夜光遙感數據在城市社會經濟指標估算中的應用

王郡如　劉傲　鮑雅君

摘 要：燈光數據與人類社會經濟活動有很強的相關關系，傳統統計方法得到的GDP數據在進行經濟指標估算時具有局限性，基于夜間燈光數據構建的GDP預測模型對分析安徽省各地區GDP的指標估算以及城市將來發展有重要的意義。本文基于珞珈一號夜間燈光數據以及安徽省近兩年以來的GDP指數，采用燈光數據構建GDP預測模型以及GDP指數可視化的方法，對安徽省的燈光數據以及GDP指數之間的相關性展開研究，結果表明：（1）珞珈一號夜間燈光數據對安徽省社會經濟參量具有較強相關性。（2）安徽省的皖中地區以合肥為首發展經濟比較強，其次是皖南地區發展比皖北地區更強一些。（3）發展安徽省經濟需注重協調，促進全省經濟的提升，同時加強與經濟發達地區的合作，加快融入長三角經濟，創造共同發展經濟環境。

關鍵詞：珞珈一號；夜光遙感；社會經濟；相關性

夜光遙感是獲取無云條件下地表發射的可見光-近紅外電磁波信息。這些信息大部分來源于地表上的人為活動，特別是夜間人類所用的照明設備。除此之外，也包括石油天然氣燃燒、海上漁船、森林火災以及火山爆發等。自DMSP/OLS在美國發射以來[1]， 該衛星傳感器可捕獲到不同發展程度城市所發出的燈光。由此可知， 夜光遙感數據能夠被用來追蹤人類活動的行為軌跡， 它在人類活動監測研究中起到了重要的數據源作用[2]。根據搭載平臺和傳感器的不同，目前比較常見的夜光遙感衛星主要有美國國防氣象衛星（Defense Meteorological SatelliteProgram（DMSP）， NPOESS Preparatory Project （NPP）和珞珈一號01星。對于夜間燈光數據與GDP之間的關系，國內外許多學者也早已對此進行了研究。韓向娣等基于夜間燈光數據，第一次探討夜間燈光數據與GDP之間的關系，以及中國經濟的宏觀分布特征[3]。Li 等在此基礎上，利用多源夜間燈光數據和GDP 統計資料，建立了中國省、縣級行政區的線性回歸模型，通過實證研究，分析了區域經濟發展與夜光數據的關系與成因[4]。Shi等對NPP-VIIRS夜光數據進行校正處理，并使用GDP和EPC在不同尺度上構建線性回歸模型，得出結論，與DMSP/OLS夜間燈光數據相比較，校正后的NPP-VIIRS 數據與經濟社會指標的相關程度更高[5]。曹子陽等提出了將不變目標區域法對夜間燈光影像進行校正應用于 DMSP/OLS數據中國區域的校正，并對校正前后的影像結合 GDP 和電力消耗值進行回歸分析，證明了該方法的合理性[6]。李德仁等基于時序 DMSP/OLS 夜光遙感數據，采用空間統計、標準差橢圓和位序-規模分布方法，研究了“一帶一路”沿線國家的城市發展時空格局演化[7]。王俊華等基于DMSP/OLS夜間燈光數據并結合高程信息，運用相關分析法，繪制出了四川省GDP密度圖[8]?；谝归g燈光數據與社會經濟的研究表明，遙感數據可以對GDP等社會經濟參量進行估算，很對專家都以此為依據，對社會經濟參量進行空間上的模擬分析。總結前人的研究成果，夜光遙感數據具有空間信息豐富、時效性強的優點，適用于大尺度的研究和事件序列分析。其中夜間燈光強度與人類社會經濟活動高度相關，完全可以用于進行人類社會活動分析及社會經濟指標估算[9]。

國內生產總值是度量一個地區或國家經濟水平和發展情況的一項重要指標。夜間燈光亮度與夜間人類活動程度的關系十分密切，它可以在某種程度上反映出一個地區的經濟發展狀況，因此，它也就成為了評價城市發展和人類經濟活動的一項指標。夜間燈光遙感數據不僅具有遙感數據的快速、大面積連續獲取的優勢，還可以能夠直接、獨特地反映出城市化進程的空間結構分布、經濟發展狀況以及人類經濟活動程度?，F在，關于夜間燈光數據與社會經濟發展方面的研究與應用也是比較多的[10-13]。對于利用夜光數據對GDP進行預測時，國內外許多學者采用的方法均為選取某參考地區在某一個時間點的夜光遙感數據和GDP數據，對二者進行擬合，同時將預測值與真實值進行比較研究[14]。目前來說，這種研究方法能夠充分利用夜光數據與GDP數據，較好的反應不同地區間的發展差異和發展趨勢[15]。

