基于DMSP/OLS夜間燈光數據的南京市城市空間結構研究

作者/付毅菁，南京市第一中學

引言

城市是人類生活的重要場所，是生態系統中比較活躍的一部分。研究城市圈的空間結構規律對于指導區域發展規劃和經濟可持續發展具有重要意義，也能為進一步科學地保護土地資源，改善生態環境的重要決策奠定基礎。當前基于遙感技術的城市化研究被廣泛應用于城市土地變化監測[1]、城市空間格局分析[2]等方面。

美國軍事氣象衛星DMSP上搭載的OLS傳感器可以捕捉微弱的夜間燈光數據。很多學者利用夜光遙感數據對城市或城市群的空間結構進行了分析，王春楊等利用DMSP/OLS夜間燈光數據對成渝城市結構群的空間結構進行了研究[3]，王曉慧[4]使用DMSP/OLS夜間燈光數據研究了中國近30年城鎮的擴展，通過地理學和空間經濟學分析的結合，以上研究都取得了較好的研究成果。

1.數據搜集及預處理

1.1 數據搜集與研究區裁剪

本研究中所使用的DMSP/OLS夜光數據可以從NOAA衛星數據官方網站下載，所用城市統計年鑒數據從統計局官網下載，矢量數據從國家地球系統科學數據共享中心下載。

對下載的2011年的全球夜間燈光數據使用南京市市轄區的矢量邊界進行了裁剪，裁剪后影像和市轄區區劃如圖1所示。

1.2 數據預處理

1.2.1 夜光數據閾值選取與圖像分割

由于夜間燈光數據有溢出效應，因此需要利用統計年鑒中的建成區面積對夜間燈光數據進行溢出處理。

根據2011年縣級行政單位城市建成區面積為統計數據，處理當年的夜光數據，以消除燈光溢出效應的影響。提取得到的有效區域如圖2所示。

1.2.2 柵格數據矢量化及夜光強度運算

（1）由于遙感影像是柵格數據，每個象元值代表所在地理位置的相對夜光強度大小，將柵格點矢量化為點圖層文件。

圖1 2011年南京市市轄區夜間燈光遙感圖與行政區劃圖

（2）對縣級矢量數據進行疊加，如夜光矢量化數據與江寧區界疊加，得到疊加后的點圖層。對點圖層上上所有點的grid_code屬性進行加和運算，并將值賦給夜間燈光影像上對應縣區的新增屬性tValue。

圖2 燈光溢出效應消除后影像與疊加運算后的影像

通過以上步驟的數據下載和數據初步處理后，我們得到了南京市不同區縣的夜間燈光遙感強度圖。數據預處理完畢，接下來就要對處理后的影像進行分析。

2.研究方法

2.1 標準差橢圓模型

本研究采用的方法是對處理后影像的夜間燈光強度進行標準差橢圓繪制，標準差橢圓這算法最早是由美國南加州大學（Universityof Southern California）社會學教授韋爾蒂.利菲弗（D. Welty Lefever）在1926年提出，有的書里面，也把這個算法稱為Lefever's "Standard DeviationalEllipse"（利菲弗方向性分布）。

該算法的原理如下：

測量一組點或區域的趨勢的一種常用方法便是分別計算x 和 y 方向上的標準距離。這兩個測量值可用于定義一個包含所有要素分布的橢圓的軸線。由于該方法是由平均中心作為起點對 x 坐標和 y 坐標的標準差進行計算，從而定義橢圓的軸，因此該橢圓被稱為標準差橢圓。利用該橢圓,可以查看要素的分布是否是狹長形的，并因此具有特定方向。正如通過在地圖上繪制要素可以感受到要素的方向性一樣，計算標準差橢圓則可使這種趨向變得更為明確。

2.2 Mortan’sI空間自相關分析

本研究中使用Moran’s I對2011年南京市的夜間燈光遙感數據進行空間差異性分析。

Moran’s I（又稱莫蘭指數），是澳大利亞統計學家帕特里克·阿爾弗雷德·皮爾斯·莫蘭（Patrick Alfred PierceMoran），在1950年提出的。

莫蘭指數是一個有理數，經過方差歸一化之后，它的值會被歸一化到–1.0—1.0之間。Moran’s I＞0表示空間正相關性，其值越大，空間相關性越明顯，Moran’s I＜0表示空間負相關性，其值越小，空間差異越大，否則，Moran’s I = 0，空間呈隨機性。

空間差異（spatialdisparity）是指不同地域范疇因為（社會、經濟等）發展水平及其結構不同，而產生的差異。

3.數據處理結果與分析

使用ArcGIS平臺對預處理后的2011年夜間燈光遙感數據進行標準差橢圓繪制，繪制結果如圖3所示。

圖3 標準差橢圓繪制結果

由標準差橢圓的屬性表可知，標準差橢圓包含的范圍內將約占總數95%的要素包含在內，橢圓的面積為5580平方千米，橢圓長軸為50公里，短軸為34公里，方位角為20.46°，發達區域集中在“東北–西南”線上，使用GeoDa空間經濟學分析軟件，對Moran’s I對2011年南京市的夜間燈光遙感數據進行空間差異性分析。分析結果如圖4所示。

圖4 Moran’s I空間差異性分析結果

由分析結果可知，Moran’s I為–0.324448，為一負數，根據Moran’s I的含義可知：南京市的空間差異性較強，集群趨勢不明顯。

4.結論與討論

本研究在前人的研究基礎上，借助2011年DMSP/OLS夜間燈光遙感數據和2011年統計年鑒中的建成區面積，使用ArcMap和GeoDa地理學和經濟學分析軟件，對南京市進行了夜間燈光強度分級、標準差橢圓繪制以及Moran’s I全局空間自相關分析，發現南京市的中心位于主城區玄武區，城市結構呈東北—西南方向排布，發達區域主要集中在“東北–西南”線上，但南京市Moran’s I指數為負值，各區在空間上呈負相關，集群趨勢不明顯。

本次研究中所使用的數據僅為夜間燈光數據，僅使用了夜間燈光亮度對南京市的城市空間結構進行了分析，但要得到更詳細的城市空間結構信息，可綜合更多的信息，如各區GDP數據、人口數據、土地利用類型等多種信息進行綜合分析。

* [1]黎夏, 葉嘉安. 利用主成分分析改善土地利用變化的遙感監測精度—以珠江三角洲城市用地擴張為例[J]. 遙感學報, 1997,1(4)∶283—289.

* [2]隆學文, 馬新輝. 首都圈“京津冀”三軸線城市空間格局的遙感分析 [J]. 地球信息科學學報 , 2011, 13(3)∶367—373.

* [3] 王春楊, 吳國譽, 張超. 基于DMSP/OLS夜間燈光數據的成渝城市群空間結構研究[J]. 城市發展研究, 2015, 22(11).