基于VIIRS影像的光污染演變特征初探
——以我國4座城市為研究對象

馮 凱，代書劍，郝洛西

(1.同濟大學建筑與城市規劃學院，上海 200092；2.高密度人居環境生態與節能教育部重點實驗室，上海 200092；3.上海市城市更新及其空間優化技術重點實驗室，上海 200092)

引言

通過衛星遙感圖像研究城市，是發現與解決城市化過程中各類問題、提升城市管理水平的重要手段[1-4]。與白天的影像數據相比，夜間燈光遙感影像能夠更加清晰地傳達夜晚人類活動的空間分布和活躍程度，與傳統的調查統計方式相比，夜間燈光遙感可以大幅節約人力、物力以及時間成本，同時提升了數據的客觀性與縱向對比性[5-8]。通過夜間燈光遙感數據發現城市中出現的問題并提出對應技術措施的方法，在全球范圍內得到了廣泛運用[9-20]。

近年我國城市夜景建設發展迅速，但同時也出現了夜景建設品質低、區域亮度過高、擾民現象頻發等問題(圖1)，以美化城市環境為目的的夜景建設，反而降低了城市的環境品質，同時可能增加了城市的運行成本。

圖1 城市夜景建設引發的光污染問題Fig.1 Light pollution caused by the nightscape constructions

現有城市照明光污染(以下簡稱“光污染”)研究偏重于城市場所中的具體問題，如LED屏、景觀照明偏好、道路照明品質、對天文學科的影響、人體健康影響等[21-35]。而以城市全局為研究對象，探討光污染演變特征的內容相對較少。利用衛星影像手段分析宏觀層面光污染變化特征、發現典型問題與可能誘因，將對城市照明規劃編制、城市照明管理政策制定具有重要意義，最終實現照明自上而下的技術管控，促進城市夜晚環境建設的科學化、精細化、長效化發展。

1 基于R語言的VIIRS衛星影像量化分析方法

研究以VIIRS衛星的Day-Night Band(DNB)為基礎數據，對北京、上海、廣州、深圳4座城市的人工照明光污染地圖(Light Pollution Map，以下簡稱LPM)進行觀察對比[36]，分析各城市近8年(2012—2019)的光污染演變共性特性，以期為城市照明規劃編制、管控提供參考。具體方法包括：

(1)通過Photoshop吸管工具獲得LPM中典型色彩的RGB值，共10種(表1)。

表1 LPM色彩分級表Table 1 Color grading of LPM

(2)將所得色彩分別歸納為Low/Medium/Higher/Highest四個光污染強度級別，分別對應不同的光污染輻射量區間，為便于描述后文分別簡稱為L級、M級、H-er級、H-st級(表1)。

(3)通過R語言分析4個級別(在LPM圖像中)的像素數量和占比(此過程通過R語言編程方法進行圖像量化分析，以下統一簡稱為“R方法”)；

(4)基于上條結論，探討同一城市在不同年份中各光污染級別的占比及變化情況，并總結各城市光污染的共性演變規律。

由于LPM為人工光輻射的年度影像數據，圖像信息受到眾多影響因素(噪音)干擾，本次研究在R方法分析同時，使用Light Trend Analysis(以下簡稱LTA)對評價結論進行校核[37]，操作方法為：以VIIRS衛星DNB(Day &Night Band)總輻射量影像為基礎數據，賦予2016 vcm-orm-ntl圖層進行校正[38]。

2 基于VIIR衛星影像的光污染分析

2.1 北京城市照明光污染特征分析

通過觀察可知北京市及周邊地區的M/H-er/H-st三個級別光污染范圍不斷擴大(圖2)，L級不斷變小，表明北京市區光污染整體水平不斷上升。通過R方法分析4個光污染級別的(畫面像素)占比變化情況，結論驗證了觀察結論：H-er(從9.6%～12.7%)和H-st(從1.4%～2.3%)兩級緩慢上升，M級上升明顯(從29.3%～44.3%)，L級則不斷下降(從56.4%～34.6%)，整體呈現出由L級主導轉變為M級主導特征(圖3)。

