基于夜光遙感燈光指數(shù)的疫情期湖北經(jīng)濟(jì)指標(biāo)分析

蘭琰茜 吳穎丹 趙辛月 郭依蓓 邵洋琳

［收稿日期］2022-0404

［基金項(xiàng)目］教育廳科研項(xiàng)目（19Q062）

［第一作者］蘭琰茜（1996-），女，湖南湘西人，湖北工業(yè)大學(xué)碩士研究生，研究專(zhuān)業(yè)為電子信息

［通信作者］吳穎丹（1982-），女，湖北武漢人，湖北工業(yè)大學(xué)副教授，研究方向?yàn)榭臻g信息智能處理

［文章編號(hào)］1003-4684（2023）02-0111-05

［摘要］基于2014-2020年長(zhǎng)時(shí)間序列NPP-VIIRS夜光遙感數(shù)據(jù)，利用夜間燈光總強(qiáng)度、平均相對(duì)燈光強(qiáng)度、燈光面積比和綜合燈光指數(shù)四種燈光指數(shù)，對(duì)新冠疫情期間湖北省13個(gè)地級(jí)行政區(qū)的經(jīng)濟(jì)活動(dòng)進(jìn)行了分析。首先，將燈光指數(shù)與湖北省經(jīng)濟(jì)指數(shù)GDP進(jìn)行相關(guān)性分析，并考慮新冠疫情影響，構(gòu)建了湖北省經(jīng)濟(jì)指數(shù)的最佳線性回歸模型。其次，基于疫情前后夜間燈光強(qiáng)度的回歸坡度，對(duì)疫情期間湖北省經(jīng)濟(jì)走勢(shì)進(jìn)行了分析。最終，形成如下重要結(jié)論：1）新冠肺炎疫情的出現(xiàn)導(dǎo)致夜間燈光數(shù)據(jù)出現(xiàn)斷點(diǎn)現(xiàn)象，新冠疫情前后的回歸模型及夜間燈光強(qiáng)度存在較大差異；2）夜間燈光指數(shù)與社會(huì)經(jīng)濟(jì)指數(shù)呈現(xiàn)顯著的線性相關(guān)性，可用于較好評(píng)估城市級(jí)經(jīng)濟(jì)指標(biāo)；3）燈光回歸坡度可以較好反映短期經(jīng)濟(jì)走勢(shì)，新冠疫情高峰期間，燈光回歸坡度最低為0.81，隨著疫情解封，燈光回歸坡度逐漸增大，在2020年12月燈光回歸坡度回升至1.01，回升至疫情前正常水平。

［關(guān)鍵詞］NPP-VIIRS夜光遙感；GDP分析；相關(guān)性分析；新冠肺炎疫情

［中圖分類(lèi)號(hào)］F127， TP751? ［文獻(xiàn)標(biāo)識(shí)碼］A

國(guó)內(nèi)生產(chǎn)總值（GDP），代表著一定時(shí)期內(nèi)所有固定單位按市場(chǎng)價(jià)格計(jì)算的生產(chǎn)活動(dòng)的最終成果。它是會(huì)計(jì)體系中至關(guān)重要的綜合統(tǒng)計(jì)指標(biāo)，也是國(guó)民經(jīng)濟(jì)核算體系中的核心指標(biāo)[1]。GDP反映了一個(gè)城市或地區(qū)的經(jīng)濟(jì)實(shí)力和市場(chǎng)規(guī)模，對(duì)政治決策和國(guó)家發(fā)展具有重要的參考作用[2]。然而，GDP估算需要經(jīng)過(guò)一系列統(tǒng)計(jì)程序，存在計(jì)量不足、公布緩慢等缺陷。面對(duì)突發(fā)狀況，如新冠疫情，如何快速實(shí)現(xiàn)某個(gè)地區(qū)的GDP估算，及時(shí)掌握經(jīng)濟(jì)動(dòng)態(tài)，至關(guān)重要。

