夜光數據與POI耦合關系下的城市空間結構分析

成樞 楊隴徽 孫昂

摘要：夜間燈光數據與興趣點（Point of Interest，POI）數據能反映出城市中實體要素的分布情況，對研究城市空間結構具有重要意義。以青島市作為研究區域，結合2022年NPP/VIIRS夜間燈光數據與POI數據，利用核密度分析與疊加分析對數據進行網格化處理，得到空間耦合相同或相異的區域。研究表明，青島市夜間燈光與POI整體空間耦合性較高；存在一定量的空間耦合關系相異的區域，如機場、港口、城郊、鄉鎮中心等，結合兩種數據的特點可以更好的表達城市空間結構特征；青島市作為沿海城市，城市空間結構與海聯系密切。本研究可為沿海城市內部空間結構的研究提供一種新視角。

關鍵詞：夜間燈光數據；POI；NPP/VIIRS；耦合關系；城市空間結構

中圖分類號：TB文獻標識碼：Adoi：10.19311/j.cnki.1672-3198.2022.24.099

0引言

城市空間結構是城市內部各空間實體要素之間分布和組合關系的具體表現形式，可以反映出城市發展的方向。夜光遙感是一種可以采集到夜間微光的光學遙感技術，夜間穩定亮光中的大部分來自于城市區域，故夜間燈光數據在識別城市建成區等方面有很強的適用性。興趣點（Point of Interest，POI）記錄了電子地圖上地理實體名稱、坐標等信息，具有更新速度快、數據量大、定位精度高等特點，已被廣泛應用于城市功能區識別、等方面的研究上。

夜間燈光數據和POI數據在城市空間結構方面都得到了廣泛的應用，但通過夜間燈光與 POI數據的耦合關系，分析城市空間結構的研究不多。目前基于夜間燈光數據與POI數據的耦合關系，已有對深圳市、武漢市昆明市等城市的研究。本研究利用夜間燈光數據與POI數據耦合關系對青島市的城市空間結構進行分析，以期能為沿海城市空間結構研究提供參考。

1研究區概況和數據來源

1.1研究區概況

青島市是山東省的一個地級市，地理位置處于我國華東地區、山東半島東南部，位于35°35′N～37°09′N、119°30′E～121°00′E之間，現下轄7個區、代管3個縣級市。2020年青島市土地總面積為11293.36 km2，城市建成區面積為758.2 km2，全市常駐人口為1010.57萬人，2021年全市地區生產總值達到14136.46億元，經濟實力與發展潛力巨大。

1.2數據來源

本研究使用的數據源包括NPP/VIIRS夜間燈光數據、POI數據、青島市行政區劃矢量數據。NPP/VIIRS夜間燈光數據來源于美國科羅拉多礦業大學官網（https：//eogdata.mines.edu），獲取的是2022年1月～5月vcm版本月度數據，該版本數據排除了雜散光的影響，數據質量較高。POI數據是通過高德地圖API采集到的，數據時間為2022年3月，青島市行政區劃矢量數據下載自全國地理信息資源目錄服務系統（https：//www.webmap.cn）。

1.3數據預處理

將2022年1月～5月NPP/VIIRS夜間燈光月度數據按青島市行政區劃范圍進行裁剪，為了能使數據更加適合對青島市的研究，將夜間燈光數據投影轉換為Lambert等面積投影坐標系，并重采樣至500m×500m大小。為了盡可能減小影像數據誤差的影響，對2022年1月～5月夜間燈光數據進行疊加求平均值，將過高異常值像元賦值為周圍3×3范圍內相鄰像元DN值的平均值；水體也會反射燈光，從而會對實驗結果產生影響，將所有水體對應的像元DN值得中位數作為閾值，DN值低于這個閾值的像元賦值為0，從而去除燈光數據中的噪聲，最終得到穩定的2022年上半年NPP/VIIRS夜間燈光數據。

