基于夜間燈光數據的關中平原城市群建成區時空格局演變

劉 丹，謝明希，徐聰寶，宋佃星，2*

（1.寶雞文理學院 地理與環境學院，陜西 寶雞 721013；2.寶雞文理學院 陜西省災害監測與機理模擬重點實驗室，陜西 寶雞 721013）

0 引言

城市群已成為當今國際化競爭的主要單元，是國家促進區域經濟增長與空間均衡發展的主要空間架構［1］。改革開放以來，中國城市化進程不斷加速，城鎮化率由1980年的19.39%提高至2000年的36.22%，再提高至2020年的63.89%。中國城市化進程中表現最顯著的特征是城市空間擴展，并已經成為衡量區域發展水平高低的重要指標之一。城市空間擴展研究對城市發展規劃、生態環境建設具有重要意義。

隨著大數據的應用與遙感技術的發展，夜間燈光數據作為遙感大數據的重要組成部分，不僅能有效地捕捉到城市燈光，通過燈光強弱反演人類社會經濟活動，還能有效展現城市的發展過程。夜間燈光數據已廣泛運用于全國［2-3］、區域［4-6］、省域［7-9］、市級［10-12］等層面城鎮空間擴張的研究。國內學者對城市群空間擴張的研究主要集中在以下幾個方面：

（1）擴展演化類型。卓莉等［3］基于不同時段燈光像元強度的變化特征，對中國城市用地空間擴展進行了分類和識別。何春陽等［13］基于夜間燈光數據，系統地分析了20世紀90年代環渤海地區的城市化擴張模式。

（2）擴展特征與格局演化。王翠平等［14］基于燈光數據從擴展類型、強度、方向3個方面對城市群城市用地的擴展特征進行了分析，研究得出中國三大城市群的擴展特征既存在共性又存在差異。官冬杰等［15］通過計算城市擴展指數和帕累托系數對長江經濟帶的城市空間擴展程度和規模分布進行了研究。李桂華等［16］基于VIIRS夜間燈光數據，采用9個景觀格局指數研究和分析了山東半島城市群的城市擴張特征。李茜銘等［17-20］基于夜間燈光數據，采用城市擴張指數、燈光重心、景觀格局指數、空間自相關等方法對城市群的空間格局演變規律進行了研究。王利偉等［21］通過擴展強度指數、空間關聯模型等方法，對京津冀城市群的時空擴展格局進行了分析。董鶴松等［22］基于整合后的燈光影像集，通過擴展強度、重心指數、熱點分析，對中國三大城市群(長三角、珠三角、京津冀)的城市擴展格局進行了分析。

（3）驅動力機制。Wang等［23］通過整合數據集，分析了黃河流域7個城市群的縣域經濟空間格局，并通過多尺度地理加權回歸模型，分析了相關因素對經濟發展水平影響的空間異質性。朱磊等［24］基于多源數據，通過景觀擴展指數對京津冀城市群的城市時空擴展過程進行了量化描述，采用相關分析和回歸分析模型，分析京津冀城市擴展的驅動因素。艾麗婭等［25］基于燈光數據和高分遙感數據，對呼包鄂城市群的燈光動態變化特征和主導城市群發展的關鍵驅動因素進行了研究。

大量文獻資料表明：通過衛星燈光數據提取建成區信息，分析城市擴展特征具有可行性。關中平原城市群尚處在發育雛形階段，正確認識城市發展的特點與規模，有利于促進城市群的協調發展。因此，本文以關中平原城市群為研究區域，采用統計數據參考法提取城市建成區空間信息，通過規模擴展、重心變動、景觀格局指數等方法，定量分析了2002—2020年關中平原城市群建成區的時空演變特征，以期深入了解區域發展和空間格局，為優化城市群空間結構與布局，以及推進關中平原城市群一體化高質量發展提供了參考。

