基于夜光遙感的東南亞國家經濟發展時空特征研究

李益敏 傅星峰 李媛婷 吳博聞 王東馳

摘要：東南亞地區是中國“一帶一路”倡議的必經通道，也是我國發展對外經貿的重要節點區域，具有重要的戰略地位．基于NPP／VIIRS夜間燈光數據，運用重心、標準差橢圓以及莫蘭指數等空間分析方法，分析2012—2021年東南亞國家經濟發展的時空特征．結果表明：東南亞國家GDP與夜間燈光數據之間存在顯著相關性;從東南亞經濟發展方向特征來看，東南亞經濟重心整體向西北遷移，大部分燈光集中的中心已向東南亞的西北方向，即向中國的陸地邊界移動了476km，經濟重心移動和“一帶一路”倡議有關;東南亞總體經濟體量增大，經濟發展向區域內聚集，東南亞經濟發展方向性愈發明顯；從東南亞經濟發展空間聚集性特征來看，高高聚集和低低聚集是東南亞經濟發展最顯著的兩種空間聚集特征，高高聚集地區起到了很好的輻射作用，帶動周邊地區的經濟發展，低高聚集區的發展潛力較大．研究時間段內，東南亞北部低低聚集區大幅度減少．

關鍵詞夜光遙感;東南亞;經濟發展;時空特征

中圖分類號P237

文獻標志碼A

0引言

中國于2013年提出共建“絲綢之路經濟帶”和“21世紀海上絲綢之路”倡議（簡稱“一帶一路”倡議），使亞、歐、非各國聯系更為緊密，成為命運共同體［1］，共建“一帶一路”國家的發展也漸漸成為社會所關注的熱點．東南亞是經濟發展迅速、經濟活躍的重要區域，其在“一帶一路”建設中的作用日益突出，中國和東南亞地區的區域經濟合作機制得到了進一步完善，生產要素快速流動、資源充分利用、區域合作的規模不斷擴大［2］．東盟作為全球第五大經濟體，是全球經濟最有活力的區域［3］，了解東南亞區域經濟發展，對我國進一步推進“一帶一路”倡議和中國-東盟自由貿易區的建設具有極其重要的現實意義［4］．

各區域經濟發展都存在差異、不平衡的問題．為促進經濟的平衡發展，國內外學者在區域經濟發展差異方面做了大量研究．Chung等［5］對基于鄰里層面的社會經濟地位進行群組分析，考察群組效應的社會經濟差異;寧朝山等［6］通過分析全要素生產率了解中國各省份及東西部地區間的經濟質量差距;楊豐碩等［7］利用GDP數據，綜合探測了一系列地理環境因子對江西貧、富縣縣域經濟差異的影響．已有研究大多利用統計數據分析區域經濟的差異，但統計數據存在空間尺度不一、指標體系不同和數據缺失等諸多問題，且統計數據多以行政區域為單位進行調查，導致統計單位內的經濟差異難以體現［8］．因此，獲取尺度精細的數據研究地區經濟發展的時空格局特征極其重要．

與傳統統計數據相比，夜間燈光數據具有時空連續、獨立客觀等優點［9］．夜間燈光遙感傳感器獲取的是夜間地表發射的可見光-近紅外電磁波，其可以更直觀地反映人類活動的差異．學者們利用夜光遙感影像數據來估算社會經濟參數，研究城市空間結構［10］、光污染［11］等．美國軍事氣象衛星的線掃描傳感器DMSP／OLS生產的夜間燈光數據揭開了夜間燈光遙感的新篇章［12］：Marx等［13］驗證了DMSP／OLS夜間燈光數據DN值與國內生產總值（GDP）之間的強相關性;Yang等［14］運用校正后的DMSP／OLS夜間燈光數據計算了省級和市級的夜間穩定光，并結合各社會經濟指標進行相關性分析，結果表明夜間亮度與GDP及電能消耗高度關聯．已有研究為夜間燈光數據作為經濟指標的代理變量提供了可靠依據．DMSP／OLS夜間燈光數據于2013年停止更新，其后推出的美國國家極地軌道合作衛星NPP搭載的可見光紅外成像輻射儀VIIRS獲取的日夜波段DNB數據，繼承并優化了DMSP／OLS的探測能力，有更高的空間分辨率和更廣的輻射探測范圍［15］．李峰等［16］使用夜間燈光數據擬合京津冀地區社會統計指標，通過DMSP／OLS數據和NPP／VIIRS數據的對比分析，發現NPP／VIIRS數據對縣域GDP的擬合效果更優;李林玥等［17］以燈光數據作為GDP的替代量，應用引力模型研究中國與共建“一帶一路”國家的貿易發展狀況;王森等［18］利用機器學習算法分析NPP／VIIRS數據，對長三角GDP進行智能預測．