本文基于珞珈一號對安徽省城市社會經濟進行相關性分析，一是探索珞珈一號夜間燈光數據的預處理方法以及去噪方法，填補珞珈一號數據處理方向研究的空白，提高該數據的可用性。二是基于珞珈一號數據，以一個新視角來對安徽省GDP進行展示，可以幫助我們更加科學地了解各地區內經濟發展水平，為各個區域發展、制定戰略和政府決策提供一定的借鑒資料。

一、研究區與數據源

（一）研究區概況

安徽，簡稱“皖”，省會合肥。位于長江三角洲地區，中國華東地區，介于東經114°54′—119°37′，北緯29°41′—34°38′之間，東連江蘇，西接河南、湖北，東南接浙江，南鄰江西，北靠山東，總面積14.01萬平方千米。截至2020年7月，安徽省下轄16個省轄市，有9個縣級市，50個縣，45個市轄區。

安徽省在2020年全年地區生產總值38680.6億元，同比增長3.9%。其中，第一產業增加值3184.7億元，增長2.2%；第二產業增加值15671.7億元，增長5.2%；第三產業增加值19824.2億元，增長2.8%。

（二）數據源

珞珈一號0l星具備l30m分辨率、260km幅寬的夜光數據獲取能力，并且面向國內行業用戶提供免費數據服務，被業內稱為“全球首顆專業夜光遙感衛星”，具有廣闊的應用和發展前景。本文即利用該影像數據開展夜光影像亮度值與城市GDP的相關性研究。選取的珞珈一號影像時相盡量接近GDP數據的統計時間，以減小數據比對誤差；選取的各景影像之間時相差不宜過大，有利于保持地區數據的一致性。經過篩選，選取了獲取時間為2018年11月的珞珈一號L2級夜光遙感數據，共計6景。覆蓋安徽省省全部區域。

（三）數據預處理過程

下載的珞珈一號數據每景影像寬幅為264km×264km，由于單景影像不能完全覆蓋安徽省地區，因此需要對影像進行鑲嵌合并，使得影像可以覆蓋整個安徽省。珞珈一號數據的光譜分辨率為32bt，可以有效解決亮度飽和的問題，且珞珈一號數據已經去除了負像元，所以不需對數據進行飽和校正以及負值像元處理。在開展下一步研究之前，還需要對年內的夜間燈光影像的像元DN值進行進一步的穩定性校正。公式參考如下：

下載到的珞珈一號數據未經定標處理，可通過輻亮度轉換公式進行定標，公式為：

式中L為亮度，R為反射系數，E為照度。

我們可以通過Band Math進行輻射定標表達式中輸入：b1^（3.0/2）*（10.0^（-10））。

拉伸方式為Equalization。利用Spatial Analyst工具對安徽省各地市的夜間燈光數據進行統計，其中有夜間燈光平均亮度、夜間燈光強度等。利用Raster color slice工具對圖像進行分割，通過不斷調整最大值和最小值對圖像的燈光分布做出更直觀的顯示。

如圖2，圖3所示，將安徽省燈光分布圖進行輻射校正后進行密度分割，經過不同閾值調整后的密度分割的影像圖能更加清晰的反映出各個地區的燈光分布情況，使安徽省的燈光分布情況能夠更加直觀地顯示。? 二、研究方法

本研究以安徽省為研究對象，通過對安徽省的16個地級市的GDP數據和提取出來的夜間燈光數據進行分析，來完成對安徽省的經濟指標估算。

此次研究從研究區夜間燈光圖像中提取燈光強度數據，包括總燈光指數和平均燈光指數，同時，根據安徽省的市級邊界矢量數據和夜間燈光數據，可以構建安徽省各城市的GDP的增長情況和預測分析。

照明設施的密度和使用能夠反映該區域的繁榮程度，故一個區域越亮，也就越繁榮，所以總強度和燈光密度還可以說明區域的發展程度。因此我們在利用夜間燈光影像做有關社會經濟方面的研究的時候，可以充分利用這以下指標。

（1）基于安徽省地區LJ-01夜間燈光圖，疊加行政區輔助數據，基于Arcgis平臺分區統計功能，對各地級市尺度的夜間燈光總強度進行統計，公式如下：

式中，TNL夜間燈光總強度；DNmax和DNmin分別表示行政區內的最大輻射值與最小輻射值；DNi表示行政區內第i個像元的輻射值；ni表示對應行政區內第i個屬性值的個數。

