基于NPP-VIIRS夜間燈光數(shù)據(jù)的北京市GDP空間化方法

李峰， 米曉楠， 劉軍， 劉小陽

(1.防災(zāi)科技學院，三河　065201； 2.山西省氣候中心，太原　030002)

?

基于NPP-VIIRS夜間燈光數(shù)據(jù)的北京市GDP空間化方法

李峰1， 米曉楠2， 劉軍1， 劉小陽1

(1.防災(zāi)科技學院，三河065201； 2.山西省氣候中心，太原030002)

摘要：為了分析像素級社會經(jīng)濟活動的空間分布狀況，以Landsat8 和NPP-VIIRS夜間燈光影像為數(shù)據(jù)源，分別對北京市第一產(chǎn)業(yè)和第二、三產(chǎn)業(yè)GDP進行空間化操作。利用分類回歸樹(classification and regression tree,CART)算法，通過Landsat8影像生成北京市的土地利用圖，在分析第一產(chǎn)業(yè)GDP與土地利用類型面積相關(guān)性的基礎(chǔ)上，構(gòu)建了第一產(chǎn)業(yè)GDP與耕地面積的線性回歸模型。建立了5種燈光指標與第二、三產(chǎn)業(yè)GDP的數(shù)學關(guān)系，通過相關(guān)性和回歸分析確定第二、三產(chǎn)業(yè)GDP與綜合燈光指數(shù)呈明顯的冪函數(shù)關(guān)系。根據(jù)以上2種模型分別生成對應(yīng)2類產(chǎn)業(yè)的像素級GDP密度圖，再分別對其進行線性糾正并求和后制作出北京市500 m格網(wǎng)尺寸的GDP密度圖。誤差分析發(fā)現(xiàn)，第一產(chǎn)業(yè)GDP、第二、三產(chǎn)業(yè)GDP和GDP總量與實際統(tǒng)計值的平均相對誤差分別為0.86%，0.61%和1.37%。結(jié)果表明，結(jié)合土地利用數(shù)據(jù)的NPP-VIIRS夜間燈光GDP空間化方法可以精確估算北京市GDP產(chǎn)值，反映北京市經(jīng)濟空間分布特征。