已有基于夜光遙感影像開展的經濟方面的研究主要圍繞GDP［13］、貧困度［19］等指標的估算以及建成區的提取和分析［20］展開，對于經濟發展的時空格局特征研究較少．國內現有研究對東南亞的經濟分析多以統計數據展開，而東南亞作為溝通印度洋和太平洋的“十字路口”，基于夜光數據研究其更精細尺度下的經濟發展格局，對于推動中國與東盟國家經濟社會共同發展具有重大意義．因此，本文基于2012—2021年東南亞地區NPP／VIIRS夜光遙感影像，通過計算夜光數據的重心、標準差橢圓和莫蘭指數，分析東南亞11個國家經濟發展的方向特征、總體空間布局特征和空間聚集特征，綜合探究2012—2021年東南亞經濟發展時空格局特征，了解東南亞國家的經濟發展趨勢，以期為打開我國和東南亞各國之間的經濟貿易通道及促進經濟一體化提供參考．

1研究區概況與數據來源

1.1研究區概況

東南亞地處亞洲東南部，位于92°～140°E，10°S～28°N之間，共有11個國家（泰國、新加坡、印度尼西亞、緬甸、老撾、柬埔寨、馬來西亞、菲律賓、越南、文萊、東帝汶），面積約457萬km2，總人口大約6.689億．研究區位置如圖1所示．東南亞主要由馬來群島和中南半島組成，其中，馬來群島是世界上最大的群島，由2萬多個島嶼組成．東南亞北部與中國、印度接壤，東連太平洋，西臨大西洋，是海運和空運的重要樞紐．位于馬六甲海峽東南部的新加坡，在11個國家中國土面積最小，但由于得天獨厚的地理位置，其物流業和航運業極為繁盛，是11個國家中唯一的發達國家．其他國家受益于豐富的勞動力和自然資源，形成了以熱帶農業和季風農業為主的農業地域類型，但是經濟結構比較單一．20世紀60年代以后，東南亞各國發展了外向型市場經濟與國家干預相結合的經濟發展模式．東南亞是目前經濟發展最有潛力的地區之一，在構建人類命運共同體的背景下具有重要的戰略地位和政治經濟作用．

1.2數據來源

本文使用的數據包括遙感影像數據、矢量數據和統計數據．其中，遙感影像數據為2012—2021年NPP／VIIRS夜間燈光數據的年度合成數據（AnnualVNLV2），用于計算東南亞地區的經濟重心和標準差橢圓，以及統計各省級行政區內的夜間燈光總值．美國國家海洋和大氣管理局和國家地球科學數據中心（NOAA／NGDC）于2013年發布了NPP／VIIRS夜間燈光數據．地球觀測小組（GrouponEarthObservations，EOG）根據日度VIIRS數據生產了2015年和2016年兩年的年度合成數據（AnnualVNLV1）．2020年發布了第二版年度合成數據，在AnnualVNLV1的基礎上，過濾掉生物質燃燒、極光等異常值，且AnnualVNLV2整個系列的所有處理步驟和閾值相同［21］，因此，研究使用的夜光遙感數據為第二版本的500m×500m年度合成數據AnnualVNLV2．矢量數據為東南亞國家省級行政區劃數據，統計數據為東南亞各國2012—2021年國內生產總值（GDP），分別下載自全球行政區域數據庫和世界銀行數據庫．

2研究方法

2.1夜間燈光預處理

首先裁剪出2012—2021年東南亞地區NPP／VIIRS夜間燈光數據，然后進行重投影、重采樣等數據預處理工作．盡管AnnualVNLV2數據是基于NPP／VIIRS月度數據合成的，且EOG已經對月度數據進行剔除雜散光、閃電、月光和云層覆蓋等處理［22］，但仍存在異常值，需進一步校正異常像元．

為盡量減少面積變形，將其重投影為Albers等積投影坐標系．利用GoogleEarth影像，在東南亞區域選取30個無光源地樣本點，如自然保護區、山地和農田等．在VIIRS影像中尋找樣本點坐標對應的像元，計算30個點位的平均亮度值作為最小閾值，將亮度值小于最小閾值的像元替換為0值并代入后續計算，以剔除異常值．

2.2相關性分析

在對比發現長時間序列下東南亞11個國家GDP與夜間燈光數據之間總體變化趨勢相似的基礎上，本文通過計算皮爾遜相關系數來驗證其相關性．相關計算過程如下：

2.3方向特征分析

在度量地理要素分布的方向特征時常用的模型是重心和標準差橢圓，其可以反映出地理要素分布的空間狀態及移動趨勢［23］．因此，本文通過計算經濟重心和標準差橢圓的特征參數來分析東南亞經濟發展的空間特征．

2.3.1重心計算

重心也稱平均中心，中心的X，Y坐標是通過計算平面中所有要素的X，Y平均值得到的．各地區經濟發展情況不同，且地區內的經濟體量并非均勻分布，所以經濟重心會產生遷移，通過分析經濟重心的位置以及移動軌跡可以評價經濟發展的方向．重心的計算公式為

