研究，以期揭示其時空演變特征，為寧夏沿黃城市群建設與發展規劃提供一定參考。

1 研究區概況及數據源

1.1 研究區概況

寧夏回族自治區位于我國西北地區黃河中上游，范圍在N36°66′～39°27′，E104°28～106°89′，與甘肅省、內蒙古自治區和陜西省毗鄰。寧夏沿黃城市群包括寧夏沿黃河分布的銀川市、石嘴山市全境以及吳忠市的利通區、青銅峽市，中衛市的沙坡頭區、中寧縣，面積占寧夏全區的43%，集中了全區57%的人口、80%的城鎮和90%的城鎮人口，創造了寧夏90%以上的國內生產總值(gross domestic product，GDP)和財政收入，已初具城市群雛形。

1.2 數據源及數據預處理

DMSP/OLS和NPP/VIIRS這2種夜間燈光數據(表1)，均下載于美國國家海洋和大氣管理局官網(http: //ngdc.noaa.gov)，輔助用的陸地衛星(Landsat)系列數據通過美國地質勘探局官網(https: //www.usgs.gov)獲取。

表1 夜間燈光數據和Landsat系列數據

為避免影像網格形變帶來的面積變化，2種夜間燈光數據的坐標系均采用蘭伯特等面積投影； 為方便影像亮值像元的計算，將所有影像的網格重采樣為1 km，并完成研究區的裁剪等工作。將專題繪圖儀(thematic mapper，TM)影像和陸地成像儀(operational land imager，OLI)影像進行輻射定標、大氣校正等預處理，并進行數據的鑲嵌、裁剪。

2 數據處理及研究方法

2.1 數據處理

DMSP/OLS數據沒有進行星上定標，不同傳感器之間的數據不具可比性，參考相關研究[8-10]，以雞西市為不變目標區域進行校正。假設像元總體亮度值較高且分布較廣的傳感器F16的數據為標準傳感器，用SPSS軟件進行回歸分析，得到分別用傳感器F12，F15和F18的數據來模擬傳感器F16數據的一元二次回歸模型，進行傳感器間校正。為了對DMSP數據進行連續性校正，并充分應用不同傳感器獨立獲取的相同年份的夜間燈光影像，按照如下公式對傳感器相互校正后的影像進行校正，即

DN=0.5DNa+0.5DNb，

(1)

式中DNa和DNb分別為校正后的同一年份不同傳感器的影像像元灰度值(digital number，DN)值。

考慮到研究區20 a來城市化不斷發展，假設同一像元前一年份的亮度值不應高于后一年份的亮度值，以像元亮度較為穩定的2008年F16數據為參考數據，進行連續性校正。公式為：

(2)

式中：DNn為后一年的數據；DNn-1為前一年的數據。由于2013年F18數據中部分像元亮度值大于63，將這一部分像元的亮度值賦為63，得到DMSP/OLS 4個年份校正后連續的數據集。

為解決NPP/VIIRS數據存在的極亮火光和大片水域導致的像元值異常，進行輻射校正處理。選取銀川市城區最大的燈光值作為上限閾值，對于燈光影像中負值的像元賦值為0。

由于NPP/VIIRS數據不存在標準的閾值區間，所以采用鶴崗市或雞西市為目標區域進行回歸建模的方法不適用于西部地區欠發達城市的數據校正。研究以寧夏沿黃城市群為目標區域進行校正(圖1)，以校正后的研究區2013年F18數據為目標數據，與研究區內2013年的NPP/VIIRS數據進行一

(a) 1998年(b) 2003年(c) 2008年(d) 2013年(e) 2018年

圖1 校正后的燈光影像數據集

元二次回歸建模，得到用NPP/VIIRS數據模擬DMSP/OLS數據的擬合函數，用該模型校正2013年和2018年的NPP/VIIRS數據。對于校正后數據中存在負值的像元賦值為0，對2018年數據進行連續性校正，其像元的亮度值不小于2013年。從圖1中可以看出，經過傳感器間校正和年際校正后的影像有效削弱了像元值過飽和問題。

2.2 建成區提取

在整合的夜間燈光數據上提取出城市建成區，可以解決城市群演變分析只采用人口或GDP數據缺乏空間特征的問題。實際應用中存在夜間燈光數據空間分辨率過低等問題，導致小城市、縣城以及小城鎮等面積較小城區的數據準確性不高，通過較高分辨率的數據開展更加精細的定量化研究可以改善這一情況[11]。