夜間燈光數(shù)據(jù)，由于它的可獲得性和準(zhǔn)確性，已經(jīng)被廣泛應(yīng)用于社會(huì)經(jīng)濟(jì)統(tǒng)計(jì)指標(biāo)估算[3-4]、城市化[5-6]、能源消費(fèi)[7-9]以及生態(tài)環(huán)境等諸多方面，逐漸成為估算社會(huì)經(jīng)濟(jì)活動(dòng)的有效參考數(shù)據(jù)之一。常用的夜光遙感數(shù)據(jù)，主要有兩種：一種是由美國(guó)軍事氣象衛(wèi)星（DMSP）搭載的線性掃描業(yè)務(wù)系統(tǒng)（OLS）拍攝的燈光數(shù)據(jù)，其空間分辨率較低且存在燈光數(shù)據(jù)過(guò)飽和現(xiàn)象，主要用于大尺度區(qū)域；另一種是由索米國(guó)家極地軌道伙伴關(guān)系衛(wèi)星（Suomi NPP）搭載的可見(jiàn)光紅外成像輻射儀（VIIRS）提供，空間分辨率為500m，擁有更廣泛的輻射探測(cè)和機(jī)載校準(zhǔn)，可以提供更好的夜光遙感數(shù)據(jù)。

夜間燈光數(shù)據(jù)，作為一種全球無(wú)差別的夜間觀測(cè)量，以其獨(dú)特的方式描述區(qū)域經(jīng)濟(jì)活動(dòng)強(qiáng)度。其不會(huì)受區(qū)域價(jià)格因素的困擾，可以消除不同地區(qū)價(jià)格因素對(duì)GDP估算的影響。相比于傳統(tǒng)的社會(huì)經(jīng)濟(jì)普查方法，基于夜光遙感數(shù)據(jù)的方法可以彌補(bǔ)傳統(tǒng)方法的局限性。

本文以市級(jí)行政區(qū)劃為基本單位計(jì)算燈光指數(shù)，在分析燈光指數(shù)與對(duì)應(yīng)區(qū)域經(jīng)濟(jì)數(shù)據(jù)相關(guān)性的基礎(chǔ)上，建立湖北省GDP的空間化模型。利用1 km×1 km網(wǎng)格對(duì)湖北省GDP進(jìn)行空間可視化表達(dá)，著重研究了新冠疫情期間湖北省的夜間燈光指數(shù)變化趨勢(shì)，探究了其與湖北省GDP的動(dòng)態(tài)變化規(guī)律。

1??? 研究區(qū)域概況以及數(shù)據(jù)來(lái)源

1.1??? 研究區(qū)域概況

湖北省是我國(guó)長(zhǎng)江經(jīng)濟(jì)帶的重要組成部分，地處中國(guó)中部地區(qū)，東臨安徽，西連重慶，西北與陜西接壤，南接江西湖南，北與河北毗鄰，介于北緯29°01′53″—33°6′47″，東經(jīng)108°21′42″—116°07′50″之間，總面積18.59萬(wàn)平方千米，占全國(guó)總面積的1.94%。湖北省共轄有13個(gè)地級(jí)行政區(qū)，包括12個(gè)地級(jí)市和一個(gè)自治州，分別為武漢市、黃石市、十堰市以及恩施土家族苗族自治州等；4個(gè)省直轄縣級(jí)行政單位，包括3個(gè)縣級(jí)市和一個(gè)林區(qū)，分別為仙桃市、潛江市、天門(mén)市以及神農(nóng)架林區(qū)。由于神農(nóng)架林區(qū)地形多為耕地林地，夜間燈光數(shù)據(jù)非常小，可忽略不計(jì)，因此在本文研究中省略了對(duì)該地區(qū)的研究。

1.2??? 數(shù)據(jù)來(lái)源

1.2.1??? 湖北省GDP統(tǒng)計(jì)數(shù)據(jù)??? GDP統(tǒng)計(jì)數(shù)據(jù)來(lái)源于中國(guó)國(guó)家統(tǒng)計(jì)局網(wǎng)站。數(shù)據(jù)包括省級(jí)統(tǒng)計(jì)數(shù)據(jù)和市級(jí)統(tǒng)計(jì)數(shù)據(jù)。其中統(tǒng)計(jì)數(shù)據(jù)包括6年的省份GDP統(tǒng)計(jì)數(shù)據(jù)和湖北省各城市的2019年GDP統(tǒng)計(jì)數(shù)據(jù)。

1.2.2??? NPP-VIIRS夜間燈光數(shù)據(jù)??? 2014年-2019年NPP-VIIRS數(shù)據(jù)來(lái)源于國(guó)家環(huán)境信息中心。它是利用可見(jiàn)光紅外成像輻射儀套件（Visible Infrared Imaging Radiometer Suite，VIIRS）晝/夜波段（DNB）的夜間數(shù)據(jù)制作的一套平均輻射復(fù)合圖像，可見(jiàn)光通道為0.4～0.9 μm，空間分辨率為500 m。夜間燈光數(shù)據(jù)包括月數(shù)據(jù)、年度數(shù)據(jù)，根據(jù)實(shí)驗(yàn)需求選擇合適的燈光數(shù)據(jù)。VIIRS數(shù)據(jù)將世界范圍劃分成了六塊，中國(guó)區(qū)域?yàn)門(mén)3（60°E-180°E，0°N-75°N）。由于建立GDP模型需要排除其余燈光干擾，因此選擇月度數(shù)據(jù)合成年度燈光作為研究數(shù)據(jù)。