2.3.2標準差橢圓

標準差橢圓模型可以反映地理要素空間分布的整體特征．通過標準差橢圓的重心、方位角、長軸、短軸、面積等特征參量，從空間全局性的角度精準解釋地理要素空間分布的特征，反映地理要素的整體空間分布情況，對比長時間序列的計算結果可反映在時間推移中的演化過程［24］．標準差橢圓的面積反映了地理要素空間分布的范圍變化;長軸代表空間分布的主要趨勢，短軸代表次要趨勢;長軸與短軸的比值，即扁率反映方向性的明顯度;方位角則反映地理要素空間分布的主導方向的變化趨勢;標準差橢圓的圓心［25］即重心的計算參考式（2）．方位角是以正北方向為0°，順時針旋轉到橢圓的長軸時的角度，方位角α計算公式為

2.4方向特征分析

受空間相互作用和空間擴散的影響，相鄰區域的經濟發展在空間分布上存在關聯的可能性極大，這種關聯表現為空間集聚性［26］．空間相關性反映的是事物在空間上是否具有聚集特征以及是否是隨機分布的，莫蘭指數是常用的空間相關性的特征指數，分為全局莫蘭指數與局部莫蘭指數．

2.4.1全局莫蘭指數

全局莫蘭指數［27］用于分析地理要素在空間上的整體分布情況，判斷所有地理要素有無集聚情況，考察地理要素在空間中是否存在明顯的分布模式［28］．在計算莫蘭指數之前，要統計夜間燈光總值（TotalNighttimeLight，TNL）．由于研究區域為東南亞11個國家，所以統計單位為省級區域，計算單位區域內所有像元亮度值總和，記為該區域夜間燈光總值．全局莫蘭指數的計算式如下：

式中：I為全局莫蘭指數;xi和xj分別表示i，j要素的TNL;Hij為i，j要素的空間權重矩陣;表示所有要素TNL的平均值．全局莫蘭指數取值歸一化為［-1，1］．若I大于0，表明要素間存在空間正相關性，且莫蘭指數值越大相關性越強;若I小于0，則表明各要素間具有負向的空間相關性，值越小差異性越大;若I等于0，則表明各要素隨機分布，并無相關性［29］．

2.4.2局部莫蘭指數

為了解決數據量過大時，會出現局部區域的屬性數據由于自身的隨機性導致局部不平穩的情況，引入局部莫蘭指數［30］來實現局部區域的自相關評價，在聚類和離群分析中實現Anselin局部MoransI統計［31］．全局莫蘭指數用于解釋空間中是否存在聚集，局部莫蘭指數用于反映哪些區域單位存在空間聚集現象．局部莫蘭指數的計算結果主要分為5類，分別是：高高聚集、高低聚集、低高聚集、低低聚集以及不顯著．局部莫蘭指數的計算如下：

3結果分析

3.1夜間燈光與經濟發展水平相關性分析

調查東南亞國家GDP與夜間燈光數據之間的相關性，以夜間燈光數據作為GDP的代理值［32］，分析2012—2021年期間東南亞社會經濟發展時空變化特征．選擇預處理后的11個國家的夜間燈光數據統計燈光總值（TNL）和GDP數據構建趨勢散點圖，如圖2所示．對比發現兩者在時間序列下的總體變化趨勢相似，表明夜間燈光總值和GDP存在相關性．

計算Pearson相關系數驗證其相關性．將2012—2021年東南亞11國的GDP數據和夜間燈光總值代入計算式（1），計算所得相關參數如表1所示．表1中Pearson相關系數反映的是各國GDP與夜間燈光總值的相關性．sig值為顯著性，一般情況下以0.05為界，p值小于0.05即認為兩個變量之間有顯著相關性．

相關性系數是介于［-1，+1］之間的實數．當相關性系數介于[-1，0）之間時，表明變量之間存在負相關關系;當相關性系數介于（0，1]之間時，表明變量之間存在正相關關系;當相關性系數為0時，二者之間不存在相關性．當相關性系數的絕對值大于0.5時，一般認為變量間存在強相關．表2中所示的11個國家中GDP與夜間燈光總值的相關系數均大于等于0.5，且9個國家的sig值（顯著性）小于等于0.05，僅新加坡和東帝汶的sig值略大于0.05．綜上所述，夜間燈光數據與GDP數據間呈高度正相關，故將TNL作為GDP的代理變量具有一定的科學性與合理性，且夜間燈光數據的廣覆蓋面和高分辨率在研究區域經濟發展研究方面有獨特的優勢．

3.2東南亞經濟發展方向特征分析

3.2.1重心遷移特征分析

從數據層面來看，利用統計數據計算經濟重心時基本計算單位為國家，一方面空間分辨率過低，整個東南亞11個國家，參與計算的要素數量過少;另一方面，在計算時假定各國GDP在國域內均勻分布，忽視了GDP的空間異質性．因此，利用統計數據進行空間分析研究的關鍵在于統計數據的統計單位要足夠小，這無疑工作量巨大且難以收集．而利用分辨率為500m夜間燈光數據進行分析時，參與計算的樣本共有263284個，有效地保留了數據的空間分布屬性，彌補了統計數據存在的缺陷，因此，本文采用基于夜間燈光數據計算的經濟重心來分析東南亞社會經濟重心的遷移．利用夜間燈光數據與行政區劃結合數據計算東南亞地區2012—2021年各年份基于像元單位的經濟重心和標準差橢圓，分布情況如圖3所示．