研究采取較高分辨率數據比較法提取城市建成區[12]，即先用Landsat系列數據輔以Google Earth影像通過目視解譯進行城市建成區的提取，得到寧夏沿黃城市群各時期各城市建成區的矢量范圍，以此范圍為掩模，提取各時期寧夏沿黃城市群的城市建成區的夜間燈光數據(圖2)。

圖2 寧夏沿黃城市群建成區時空演變

2.3 分析方法

本研究主要采用夜間燈光增量、平均燈光亮度和燈光增速分析研究區城市群規模發展變化，并采用標準差橢圓、分形維數和破碎度來分析城市群的形態演變，最后，通過首位度和基尼系數2個指標來分析寧夏沿黃城市群結構演變規律。

1)夜間燈光規模與GDP、人口等傳統城市群規模測度有明顯的相關性。一般而言，某區域的夜間燈光總量指數(總強度)和夜間平均燈光指數(燈光密度)可以反映該區域的人類活動強度[13]。計算公式為：

(3)

(4)

式中：DNi為區域內每個像元的亮度值；n為區域內像元的數目；TNLI為區域內夜間燈光總量指數；ANLI為區域內夜間平均燈光指數。

在夜間燈光總量指數基礎上計算城市群夜間燈光的增量和增速，進一步分析城市群規模的增長變化情況。計算公式為：

L=TNLIi+5-TNLIi，

(5)

(6)

式中：L為夜光增量；s為夜光增速;TNLIi+5和TNLIi分別為前一時期和后一時期的區域內夜間燈光總量指數。

2)標準差橢圓可以概括地理要素的空間特征，表現地理要素的分布中心、發現要素空間分布的方向性[14]。通過研究標準差橢圓重心遷移分析城市群規模重心遷移變化的方向性特征，通過研究標準差橢圓的長短軸分布及其變化趨勢從全局性空間的角度定量分析地理要素空間分布的展布性、方向性等特征。

3)分形維數反映了復雜形體占有空間的有效性，是復雜形體不規則性的量度。分形維數可以用來描述城市群的空間形態特征[15]，計算公式為：

(7)

式中：D為城市群的分形維數；P為城市建成區的周長；A為城市建成區的面積。D取值范圍為1～2，越接近1表示城市群的形狀越規則； 反之，城市群的形態結構越復雜。

4)破碎度指數可以表征城市群的分散程度，破碎度指數越高表明城市群內各城市建成區越分散[16]。反之，城市群越聚集。計算公式為：

(8)

式中：C為破碎度指數；m為某一時期城市群內城市建成區斑塊總個數。

5)夜間燈光總量指數與人類活動強度有著密切的關系[17]。研究以夜間燈光總量指數來計算研究區城市群的首位度，以分析城市群的規模結構。計算公式為：

(9)

式中：S為某一年份城市群的首位度;TNLI1和TNLI2分別為該年份排名第一、第二的城市夜間燈光總量指數。一般認為，當S大于2時，首位城市較為突出，具有較強的凝聚力；S越小，首位城市越不突出，小于1時，城市群雙核結構發展明顯。

6)城市基尼系數[18-19]是由加拿大約克大學的馬歇爾教授在研究不同規模城市的發育成長狀況時提出。計算公式為：

(10)

式中：G為城市基尼系數；T為城市群中各城市夜間燈光總體亮度指數之差的絕對值之和。G可以很準確地衡量城市群內各個城市之間的規模差異。G取值范圍為0～1，越接近于0，城市群城市規模越分散； 反之，越接近1，城市群城市規模越集中。

3 結果與分析

3.1 寧夏沿黃城市群規模變化時空分析

3.1.1 燈光總量及平均值分析

研究區燈光總量指數和平均燈光指數如圖3所示。城市群燈光總量指數和平均燈光指數均呈現穩定的上升趨勢，燈光總量指數由1998年的7 658增長到2018年的52 606，平均燈光指數則在20 a間由30.93增長到57.98。表明20 a間研究區建成區規模不斷擴展，社會經濟活動強度明顯增強。其中，銀川市的燈光總量指數占研究區的一半以上，建成區規模超過其他3市的總和，并且銀川市建成區擴展速度快，對整個城市群的發育及擴展起主導作用。城市群北部的石嘴山市為城市群第二大城市，燈光總量指數僅次于銀川市，2018年其燈光總量指數為11 503，占到整個城市群的21.8%， 而其夜間平均燈光指數在5個時期均低于其他3市。研究區南部的吳忠市和中衛市建成區面積較小，2018年2市燈光總量指數之和僅為9 154，城市規模小，對城市群的走向影響較小。

