基于夜間燈光指數的貴陽GDP空間化

摘要：為了實現社會經濟要素與自然要素的數據融合、共享與綜合分析，對GDP統計數據進行空間化，以貴陽為研究對象，基于DMSP/OLS遙感夜間燈光指數數據，運用NDVI數據消除夜間燈光數據的像元過飽和溢出現象，構建人居指數HLS，通過人居指數與GDP的分布規律，分析人居指數與GDP的相關性，構建GDP回歸模型。

關鍵詞：夜間燈光指數;GDP;回歸分析;GDP空間化

GDP用于表征區域經濟發展水平，廣泛應用于評價和衡量區域發展狀況與經濟實力等方面，目前包括GDP在內的社會經濟數據大多數都以行政區劃為統計單元，以行政區為單元的統計GDP數據能夠較好地反映區域整體經濟發展水平，但不能反映行政區內部經濟發展差異，也存在統計單元數據與其他環境數據空間上不匹配等問題，而以像元為單元的GDP數據既能反映行政區內部經濟發展差異，也可以為區域經濟和GDP產業結構細化估值提供依據。目前，眾多國內外學者逐漸開始重視GDP空間化，并且提出了多種GDP空間化的方法。

1 研究區概況

貴陽市位于長江上游，屬于中國西南部地區，總面積達8.24萬 km2，平均海拔高度多在400 m之間，地勢南北高，中西部低。境內山高谷深，最大高差為2723.7 m，山地面積約為6.26萬 km2，占總面積的76%，丘陵占22%，河谷平壩僅占2%。貴陽是西南地區最大的綜合性工業基地，處于經濟快速發展的東西部結合地帶。2012年，貴陽GDP總量為11409.6億元是2001年GDP總量的4倍，但各區縣間GDP增長差異大。

2 研究方法與數據基礎

2.1 數據源與預處理

研究數據主要涉及統計數據和空間數據兩部分。其中統計數據有2012年貴陽市GDP數據（2013年貴陽市統計年鑒）;空間數據有：2012年貴陽市DMSP/OLS夜間燈光指數數據源于美國國家地球物理數據中心。（http：//www.ngdc.gov/dmsp/downloadV4composites.html）空間分辨率為1 km;2012年MODIS逐月NDVI數據，空間分辨率為500 m（源于地理空間數據云MODIS中國合成產品）;DEM數據（源于國家地球系統科學數據共享平臺），空間分辨率為1km;2012年貴陽市行政區劃圖。為了統一運算，所有空間數據均采用Transverse_Mercator投影。

2.2 構建GDP空間化模型

夜間燈光數據的原始分辨率比NDVI數據的分辨率低，而且城市中心的夜間燈光指數由于經濟發展水平高還存在像元過飽和現象。所以基于這兩種數據的互補性，引入NDVI數據，可有效減緩夜間燈光數據的過飽和現象，提高人居指數精度。本文參考Lu等的研究，利用以下公式建立人居指數（Human Settlement Index，HLS）：

式中，為MODIS NDVI在2012年的最大值， 為2012年經過標準化的夜間燈光指數數據（0～1）。對人居指數進行分區統計，利用各個區縣人居指數的平均值與對應區縣的GDP統計密度進行線性回歸分析，得到人居指數平均值與GDP統計密度的回歸方程。根據人居指數與統計GDP密度的線性關系式y = 40441x - 1994.3來對貴陽市各個區縣的GDP密度進行模擬，得到初步模擬的GDP密度。

3 結果分析與精度評價

3.1 結果分析

主城區域夜燈值高、NDVI值低，使得主城及周邊地區人居指數高。從2012年貴陽市GDP分布來看，主城及周邊地區由于經濟發展水平比渝東南和渝東北的大部分區縣高，所以GDP高的區域主要集中在主城以及主城周圍的區縣。由此可得出人居指數與GDP分布之間的空間對應關系：在人居指數高的區域，GDP水平高，在空間分布上具有正相關。運用區縣GDP統計值除以面積，得到各個區縣GDP密度，從2012年貴陽市GDP密度分布來看，都市區以及周邊地區由于經濟發展水平高GDP密度普遍高于東南和東北區縣的GDP密度。

3.2 精度評價

利用人居指數HLS與貴陽市各區縣統計GDP密度進行線性回歸分析構建GDP空間化模型，利用模型模擬GDP密度，得到GDP模擬密度與GDP統計密度之間的相對誤差為18%，從各區縣GDP密度分布的模擬結果來看，有60%的區縣GDP密度模擬的誤差小于20%，其中有10個區縣的模擬結果的絕對誤差小于15%，誤差最小的是榮昌縣，與統計的GDP密度僅相差0.3%。模擬誤差較大的多為渝東南翼和渝東北翼邊界的幾個區縣，其中城口GDP密度模擬的相對誤差較大，這幾個地區的模擬誤差較大的主要原因是這些地方的地勢相較于其他區縣海拔較高，地形復雜，對模擬結果進行柵格分區統計時，在對邊界取舍的過程中容易造成細節部分的缺失，從而在對貴陽進行GDP密度模擬時造成誤差偏大的結果。

4 結論

將傳統以行政區劃為計算單元的GDP密度轉變為計算空間離散的格網，使GDP密度的空間分布精確到行政區內部且更具有實際的研究分析意義。對于貴陽這種地形復雜的地區來說，GDP空間化就有更加實際的作用了，由于貴陽的各個區縣所處的地形和地勢差異較大，各區縣的發展水平差異較大，將GDP空間化有利于分析貴陽經濟發展水平較低的區縣內部的經濟發展差異，從而為制定精確的地區內部經濟發展戰略提供輔助判斷依據。由于研究中的DMSP/OLS夜間燈光指數數據比MODIS逐月 NDVI數據比DMSP/OLS夜間燈光指數數的空間分辨率低，所以將兩種數據進行融合處理可以有效減少夜燈數據像元過飽和現象，也在一定程度上緩解了夜燈數據像元溢出問題。但研究中對GDP分布的影響因素分析不足，以后的研究中能夠進一步對影響因素進行深入分析，從而提升GDP模擬模型的精度。

參考文獻：

[1] 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（01）.

[2] 劉紅輝，江東，楊小喚，等.基于遙感的全國GDP 1km格網的空間化表達[J].地球信息科學，2006（02）.

[3] TOBLER W，DEICHMANN U，UOTTSEUEN J. World population in a grid of spherical quadrilaterals[J]. International Journal of Population Ueography，1997.

[4] DOBSON J E，BRIUHT E A，COLEMAN P R. LandScan：A global population database for estimating population at risk[J].Photogrammetric Engineering and Remote Sensing，2001（09）.

[5] 易玲，熊利亞，楊小喚.基于GIS技術的GDP空間化處理方法[J].甘肅科學學報，2006（02）.

[6] 黃瑩，包安明，陳曦，等.新疆天山北坡干旱區GDP時空模擬[J].地理科學進展，2009（04）.

[7] 黃瑩，包安明，陳曦，等.記憶綠洲土地利用的區域GDP公里格網化研究[J].冰川凍土，2009（01）.

作者簡介：楊正蘭（1996—），女，在讀研究生，研究方向：生態環境遙感。

（作者單位：成都理工大學）