從圖3中可以看到，夜間燈光數據計算的經濟重心整體上向西北方向遷移，2012—2013年以及2020—2021年的遷移最為顯著．總的來說，2012—2021年的經濟重心整體向西北方移動，2012年與2021年的經濟重心相距約476km，說明在近10年的發展中，東南亞西北部的經濟體量增速大于東南部．社會經濟的發展受到地理位置、自然資源、科技水平和政策實施等多方面因素影響．在全球金融危機持續的情況下，2012—2013年東南亞最大經濟體印度尼西亞的經濟衰退，GDP從9178.7億美元下降到9125.2億美元，此后3年也呈下降趨勢，這是因為對外貿易在印度尼西亞國民經濟中占重要地位，受金融危機影響較大．北部的泰國和越南等國家在危機期間積極采取行動，擴大內需和刺激經濟，使國內經濟保持平穩狀態或緩慢增長．經濟體量大的國家出現衰減，而經濟體量相對較小的國家趨于平穩或緩慢增長，導致經濟重心向北遷移．此外，經濟重心移動也和“一帶一路”倡議有關，中國同東南亞各國的頻繁經貿往來也可能促使區域經濟向北擴張，雙方的貿易與投資迅速發展，目前東盟已經成為中國第二大貿易伙伴［33］．

3.2.2標準差橢圓方向特征分析

從標準差橢圓來看，利用行政區劃數據結合GDP數據計算的標準差橢圓在2012年、2016年、2021年之間變化不大，甚至2016年與2021年的橢圓幾乎重合．利用夜間燈光數據計算的標準差橢圓在面積、覆蓋區域等特征上都有明顯差異．基于夜間燈光數據的標準差橢圓具體參數如表4所示．長軸從2012年的2946km縮減到2021年的2547km，短軸從2012年的2073km縮減到2021年的1689km，相應的橢圓所覆蓋的面積也隨之減小，從2012年的4798220km2減小到2021年的3440963km2．方位角的變化不大，即東南亞近10年的經濟發展方向特征并無明顯變化，基本保持南北向的方向性，這也與經濟重心向北遷移的方向相符合．橢圓扁率從2012年的0.296增大到2021年的0.337，說明東南亞經濟發展的方向性越來越明顯．

關于標準差橢圓長短軸縮減的原因，并非該區域的經濟逆增長，而是受東南亞地區經濟一體化的影響．二戰結束后，東南亞的經濟發展從殖民地經濟向工業化經濟轉變．20世紀90年代，世界經濟區域化快速發展，北美自由貿易區以及歐洲共同體的建立，依賴西方市場的東南亞國家經濟發展面臨巨大挑戰［34］，東南亞國家意識到只有加強本區域的經濟合作才能保證自己的利益．東盟國家為加快區域一體化經濟建設，積極制定和調整戰略，構建自由貿易協定框架．21世紀以來，東南亞區域經濟一體化發展迅猛，東盟經濟體計劃構建一個單一市場與生產基地，在增強區域經濟競爭力的同時實現區域經濟的平衡發展，然后融入全球經濟體系．東盟區域經濟一體化注重區域內的共同建設，也強調與外界的經濟合作，東盟成員國與多國簽訂雙邊自由貿易協定，且自由貿易的目標和內容多樣化，突破了區域和距離的限制．2015年，東盟宣布東盟共同體正式建成，這意味著東盟經濟跨入共同體時代．上述可以解釋2012—2021年的標準差橢圓長短軸長度縮減現象．橢圓的扁率增大，且從表2中可以看出2016—2021年的橢圓長軸小幅度增長，是因為東盟共同體漸漸融入到世界的經濟體系當中，國際競爭力逐漸增強，故經濟發展的方向性愈發明顯．

3.3東南亞經濟發展空間聚集性特征分析

本文使用東南亞地區各省級區域的夜間燈光總值作為該地區的經濟代理變量，以此避免統計數據缺失、統計標準不一、缺乏空間異質性等問題．計算2012—2021年東南亞各省級區域的夜間燈光總值，選取2012年和2021年的結算結果用于分析經濟發展空間聚集性特征．2012年和2021年各省夜間燈光總值分級渲染結果如圖4所示．從圖4中可以看出，夜間燈光總值的最低值從2012年的5.56增長到2021年的245.71，最高值也從2012年的200662.31增長到2021年的612623.11，表明近10年東南亞經濟發展迅速．

3.3.1全局空間聚集性特征分析

使用統計的夜間燈光總值數據計算全局莫蘭指數，以判斷研究區域內是否存在空間聚集．全局莫蘭指數的計算結果如表3所示．2012年與2021年的計算結果中顯示，MoranI指數分別為0.615和0.430，均大于0;z得分分別為16.343和11.073，均遠大于2.58;p值為0，所以在0.01的顯著性水平下兩個年份的研究區域中均存在空間相關性，各單位并不是隨機分布的．