1 研究區概況與數據來源

1.1 研究區概況

關中平原城市群位于我國內陸中心，北靠黃土高原，南依秦嶺，屬于暖溫帶大陸性季風氣候區，降水主要集中在夏、秋季的7—9月。城市群范圍包括陜西省的西安市、寶雞市、咸陽市、銅川市、渭南市、楊凌農業高新技術產業示范區、商洛市（1區3縣）；山西省的運城市（2市1區8縣）、臨汾市（1市1區6縣）；甘肅省的天水市、平涼市（1區4縣）、慶陽市區，總面積約為10.71萬km2，約占我國國土面積的1.12%。關中平原城市群是西部地區連接東中部地區的重要通道，是“一帶一路”建設格局中的重要支撐，承擔著引領西北地區協調高質量發展的重要歷史任務。通過研究區域城市建成區的時空擴展規模及其變化特征，可以科學、合理地構建關中平原城市群城市體系，為實現城市群的獨特戰略地位提供參考。

1.2 數據來源

目前，應用最廣泛的夜光遙感數據集是DMSP/OLS和NPP/VIIRS影像，但這2種數據來源于不同的衛星，其分辨率差異較大而無法直接進行對比分析。因此，本研究使用Ma等［26］制作的“中國區域1992—2020年連續燈光數據v1.0”數據產品，該數據產品基于DMSP/OLS和NPP/VIIRS夜間燈光互標方法，對2013—2020年的NPP/VIIRS數據使用BDR模型校正，1992—2013年的DMSP/OLS數據通過Elvidge等［27-28］提出的方法進行校正，即NPP/VIIRS數據基于DMSP/OLS數據進行時間和空間的聚合。DMSP/OLS與BDRVIIRS數據表現了良好的燈光空間分布特征、像元值統計分布特征，為相關研究領域提供了新的數據來源。基于該燈光數據集在ArcGIS環境下，以關中平原城市群矢量圖為掩膜對夜間燈光數據進行裁剪，轉換為WGS1984坐標系，像元大小重采樣為1 km×1 km的空間分辨率。

統計數據來源于2002—2020年《中國城市建設統計年鑒》《山西統計年鑒》和《甘肅統計年鑒》。本研究使用的矢量行政邊界來自全國地理信息資源目錄服務系統（http://www.webmap.cn），主要河流、地形等數據來源于國家基礎地理信息系統網站（http://ngcc.sbsm.gov.cn/）。由于統計年鑒的可獲得性，同時考慮城市建成區年變化量的顯著性較低，因此本文以2002年為基本起點，選取2002、2004、2006、2008、2010、2012、2014、2016、2018、2020年共10期數據為研究時間節點，探究了關中平原城市群建成區的時空演變特征。

2 研究方法

2.1 建成區提取

通過夜間燈光數據提取城市建成區的方法大致可以分為以下幾類：閾值提取法［29-33］、多時相圖像融合法［34-35］、支持向量機法［36］。閾值提取法可分為經驗閾值法、突變檢測和參考比較法。經驗閾值法是基于已有經驗，人為地設定閾值對建成區的數據進行提取，但易受主觀因素的影響，且缺乏足夠的科學依據［28］；突變檢測法是將斑塊出現破碎時的閾值設定為提取城市區的最優閾值，忽略了城市之間的差異性，不適用于多城鎮的研究［29-30］；參考比較法可分為統計數據參考法和遙感影像參考法，遙感高分辨率影像空間比較法的數據量較大，處理難度相對較高［31］，可通過政府公布的各地市建成區面積作為參考來確定閾值［32-33］。本文使用動態統計數據參考法提取城市建成區的數據，該方法將統計數據作為輔助資料，將某一閾值提取的面積與對應年份統計年鑒中各城市建成區的面積信息進行對比，絕對差值最小的閾值作為最佳閾值。