關(guān)鍵詞：NPP-VIIRS； 夜間燈光； 省域GDP； 土地利用； GDP空間化

0引言

國民生產(chǎn)總值(gross domestic product, GDP)是反映一個國家或地區(qū)全部生產(chǎn)活動最終成果的重要指標，用來衡量國家或地區(qū)的經(jīng)濟實力和發(fā)展狀況。長期以來，社會經(jīng)濟數(shù)據(jù)常基于統(tǒng)計單元(行政區(qū))建立多邊形數(shù)據(jù)庫，以點值內(nèi)插法進行全區(qū)域統(tǒng)計數(shù)據(jù)的分析和操作。但因數(shù)據(jù)分辨率低而不能充分揭示統(tǒng)計數(shù)據(jù)的空間差異性。隨著對高分辨率GDP密度數(shù)據(jù)需求的日益增加，格網(wǎng)生成技術(shù)被用于社會經(jīng)濟統(tǒng)計數(shù)據(jù)的格網(wǎng)化。劉紅輝等[1]利用遙感數(shù)據(jù)建立了分產(chǎn)業(yè)GDP與土地利用類型的空間關(guān)系，實現(xiàn)1 km格網(wǎng)的社會經(jīng)濟數(shù)據(jù)的空間定量模擬； 易玲等[2]分別按照人口和土地利用數(shù)據(jù)構(gòu)造了GDP空間化模型，分析認為土地利用GDP模型精度明顯高于人口分配GDP模型。隨后，GIS和柵格數(shù)字模擬技術(shù)進一步促進了社會經(jīng)濟數(shù)據(jù)空間化的發(fā)展。自20世紀90年代起，美國國防氣象衛(wèi)星計劃(defense meteorological satellite program’s operational linescan system，DMSP-OLS)夜間燈光數(shù)據(jù)因能探測城市燈光甚至小規(guī)模低強度燈光，而被逐漸用于1 km格網(wǎng)的GDP空間化和城市化的研究中[3-5]。Elvidge等[6-7]在研究全球21個和200個國家的GDP與DMSP-OLS燈光數(shù)據(jù)后發(fā)現(xiàn)，兩者分別呈現(xiàn)高度的對數(shù)和線性關(guān)系； Henderson等[8]根據(jù)DMSP-OLS穩(wěn)定燈光和輻射定標燈光數(shù)據(jù)的最佳閾值，提取了舊金山、北京和拉薩經(jīng)濟發(fā)展水平有差異地區(qū)的空間信息； Doll等[9]依據(jù)DMSP-OLS夜間燈光與GDP的關(guān)系繪制了區(qū)域經(jīng)濟活動圖； 韓向娣等[10]利用土地利用圖對全國第一產(chǎn)業(yè)GDP建模，結(jié)合DMSP-OLS和土地利用數(shù)據(jù)對全國第二、三產(chǎn)業(yè)GDP建模，生成的GDP密度圖比單一數(shù)據(jù)的精度要高。但是，DMSP-OLS數(shù)據(jù)中的像素過飽和和溢出現(xiàn)象削弱了燈光數(shù)據(jù)與社會經(jīng)濟數(shù)據(jù)的相關(guān)性，而新一代的夜間燈光數(shù)據(jù)可見光紅外成像輻射儀(national polar-orbiting partnership’s visible infrared imaging radiometer suite, NPP-VIIRS)卻不存在上述問題。Li等[11]和Shi等[12]在采用這種夜間燈光數(shù)據(jù)研究中國大陸的GDP后發(fā)現(xiàn)，相比DMSP-OLS數(shù)據(jù)，夜間燈光總量與GDP之間有更高的線性關(guān)系。隨著經(jīng)濟和社會科學的發(fā)展，在全球或國家尺度上的社會經(jīng)濟數(shù)據(jù)空間化，更多以行政單元均值的形式來表現(xiàn)，無法全面準確反映地區(qū)的GDP分布狀況。因而，更多的研究重心開始轉(zhuǎn)向省域、縣域甚至鄉(xiāng)鎮(zhèn)級GDP空間化的工作中[13-14]。

為了深入提高省域GDP空間化的精度，本文以北京市為例，在綜合分析其經(jīng)濟統(tǒng)計數(shù)據(jù)的基礎(chǔ)上，通過NPP-VIIRS燈光數(shù)據(jù)建立其與第二、三產(chǎn)業(yè)GDP的數(shù)學模型，通過Landsat8影像生成北京市的土地利用圖，分析并構(gòu)建各土地利用類型與第一產(chǎn)業(yè)GDP的回歸模型，從而建立適用于省域的像素級GDP空間化模型，更加詳實準確地模擬省域GDP分布狀況，為政府經(jīng)濟政策的制定和GDP產(chǎn)值估計提供可靠的決策依據(jù)。

1數(shù)據(jù)源

NPP-VIIRS夜晚燈光數(shù)據(jù)來源于NOAA/NGDC(http://ngdc.noaa.gov/eog/viirs/download monthly.html)網(wǎng)站，是由 Suomi-NPP 衛(wèi)星利用VIIRS在2012年4—10月間拍攝，距地表約 824 km，采用極地軌道，由多幅無云影像拼接得到。與DMSP-OLS數(shù)據(jù)不同，NPP-VIIRS數(shù)據(jù)并沒有過濾火光、氣體燃燒、火山或極光，背景噪聲也未剔除，但是其影像分辨率達到了15″(約450 m)，所采用的廣角輻射探測儀消除了燈光過飽和現(xiàn)象，增強了探測敏感度，其在軌檢校程序也進一步提高了影像的清晰度。圖1顯示了2012年北京市NPP-VIIRS夜間燈光數(shù)據(jù)。

圖1　2012年北京市NPP-VIIRS夜間燈光數(shù)據(jù)

原始數(shù)據(jù)文件采用WGS84橢球下的地理坐標系，為使得投影變形最小，投影轉(zhuǎn)換成Albers投影，以雙線性采樣的方法重采樣成500 m格網(wǎng)大小。