1.3??? 數(shù)據(jù)預(yù)處理

NPP-VIIRS原始數(shù)據(jù)采用WGS 1984經(jīng)緯度坐標(biāo)系，空間分辨率為15″，這會(huì)造成影像面積隨緯度增大而減小的問(wèn)題。為避免影像面積變形影響及方便影像面積計(jì)算，NPP-VIIRS影像數(shù)據(jù)均進(jìn)行Alberts等積投影變換。同時(shí)，進(jìn)行背景噪聲去除、負(fù)值去除、去云、去火點(diǎn)、像元飽和校正等操作，從而盡量降低氣候、霧霾、地理位置等對(duì)夜光遙感數(shù)據(jù)的不利影響。將區(qū)域劃分為1 km×1 km大小網(wǎng)格，可以看到燈光亮度的變化和分布，實(shí)現(xiàn)夜間燈光數(shù)據(jù)的空間化表達(dá)。

2??? GDP空間化建模

GDP空間化建模的技術(shù)路線圖如圖3所示。輸入數(shù)據(jù)主要有NPP-VIIRS年度燈光數(shù)據(jù)、國(guó)家統(tǒng)計(jì)局提供的湖北省各年GDP統(tǒng)計(jì)數(shù)據(jù)，對(duì)研究區(qū)域湖北省進(jìn)行1 km×1 km的空間網(wǎng)格劃分，通過(guò)回歸分析，建立夜光遙感燈光指數(shù)與GDP的回歸分析模型，最終實(shí)現(xiàn)湖北省GDP的空間化建模。

2.1??? 燈光指數(shù)計(jì)算

本文主要利用夜間燈光總強(qiáng)度（Total Night-Time Light，TNL）、平均相對(duì)燈光強(qiáng)度（I）、燈光面積比（S）和綜合燈光指數(shù)（Compounded Night Light Index，CNLI），建立與湖北省13個(gè)行政區(qū)經(jīng)濟(jì)水平的關(guān)系。

TNL為燈光屬性值與其對(duì)應(yīng)屬性值個(gè)數(shù)的乘積之和；平均相對(duì)燈光強(qiáng)度I是指總夜間燈光強(qiáng)度與最大燈光強(qiáng)的比例；燈光面積比S是指像元輻射亮度非0的像元個(gè)數(shù)和與像元個(gè)數(shù)總和之比；綜合燈光指數(shù)CNLI是指平均相對(duì)燈光強(qiáng)度與燈光面積比的乘積。其計(jì)算公式如下：

TNL=∑ni=1DNi×ni； I=TNL/DNmax×N；

S=N×n； CNLI=I×S

式中，DNi為第i個(gè)像元的輻射亮度值；ni為對(duì)應(yīng)的第i個(gè)屬性值的個(gè)數(shù)；n為像元總數(shù)；DNmax為像元輻射亮度最大值;N為像元輻射亮度非0的像元個(gè)數(shù)總和。

2.2??? 燈光指數(shù)與GDP相關(guān)性分析

基于前人研究成果，夜間燈光數(shù)據(jù)與第一產(chǎn)業(yè)產(chǎn)值相關(guān)性不大，與第二產(chǎn)業(yè)值GDP2、第三產(chǎn)業(yè)值GDP3和總生產(chǎn)值GDP相關(guān)性較大。為此，本文主要分析湖北省各行政區(qū)的燈光參數(shù)TNL、I和CNLI，與第二產(chǎn)業(yè)值GDP2、第三產(chǎn)業(yè)值GDP3和總生產(chǎn)值GDP的相關(guān)性，相關(guān)系數(shù)R2值如表1所示，燈光總強(qiáng)度TNL、綜合燈光指數(shù)CNLI與第二產(chǎn)業(yè)值GDP2、第三產(chǎn)業(yè)值GDP3和總生產(chǎn)值GDP對(duì)應(yīng)的散點(diǎn)圖如圖4所示。