圖2 北京及周邊地區光污染變化圖Fig.2 Variation of light pollution in Beijing and its surrounding areas

圖3 北京市4個光污染等級變化統計(2012—2019)Fig.3 Changes of 4 light pollution levels in Beijing (2012—2019)

對影像細節進行觀察，北京市北、東、南三個方向逐步與天津、廊坊融為一體，而城市(或城區)之間的過渡區域沿公路走向的光污染明顯加劇，初判北京與周邊城市、縣區沿公路線聯系不斷加強，具體包括懷柔、密云、香河等(圖4)。

圖4 北京及周邊城市的光污染分布情況(2012—2019)Fig.4 Distribution of light pollution in Beijing and surrounding cities(2012—2019)注：圖中1#為懷柔區(北京)；2#為密云區(北京)；3#為平谷區(北京)；4#為薊州區(天津)；5#為香河縣(廊坊)；6#為武清區(天津)；7#為廣陽區(廊坊)；8#為固安縣(廊坊)；9#為涿州市(保定)

與東、南、北三個方向不同，朝向西部、西北部方向的光污染變化不顯著，2012年前后位于西北方向的延慶區(以及更遠的懷來縣)與北京主城區在京新高速、京藏高速沿線有較強的聯系(圖5箭頭示意位置)，但隨后的8年(至2019年)公路沿線光污染強度并未明顯加強，甚至有減弱趨勢，雖然2017年后二者光污染(M級)已經融為一體，但由于交通線周邊未呈現加強特征，初步判斷此結果與東、南方向不同，并非兩座城市關系加深引起，而是由于兩座城市自身光污染不斷增強導致大氣環境中光污染融為一體。

圖5 北京與延慶之間的光污染變化(2012—2019)Fig.5 Variation of light pollution between Beijing and Yanqing(2012—2019)

通過LTA對以上觀察結論進行分析，結果具有一致性(圖6～圖9)，驗證了上述分析。

圖6 北京市的光污染LTA分析(2012—2019)Fig.6 LTA analysis of light pollution in Beijing(2012—2019)

圖7 北京與廊坊過渡區域的光污染LTA分析(2012—2019)Fig.7 LTA analysis of light pollution inthe transition area between Beijing and Langfang(2012—2019)

圖8 北京與天津過渡區域的光污染LTA分析(2012—2019)Fig.8 LTA analysis of light pollution in the transition area between Beijing and Tianjin(2012—2019)

圖9 北京與延慶過渡區域的光污染LTA分析(2012—2019)Fig.9 LTA analysis of light pollution in the transition area between Beijing and Yanqing(2012—2019)

城區內部H-st級(圖10)主要集中于夜間人流量大、使用率高的片區，包括復興門—大望路一線(東西向)，朝陽公園—三里屯—工體—國貿(南北向)、望京、首都機場、奧體中心、北京西站、新發地7個區域，表明夜晚熱度高的區域，會呈現高污染特征。同時發現以上區域的范圍雖然呈現擴大趨勢，但變化幅度較小，且在2016年后保持相對穩定。

對各個H-st級的變化分析發現，首都機場與其他幾個區域逐漸增強趨勢不同，其長期處于高污染狀態(圖10中4#)，此特征在多座城市中均有出現，后文將逐一進行討論。另外，自2016年起，二、三環西南角部位置出現一處H-st級區域(圖10中8#)，查閱資料發現此區域為麗澤商務區，而其主體建設工作正是在2016年左右啟動[39]，與光污染團出現具有一致性，初判光污染地圖能夠直接反映新興建設區域(特別是夜間施工區域)。