2.2 規模擴展指數

空間規模擴展分析主要通過擴展速度、擴展強度等指標表征［20］。擴展速度反映了建成區擴展的快慢，是建成區在單位時間內擴展面積的增量，表達式為：

式（1）中，A為擴展速度指數，S為初期建成區面積；ΔS為建成區擴展面積；Δt為間隔時間。

擴展強度是某一時段與初期面積的年均擴展比例，反映了城市群建成區擴展的強弱，實現不同年份建成區擴展的均一化，使得擴展具有可比性，表達式為：

式（2）中，I為擴展強度指數，ΔU為不同時期建成區擴展面積之差；T為區域總面積。

2.3 重心遷移

城市群建成區重心（X,Y），定義為該區域內全部建成區的重心位置，可反映建成區空間整體擴展方向的變化，分別計算重心的偏移距離、偏移速度等指標［17-19］。重心位置是區域內所有要素坐標的加權平均，以灰度值為權重的建成區空間重心坐標，計算公式為：

式（3）～式（4）中，Xt和Yt表示第t年研究區的重心坐標；Ai為要素第i個像元的光亮值；xi和yi為第i個像元的坐標；n表示區域內像元總和。

重心偏移距離ΔD是建成區空間重心在某一時段的遷移距離，即：

重心偏移速度Vt是指建成區重心在某一研究時段的平均偏移速度，即：

重心偏移角度αt是某一研究時段內建成區重心移動的方向與正東的夾角，即：

式（5）～式（7）中，(Xt,Yt)和(Xt-1,Yt-1)分別為第t和t-1年建成區擴展的重心坐標。

2.4 景觀格局指數

通過景觀生態學原理中景觀斑塊空間配置方面等典型指數來探究關中平原城市群建成區空間格局，主要包括斑塊面積標準差、斑塊形狀指數、斑塊密度等指標［16］。

斑塊平均面積(MPA)：某類景觀要素斑塊面積的平均值，反映了斑塊規模大小的平均水平，計算公式如下：

式（8）中，Ni為第i類景觀要素的斑塊總數，Aij為第i類景觀要素的第j個斑塊面積。

斑塊面積標準差(PSSD)：某類景觀要素斑塊面積的統計標準差，反映了景觀要素的斑塊大小的差異度，計算公式如下：

景觀形狀指數(LSI)：斑塊形狀的復雜程度是通過計算斑塊形狀與相同區域的圓形或正方形之間的偏差程度衡量的，表示斑塊邊界的復雜性和不規則性，反映了斑塊的聚合或離散程度，計算公式如下：

式（10）中，LSI為景觀形狀指數，P為斑塊的周長，A為斑塊的面積。

斑塊密度(PD)：單位面積內斑塊的數量，反映了斑塊間相互影響的強度，計算公式如下：

式（11）中，PD為景觀斑塊密度，A為研究范圍內的景觀總面積。

2.5 空間自相關分析

空間自相關分析包含全局和局部2類，全局空間自相關分析可反映要素在地理空間分布上的依賴關系和整體關聯特征，局部自相關從局部尺度測算空間要素范圍，通過空間自相關模型Moran’s I指數分析關中平原城市群建成區擴展的空間集聚或擴散特征［18］。常用的測度指標是Moran’s I指數，其計算公式為：

式（12）中，Yi、Yj分別為第i、j地理單元上的要素個數；Wij表示城市i、j的相鄰權重。Moran’s I指數為（-1,1），當I＞0時，表示城市建成區斑塊在地理空間上顯著集聚；當I＜0時，表明建成區斑塊之間趨向于分散；當I=0時，表明建成區斑塊分布在空間上不相關。

3 結果與分析

3.1 建成區的提取與擴展變化

本研究采用動態閾值法提取關中平原城市群建成區，逐個城市確定最佳提取閾值，相較于城市群整體提取建成區，提取精度更高，閾值整體誤差較穩定，平均相對誤差在10%以內。

對提取的城市建成區進行空間疊加，進而描繪建成區用地的擴展情況，能直觀地反映2002—2020年關中平原城市群建成區的分布格局。可以看到城市群各城市圍繞原中心城區向外擴展和延伸，呈現出不規則的擴展趨勢，建成區的圖斑數不斷增加。