（2）平均燈光亮度值：

式中，AI表示平均燈光亮度值；TNL表示城市的夜間燈光總強度；S表示該城區的建成區面積。

（3）GDP核算有三種方法，即生產法、收入法和支出法

生產法是以常住單位在生產過程中創造新增價值的角度出發，從而衡量核算期內生產活動最終成果的方法。

GDP=總產出-中間投入

收入法是以常住單位在生產過程中形成收入角度出發，來反映核算期內生產活動最終成果的方法。

GDP=勞動者報酬+生產稅凈額+固定資產折舊+營業盈余

支出法是以貨物和服務最終使用的角度出發，衡量所有常住單位核算期內生產活動最終成果的方法。包括三個部分，分別是最終消費支出、資本形成總額、貨物和服務凈出口。

GDP=最終消費支出+資本形成總額+貨物和服務凈出口

三、結果與分析

（一）燈光指數

由上述公式得到表2的燈光總量，燈光平均值以及標準差。并且由表2可知，安徽省內合肥市燈光總量最大，滁州市次之，淮北市、阜陽市的燈光總量最小。而對于燈光平均值來說，仍是合肥市位列第一，但淮南和馬鞍市則次之，阜陽市最弱。上述兩種燈光指數均是合肥省位列第一。分析其原因，合肥市為安徽省省會，第一產業、第二產業、第三產業經濟成分構成復雜，夜間燈光與第二產業、第三產業的相關性較大，與第一產業的相關性較小，單一的夜間燈光不能精確的反映出其GDP總值，需要結合其他各方面的因素對GDP總值進行反映和預測。從整體成分來看，除合肥市的燈光總量和平均值的排名外，安徽省整體的燈光分布是皖南地區較高，皖北地區稍落后一些。究其原因主要還是與城市的產業成分組成的不同有關，由于地形差異，皖北地區多平原，皖南地區多山區，導致了皖北地區大多以農業為主，皖南地區大多以工業為主，這也是導致兩地區夜間燈光分布情況以及燈光強度差異的主要原因之一。

如圖5所示，由安徽省的燈光分布圖可以看出安徽省整體燈光分布是皖中地區比較明亮，應當是省會合肥提供了大部分的燈光值，可以得出該地區的發展經濟較強。其次是皖南地區比皖北地區的燈光更加明亮一些且分布更加廣泛，尤其是蕪湖馬鞍山一帶，主要也是因為靠近江蘇地區，第二，三產業較皖北地區更加發達一些，夜晚提供的燈光值也隨之增加。

（二）GDP分析

為評估“珞珈一號”夜光數據對GDP進行估算預測的能力，可以建立GDP與夜光數據生成的線性回歸模型。表3為安徽省2021年上半年的GDP情況，并以此為基礎，對安徽省的16個地級市的GDP進行預測，進行評估。

綜合來看，安徽省發展速度較快的城市有馬鞍山、蕪湖、宣城、銅陵、黃山、池州，發展速度較慢的城市有蚌埠、淮北、淮南、宿州等地。其中皖中地區以合肥為首發展經濟較強，其次是皖南地區，以蕪湖為首引領發展經濟，皖北地區經濟發展較弱，主要以蚌埠市來引領經濟發展。并且由圖6可以看出安徽省的GDP的名義增速總體的平均值為17.24%。16個地級市中除了蚌埠市的名義增速只有8.30%，其余城市的名義增速都超過了10%，可以看出安徽省的GDP的總體增長狀況還是不錯的。

（三）發展趨勢及預測

根據提取的燈光數據和安徽省GDP數據十年的發展趨勢圖，可預測未來安徽省各省市的GDP發展情況，同樣的，結合燈光指數和GDP數據所做出的模擬圖，也很好的估算了安徽省GDP的發展情況。下圖分別以安徽省16個地級市2010-2020數據做出GDP趨勢圖，并作出預測。從下圖中可以看到安徽省的16個地級市預測圖的R2均高于0.9，分別是合肥市是0.982，安慶市是0.9769，蚌埠市0.9732，亳州市是0.9843，池州市是0.9826，滁州市是0.9921，阜陽市是0.9872，淮北市是0.9869，淮南市是0.9339，黃山市是0.9843，六安市是0.9775，馬鞍山市是0.9468，宿州市是0.9919，銅陵市是0.9644，蕪湖市是0.9807，宣城市是0.9789。預測的準確性還是比較高的。