圖3 城市群各城市夜間燈光總量變化

3.1.2 燈光增量及增速分析

根據研究區不同時期夜間燈光總量與平均值計算出研究區燈光增量和增速(表2)，城市群夜光增量先增加后減少，總體呈上升趨勢，在2008—2013年增量和增速均達到最高，夜光增量為21 525，遠高于其他3個時期的增量。夜光增速達99.79%，即寧夏沿黃城市群的規模在這一時期擴展了將近一倍，城市化迅速發展，而在2013—2018年這一時期的夜光增量和夜光增速均有所放緩。其中銀川市燈光增加量最大，4個時期的增加量均大于其他3市，且銀川市燈光增速總體較高，在2008—2013年期間增速達到121.57%，是銀川市建成區規模擴展最快的時期。石嘴山市的夜間燈光規模在1998—2003年期間增長最快，是此時期擴展最快的城市。然而之后其燈光增速不斷降低，由125.59%降低到6.64%，燈光增量由2 503降低到716，發展速度減緩。吳忠市和中衛市由于城市規模小，夜間燈光增量較少，夜間燈光增速沒有明顯規律，但其總體上發展較快，尤其是吳忠市在2008—2013年期間燈光增速為225.20%，5 a間城市規模擴展超2倍，發展速度較快。

表2 研究區燈光增量和增速

3.2 寧夏沿黃城市群形態演變時空分析

3.2.1 標準差橢圓分析

研究區建成區標準差橢圓基本沿黃河呈東北—西南方向分布(圖4)，從標準差橢圓的面積變化來看，經歷了“收縮—擴張”的過程，2008年是從“收縮”到“擴張”的時間轉折點。1998—2008年10 a間為城市群的“收縮”期間，是城市群填補內部空間，積累夜間燈光亮度總值的過程。2008年以后由于城市群內部夜間燈光規模達到一定程度，轉為向外擴張，提高城市群總體規模并加強城市間的協同合作。

圖4 寧夏沿黃城市群標準差橢圓變遷

建成區標準差橢圓的重心移動反映了城市群發展重心的轉移。1998年的重心分布在銀川市金鳳區，位于該城市群中部偏北的位置，體現了北部的銀川市和石嘴山市的建成區在整個城市群占有舉足輕重的地位； 1998—2018年間，重心逐漸沿黃河向西南方向轉移，是因為南部的吳忠市和中衛市擴展速度較快，從而使得標準差橢圓的重心更偏向于城市群的幾何重心，城市間規模的差異在縮小。

3.2.2 破碎度及基尼系數分析

研究區5個時期分形維數及破碎度指數如表3所示。研究區建成區的分形維數呈不斷下降的趨勢，1998—2018年間城市群建成區的擴展是通過以內部填充為主、外部擴張為輔的方式。具體表現為各獨立圖斑的幾何形狀在擴展的同時趨于飽和。

表3 研究區分形維數及破碎度

20 a間研究區建成區總面積由113.32 km2擴展到573.54 km2，而建成區圖斑個數由1998年的25個減少為2018年的10個，破碎度指數由0.22降到0.02。城市群破碎度指數不斷降低，城市群聚集度越來越高，意味著城市間耦合性增強。在城市化過程中，城市建成區的不同斑塊相互連接而形成面積較大的斑塊，鄰近城市的建成區連接成較為廣闊的城市建成區，如銀川市的城市建成區在2008—2013年期間迅速擴展，與賀蘭縣、永寧縣的城市建成區相連。

3.3 寧夏沿黃城市群結構演變時空分析

研究區各個時期首位度和基尼系數如圖5所示。首位度在1998—2008年間為下降過程，2008—2018年為上升過程，這是由于1998—2008年間石嘴山市發展速度較快，尤其是惠農區，除了建成區面積的擴展，夜間平均燈光指數有了很大的增幅(由15增長到39，亮度平均值增長一倍有余)。大武口區與平羅縣夜間燈光總量指數也增長了數倍，建成區范圍極大擴張，平羅縣建成區斑塊連接為一體，形成較大的建成區規模。而銀川市西夏區、金鳳區、興慶區在此期間發展速度相對緩慢，永寧縣、賀蘭縣、靈武市雖然在10 a間也有成倍的增長，但其經濟規模體量小，增長的總量有限。這一時期石嘴山市發展速度快于銀川市，使得城市群的發展規模趨于均衡，首位度由2.28持續降到1.54。