由圖1可以看出，西安作為研究區擴展面積最大的城市，其建成區空間增長最明顯，向北、向西發展的態勢顯著，新增建成區以主城區為中心呈圈層式擴展的特征。咸陽市區呈現出東南—西北方向的擴展形態，“飛地式”小型建成區斑塊擴展迅速。天水、平涼、慶陽城區位于山脈之間，城市擴展建設受限于地形，建成區擴展依托鐵路、國道等交通線整體上呈現出向東南方向擴展的趨勢，擴展面積較小，總體發展水平較低。寶雞市受地形和河流的影響，建成區擴展呈現出明顯東進的特征，城鎮化進程比較顯著。渭南、銅川、運城、臨汾等市整體呈現圈層向外擴展的特征，但在某些年份擴展方向可能因政策、地形等因素而發生改變，如渭南市先向西發展，再向東、向南發展。商洛市地貌結構復雜，山脈占市域面積的絕大部分，其經濟基礎較差，受地形限制而無法大規模地開發建設，城市擴展態勢不顯著，經濟發展較為緩慢。

圖1 關中城市群建成區擴展范圍示意圖

關中平原城市群城市建成區空間增長明顯，擴展過程中呈現出“緩慢增長—持續加速—趨緩”的特征。2002—2020年關中平原城市群建成區的增長強度約為118.3 km2/a，擴展面積、擴展速度和擴展強度均呈“W”形，年際間的變化特征存在差異。

由表1可以看出，2002—2004年關中平原城市群城市建成區擴展速度為139.6 km2/a，擴展強度為0.446，城市建設用地增加了279.2 km2。在這個時期，關中地區加快建設了國家高新技術產業開發帶與星火產業帶，充分利用關中地區有利的基礎條件，實施“一線兩帶”發展戰略，城市擴展態勢明顯。2004—2006年出現回落，擴展速度由139.6 km2/a降至82.0 km2/a，擴展面積為163.9 km2，這一階段相比前一階段來說，其擴展速度有所放緩。城市群的擴展速度與擴展強度在2006—2010年均呈穩步上升的趨勢，城市建設用地面積穩步上升，2010年擴展速度為283.9 km2/a，擴展強度為0.322。2006年陜西在“十一五”規劃中提出：“要率先發展關中地區”，因而城市擴展態勢顯著。2010—2018年關中平原城市群擴展呈波動的發展趨勢，在2018年擴展面積達到最大值352.5 km2，這一時期的擴展強度呈“W”形，2018年的擴展強度為0.317。2009年陜西省發布《西咸一體化發展規劃》，自2010年開始，西咸新區建設進入實施和推進階段，加速了西咸新區城鎮建設用地的擴展，城鎮處于蔓延狀態。隨著高速鐵路、高速公路的建設，城市之間的聯系日益緊密。例如西寶高速、西寶高鐵、蘭西高鐵的開通，有效地帶動了寶雞、天水等城鎮的發展，城市群內部城市之間密切的能量流帶動了西部地區的城鎮建設。但在2018年之后，城市群發展呈減速擴展態勢，城市建成區面積趨于穩定，2020年擴展強度降至最低值0.099，擴展速度為67.5 km2/a。

表1 2002—2020年關中城市群建成區的年際變化特征

3.2 建成區的重心遷移軌跡

為進一步探究關中平原城市群建成區的時空擴展規律，對關中平原城市群2002—2020年建成區的重心進行計算，繪制城市群建成區重心偏移圖（圖2），通過重心移動遷移軌跡和重心偏移距離變化來分析城市群重心在空間上的轉移變化趨勢。

圖2 關中城市群建成區的重心遷移示意圖

由表2可知，2002—2020年關中平原城市群的重心相對穩定，始終位于城市群中部地區，位于34°21′N～34°38′N，108°55′E～109°30′E之間。2002年重心始于臨潼區，2002—2004年向西北部移動，由西安市臨潼區轉移到閻良區，偏移距離為17.43 km。2004—2006年向西南部移動，偏移距離達到最大值24.69 km，2006—2008年重心持續向西南移動到未央區，偏移速度為5.58 km/a，建成區重心以較高的速度轉向西南部。2004—2008年建成區重心空間轉移最顯著，說明這段時期內關中平原城市群建設用地的空間分布格局發生了較大的變化，這表明對燈光增長的拉動作用集中在城市群西部，城市群西部城市地區的發展水平有了一定程度的提高，研究期內西部城市的擴展速度超過東部城市。