POI數據中存在一些與夜間燈光數據關系較小的數據，如交通設施、行政地標和自然地物，將其剔除后利用其余的POI數據與夜間燈光數據進行空間耦合關系的研究。

2研究方法

2.1核密度分析

核密度分析可以計算出點、線要素的測量值在一定鄰域范圍內的單位密度，從而直觀地表現出地理事件在某一范圍內發生的概率，能夠表現出離散數據的聚集特征，是一種重要的地理空間聚類分析方法。核密度計算公式如下：

fS=∑ni=11h2ks-cih（1）

式中：f（S）表示空間中某一位置s處核密度計算函數，？表示距離閾值（帶寬），k表示空間的權重函數，s-ci表示某一位置s到另一位置ci的距離。

2.2變量歸一化處理

歸一化處理可以將范圍不同的數據控制到同一范圍內，有助于數據之間的比較。利用離差標準化法對POI數據核密度進行歸一化處理，將核密度范圍映射至夜間燈光值范圍。計算公式如下：

x=XMAXx-xminxmax-xmin（2）

式中：x表示標準化后的核密度值，XMAX表示夜間燈光數據最大DN值，x表示核密度值，xmin和xmax分別代表POI核密度最大值和最小值。

2.3數據網格化

數據網格化是將在空間上分布不均勻的數據，根據空間拓撲關系歸算成規則網格中代表數據的方法，可以把點數據轉化為二維平面數據，有助于不同數據進行比較分析。本研究根據研究區范圍，建立面積為1 km2的正六邊形網格，并將矢量化后的夜間燈光數據與POI數據連接至網格。

2.4雙因素組合制圖

雙因素組合制圖是一種通過不同顏色直觀地表示兩個變量之間的耦合關系的可視化方法，該方法被廣泛應用于人口變化等方面的研究。本研究將夜間燈光強度與POI核密度分為高、中、低3個等級，兩兩組合得到9種雙因素組合關系。

3結果與分析

3.1總體分析

將夜間燈光強度值、POI核密度值分別與規則的正六邊形格網進行疊加分析，由于這兩種數據的空間分辨率比正六邊形格網的面積小，一個格網會對應多個像元，故取多個像元的平均值，作為格網中的夜間燈光強度值和POI核密度值。為了直觀地反映出兩類數據的空間耦合關系，對POI核密度值進行歸一化處理，使POI核密度值范圍與夜間燈光強度值范圍保持一致，再利用1.5倍標準差分級方法，把兩類數據劃分為高、中、低3個等級，兩兩組合得到9種耦合關系，采用雙因素制圖法進行對耦合關系進行可視化表達，得到青島市夜間燈光數據與POI空間耦合關系圖（圖1）。

由圖1可知，夜間燈光與POI數據耦合關系相同的區域占比最大，高達92.09%。其中，高—高耦合關系的區域主要分布在城市的中心，中—中耦合關系的區域呈環狀分布在高—高耦合關系的區域的外圍，再向外的大部分區域都表現為低—低耦合關系。說明青島市內多數地區夜間燈光數據與POI數據的耦合性較好，在空間分布上具有較高的一致性。

3.2耦合關系相異分析

除了耦合關系一致的區域，還有一些區域夜間燈光強度與POI核密度分級結果存在差異，這部分區域蘊含著更加豐富的空間信息，對于研究城市空間結構具有重要的意義。本研究將耦合關系相異的區域提取出來，夜間燈光強度高于POI核密度的區域分布如圖2所示，夜間燈光強度低于POI核密度的區域分布如圖3所示。

3.2.1夜間燈光高于POI核密度

由圖2可知，耦合關系為高—中、中—低的區域主要分布在城市中心區的外圍，呈條狀分布，且中—低區域在高—中外側分布，這些區域體現了夜間燈光數據的“溢出效應”，這些區域主要是城市中心區間的過渡地區或城市向農村過渡的城市邊緣區。耦合關系為高—低的區域呈塊狀分布，有聚集特征，經過對比發現這些區域屬于機場、港口、工業區以及新開發地區，如黃島區內耦合關系為高—低的區域有3處，分別是青島港、董家口港兩大港口所在地以及古鎮口大學城建設用地，這些地區照明設施建設好，但POI較少。

夜間燈光數據可以表達城市的燈光強度，但是對于具體的城市空間結構特征無法進行精細的描述，如無法區分經濟開發區、機場、港口等地區；POI數據代表的是點狀的地理實體，對于大范圍同質性區域有著少量不合理的表達。但是對夜間燈光數據和POI數據進行耦合分析，能夠更加詳細的表達出大范圍同質區的空間特征。