3.3.2局部空間聚集性特征分析

局部莫蘭指數結果如圖5所示，從2012年東南亞經濟發展空間聚集情況可以看出，高高聚集區域主要分布在緬甸北部、印度尼西亞和馬來西亞部分地區，整體來看高高聚集的區域主要分布于東南亞的中西部，這也與經濟重心處于中西部的情況相符．低低聚集區域主要分布在柬埔寨、菲律賓與東帝汶，泰國、老撾和越南有少數分布．以印度尼西亞為例，其疆域東西跨度巨大，富含石油、煤和天然氣，是最大的動力煤出口國，礦產是印度尼西亞重要的支柱產業;另外，印度尼西亞海域廣闊，漁業資源豐富．印度尼西亞富饒的自然條件與強大的經濟條件吸引了大量外界的人才和資金，促使了區域經濟的快速發展．高高聚集的地區具有很好的輻射作用，帶動了周邊地區的經濟發展，到2021年，印度尼西亞近一半的地區都是高高聚集，其中最具代表性的中加里曼丹省，從2012年的低高聚集地到2021年轉變為高高聚集地．柬埔寨的低低聚集區域明顯減少，越南南部和馬來西亞西部還出現了新的高高聚集地，但菲律賓的低低聚集區域卻有所增加，主要是受新冠疫情的影響，菲律賓是東南亞區域受疫情影響最為嚴重的國家，曾一度成為東南亞區域累計確診人數最多的國家［35］．

4結論與討論

本文以2012年—2021年NPP／VIIRS全球年度合成數據（AnnualVNLV2）和東南亞各國GDP數據為主要數據，基于重心、標準差橢圓、莫蘭指數等模型考察了東南亞經濟的演變格局、發展方向和空間聚集特征，探究了2012—2021年東南亞國家社會經濟發展的時空特征，得出的主要結論如下：

1）夜間燈光總值（TNL）與GDP數據間呈高度正相關，將TNL作為GDP的代理變量具有科學性與合理性，且夜間燈光數據的廣覆蓋面和高分辨率使得研究結果比統計數據所得結果更為準確地表征了東南亞經濟的時空演變特征．

2）從整體的時空演變格局來看，2021年東南亞地區燈光高值地主要聚集在中南半島與馬來群島部分島嶼，且研究時段內馬來半島中的怡寶、吉隆坡等地夜間燈光明顯增長;從東南亞地區經濟發展的方向特征來看，研究時段內東南亞地區的經濟重心總體向北遷移，且遷移幅度較大，標準差橢圓的方位角基本保持不變，面積有縮減現象，但扁率增大;從東南亞地區經濟發展的空間聚集特征來看，全局莫蘭指數結果表明研究區域內存在空間聚集的現象，各單位并不是隨機分布的，局部莫蘭指數結果表明最為顯著的兩種空間關聯類型為高高聚集和低低聚集，且2012年高高聚集地主要分布于東南亞的中西部，其中印度尼西亞占比最多，2021年高高聚集區域明顯增加，柬埔寨低低聚集區域大幅減少．

3）從東南亞經濟發展變化原因來看，經濟重心遷移是因為南北經濟發展差異，以及“一帶一路”背景下，中國與東南亞地區貿易往來頻繁，促使該區域的經濟增長向北擴張;標準差橢圓面積縮減、扁率增大的原因在于東南亞經濟一體化，融入世界經濟體系后經濟發展的方向特征更為顯著;高高聚集區域主要分布在印度尼西亞等地，是因為該地富饒的自然條件與強大的經濟條件吸引了大量外界的人才和資金，在輻射作用下進一步帶動了周邊地區的經濟發展;2020—2021年，夜間燈光總值增幅變小或者呈減小趨勢可能原因是在新冠疫情背景下，東南亞人民的生活和工作受到嚴重影響，東南亞地區經濟發展增速變緩．

現有基于統計數據的東南亞經濟發展相關研究已取得一定的研究成果，但仍存在數據缺失、精度不足與統計標準不統一等局限性．為彌補現有研究的不足，本文的邊際貢獻主要在于：

1）本文是中國學者中第1篇利用夜間燈光數據對東南亞國家經濟發展進行模擬分析的文獻，與統計數據相比在更精細的尺度上分析了東南亞的經濟發展，這不僅拓展了中國學者分析東南亞國家經濟發展時可能采用的研究方法，同時豐富了東南亞經濟發展研究的可用數據．

2）研究結合金融危機、東盟共同體、疫情等宏觀因素綜合分析了東南亞國家經濟發展變化的原因，可為東南亞地區的經濟建設與宏觀調控政策制定提供一定參考，有利于更好地促進中國與東南亞的經濟共同發展與一體化建設．

3）研究以東南亞為研究區，再次證實了夜間燈光數據用于衡量與可視化經濟發展的可行性與可靠性．

有待進一步探討的內容：

1）NPP／VIIRS數據更新的起始年份為2012年，到目前為止共10年數據，DMSP／OLS于1982年問世，停更于2013年，雖然DMSP／OLS數據的質量不如NPP／VIIRS，但其時間跨度更大，對于研究長時間序列的地區經濟發展等問題可以提供更多數據支撐．如將兩種數據整合，以延長研究時間段，可以對區域的經濟發展做出更完整的探查．