表2 重心偏移數據

2008年后重心偏移速度明顯減緩，角度轉變較小，2010年重心位置東移至灞橋區，偏移速度為2.61 km/a，2012年以后，城市建成區擴展重心再次移動到未央區境內。2012—2014年重心位置以5.07 km/a的偏移速度向南移動，2014—2016年，偏移速度達到最小值0.36 km/a，重心向西偏移。2016—2020年重心位置由東北向轉為西南向，偏移速度較小。2008—2020年（除2010年外），建成區重心位置未離開過未央區，重心軌跡在南北方向上小幅來回波動，這與未央區的現實發展狀況相一致。2007年西安市政府北遷至未央區，發展定位為新行政中心區，一系列規劃使得城市的面貌日新月異，城市化進程迅速，榮獲“全國百強區”。總體來看，燈光重心始終在西安市各縣區移動，說明西安市作為主導地區發展的增長極，對關中平原城市群整體城鎮規模擴展的拉動作用較強，同時燈光重心由東向西轉移的特征也表明城市群西部地區對重心的拉動力加強，城市建設速度有所加快。

3.3 景觀格局變化

景觀指數能高度濃縮空間格局信息，通過不同的景觀格局指數來探究關中平原城市群2002—2020年建成區空間格局的發展水平，關中平原城市群建成區總面積呈現出明顯增長的趨勢，年均增長率達到4.3%，表明關中平原城市群建成區面積增長迅速，城市群空間整體仍處于擴展狀態，城市化進程不斷加快（圖3a）。

圖3 關中城市群景觀格局指數的變化趨勢

斑塊數量和斑塊密度是表示景觀破碎化程度的重要指數，數值越大，表明斑塊破碎度越高。由圖3b、圖3c可以看出，斑塊數量與斑塊密度的變化趨勢相近，呈現先增后減的趨勢，2002—2010年間整體呈增長趨勢，2010年達到最大值，之后整體呈下降趨勢。這表明在2002—2010年期間，城市群中的新型城鎮數量增加，城市群發展速度較快。2010年之后，斑塊數量減少，表明城市群破碎化程度降低，獨立小斑塊融合連通成片，城鎮間的聯系越來越緊密。由圖3d可知，斑塊平均面積整體以5.1%的速度增長，2010年之后增速明顯，表明關中平原城市群城市建成規模不斷增加。由圖3e可知，景觀形狀指數表征的是城鎮斑塊的形態復雜度，景觀形狀指數越大，其斑塊形狀越復雜，該指數表現出緩慢增長的趨勢，形狀逐漸復雜化，在2016年達到最大值，之后開始下降，說明城市群整體擴展速度放緩，城市擴展趨于緊湊和內部填充。斑塊數量、斑塊密度、斑塊平均面積、景觀形狀指數這4個指標表明關中平原城市群進入“數量增長”和“規模增長”并行的發展階段。

最大斑塊指數反映區域城鎮的首位度，整體呈現出上升的趨勢，且以2.6%的速度逐年增長，反映出西安市在關中平原城市群中的影響不斷提升（圖3f）。最大斑塊面積整體呈增長趨勢，在2018年達到最大值，之后呈小幅下降趨勢（圖3g）。最小斑塊面積整體較為穩定，斑塊面積兩極分化嚴重，反映出區域內城市發展差異較大（圖3h）。斑塊面積標準差用于表述景觀斑塊的變異程度，反映了城市建設用地的規模變化，斑塊面積標準差整體呈上升的趨勢（圖3i），這表明城市群中城市之間的規模差異在逐漸增大，但在2020年斑塊面積標準差降低，說明城市群內城市之間的差異有所減小。綜合這4個指數可以發現，研究期內城市群各城鎮斑塊相對獨立，作為核心城市的西安首位度大幅提升，西安與其他城市的發展差距在不斷拉大，2018年以后各城市均衡化發展水平有所提升。