為了降低NPP-VIIRS的噪聲，采用2012年北京市DMSP-OLS夜間平均穩(wěn)定燈光數(shù)據(jù)提取NPP-VIIRS的有效燈光數(shù)據(jù)。DMSP-OLS數(shù)據(jù)清除了云層的影響，包含城市、鄉(xiāng)鎮(zhèn)以及永久性光源地，排除了偶然燈光噪聲，背景噪聲用0值替代，DN值在1～63之間。

由于2012年Landsat5傳感器失效，但是據(jù)統(tǒng)計年鑒數(shù)據(jù)可知2012年第一產(chǎn)業(yè)GDP與2013年相比變化較小。因此，本文利用2013年10月3日Landsat8衛(wèi)星OLI多光譜數(shù)據(jù)獲得的北京市土地利用類型圖建立2012年第一產(chǎn)業(yè)GDP模型。

2省域GDP空間化建模方法

本文的目的在于通過夜間燈光數(shù)據(jù)和土地利用數(shù)據(jù)建立與地區(qū)生產(chǎn)總值(GDP)、第一產(chǎn)業(yè)產(chǎn)值(GDP1)以及第二、三產(chǎn)業(yè)產(chǎn)值(GDP23)之間的數(shù)學模型。作為第二產(chǎn)業(yè)的工業(yè)、建筑業(yè)與以服務(wù)業(yè)為主的第三產(chǎn)業(yè)之間的城市燈光差異很小，因此綜合第二、三產(chǎn)業(yè)的夜間燈光數(shù)據(jù)的建模結(jié)果要優(yōu)于單獨建模的結(jié)果。夜間燈光數(shù)據(jù)很難準確探測到城市以外的農(nóng)村地區(qū)，第一產(chǎn)業(yè)的產(chǎn)值與燈光數(shù)據(jù)的關(guān)系也不明顯，而與耕地等農(nóng)業(yè)用地關(guān)系密切，土地利用數(shù)據(jù)可以為第一產(chǎn)業(yè)產(chǎn)值建模提供便利[15]。

2.1第一產(chǎn)業(yè)產(chǎn)值建模

北京市土地利用分類數(shù)據(jù)通過采用分類回歸樹(classification and regression tree,CART)算法基于Landsat8影像分類獲得[16]。與其他決策樹相比，CART算法簡單、結(jié)構(gòu)清晰、運行速度快，能最大限度地降低各個步驟的不純潔度，有效處理大量的高維數(shù)據(jù)。

參加分類的變量包括Landsat8影像中的第1—7個多光譜波段、NDVI值、MNDWI值及北京市30 m空間分辨率DEM。鑒于草地與耕地的光譜差異極小，且北京市草地面積僅占總面積的0.13%，本文將草地歸入耕地類別。選擇林地、耕地(含草地)、水域、建設(shè)用地和其他(裸地和陰影)共5種土地類型的6 092個訓(xùn)練樣本，通過學習得到56個葉結(jié)點的決策樹結(jié)構(gòu)。根據(jù)高空間分辨率Google Earth影像隨機提取的276個檢驗樣本建立混淆矩陣。檢驗結(jié)果顯示，CART算法的總體分類精度達95.65%，Kappa系數(shù)為0.94。雖然北京市林地面積占全市總面積的53.31%，但是并非所有的林地都能為第一產(chǎn)業(yè)貢獻產(chǎn)值，故通過GIS的分析功能提取坡向在90°～270°且坡度小于20°的經(jīng)濟林地來分析其對第一產(chǎn)業(yè)的貢獻。

根據(jù)北京市16個區(qū)縣的土地利用類型面積(耕地、水域和經(jīng)濟林地)和對應(yīng)第一產(chǎn)業(yè)的產(chǎn)值，分析各土地利用類型面積與GDP1的相關(guān)性，發(fā)現(xiàn)呈多元線性關(guān)系，對應(yīng)的耕地(含草地)、水域和經(jīng)濟林地面積的模型回歸系數(shù)分別為m1=0.026 1，m2=0.073 3和m3=-0.000 4，相關(guān)系數(shù)為0.689。單獨分析耕地面積(Sc)與GDP1的相關(guān)性，其回歸關(guān)系如圖2所示。

圖2　耕地面積與GDP1的關(guān)系

很明顯，就GDP1而言，與耕地面積(Sc)的相關(guān)性明顯高于其他各土地利用類型面積，因此本文采用式(1)來模擬北京市GDP1的產(chǎn)值，即

GDP1=0.047Sc。

(1)