（四）燈光指數與GDP數據回歸分析

通過對比多種擬合模型，線性擬合的效果最好。因此根據安徽省16地市燈光總量與GDP數據構建線性擬合圖。夜晚的燈光亮度和分布可以體現出一個地區的繁榮程度，所以我們可以根據燈光亮度值來對該地區的經濟發展水平進行分析。圖8構建了燈光總量與GDP數據的線性擬合圖，根據相關性的高低來判斷珞珈一號夜光數據反應經濟的強弱。因此，我們由圖8可以看出二者的相關性還是比較高的。但是我們仍然從圖中可以看出，有部分數據的偏離程度也比較大。

初步分析，可能與安徽省產業的類別有關。第一產業主要包括農、林、牧、漁業等。在夜晚中，這些行業幾乎不會產生燈光，所以，僅根據夜光數據是無法體現出第一產業的經濟貢獻的。而安徽省的第一產業占比還是比較大的，會導致數據的準確度下降。第二產業由工業和建筑業等構成，在夜光中反應明顯。第三產業主要是服務業，主要有零售業和批發以及餐飲業和住宿等。這些行業在夜光中反應同樣較為強烈，對燈光的貢獻也比較大。這兩種產業貢獻的燈光值結合珞珈一號的高分辨率，使夜光數據在對經濟的反映中更加準確。

其次，本文主要以安徽省的16個地級市為主要研究對象，但是由于各城市地理位置的差異，導致16個城市的植被覆蓋情況也存在差異。并且，由于植被的大量存在，導致了部分燈光值不能真實地反映在夜光遙感影像上。而且由于植被的覆蓋范圍廣，光溢出效應也會顯著降低，進而對GDP的預測造成了一定的影響。本研究中黃山，池州等地的城市具有較高的空氣質量，而且森林和植被覆蓋率也較高，其中，植被的大量存在對GDP預測結果的可靠性產生了影響。在16個城市中，合肥，蕪湖等地的森林和植被覆蓋率相對較低，所以植被對燈光的影響也較小。因此，這兩個城市利用夜光數據對GDP進行預測的準確性也相對較高。綜上所述，珞珈一號的夜光數據和GDP有比較強的相關性，但是僅通過夜間燈光來描述區域GDP經濟產值是不準確的，有的地區對GDP的產出可能是在白天，這會造成數據的偏差，從而影響到數據分析的結果。

（五）GDP密度圖

利用建立的模型建立安徽省GDP空間可視化表達，在此基礎上，根據該模型把GDP統計數據空間分配到每個像元上，可以得到GDP密度圖。與統計年鑒的二維統計數據相比較，經過空間化后的安徽省GDP數據能夠更明顯直觀的反應安徽省2020年和2021年GDP分布情況。從兩幅圖對比可知，從2020年到2021年的GDP總值的分布情況大致沒有區別，但是個別地區的生產總值有所增加。整體來看，安徽省的經濟發展以合肥市為中心，安徽省的西部與東部經濟發展較好，南部與北部發展較差，GDP總值較低。2020年面對嚴峻挑戰，全省經濟運行迅速恢復企穩，主要指標增長快于全國、位次靠前。2020年安徽省生產總值38680.6億元，比上年增長3.9%。省會城市合肥首次突破萬億元大關，GDP總量和人均GDP上都排在了全省的第一位，并且遙遙領先第二位的蕪湖市，GDP總量上為蕪湖市的兩倍還要多。蕪湖和滁州處于3000億一檔。安徽省2000億檔的城市共有5個：阜陽、安慶、馬鞍山、蚌埠、宿州。1000億檔城市共有6個：亳州、六安、宣城、淮南、淮北、銅陵。2021年安徽省GDP為42959億元，比上年增長8.3%，蕪湖以4303億元排名第二名，五千億元至一萬億元的區間斷檔；下一檔滁州、阜陽、安慶、馬鞍山、蚌埠均在2000至3000億元之間，呈現斷檔狀態。蚌埠的增速較低，主要是因為受傳統工業轉型升級不快、產業集中度不高，縣域經濟活力不足等因素影響。

利用上述經過處理及分析的遙感圖像得到了安徽省各城市的夜間燈光數據，將得到的數據與統計年鑒的統計值進行對比，檢驗和精度。

由圖3和表3可以看出，安徽省的中、南部區域經濟發展的情況較好，其中以合肥，蕪湖城市為代表，在近幾年的發展中居于前列，且增長的百分比仍在逐年上升。安徽省北部區域發展的速度則相對較慢，但仍在逐年上升。由此得出，利用夜間燈光數據模擬安徽省社會經濟參量是十分可行和可靠的。

四、結論與展望

本文針對安徽省的16個地級市來進行夜間燈光數據的處理過程，分析了安徽省的GDP指數，發展趨勢和燈光數據的相關性，從經濟應用方面反映了GIS，遙感技術發展的新特點。主要結論如下：