3.4 空間集聚演化

由圖4可知，Moran’s I指數均大于0，反映出關中城市群建成區規模在空間上顯著正相關，2002—2008年Moran’s I指數逐漸增高，說明在此期間關中平原城市群建成區空間集聚特征逐漸增強，2008—2020年Moran’s I指數在波動中逐漸降低，表明城市群建成區空間分布的集群特征有弱化的趨勢。

圖4 關中城市群建成區全局Moran’s I指數的變化趨勢

圖5為2002和2020年關中平原城市群建成區空間分布的空間自相關Moran’I指數的計算結果和散點圖，總體來看，城市群建成區空間分布的集聚特征更加明顯，空間聚集性增強，城市群內部的城市規模差異有一定程度的縮小。

圖5 2002和2020年城市群建成區的Moran’ I指數散點圖

圖6為2002和2020年關中平原城市群空間集聚示意圖，2002年建成區空間分布呈現顯著“H-H”集聚的縣區主要分布在西安市主城區附近，到2020年呈現“H-H”集聚特征的區縣個數明顯上升，包括以西安市主城區為中心及其相鄰縣區，以及咸陽市的秦都區、渭城區、涇陽縣、三原縣，反映出西咸新區的建成區擴展態勢明顯，建設用地空間集聚效應明顯。2002年建成區空間分布呈現顯著“L-L”集聚的區縣覆蓋范圍較大，分布在關中平原城市群的西北部及商洛市，2020年低值集聚的區縣數量穩定，空間分布有一定的變化，這表明關中平原城市群西北部及商洛市建成區規模提升相對滯后，城鎮化速度緩慢。“L-L”集聚的縣區數量明顯多于“H-H”集聚，說明關中平原城市群建成區空間分布兩極分化的特征顯著。2002—2020年呈現“L-H”集聚的區縣數量減少，部分區縣轉為“H-H”集聚。2002—2020年“H-L”集聚的區縣主要位于寶雞市金臺區，空間分布位置變化較小。總體來說，研究期內關中平原城市群建成區空間分布的集聚特征逐漸顯著，但各縣區發展差異顯著，城市群一體化發展的程度仍較低。

圖6 2002和2020年城市群建成區的空間集聚示意圖

4 結論與討論

本文基于2002—2020年夜間燈光數據，通過動態統計數據參考比較法，提取了城市建成區的空間信息。通過規模擴展指數、重心偏移模型、景觀格局指數、空間自相關法，對關中平原城市群建成區時空演變進行研究，結論如下：

（1）2002—2020年關中平原城市群城市建成區圍繞原中心城區不規則地向外擴展延伸，建成區圖斑數不斷增加。建成區擴展總體上呈現不斷增長的趨勢，建成區增長強度約為118.3 km2/a，變化特征存在年際差異，擴展過程呈現出“緩慢增長—持續加速—趨緩”的特征。

（2）研究期內，城市群建成區的重心軌跡整體上呈西南向的發展態勢，西部城市的擴展速度超過東部城市，重心移動距離呈現出先增長后縮短的趨勢，西安市主導了城市群的快速發展。

（3）景觀格局指數反映出城市群建成區進入“數量增長”和“規模增長”并行的擴展階段，城市群內部擴展以極化蔓延為主，城市擴展空間差異性顯著。

（4）城市群建成區空間分布的集聚特征更加明顯，空間聚集性增強，各縣區的發展水平差異顯著，城市群一體化發展的程度仍較低。

本研究還存在一定的不足之處，夜間燈光數據在面向城市空間擴展的研究中表現出獨特的優勢，與其他數據提取城市規模相比，基于燈光數據提取城市群范圍的方法具有更快速、更易于獲取的優點，但通過閾值切割法提取建成區空間信息受限于統計年鑒的數據，數據的準確性有待進一步提高。同時，目前長序列燈光數據的分辨率較高，對小城鎮的燈光捕捉能力不強，小尺度分析精度可能存在些許誤差。本文選擇2002—2020年作為研究時段，如果能獲取到更長時間、更小范圍的統計數據，并結合多源數據進行長時間序列研究，將能更具體地揭示關中平原城市群建設用地的時空演變過程。