2.2第二、三產(chǎn)業(yè)產(chǎn)值建模

2.2.1NPP-VIIRS數(shù)據(jù)去噪

假設(shè)2012年的NPP-VIIRS數(shù)據(jù)和2012年的DMSP-OLS穩(wěn)定燈光數(shù)據(jù)有著同樣的燈光范圍，因而可以通過同年份的DMSP-OLS數(shù)據(jù)制作掩模提取NPP-VIIRS中的有效燈光數(shù)據(jù)。去噪的DMSP-OLS數(shù)據(jù)仍然存在燈光過飽和及溢出現(xiàn)象，根據(jù)2.1節(jié)的土地利用類型結(jié)果，將分類的建筑用地與DMSP-OLS燈光數(shù)據(jù)疊加來確定最佳燈光閾值(DN值范圍在14～63)，通過去飽和燈光的DMSP-OLS數(shù)據(jù)掩模NPP-VIIRS數(shù)據(jù)來消除其背景噪聲和偶然燈光噪聲[17]。為了去除NPP-VIIRS數(shù)據(jù)中孤立的極亮像元，將全部像元值按升序排列，取像元數(shù)99.9%處的像元值作為閾值DNM(本文為89.145)，高于此閾值的像元值均賦值為DNM。

2.2.2燈光數(shù)據(jù)與GDP23的回歸分析

目前常用的燈光數(shù)據(jù)指標有總燈光強度(total night-time light, TNL)、平均燈光強度(I)、燈光面積比(S)、線性加權(quán)綜合燈光指數(shù)(L)和綜合燈光指數(shù)(compounded night light index, CNLI)。TNL是指行政單元內(nèi)燈光DN值的總和。上述指標的表達式分別[18-19]為

(2)

S=AN/A ,

(3)

L=Ip1+Sp2,

(4)

CNLI=IS ,

(5)

式中：DNi和ni分別表示行政單元內(nèi)第i級灰度像元值和像元數(shù)；N和AN分別代表行政單元內(nèi)位于[1,DNM]區(qū)間的像元總數(shù)和所占據(jù)的面積；A表示行政單元面積；L為I和S的函數(shù);p1和p2分別為指標I和S的權(quán)重，通過多元線性擬合的方式求出，故利用Matlab軟件求出p1和p2的值分別為0.9和0.1，即

L=0.9I+0.1S 。

(6)

分別統(tǒng)計并生成北京市16個區(qū)縣的TNL，I，S，L和CNLI這5種燈光數(shù)據(jù)指標與對應(yīng)GDP23的散點圖，如圖3所示，分析其與GDP23的相關(guān)性，確定最佳回歸模型。

圖3　5種燈光指標與GDP23的回歸關(guān)系

經(jīng)過實驗發(fā)現(xiàn)，上述5種指標均與GDP23呈現(xiàn)冪函數(shù)關(guān)系。選取其中相關(guān)系數(shù)最大的CNLI燈光指標建立與GDP23的最優(yōu)回歸模型，采用

GDP23=4 258.251CNLI0.643

(7)

來模擬北京市GDP23的產(chǎn)值。為了估計行政單元內(nèi)的任意像元所代表的GDP23值，式(7)可改寫為

GDP23=4 258.251(DNi/DNM)0.643。

(8)

雖然式(8)為北京市GDP23的最優(yōu)回歸模型，但它是通過各區(qū)縣的燈光數(shù)據(jù)與實際統(tǒng)計數(shù)據(jù)回歸分析得到，直接用任意燈光像元計算得到的GDP23的誤差依然較大，因此需要對模擬的GDP23進行分區(qū)縣重新糾正。

2.3GDP空間化

對社會經(jīng)濟數(shù)據(jù)空間化時，格網(wǎng)尺度大小對最終模擬結(jié)果有著重要的影響，格網(wǎng)尺度并非越小越好。研究表明，國家和全球格網(wǎng)尺度為1km或5km，省市級區(qū)域的格網(wǎng)尺度在100～1 000m之間為佳。確定格網(wǎng)尺度的原則為： 在顧及地理數(shù)據(jù)尺度的前提下，既要反映社會經(jīng)濟數(shù)據(jù)的原始分布狀態(tài)，又要反映出其連續(xù)分布的現(xiàn)實[20-21]。