圖5 城市群首位度及基尼系數

2008—2018年10 a間，尤其是2008—2013年期間，銀川市主城區擴展迅速，興慶區不斷向南北兩側擴展，最終突破行政區劃界限與同樣在擴展的永寧縣和賀蘭縣的建成區相連，各區縣之間聯系更加密切[15]。而這一時期石嘴山市擴展速度較為緩慢，尤其是惠農區在2013—2018年擴展受限，而且平均燈光指數也達到了發展瓶頸。銀川市發展速度快于石嘴山市，使得2市間經濟差距拉大，研究區首位度由1.54增長到2.78，銀川市在城市群的地位更加突出。

研究區5個時期的基尼系數均大于0.4，各城市間發展差異較大，其中2003—2008年基尼系數稍有下降，由0.46降低到0.40。在這個時間段內，銀川市發展較緩，而石嘴山市、吳忠市、中衛市發展較快，城市間發展差距有所縮小，這與前面的首位度指數分析結果是一致的。其中，吳忠市在前10 a發展速度較慢，在2008年被中衛市超越，成為研究區排名最后的城市，在2008年后的10 a間，吳忠市的主城區利通區迅速發展，拉動吳忠市再次超越中衛市。但是吳忠市和中衛市的總體經濟體量較小，對整個研究區的發育規模、形態、結構的影響較小。1998年2市的燈光總量之和僅占城市群的14.68%，到2018年這一數值上升為17.40%，小城市在寧夏沿黃城市群所占的比重得到提升，城市群的總體結構有所優化。

4 結論與討論

4.1 結論

本文以寧夏沿黃城市群為研究區，選用時間序列較長的DMSP/OLS和NPP/VIIRS數據，在將2類數據擬合的基礎上，結合Landsat數據應用較高分辨率數據比較法進行城市建成區的提取，分別從規模、形態、結構來分析研究區20 a間的時空演變，結論如下：

1)研究區在1998—2018年間迅速擴展，2008—2013年期間無論從增量還是增速方面都達到了頂峰，其中以銀川市各區縣為擴展的主力軍。

2)研究區破碎度指數不斷降低，即城市群的內部形態更為緊湊，建成區斑塊更加集中； 分形維數從1.74降低到1.54，幾何形狀變得趨于規則，城市群擴展以“內部填充”方式為主。

3)城市群發展重心不斷向西南方向遷移，更加趨近于城市群的幾何中心，城市群南部的吳忠市、中衛市地位得到上升，發展快于北部的石嘴山市。

4)城市群的首位度和基尼系數經歷了“下降—上升”的過程，基尼系數保持在0.40以上，銀川市的發展先緩后快，在城市群中的地位相當突出。

4.2 討論

本文在前人研究的基礎上，根據城市群地理區域和發育過程研究的需要，分別以雞西市為不變目標區域和以寧夏沿黃城市群為目標區域進行校正，并建立了相關的夜光數據擬合體系； 應用較高分辨率數據比較法提取城市建成區夜間燈光影像，較為成功地將整合后的夜間燈光數據應用于研究區各城市的建成區范圍提取中，空間特性得到較強的利用，避免了因使用統計數據比較法帶來的誤差，使得分析結果更加精確、客觀。不同城市建成區時空演變特征相似，可交叉驗證，與相關研究基本吻合[20]，證明了本文數據提取的精度和分析的合理性。較為完整地應用夜間燈光數據進行了城市群時空演變研究，對應用夜間燈光遙感的其他研究有一定的借鑒意義。

同時，由于研究內容體系復雜，計算量大，在部分細節處理有待改進： ①數據擬合精度有待提高。在進行2種夜光數據擬合的過程中，由于對部分數據進行了相互校正以及連續性校正等，導致校正后的數據與原始數據產生了一定的夜光強度誤差。②無法對建成區提取結果進行有效的驗證。為提高提取精度，采用較高分辨率數據比較法進行建成區提取，從而提取結果與統計數據不具有可比性，無法使提取結果得到有效驗證，將在后續研究中尋找更好的方法。