2）對于區域經濟發展時空特征研究可用工具不止重心、標準差橢圓和莫蘭指數，還可利用其他工具，比如基尼系數、變異指數等，可為研究結果提供更加完整的論證依據．

參考文獻

References

［1］

尚恒志，張福梅.論中俄互聯網技術合作方法與路徑［J］.新聞愛好者，2022（3）：48-52

［2］潘志煜.“一帶一路”背景下中國與東南亞區域經濟合作路徑與策略研究［J］.國別和區域研究，2019，4（4）：42-50

PANZhiyu.MeansandstrategiesofregionaleconomiccooperationbetweenChinaandSoutheastAsiaagainsttheBeltandRoadbackground［J］.JournalofInternationalandRegionalStudies，2019，4（4）：42-50

［3］曹云華，孫錦.東南亞經濟發展的地緣政治影響［J］.東南亞縱橫，2020（1）：92-102

CAOYunhua，SUNJin.ThegeopoliticalinfluenceofeconomicdevelopmentinSoutheastAsia［J］.AroundSoutheastAsia，2020（1）：92-102

［4］趙敏.多源夜光遙感數據協同的東南亞城市化時空動態監測與評估［D］.南京：南京大學，2020

ZHAOMin.SpatiotemporaldynamicmonitoringandevaluationofurbanizationinSoutheastAsiabasedonmulti-sourcenighttimelightremotesensingdata［D］.Nanjing：NanjingUniversity，2020

［5］ChungRY，LaiFTT，ChungGKK，etal.SocioeconomicdisparityinmortalityriskswidenedacrossgenerationsduringrapideconomicdevelopmentinHongKong：anage-period-cohortanalysisfrom1976to2010［J］.AnnalsofEpidemiology，2018，28（11）：743-752

［6］寧朝山，任海平.中國區域經濟質量差異及其收斂性分析［J］.地域研究與開發，2020，39（6）：24-28，35

NINGChaoshan，RENHaiping.AnalysisofregionaleconomicqualitydifferenceanditsconvergenceinChina［J］.ArealResearchandDevelopment，2020，39（6）：24-28，35

［7］楊豐碩，楊曉梅，王志華，等.江西省典型縣域經濟差異影響因子地理探測研究［J］.地球信息科學學報，2018，20（1）：79-88

YANGFengshuo，YANGXiaomei，WANGZhihua，etal.GeographicdetectionofimpactfactorsofeconomicdifferencesamongtypicalcountiesinJiangxiprovince［J］.JournalofGeo-InformationScience，2018，20（1）：79-88

［8］張雪紅，吳雨陽，王永俊，等.基于熱紅外和夜間燈光遙感的GDP空間化研究：以福建省為例［J］.南京信息工程大學學報（自然科學版），2021，13（6）：720-729

ZHANGXuehong，WUYuyang，WANGYongjun，etal.GDPspatializationbasedonthermalinfraredandnightlightremotesensing：acasestudyinFujianprovince［J］.JournalofNanjingUniversityofInformationScience＆Technology（NaturalScienceEdition），2021，13（6）：720-729

［9］植秋瀅，陳潔瑩，付迎春，等.基于珞珈一號夜間燈光數據與POI數據的粵港澳大灣區城市群多中心空間結構研究［J］.熱帶地理，2022，42（3）：444-456

ZHIQiuying，CHENJieying，FUYingchun，etal.Themulti-centerspatialstructureintheGuangdong-HongKong-MacaogreaterbayareaurbanagglomerationbasedonLuojia1-01nighttimelightdataandPOIdata［J］.TropicalGeography，2022，42（3）：444-456

［10］李昱，陳蜜，付迎春.基于NPP-VIIRS夜光遙感數據的京津冀城市群空間結構變化分析［J］.測繪通報，2022（2）：50-55

LIYu，CHENMi，FUYingchun.AnalysisofthechangesintheBeijing-Tianjin-HebeiurbanagglomerationsspatialstructureusingNPP-VIIRSdata［J］.BulletinofSurveyingandMapping，2022（2）：50-55

［11］李家藝，徐永明，崔煒萍，等.基于珞珈一號夜光遙感數據的南京市夜間光污染監測［J］.自然資源遙感，2022，34（2）：289-295

LIJiayi，XUYongming，CUIWeiping，etal.MonitoringofnighttimelightpollutioninNanjingcitybasedonLuojia1-01remotesensingdata［J］.RemoteSensingforNaturalResources，2022，34（2）：289-295

［12］陳穎彪，鄭子豪，吳志峰，等.夜間燈光遙感數據應用綜述和展望［J］.地理科學進展，2019，38（2）：205-223

CHENYingbiao，ZHENGZihao，WUZhifeng，etal.Reviewandprospectofapplicationofnighttimelightremotesensingdata［J］.ProgressinGeography，2019，38（2）：205-223

［13］MarxA，ZieglerRogersM.AnalysisofPanamanianDMSP／OLSnightlightscorroboratessuspicionsofinaccuratefiscaldata：anaturalexperimentexaminingtheaccuracyofGDPdata［J］.RemoteSensingApplications：SocietyandEnvironment，2017，8：99-104