（1）通過分析安徽省珞珈一號夜間燈光影像的亮度值與地區GDP等經濟參量的相關性，得出燈光亮度與GDP具有高相關性。

（2）由GDP長期數據可知，安徽省是一個南北差異明顯的城市。皖中的經濟主要是靠省會合肥拉高，若除去合肥，則安徽經濟總體呈現南強北弱的局面。因此發展安徽省經濟需注重協調，促進全省經濟的提升，同時加強與經濟發達地區的合作，加快融入長三角經濟，創造共同發展經濟環境。

（3）通過安徽省的燈光數據及相關性及可視化分析，得出安徽省不同地區的在2020及2021兩個年份的經濟狀況分布以及名義增速，可以看出安徽省尤其是頭部城市一年之內的GDP增長幅度較為顯著。其中安徽省會合肥經濟實力雄厚，皖北主要由蚌埠市引領，皖南則以蕪湖為引領。且城市的第一、二、三產業所占比重和植被覆蓋度情況對燈光指數、分布以及預測誤差也有比較大的影響。

目前，針對夜光遙感和GDP數據來分析城市的社會經濟指標估算的研究還是比較少的。但是“珞珈一號”和夜光數據與經濟統計數據具有較高的相關性是毋庸置疑的，在未來的研究中，可以以夜光數據為主，同時輔助其他數據來建立更加精確的模型。隨著信息技術的發展，特別是GIS和遙感技術在經濟方面的不斷發展。這些技術將會與更多應用集成，融入更多應用方面，形成更為廣闊的市場。

參考文獻：

[1]王鶴饒，鄭新奇，袁濤.DMSP/OLS數據應用研究綜述[J].地理科學進展， 2012， 31（1）： 11-19.

[2]楊眉，王世新，周藝，等.DMSP/ OLS 夜間燈光數據應用研究綜述.遙感技術與應用，2011，26（1）：45-51.

[3]韓向娣，周藝，王世新，等.夜間燈光遙感數據的GDP空間化處理方法[J]. 地球信息科學學報， 2012，14（01）：128-136.

[4]Xi Li， Huimin Xu， Xiaoling Chen， et al. Potential of NPP-VIIRS nighttime light imagery for modeling the regional economy of China[J].2013（6）：3057.

[5]Shi K ， Yu B ， Huang Y ， et al. Evaluating the ability of NPP-VIIRS nighttime light data to estimate the Gross Domestic Product and the electric power consumption of China at multiple scales&58; A comparison with DMSP-OLS data [J]. Remote Sensing， 2014， 6 （2）： 1705-1724.

[6]曹子陽，吳志峰，匡耀求，等.DMSP/OLS夜間燈光影像中國區域的校正及應用[J].地球信息科學學報， 2015， 17（9）：1092-1102.

[7]李德仁，余涵若，李熙.基于夜光遙感影像的“一帶一路”沿線國家城市發展時空格局分析[J].武漢大學學報：信息科學版，2017， 42（6）：711-720.

[8]王俊華，張廷斌，易桂花，等. DMSP/OLS夜間燈光數據的四川省GDP空間化分析[J]. 測繪科學，2019，44（08）：50-60.

[9]鄭淵茂，何原榮，王曉榮，高元衡.夜光遙感數據應用述評與展望[J].遙感信息，2020，35（03）：1-14.

[10]Bennett M M ， Smith L C . Advances in using multi-temporal night-time lights satellite imagery to detect， estimate， and monitor socioeconomic dynamics[J]. Remote Sensing of Environment， 2017， 192：176-197.

[11]謝天.基于長時間序列夜光遙感數據的黑龍江省GDP預測模型研究[D].哈爾濱：哈爾濱工業大學，2018.

[12]李德仁，李熙.夜光遙感技術在評估經濟社會發展中的應用———兼論其“一帶一路”建設質量的保障[J].宏觀質量研究，2015，3（04）：1-8.

[13]Henderson J V， Storeygard A， Weil D N. Measuring economic growth from outer space.[J]. American Economic Review， 2012， 102（2）： 994-1028.

[14]劉楊，李宏偉，楊斌程，張斌，何孟錚，常騎.基于遙感數據和POI數據的GDP空間化研究——以北京市為例[J].地域研究與開發，2021，40（02）：27-32+39.

[15]賈艷紅，覃孔韜.基于DMSP/OLS夜間燈光數據的廣西沿海地區GDP預測分析[J].廣西城鎮建設，2021（01）：8-12.

基金項目：本文受到宿州學院安徽省大學生創新創業訓練計劃項目（S202110379098）資助。