基于夜間穩定燈光數據的江蘇省各市GDP估算

□ 王宏瑩

（安徽審計職業學院，安徽 合肥 230601）

0.引言

美國軍事氣象衛星DMSP（DefenseMeteorological SatelliteProgram）是國防部空軍太空與導彈系統中心（SMC）負責實施的專用軍事氣象衛星。衛星設計、建造、發射和維護用于監測氣象、海洋和地球物理環境。周期約為101min每天繞地飛行14圈，運行高度約為830Km，是太陽同步近極地軌道。可見光和紅外傳感器（OLS）采集圖像跨越3000Km，提供每天的晝、夜和黎明、黃昏衛星相結合全球覆蓋圖，可監控全球信息。衛星上搭載的線性掃面業務系統OLS（OperationalLinescan System）上的光電倍增管能夠探測到城市燈光甚至小規模居民點、車流等發出的低強度燈光，為大尺度的建設用地估算提供了一種新的信息獲取來源[1]。國內外很多學者已經對此數據進行多方面的研究，例如Gallo等[2]用夜間燈光數據評價了熱島效應對氣象記錄的影像；Elvidge等[3]發現各國燈光面積與國內生產總值高度相關；Raupach等[4]通過夜間燈光數據的空間區域差異研究人口密度和化石燃料CO2的不同；Doll等[5]根據燈光強度繪制出地方生產總值分布圖。國內自2000年以來，陳晉、卓莉、何春陽、史培軍、徐夢潔、王琪等[6-9]陸續利用DMSP/OLS系列產品，對我國的人口、城市化進程、城市化格局和演變、GDP進行了研究。

1.研究區概況和數據來源

1.1 研究區概況

江蘇省位于中國大陸東部沿海中心，介于東經 116°18′～121°57′，北緯 30°45′～35°20′之間。面積1.026×105Km2，占全國的1.06%，常住人口達7939.49萬人，居中國第5位。人均國土面積居全國各省末位。人均GDP達到12047美元，居全國各省首位。共轄1個副省級城市、12個地級市。長江橫穿江蘇省南部，境內有太湖、洪澤湖、駱馬湖等大中型湖泊以及大運河等支河，水資源豐富。

圖1 2006年江蘇省夜間穩定燈光影像

1.2 數據來源

本文采用的DMSP/OLS夜間穩定燈光是由美國國家地球物理數據中心（http://www.ngdc.noaa.gov/eog/dmsp/downloadV4composites.html）提供的，使用每個衛星（F10、F12、F14、F15、F16、F18）在1992—2012年穩定燈光平均可見光全球合成產品，包含了城市、城鎮、和其他居民點的持久的燈光，已經去除了云和短暫性的燈光，例如火災等偶然噪聲的影響。背景噪音設置0值，數據值范圍是1～63。OLS在數據流中沒有車載校準和增益設置，雖然每年復合產品使用的是相同的算法和嚴格的生產數據選擇標準，DN值并不是嚴格的從上一年到下一年具有可比性。因此在使用數據時根據時間序列先選擇合適的數據再進行處理。各市GDP數據來源于中國經濟與社會發展統計數據庫統計數據分析（http://tongji.cnki.net/kns55/Dig/dig.aspx）。

1.3 數據處理

夜間燈光數據的地理坐標投影是GeographicLat/lon，橢球體為 WGS—84，其像元大小為0.008333度。使用的江蘇省市矢量邊界圖為了便于統一裁剪，將其轉換至相同的地理坐標投影和橢球體。

根據Liu等對中國區DMSP/OLS1992—2009數據進行的統計分析[10]，本文也對1992—2012年間全球夜間燈光影像的平均DN值和全球燈光亮值像元數進行分析，圖1為2006年江蘇省夜間穩定燈光影像，圖2為各年間穩定燈光全球范圍內DN平均值，圖3為各年間為穩定燈光中國范圍內亮值像元總數。從圖2、圖3中可以看出，全球范圍內燈光亮值像元數波動較大，中國地區相對較穩定，F18衛星在DN平均值和總亮值像元上突變均比較大，F14、F15、F16對長時間序列數據連續性相對較好，且Liu指出F16衛星2007年數據可以作為參考數據，因此本文選用F16衛星2006年數據提取江蘇省各市夜間燈光數據，綜合2006年江蘇省各市GDP統計資料，估算2007年江蘇省各市GDP，人均GDP以及根據各個市的面積計算單位面積GDP。