本文在模擬GDP1和GDP23時分別采用了30m和500m空間分辨率的影像，考慮到北京市山地面積和城市用地面積分別占全市總面積的55%和37%，過小的格網(wǎng)會導(dǎo)致沒有GDP分布，過大的格網(wǎng)會忽略GDP分布的差異性。為此，本次研究選用了500m格網(wǎng)尺度。為了避免重采樣造成的精度損失，通過將模擬的500m空間分辨率的GDP23圖上每個像元的地理坐標映射到同范圍30m空間分辨率的土地利用圖上，并統(tǒng)計其中耕地像元的面積，再利用式(1)計算出500m空間分辨率每個格網(wǎng)內(nèi)的GDP1。

直接采用式(1)和式(8)模擬的GDP1和GDP23誤差仍較大，故需要分別利用第一和第二、三產(chǎn)業(yè)實際產(chǎn)值通過線性調(diào)整的方式來糾正。對每個區(qū)縣，在保證各區(qū)縣GDP1和GDP23總量為實際統(tǒng)計值的前提下，采用式(9)來分別逐像元糾正模擬的GDP1和GDP23值，即

GDPT=GDPj(GDPt/GDPall) ,

(9)

式中，GDPT為糾正后的GDP產(chǎn)值； GDPj為格網(wǎng)j模擬的GDP產(chǎn)值； GDPt為該區(qū)縣統(tǒng)計的實際GDP值； GDPall為該區(qū)縣模擬的GDP值。

將糾正后的GDP1和GDP23直接求和可得到該地區(qū)的總產(chǎn)值，生成的2012年北京市GDP圖如圖4所示。

圖4　2012年北京市500m空間分辨率的GDP圖

3結(jié)果與分析

對北京市各區(qū)縣GDP1，GDP23和GDP的模擬結(jié)果與實際統(tǒng)計值進行誤差分析，結(jié)果如表1所示。

表1　北京市各產(chǎn)業(yè)產(chǎn)值模擬結(jié)果與實際統(tǒng)計值的相對誤差

在第一產(chǎn)業(yè)產(chǎn)值的相對誤差中，東城區(qū)、西城區(qū)和石景山區(qū)的誤差為0，主要是由于這3個城區(qū)的第二、三產(chǎn)業(yè)相當發(fā)達，行政單元內(nèi)絕大部分區(qū)域被建筑用地所覆蓋，耕地、草地和林地面積相對較少，經(jīng)過線性糾正后的GDP1模擬值與實際統(tǒng)計結(jié)果一致。其中，朝陽區(qū)、門頭溝區(qū)、密云縣和延慶縣的GDP1相對誤差超過了2%； 朝陽區(qū)的第二、三產(chǎn)業(yè)很發(fā)達而第一產(chǎn)業(yè)的比重較低，在使用Landsat8影像分類時不可避免地把不會產(chǎn)生第一產(chǎn)業(yè)產(chǎn)值的公園草地歸類為耕地，造成該區(qū)耕地面積被高估，使得第一產(chǎn)業(yè)誤差增大； 門頭溝區(qū)、密云縣和延慶縣均為山區(qū)，耕地面積較少，除耕地外，占大部分面積的林地、密云水庫等對第一產(chǎn)業(yè)產(chǎn)值的貢獻更大，因此只用耕地來預(yù)估GDP1會低估其產(chǎn)值，從而增大GDP1的相對誤差。第二、三產(chǎn)業(yè)產(chǎn)值的相對誤差均小于2%，這表明利用NPP-VIIRS夜間燈光數(shù)據(jù)來模擬GDP23的精度較高。總產(chǎn)值的相對誤差中，除密云縣和延慶縣外，其余區(qū)的GDP相對誤差都低于2%，這很可能是因為這2個縣的GDP1模擬誤差較大所造成。GDP1，GDP23和GDP的平均相對誤差分別為0.86%，0.61%和1.37%，三者的平均相對誤差都很小，各類GDP預(yù)測精度較高。