3.2.2夜間燈光低于POI核密度

由圖3可知，占比最大的是耦合關系為中—高的區域，在城市中心內呈帶狀或塊狀分布，這些區域對應的位置為城市商業次中心或在城市中的山地，城市商業次中心生活配套齊全，周圍居住的人口密度較大，導致POI較多，在市南區、市北區、李滄區、嶗山區城市化程度高的區表現為4區之間的交界地帶，在黃島區、膠州市、萊西市城市化較低的區有較大范圍的聚集特征；耦合關系為低—中、低—高的區域不多，都呈條狀分布緊挨在中—高區域的外圍，以城郊結合帶、鄉鎮中心為主。

夜間燈光相對于POI核密度值較低的結果表明了對應區域城鎮化相對其他地區較低，但是工商業、服務業具有聚集的特點。由于城鎮化以及發展的差異，夜間燈光強度差異偏大，不利于對發展水平略低地區的空間特征的表達，但通過POI數據對工商業、服務業的記錄，能夠較好的對發展水平較低的城市區域進行表達。通過對夜間燈光數據和POI數據的結合使用，對郊區以及城鎮發展水平較低區域的空間結構有了更好的表達。

4結束語

本研究對2022年青島市夜間燈光數據與POI數據的耦合關系進行分析，并對二者耦合差異區域的城市空間結構進行了分析，主要結論如下。

（1）夜間燈光數據與POI數據的整體空間耦合性較高，耦合關系一致區域的比例達到92.09%，能較好地反映青島市空間結構特征，說明在研究城市空間結構時，這兩種數據具有較好的適用性。

（2）夜間燈光數據與POI數據空間耦合關系相異的區域，對城市空間結構的精細表達有更加重要的作用，在城市商業中心、工業區、城市邊緣、鄉鎮中心以及大范圍同質性區域具有一定的差異。夜間燈光數據在機場、港口、經濟開發區等地區強度較高，具有顯著的“溢出”效應，但對鄉鎮中心等表征效果不好；POI數據在商業中心、鄉鎮中心、城郊等區域分布較多，對人類活動表達更加精細。夜間燈光數據與POI數據有著各自的特點，相互結合，可以彌補各自的不足，從而對城市空間結構的表征更加具體精細。

（3）青島市城市內部空間結構呈現出多中心的特點，作為沿海城市，其城市空間結構與海聯系密切，大部分中心都位于沿海地區，城市沿著海岸線發展，在內陸地區不靠海的地方也有一些中心區，但相對于沿海地區，內陸地區城市發展水平較低。

本研究也存在一些不足，如研究區下轄的各行政區發展差異大的話，會使數據的耦合關系在發展較差的地區產生偏差；僅用分析兩種數據的耦合關系，較為單一，以后可以引入微博簽到、人口等數據，對城市空間結構進行進一步探究。

參考文獻

[1]王芳，高曉路，顏秉秋.基于住宅價格的北京城市空間結構研究[J].地理科學進展，2014，33（10）：1322-1331.

[2]余柏蒗，王叢笑，宮文康，等.夜間燈光遙感與城市問題研究：數據、方法、應用和展望[J].遙感學報，2021，25（1）：342-364.

[3]YIN Z M， LI X， TONG F，et al.Mapping Urban Expansion Using Night-Time Light Images From Luojia1-01 and International Space Station[J]. International Journal of Remote Sensing，2019，41（7）：2603-2623.

[4]高巖，邢漢發，張煥雪.夜光遙感與POI數據耦合關系中的城市空間結構分析——以深圳市為例[J].桂林理工大學學報，2022，42（1）：122-130.

[5]周杭，樊紅.基于眾源地理數據的城市功能區及其熱點的識別研究[J].武漢大學學報（工學版），2022，55（4）：417-426.

[6]陳斌，徐尚昭，周陽陽，等.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[J].測繪通報，2020（7）：70-75.

[8]羅虹，趙政權.興趣點與夜光數據耦合關系下的城市空間結構分析——以昆明市為例[J].河南科學，2021，39（4）：619-625.

[9]山東省統計局.山東統計年鑒-2021[M].北京：中國統計出版社，2021.