圖10 北京市區內H-st級光污染的分布情況(2012—2019)Fig.10 Regional distribution of H-st level in Beijing(2012—2019)注：圖中1#為復興門—大望路；2#為朝陽公園—三里屯—工體—國貿；3#為望京；4#為首都機場；5#為奧體中心；6#為北京西站；7#為新發地；8#為麗澤商務區

綜上可知，北京市光污染變化呈現出如下特征：與周邊城市(或城區)之間道路沿線光污染增強顯著(以M級與H-er級為主)；城市內部M級與H-er級變化最為明顯且呈現向外擴散特征；H-st級一般集中于核心的商業區、辦公區、交通樞紐周邊等，其覆蓋范圍有一定擴大但隨后保持穩定；機場區域連續多年一直處于H-st級別；新出現的大規模建設(如夜間施工)可能引發明顯的光污染惡化。

2.2 上海城市照明光污染變化分析

上海市(及周邊)光污染變化最大特征為M級及以上范圍不斷向東部海域(東海)漫延(圖11虛線位置)，引起L級范圍不斷變小。R方法下L級由2012年43.7%(2012)下降為36.6%(2019)(圖12)，與觀察結論一致。

圖11 光污染邊界不斷向東部海域漫延Fig.11 The boundary of light pollution continues to spread to the eastern sea area

圖12 上海市4個光污染等級變化統計(2012—2019)Fig.12 Statistics of changes in 4 light pollution levels in Shanghai (2012—2019)

上海的H-st級集中于浦東機場片區、虹橋機場片區、上港外高橋碼頭(外四—外六)片區、陸家嘴片區、外灘周邊、延安高架沿線(南北高架以東區域)、浦東新區沿江段(陸家嘴—前灘休閑公園段)(見圖13)，均為上海市區重要的人流聚集地或交通、貨運樞紐，8年期間各自范圍均有一定程度擴大但不顯著，此特征與北京市的H-st級區域特征相似。

觀察發現2016年浦東機場西部約10 km處出現高污染點(圖13中6#位置)，并在隨后幾年中一直保持高污染狀態，查閱資料發現該區域為上海迪士尼片區，其開園時間正是2016年，LTA數據也體現出相同結論(圖14)。此特征與北京麗澤商務區具有類似性，即光污染地圖對城市中心的高熱度區域具有直觀反映，當此區域存在大量人流聚集情況時(以年為時間單位)，會引發明顯的光污染變化。

圖13 上海市區內H-st級光污染區域分布圖(2012—2019)Fig.13 Regional distribution of H-st level in Shanghai(2012—2019)注：1#為虹橋機場片區；2#為浦東機場片區；3#為上港集箱外高橋碼頭片區；4#為外四碼頭片區；5#為外灘—陸家嘴及周邊片區；6#為迪士尼。

圖14 2016年后迪士尼區域光污染上升迅速Fig.14 Light pollution of Disneyland increased rapidly after 2016

上海市光污染變化呈現出如下特征：光污染范圍不斷向海域擴散；市區內核心的商圈、辦公區、開放空間、交通樞紐、貨運港口等人流密集或晚間持續作業區域是光污染的高發區域；新出現的高熱度區域，可能引發明顯的光污染加劇。

2.3 廣州城市照明光污染變化分析

廣州市區范圍內光污染分布情況變化不顯著，未新增明顯的H-st級污染區域，但H-er級有明顯增加(圖15)，通過R方法分析發現其由43.5%(2012)提升到48.7%(2019)(圖16)，與觀察結論一致。

圖15 廣州M/H-er級光污染范圍明顯變大Fig.15 The range of M/H-er light pollution in Guangzhou was obviously enlarged

圖16 廣州市4個光污染等級變化統計(2012—2019)Fig.16 Statistics of changes in 4 light pollution levels in Guangzhou (2012—2019)

廣州外圍區域光污染有一定程度擴散，與西向的肇慶呈現融合趨勢(圖17和圖18)。西南方向與佛山長期處于一體化狀態，東部與東莞長年處于深度聯系狀態。

圖17 廣州與周邊城市間的光污染關系Fig.17 Light pollution relationship between Guangzhou and surrounding cities