4結(jié)論

利用NPP-VIIRS夜間燈光和Landsat8數(shù)據(jù)對北京市的各產(chǎn)業(yè)GDP進行空間化處理，研究結(jié)果表明： 耕地面積與第一產(chǎn)業(yè)GDP的相關(guān)性要高于其他土地利用類型； 第二、三產(chǎn)業(yè)GDP與區(qū)縣NPP-VIIRS綜合燈光指數(shù)呈現(xiàn)較強的冪函數(shù)關(guān)系； 基于像素級的第一產(chǎn)業(yè)GDP和第二、三產(chǎn)業(yè)GDP的回歸模型直接計算的GDP產(chǎn)值誤差較大，需要進行線性糾正才能達到較高的精度； 從模擬的各產(chǎn)業(yè)GDP平均相對誤差上看，各產(chǎn)業(yè)GDP的平均誤差均小于2%，模擬精度較高，生成的像素級GDP分布可完整地反映北京市經(jīng)濟分布的實際狀況。

NPP-VIIRS夜間燈光數(shù)據(jù)在2012年開始對外提供數(shù)據(jù)，當前針對這種新數(shù)據(jù)源的研究成果較少，如何有效過濾其背景噪聲和偶然燈光因素，優(yōu)化回歸模型構(gòu)建方法，分析社會經(jīng)濟數(shù)據(jù)的時空變化情況，將成為后續(xù)深入研究的重點。

參考文獻(References)：

[1]劉紅輝,江東,楊小喚,等.基于遙感的全國GDP1km格網(wǎng)的空間化表達[J].地球信息科學,2005,7(2):120-123.

LiuHH,JiangD,YangXH,etal.Spatializationapproachto1kmgridGDPsupportedbyremotesensing[J].Geo-InformationScience,2005,7(2):120-123.

[2]易玲,熊利亞,楊小喚.基于GIS技術(shù)的GDP空間化處理方法[J].甘肅科學學報,2006,18(2):54-58.

YiL,XiongLY,YangXH.MethodofpixelizingGDPdatabasedontheGIS[J].JournalofGansuSciences,2006,18(2):54-58.

[3]徐夢潔,陳黎,劉煥金,等.基于DMSP/OLS夜間燈光數(shù)據(jù)的長江三角洲地區(qū)城市化格局與過程研究[J].國土資源遙感,2011,23(3):106-112.doi:10.6046/gtzyyg.2011.03.19.

XuMJ,ChenL,LiuHJ,etal.PatternandprocessofurbanizationintheYangtzeDeltabasedonDMSP/OLSdata[J].RemoteSensingforLandandResources,2011,23(3):106-112.doi:10.6046/gtzyyg.2011.03.19.

[4]王曉慧,肖鵬峰,馮學智,等.基于DMSP/OLS數(shù)據(jù)的中國大尺度城鎮(zhèn)用地信息提取[J].國土資源遙感,2013,25(3):159-164.doi:10.6046/gtzyyg.2013.03.26.

WangXH,XiaoPF,FengXZ,etal.Extractionoflarge-scaleurbanareainformationinChinausingDMSP/OLSnighttimelightdata[J].RemoteSensingforLandandResources,2013,25(3):159-164.doi:10.6046/gtzyyg.2013.03.26.

[5]陳征,胡德勇,曾文華,等.基于TM圖像和夜間燈光數(shù)據(jù)的區(qū)域城鎮(zhèn)擴張監(jiān)測——以浙江省為例[J].國土資源遙感,2014,26(1):83-89.doi:10.6046/gtzyyg.2014.01.15.

ChenZ,HuDY,ZengWH,etal.TMimageandnighttimelightdatatomonitoringregionalurbanexpansion:AcasestudyofZhejiangProvince[J].RemoteSensingforLandandResources,2014,26(1):83-89.doi:10.6046/gtzyyg.2014.01.15.

[6]ElvidgeCD,BaughKE,KihnEA,etal.Relationbetweensatelliteobservedvisible-nearinfraredemissions,population,economicactivityandelectricpowerconsumption[J].InternationalJournalofRemoteSensing,1997,18(6):1373-1379.

[7]ElvidgeCD,ImhoffML,BaughKE,etal.Night-timelightsoftheworld:1994-1995[J].ISPRSJournalofPhotogrammetryandRemoteSensing,2001,56(2):81-99.