［14］YangL，CaoJJ，ZhuoL，etal.AnovelconsistencycalibrationmethodforDMSP-OLSnighttimestablelighttime-seriesimages［J］.IEEEJournalofSelectedTopicsinAppliedEarthObservationsandRemoteSensing，2022，15：2621-2631

［15］顧鵬程，王世新，周藝，等.基于時間序列DMSP／OLS夜間燈光數據的GDP預測模型［J］.中國科學院大學學報，2019，36（2）：188-195

GUPengcheng，WANGShixin，ZHOUYi，etal.EstimationofGDPbasedonlongtimeseriesofDMSP／OLSnighttimelightimages［J］.JournalofUniversityofChineseAcademyofSciences，2019，36（2）：188-195

［16］李峰，張曉博，廖順寶，等.DMSP-OLS與NPP-VIIRS夜間燈光數據測算統計指標能力評估：以京津冀地區縣域GDP、人口及能源消耗為例［J］.測繪通報，2020（9）：89-93，118

LIFeng，ZHANGXiaobo，LIAOShunbao，etal.CapabilityassessmentofDMSP-OLSandNPP-VIIRSnighttimelightdataestimatingstatisticalindicators：acaseofcounty-levelGDP，populationandenergyconsumptioninBeijing-Tianjin-Hebeiregion［J］.BulletinofSurveyingandMapping，2020（9）：89-93，118

［17］李林玥，孫志賢，龍翔.“一帶一路”沿線國家與中國的貿易發展狀況研究：夜間燈光數據在引力模型中的實證分析［J］.數量經濟技術經濟研究，2018，35（3）：39-58

LILinyue，SUNZhixian，LONGXiang.Thestudyoftradedevelopmentbetween“onebeltandoneroad”countriesalongthelineandChina［J］.TheJournalofQuantitative＆TechnicalEconomics，2018，35（3）：39-58

［18］王森，蔡小莉，鮑云飛，等.基于NPP／VIIRS夜間燈光圖像的GDP智能預測模型研究［J］.科學技術與工程，2022，22（8）：3191-3201

WANGSen，CAIXiaoli，BAOYunfei，etal.GDPintelligenceforecastingmodelsbasedonNPP／VIIRSnighttimelightimagery［J］.ScienceTechnologyandEngineering，2022，22（8）：3191-3201

［19］張瓊藝，李昆，雍志瑋，等.基于夜光遙感數據的西南地區多維貧困測度及時空演變分析［J］.自然資源遙感，2022，34（4）：286-298

ZHANGQiongyi，LIKun，YONGZhiwei，etal.Themultidimensionalmeasureandspatial-temporalevolutionanalysisofpovertyinsouthwesternChinabasedonnighttimelightdata［J］.RemoteSensingforNaturalResources，2022，34（4）：286-298

［20］鹿一凡，孫國棟，馮子元，等.基于NPP-VIIRS夜光數據的北京市建成區提取和分析［J］.科技資訊，2021，19（27）：1-5

LUYifan，SUNGuodong，FENGZiyuan，etal.Extractionandanalysisofbuilt-upareasinBeijingbasedonNPP-VIIRSluminousdataset［J］.Science＆TechnologyInformation，2021，19（27）：1-5

［21］ElvidgeCD，ZhizhinM，GhoshT，etal.AnnualtimeseriesofglobalVIIRSnighttimelightsderivedfrommonthlyaverages：2012to2019［J］.RemoteSensing，2021，13（5）：922

［22］ElvidgeCD，BaughK，ZhizhinM，etal.VIIRSnight-timelights［J］.InternationalJournalofRemoteSensing，2017，38（21）：5860-5879

［23］張麗，何偉，潘洪義.成渝地區雙城經濟圈縣域經濟空間格局及影響因素：基于夜間燈光數據的分析［J］.資源開發與市場，2022，38（9）：1081-1090，1125

ZHANGLi，HEWei，PANHongyi.SpatialpatternandinfluencingfactorsofcountyeconomyinChengdu-Chongqingeconomiccircle：basedonnighttimelightdata［J］.ResourceDevelopment＆Market，2022，38（9）：1081-1090，1125

［24］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

LIDeren，YUHanruo，LIXi.Thespatial-temporalpatternanalysisofcitydevelopmentincountriesalongtheBeltandRoadInitiativebasedonnighttimelightdata［J］.GeomaticsandInformationScienceofWuhanUniversity，2017，42（6）：711-720

［25］魏凌，張楊，李強，等.基于標準差橢圓的我國國土生態空間分異研究［J］.生態經濟，2020，36（7）：176-181

WEILing，ZHANGYang，LIQiang，etal.StudyonspatialvariationofChinasterritorialecologicalspacebasedonstandarddeviationellipse［J］.EcologicalEconomy，2020，36（7）：176-181

［26］李翔，朱江，尹向東.基于夜間燈光數據的中國經濟發展時空格局特征［J］.地球信息科學學報，2019，21（3）：417-426

LIXiang，ZHUJiang，YINXiangdong.Spatio-temporalpatternofChineseeconomydevelopmentbasedonnightlightdata［J］.JournalofGeo-InformationScience，2019，21（3）：417-426