圖18 廣州與肇慶過渡區域LTA分析Fig.18 LTA analysis of transition area between Guangzhou and Zhaoqing

城區內變化最明顯的區域為白云機場片區，自13年起其光污染范圍與強度均在不斷上升，H-st級范圍(圖19)擴大趨勢極為明顯，通過LTA校核也得出同樣結論(圖20)。查閱資料可知，自2012年起白云機場啟動擴建工程(包括T2航站樓、第三跑道等，另外緊鄰機場北部的廣州民航職業技術學院也于2015年全面投入使用[40])，與LPM中H-st級北、東方向擴散趨勢具有較高的一致性，此結論與北京麗澤商務區、上海迪士尼具有相似性。

圖19 廣州白云機場片區光污染逐年增強Fig.19 The light pollution of Guangzhou Airport area is increasing year by year

圖20 白云機場片區LTA數據分析Fig.20 Analysis of LTA data in Baiyun Airport area

廣州市光污染呈現出如下特征：城區范圍內H-st級變化不顯著，但M/H-er兩級范圍擴大明顯；與周邊聯系緊密的城市光污染呈現一體化特征(或趨勢)；機場區域常年處于H-st狀態，且機場擴建與LPM變化一致。

2.4 深圳城市照明光污染變化分析

深圳市西臨珠江入海口，近8年由深圳—廣州—中山—珠海圍合而成的珠三角區域光污染明顯增強，各城市光污染范圍不斷向入海口區域擴展(圖21)，呈現融合趨勢，該區域LTA分析結果呈現類似結論(圖22)。

圖21 珠江入海口區域光污染變化情況Fig.21 Variation of light pollution in Zhujiang River estuary area

圖22 珠江入海口區域LTA結果Fig.22 LTA analysis of Zhujiang River estuary area

R方法下深圳市L級光污染范圍顯著下降，由25.9%(2012)下降至14.5%(2019)，M/H-er/H-st三級均呈現上升趨勢，上升比例在3%～4%之間(圖23)。

圖23 深圳市4個光污染等級變化統計(2012—2019)Fig.23 Statistics of changes in 4 light pollution levels in Shenzhen (2012—2019)

深圳市區內最突出的光污染區域位于西北位置的寶安國際機場、南山南部的蛇口港區域以及位于東部的鹽田港(圖24)3個區域，近8年呈現持續H-st級狀態，其中寶安國際機場光污染強度自2013年起持續上升，范圍不斷擴大(圖24)

圖24 機場、港口區域長期處于H-st級狀態(2012—2019)Fig.24 Airport and port areas keep in H-st level in Shenzhen(2012—2019)

圖25 深圳機場的光污染變化分析(2012—2019)Fig.25 Variation of light pollution of Shenzhen Airport(2012—2019)

市區范圍內香港(落馬洲)—福田(福田中心區)—羅湖(老街)沿線光污染在2014年后顯著增加(圖26)，此線路與香港軌道東鐵線、深圳地鐵4號線、1號線高度重合。另外2013、2014、2015、2017、2018五個年份中，福田—深圳北站沿線有明顯光污染出現，此線路與深圳軌道4號線路徑基本重合，初判地鐵及沿線建設情況會對光污染有直接影響。

圖26 深圳市區光污染變化典型區域(2012—2019)Fig.26 Typical variation areas of light pollution in Shenzhen(2012—2019)