不難發(fā)現(xiàn)，燈光指數(shù)中與GDP相關(guān)性最強(qiáng)的是燈光總強(qiáng)度TNL，R2值達(dá)到了0.953，其次是綜合燈光指數(shù)CNLI，為0.833。由于新冠疫情前后，夜光遙感數(shù)據(jù)存在較為明顯斷點(diǎn)現(xiàn)象，為此本文以新冠疫情爆發(fā)時(shí)間為界，分別建立燈光指數(shù)與湖北省GDP的回歸模型，稱(chēng)為疫情前模型GDPpre和GDPpost。具體公式如下：

GDPpre=A0+b0×Ci

GDPpost=A1+b1×Ci

式中，GDP為因變量，代表生產(chǎn)總值；A與b為回歸模型系數(shù)，Ci為自變量，代表燈光指數(shù)TNL。其模型參數(shù)如表2所示。

回歸模型反演精度，通過(guò)平均相對(duì)誤差進(jìn)行評(píng)價(jià)，其計(jì)算公式如下：

Δ=S－PS×100%

式中，Δ為相對(duì)誤差，S為統(tǒng)計(jì)值，P為預(yù)測(cè)值。利用2019年湖北省各城市的燈光數(shù)據(jù)預(yù)測(cè)的GDP數(shù)據(jù)與已知GDP數(shù)據(jù)進(jìn)行比較，年均相對(duì)誤差為15.6%，說(shuō)明所建立了的回歸模型具有較好精度。

3??? 疫情前后燈光數(shù)據(jù)趨勢(shì)分析

2019年底，湖北省武漢市爆發(fā)了新冠肺炎疫情。本文利用GEE云平臺(tái)采集了疫情發(fā)生前后2019年和2020年的月度燈光數(shù)據(jù)，從中容易發(fā)現(xiàn)，疫情爆發(fā)前燈光數(shù)據(jù)值明顯高于疫情爆發(fā)后燈光數(shù)據(jù)值，數(shù)據(jù)斷點(diǎn)時(shí)間與新冠肺炎疫情爆發(fā)時(shí)間相吻合。由于疫情前后燈光數(shù)據(jù)存在較大差異性，為此本文分析湖北省城市GDP數(shù)據(jù)時(shí)建立疫情前回歸模型和疫情后回歸模型分別進(jìn)行。

在2019年12月-2020年3月期間，為抑制新冠肺炎感染傳播，湖北省各地區(qū)實(shí)施封鎖，禁止人員流動(dòng)，商家、機(jī)構(gòu)等閉店歇業(yè)，經(jīng)濟(jì)活動(dòng)顯著下降。為分析疫情前后燈光數(shù)據(jù)變化趨勢(shì)，計(jì)算了2020年每個(gè)月相對(duì)于疫情發(fā)生前2019年12月的燈光亮度回歸坡度，結(jié)果如表4所示。圖5為湖北省2020年典型月份3月、4月和12月與2019年12月燈光數(shù)據(jù)的對(duì)比散點(diǎn)圖。

分析圖表數(shù)據(jù)可以發(fā)現(xiàn)，受新冠疫情影響，2020年2月和參照月份2019年12月燈光數(shù)據(jù)的回歸坡度為0.9，表明2020年2月燈光水平相比疫情前已經(jīng)出現(xiàn)減弱現(xiàn)象，并在2020年3月達(dá)到最低水平。隨著2020年3月25日湖北省內(nèi)除武漢以外各市解封，4月8日武漢市開(kāi)始解封，燈光水平逐步恢復(fù)，2020年4月和2020年5月的回歸坡度從0.81上升到0.93和0.96，最終在2020年12月上升到1.01，可以認(rèn)為恢復(fù)到疫情前水平?？梢园l(fā)現(xiàn)，夜光遙感燈光指數(shù)可以非常敏感地捕捉到新冠疫情對(duì)湖北省經(jīng)濟(jì)活動(dòng)的影響。

4??? 結(jié)論

本文基于2014-2020年長(zhǎng)時(shí)間序列NPP-VIIRS夜光遙感數(shù)據(jù)，利用夜間燈光總強(qiáng)度、平均相對(duì)燈光強(qiáng)度、燈光面積比和綜合燈光指數(shù)四種燈光指數(shù)，對(duì)新冠疫情期間湖北省13個(gè)地級(jí)行政區(qū)的經(jīng)濟(jì)活動(dòng)進(jìn)行了分析。得出如下幾點(diǎn)有益結(jié)論：1）夜間燈光指數(shù)與社會(huì)經(jīng)濟(jì)指數(shù)呈現(xiàn)顯著的線性相關(guān)性，其中夜間燈光總強(qiáng)度TNL相關(guān)性最強(qiáng)，可用于較好評(píng)估城市級(jí)經(jīng)濟(jì)指標(biāo)；2）新冠肺炎疫情的出現(xiàn)，在夜間燈光數(shù)據(jù)上反映為斷點(diǎn)現(xiàn)象，新冠疫情前后的回歸模型及夜間燈光強(qiáng)度存在較大差異；3）燈光回歸坡度可以較好反映短期經(jīng)濟(jì)走勢(shì)，新冠疫情高峰期間燈光回歸坡度最低，疫情解封后燈光回歸坡度逐漸增大，可以比較敏感地捕捉到經(jīng)濟(jì)走勢(shì)變化。