［27］MoranPAP.Theinterpretationofstatisticalmaps［J］.JournaloftheRoyalStatisticalSociety：SeriesB（Methodological），1948，10（2）：243-251

［28］程蕊，朱琳，周佳慧，等.北京潮白河沖洪積扇地面沉降時空異質性特征及驅動因素分析［J］.吉林大學學報（地球科學版），2021，51（4）：1182-1192

CHENGRui，ZHULin，ZHOUJiahui，etal.Spatio-temporalheterogeneityanddrivingfactorsoflandsubsidenceinmiddle-lowerpartofChaobairiveralluvialfan［J］.JournalofJilinUniversity（EarthScienceEdition），2021，51（4）：1182-1192

［29］李赟鵬，張靜.金融要素對宏觀經濟效率影響的莫蘭指數分析［J］.西南大學學報（自然科學版），2020，42（3）：124-129

LIYunpeng，ZHANGJing.Moranindexanalysisoftheimpactoffinancialelementsonmacroeconomicefficiency［J］.JournalofSouthwestUniversity（NaturalScienceEdition），2020，42（3）：124-129

［30］AnselinL.Localindicatorsofspatialassociation：LISA［J］.GeographicalAnalysis，1995，27（2）：93-115

［31］趙曉冏，王建，蘇軍德，等.基于InVEST模型和莫蘭指數的甘肅省生境質量與退化度評估［J］.農業工程學報，2020，36（18）：301-308

ZHAOXiaojiong，WANGJian，SUJunde，etal.AssessmentofhabitatqualityanddegradationdegreebasedonInVESTmodelandMoranindexinGansuprovince，China［J］.TransactionsoftheChineseSocietyofAgriculturalEngineering，2020，36（18）：301-308

［32］BennettMM，SmithLC.Advancesinusingmultitemporalnight-timelightssatelliteimagerytodetect，estimate，andmonitorsocioeconomicdynamics［J］.RemoteSensingofEnvironment，2017，192：176-197

［33］陳慧.RCEP生效后中國參與區域產業鏈價值鏈重構的機遇、挑戰與應對［J］.經濟縱橫，2022（8）：76-82

CHENHui.Opportunities，challengesandcountermeasuresofChinasparticipationinthereconstructionofregionalindustrialchainsandvaluechainsafterRCEPtakeseffect［J］.EconomicReviewJournal，2022（8）：76-82

［34］韓愛勇.東亞地區主義何以走向衰落？［J］.外交評論（外交學院學報），2015，32（5）：63-92

HANAiyong.WhydoesregionalisminEastAsiadecline？［J］.ForeignAffairsReview，2015，32（5）：63-92

［35］馬宇晨，吳杰偉.菲律賓：2020年回顧與2021年展望［J］.東南亞縱橫，2021（2）：12-25

MAYuchen，WUJiewei.ThePhilippines：reviewof2020andprospectof2021［J］.AroundSoutheastAsia，2021（2）：12-25

Spatio-temporalfeaturesofeconomicdevelopmentinSoutheast

Asiancountriesbasedonnighttimelightremotesensing

LIYimin1，2FUXingfeng1LIYuanting3WUBowen1WANGDongchi1

1SchoolofEarthSciences，YunnanUniversity，Kunming650500，China

2ResearchCenterofDomesticHigh-resolutionSatelliteRemoteSensingGeologicalEngineering，YunnanUniversity，Kunming650500，China

3InstituteofInternationalRiversandEco-Security，YunnanUniversity，Kunming650500，China

AbstractSoutheastAsiaholdsgreatimportanceasanessentialpassageoftheBeltandRoadInitiativeandakeynoderegionforChinasforeigntrade.Here，thespatialandtemporalcharacteristicsofeconomicdevelopmentofSoutheastAsiancountriesfrom2012to2021areanalyzedusingNPP／VIIRSnighttimelightingdataandspatialanalysismethodssuchascentroid，standarddeviationellipseandMoranindex.TheresultsindicateasignificantcorrelationbetweenGDPandnighttimelightdata，andagenerallynorthwestboundtransferofeconomiccentersofSoutheastAsiancountries.Mostofthenightlightclustershavemoved476kilometerstothenorthwestofSoutheastAsia（thatis，tothelandborderbetweenSoutheastAsiaandChina），suggestingarelationshipbetweenthemovementofeconomiccentersandtheBeltandRoadInitiative.TheoveralleconomicvolumeofSoutheastAsiahasincreased，andeconomicdevelopmenthasbeenclusteringintheregionwithevidentdirectionalcharacteristics.Intermsofthespatialfeatures，high-highaggregationandlow-lowaggregationarethetwomostsignificantspatialaggregationcharacteristics.Thehigh-highagglomerationareashaveplayedagoodroleanddriventheeconomicdevelopmentofthesurroundingareas，thelow-highagglomerationareashavegreaterdevelopmentpotential，whilethelow-lowagglomerationareasinnorthernSoutheastAsiahavedecreasedsignificantlyduring2012-2021.

Keywordsnighttimelightremotesensing;SoutheastAsia;economicdevelopment;spatialandtemporalcharacteristics