[8]HendersonM,YehET,GongP,etal.Validationofurbanboundariesderivedfromglobalnight-timesatelliteimagery[J].InternationalJournalofRemoteSensing,2003,24(3):595-609.

[9]DollCNH,MullerJP,MorleyJG.Mappingregionaleconomicactivityfromnight-timelightsatelliteimagery[J].EcologicalEconomics,2006,57(1):75-92.

[10]韓向娣,周藝,王世新,等.基于夜間燈光和土地利用數(shù)據(jù)的GDP空間化[J].遙感技術(shù)與應(yīng)用,2012,27(3):396-405.

HanXD,ZhouY,WangSX,etal.GDPspatializationinChinabasedonDMSP/OLSdataandlandusedata[J].RemoteSensingTechnologyandApplication,2012,27(3):396-405.

[11]LiX,XuHM,ChenXL,etal.PotentialofNPP-VIIRSnighttimelightimageryformodelingtheregionaleconomyofChina[J].RemoteSensing,2013,5(6):3057-3081.

[12]ShiKF,YuBL,HuangYX,etal.EvaluatingtheabilityofNPP-VIIRSnighttimelightdatatoestimatethegrossdomesticproductandtheelectricpowerconsumptionofChinaatmultiplescales:AcomparisonwithDMSP-OLSdata[J].RemoteSensing,2014,6(2):1705-1724.

[13]梁友嘉,徐中民.基于夜間燈光輻射數(shù)據(jù)的張掖市甘州區(qū)GDP空間分布建模[J].冰川凍土,2013,35(1):249-254.

LiangYJ,XuZM.ModelingthespatialdistributionofGDPbasedonnightlightradiation:AcasestudyinGanzhoudistrict,Zhangyemunicipality[J].JournalofGlaciologyandGeocryology,2013,35(1):249-254.

[14]楊妮,吳良林,鄧樹林,等.基于DMSP/OLS夜間燈光數(shù)據(jù)的省域GDP統(tǒng)計數(shù)據(jù)空間化方法——以廣西壯族自治區(qū)為例[J].地理與地理信息科學,2014,30(4):108-111.

YangN,WuLL,DengSL,etal.SpatializationmethodofprovincialstatisticalGDPdatabasedonDMSP/OLSnightlightingdata:AcasestudyofGuangxiZhuangAutonomousRegion[J].GeographyandGeo-InformationScience,2013,30(4):108-111.

[15]韓向娣,周藝,王世新,等.夜間燈光遙感數(shù)據(jù)的GDP空間化處理方法[J].地球信息科學學報,2012,14(1):128-136.

HanXD,ZhouY,WangSX,etal.GDPspatializationinChinabasedonnighttimeimagery[J].JournalofGeo-informationScience,2012,14(1):128-136.

[16]陳云,戴錦芳,李俊杰.基于影像多種特征的CART決策樹分類方法及其應(yīng)用[J].地理與地理信息科學,2008,24(2):33-36.

ChenY,DaiJF,LiJJ.CART-baseddecisiontreeclassifierusingmulti-featureofimageanditsapplication[J].GeographyandGeo-InformationScience,2008,24(2):33-36.

[17]米曉楠,白林燕,譚雪航,等.基于DMSP/OLS數(shù)據(jù)的城市中心城區(qū)提取新方法[J].地球信息科學學報,2013,15(2):255-261.

MiXN,BaiLY,TanXH,etal.AnewmethodofextractingareasofcentercityregionsbasedonDMSP/OLSdata[J].JournalofGeo-InformationScience,2013,15(2):255-261.

[18]陳晉,卓莉,史培軍,等.基于DMSP/OLS數(shù)據(jù)的中國城市化過程研究——反映區(qū)域城市化水平的燈光指數(shù)的構(gòu)建[J].遙感學報,2003,7(3):168-175.

ChenJ,ZhuoL,ShiPJ,etal.ThestudyonurbanizationprocessinChinabasedonDMSP/OLSdata:Developmentofalightindexforurbanizationlevelestimation[J].JournalofRemoteSensing,2003,7(3):168-175.

[19]卓莉,史培軍,陳晉,等.20世紀90年代中國城市時空變化特征——基于燈光指數(shù)CNLI方法的探討[J].地理學報,2003,58(6):893-902.