深圳市光污染呈現如下特征：城市外圍不斷向海域(珠江入海口)延伸；機場、港口呈現持續高污染狀態；高流量的地鐵線路、口岸區域光污染變化明顯。

3 城市照明光污染演變特征總結

基于以上4座城市的光污染分析，多種共性特征得以被發現，具體包括：

(1)近年4座城市邊界未發生明顯外延，其光污染范圍上變化不大，但整體光污染強度在不斷增強，其中M/H-er兩級表現最為明顯。

(2)城市與周邊區、縣聯系的加強(如北京、廣州)，會直接反應在LPM中，其中沿公路線的變化更為顯著。

(3)商業區(如上海南京路及周邊、北京國貿片區等)、商務區(上海陸家嘴、北京望京、深圳福田中心區等)、高流量的公共場所(北京工體、深圳的深圳灣公園、上海迪士尼等)三類區域在城市中更容易形成H-st級光污染。

(4)機場、港口(以貨運港最為突出)在多座城市中均體現出高污染特征，初步判定是由于港口和機場晚間持續作業要求引起。

(5)較大規模的城市建設會引發明顯的光污染，如廣州機場擴建、上海迪士尼、北京麗澤商務區等，此過程中光污染變化與項目開工建設時間具有高度一致性。

(6)光污染不斷向海域、山體等城市周邊的生態區域擴散，需要說明的是，此類光污染向外擴散可能是由于城市內部光污染增強，引起大氣環境中的光溢散現象，此特征與城、區之間的光污染融合類似，其對應位置可能并沒有大規模的城市建設活動或夜晚作業情況，僅是城市上空的光污染范圍擴散與融合。

4 面向光污染管控的城市照明規劃編制建議

城市照明規劃(以下簡稱規劃)作為城市夜晚環境品質管控的重要技術手段，是實現城市科學、健康發展的重要一環，在自上而下管理體系中應發揮龍頭作用，此過程中科學的管控政策與技術要求一方面應與城市的長遠發展相結合，另一方面還應與城市當下的具體問題相適應。

研究針對各城市的LPM變化分析，在一定程度上能夠顯示城市發展過程中光污染的演變特征，可為規劃的編制提供參考，以在保障城市夜晚功能正常運行的同時，最大化地降低不必要的社會問題(人居環境光污染)、經濟問題(夜晚過度能耗)、環境問題(生態環境光污染)等現象出現，針對未來規劃編制，提出如下建議：

(1)規劃政策應以基礎功能為底線，在保證城市正常運行與安全的基礎避免過度照明建設：對非必需照明進行嚴控，如避免生態區域(山體、水體)的過度建設、嚴控溢散光、天空上射光等，降低城市光污染向外圍生態區域的不必要外延。

(2)規劃指引應在促進城市(區、縣)間深度互聯同時，做好非核心片區的科學管控：不同區域間互聯合作的不斷加強，必然會帶動過渡區域的照明建設，此過程中規劃應進行科學的分區分級控制，制定出具有差異性的照明標準，避免或降低過渡區域光污染的不合理增長。

(3)突顯核心區域影響力，探討高品質建設思路：城市內部的核心商業區、CBD區域、重要城市開放空間等均具有極高的品牌效應，也是城市夜晚建設的重點對象，但在為公眾提供夜晚活動場所的同時，還應更多關注燈光全生命周期(設計、實施、運維、更新)中的品質管控，杜絕簡單粗暴的“亮化建設”。而在規劃中則需對應思考與明確此類對象的夜晚定位、指標管控、長效發展需求等，最終形成兼具品牌性與品質性的夜晚場所。

(4)適應特殊行業需求，制定精細化照明技術要求：機場、港口等具有特殊屬性的城市功能區域，其夜晚照明環境應進行專門研究與設計，規劃中的技術要求應在滿足其正常功能運行基礎上，做好必要的建設管控與預防。

本文以VIIRS影像為基礎探討城市照明光污染演變的共性規律，以期提出一種具有便利可用性的工作方法，為城市宏觀層面的相關管控工作提供方法和結論參考。受限于技術條件，本次研究僅以LPM的圖面信息(不同色彩的像素占比)為對象進行分析，但光污染地圖本身存在較多影響因素(數據噪音)，僅可用于相關基礎問題的發現與探討，針對具體區域或更精細的分析研究，仍需在研究方法與深度上作進一步探討。