［參考文獻(xiàn)］

［1］張瑩. 河南省區(qū)域經(jīng)濟(jì)差異分析[D].開(kāi)封：河南大學(xué)，2015.

[2]李巖林，程鋼，楊杰，原東方.夜光遙感數(shù)據(jù)支持下的區(qū)域經(jīng)濟(jì)空間格局精細(xì)化模擬——以河南省為例[J].地域研究與開(kāi)發(fā)，2020，39（04）：41-47.

[3]EBENER S， MURRAY C， TANDON A， et al. From wealth to health： modelling the distribution of income per capita at the sub-national level using night-time light imagery[J]. International Journal of Health Geographics， 2005， 4（1）：5.

[4]郭永德，高金環(huán)，馬洪兵.Suomi-NPP夜間燈光數(shù)據(jù)與GDP的空間關(guān)系分析[J].清華大學(xué)學(xué)報(bào)（自然科學(xué)版），2016，56（10）：1122-1130.

[5]YU B， TANG M， WU Q， et al. Urban BUILT-UP area extraction from log-transformed NPP-VIIRS nighttime light composite data[J]. IEEE Geoscience & Remote Sensing Letters， 2018：1279-1283.

[6]SHI K， HUANG C， YU B， et al. Evaluation of NPP-VIIRS night-time light composite data for extracting built-up urban areas[J]. Remote Sensing Letters， 2014， 5（4-6）：358-366.

[7]李海萍，龍宓，李光一.基于DMSP/OLS數(shù)據(jù)的區(qū)域碳排放時(shí)空動(dòng)態(tài)研究[J].中國(guó)環(huán)境科學(xué)，2018，38（07）：2777-2784.

[8]康翔.基于夜光數(shù)據(jù)的城鎮(zhèn)化與PM2.5時(shí)空關(guān)聯(lián)特征研究[D].贛州：江西理工大學(xué)，2020.

[9]楊續(xù)超，康麗莉，張斌，冀春曉.基于多源遙感信息的電力消費(fèi)量估算與影響因素分析——以浙江省為例[J].地理科學(xué)，2013，33（06）：718-723.

Analysis of Economic Indicators in Hubei Province during theCOVID-19 Based on Luminous Remote Sensing Light Index

LAN Yanxi，WU Yingdan，ZHAO Xinyue， GUO Yibei， SHAO Yanglin

（ School of Sciences， Hubei Univ. of Tech.， Wuhan 430068，China）

Abstract：This paper analyzes the economic activities of 13 prefecture-level administrative regions in Hubei Province during the COVID-19 based on the long time series NPP VIIRS night light remote sensing data from 2014 to 2020 using four lighting indices： total night light intensity， average relative light intensity， light area ratio and comprehensive lighting index. Firstly， the correlation analysis between the lighting indices and the economic index GDP of Hubei province was carried out， and the best linear regression model for the economic index of Hubei province was constructed by considering the impact of the COVID-19. Secondly， the economic trend of Hubei province during the epidemic was analyzed based on the regression slope of nighttime light intensity before and after the epidemic. Finally， the following important conclusions were drawn： （1） the emergence of the epidemic led to a breakpoint phenomenon in the nighttime lighting data， and there were large differences in the regression models and nighttime lighting intensity before and after the epidemic; （2） the nighttime lighting index showed significant linear correlation with the socioeconomic index， which can be used to better assess city-level economic indicators; （3） the slope of the lighting regression can better reflect the short-term economic trend， and during the peak of the epidemic the light regression slope was as low as 0.81; and with the lifting of the epidemic， the light regression slope gradually increased; in December 2020 the light regression slope rose back to 1.01. It was back to the normal level before the epidemic.

Keywords：NPP/VIIRS night-time light images; GDP prediction; correlation analysis; COVID-19

［責(zé)任編校： 閆品］