ZhuoL,ShiPJ,ChenJ,etal.ApplicationofcompoundnightlightindexderivedfromDMSP/OLSdatatourbanizationanalysisinChinainthe1990s[J].ActaGeographicaSinica,2003,58(6):893-902.

[20]葉靖,楊小喚,江東.鄉(xiāng)鎮(zhèn)級人口統(tǒng)計數(shù)據(jù)空間化的格網(wǎng)尺度效應(yīng)分析——以義烏市為例[J].地球信息科學學報,2010,12(1):40-47.

YeJ,YangXH,JiangD.Thegridscaleeffectanalysisontownleveledpopulationstatisticaldataspatialization[J].JournalofGeo-informationScience,2010,12(1):40-47.

[21]李月嬌,楊小喚,王靜.基于景觀生態(tài)學的人口空間數(shù)據(jù)適宜格網(wǎng)尺度研究——以山東省為例[J].地理與地理信息科學,2014,30(1):97-100.

LiYJ,YangXH,WangJ.GridsizesuitabilityofpopulationspatialdistributioninShandongProvincebasedonlandscapeecology[J].GeographyandGeo-InformationScience,2014,30(1):97-100.

(責任編輯： 陳理)

Spatialization of GDP in Beijing using NPP-VIIRS data

LI Feng1, MI Xiaonan2, LIU Jun1, LIU Xiaoyang1

(1. Institute of Disaster Prevention, Sanhe 065201, China; 2. Shanxi Climate Center, Taiyuan 030002, China)

Abstract:Inordertoanalyzespatialdistributionsofsocioeconomicactivitiesatpixelscale,theauthorsusedLandsat8andNPP-VIIRSnight-timelightimagesasdatasourcesandproducedspatializationmapsofprimaryindustryGDPandthesecondary,tertiaryindustryGDPinBeijing.ThelandusemapofBeijingforthespatializationwasproducedfromLandsat8imagewithCARTdecision-treealgorithm.AccordingtothecorrelationresultsbetweentheprimaryindustryGDPandareasoflanduse,alinearregressionmodelwasbuiltbasedontheprimaryindustryGDPandareasofplough.Byanalyzingthecorrelationrelationshipsbetweenfivelightindexesandthesecondary,tertiaryindustryGDP,compoundednightlightindex(CNLI)andthesecondary,tertiaryindustryGDPpresentedapparentpowerfunction’scorrelationrelationship.Usinglinearcorrectionsandsummationoftwotypesofpixellevel’sGDPdensitymapsproducedbothmodeslistedabove,andatotalGDPdensitymapwasgeneratedwiththeresolutionoffivehundredmetersinBeijing.TheresultsofGDPrelativeerrorsshowthattheprimaryindustryGDPandthesecondary,tertiaryindustryGDPwere0.86%, 0.61%and1.37%respectively.Thissuggeststhatthisapproachofpixellevel’sGDPspatializationcanbeappliedtoestimateBeijing’sGDPandreflectcharacteristicsofitseconomicdistribution.

Keywords:NPP-VIIRS；night-timelight；provincialGDP；landuse；GDPspatialization

doi:10.6046/gtzyyg.2016.03.04

收稿日期：2015-02-04；

修訂日期：2015-04-03

基金項目：河北省高等學校科學研究計劃重點項目和中央高校基本科研業(yè)務(wù)費項目“京津冀地區(qū)多維經(jīng)濟統(tǒng)計信息的可視化挖掘方法研究”(編號： ZD2014203)共同資助。

中圖法分類號：TP 79

文獻標志碼：A

文章編號：1001-070X(2016)03-0019-06

第一作者簡介：李峰(1979- ),男,講師,工程師,工學博士,主要從事測量與遙感方面的教學與研究工作。Email:lif1223@aliyun.com。

引用格式： 李峰,米曉楠,劉軍,等.基于NPP-VIIRS夜間燈光數(shù)據(jù)的北京市GDP空間化方法[J].國土資源遙感,2016,28(3):19-24.(Li F,Mi X N,Liu J,et al.Spatialization of GDP in Beijing using NPP-VIIRS data[J].Remote Sensing for Land and Resources,2016,28(3):19-24.)