圖2 1992-2012年穩定燈光全球范圍內DN平均值

圖3 1992-2012年穩定燈光中國范圍內亮值像元總數

2.研究方法

江蘇省各市夜間燈光數據提取，在ArcGIS平臺的支持下，利用江蘇省各市矢量邊界對F16衛星2006年和2007年夜間燈光影像圖進行裁剪進而提取各市夜間燈光強度數據。

2.1 線性相關模型

利用SPSS軟件中回歸分析功能分析夜間燈光強度與GDP的關系，分別包括各市GDP總量與各市燈光強度總量關系、單位面積GDP與單位面積燈光強度關系、人均GDP與單位面積DN關系。

分析各市燈光亮度總值和GDP總量的線性模型，回歸方程形式：y=ax+b，其中x代表各市夜間燈光灰度總值，y代表市GDP總量，線性關系與參數如圖4所示，發現兩者之間的相關系數R2可達到0.8661，R2越接近于1，說明實際觀測點離樣本線越近，擬合優度越高。2006年江蘇省各市的GDP總量和夜間燈光亮度值的相關系數為0.8661，相關性一般，擬合優度一般。

圖4 各市夜間燈光強度總值與GDP總量相關性

對單位面積的燈光強度和單位面積的GDP建立相關性分析如圖5所示，其相關系數上升為93.25%，擬合精度得到進一步提高。在單位面積中燈光強度和GDP擬合度較高。

圖5 單位面積燈光強度與單位面積GDP相關性

通過進一步地改進，GDP使用人口進行配置均勻，DN值用各市的面積配置，再一次分析其相關性如圖6所示，二者的相關系數較之前的方法有了進一步地提升。

圖6 單位面積燈光強度與人均GDP相關性

2.2 利用2007年的數據對上述三個模型進行檢驗

根據上述三種模型將2007年江蘇省各個市的GDP預測值與真實值做對比，分別計算其相對誤差如表1所示，相對誤差是真實值和預測值的殘差與真實值的比值，相對誤差越接近于0表示預測的精度越高。根據相對誤差分布表1可以看出，由單位面積燈光強度預測單位面積GDP雖然其相關系數較高，但是相對誤差總體上較差，常州、連云港、鹽城、鎮江和泰州的相對誤差均大于40%，鎮江甚至超過100%，嚴重的數據不相符，模型的可信度較差。由各市總夜間燈光強度預測GDP總值，相關系數為0.8661，但是其相對誤差中，常州、蘇州和鎮江相對誤差均在10%左右，南通、揚州、鎮江均低于20%，南京、無錫、徐州和淮安低于40%，連云港的相對誤差出現異常超過100%。根據模型由單位面積燈光強度預測人均GDP的預測值與真實值的相對誤差由表2可以看出，模型可靠性較高，穩定性較好，其中只有鹽城的相對誤差超過20%，連云港的數據超過30%，其他各市的相對誤差均較好，無錫和徐州的相對誤差僅有-0.3%和0.26%，鹽城和連云港的誤差依然相對較大。此模型平均相對誤差為17.38%。根據模型由單位面積燈光強度預測單位面積GDP的預測值與真實值的相對誤差由表3可以看出，總體穩定性有所改善，但常州、連云港、鹽城、鎮江和泰州等經濟發展較其他城市有所欠缺的城市，相對誤差均超過40%。

表1 2007年總DN預測出總GDP值與真實值相對誤差

表2 2007年單位面積DN預測人均GDP值與真實值相對誤差

表3 2007年單位面積DN預測單位面積GDP值與真實值相對誤差

3.結果驗證與分析

本文采用預測吻合度[11-12]（Goodnessof prediction,G）作為單位面積夜間燈光強度與人均GDP模型預測精度的衡量指標，其計算公式如下：

上述的模型中，不論是總燈光強度預測總GDP還是單位面積燈光強度預測人均GDP，總體趨勢上，蘇州、南京、無錫等較為發達的城市的相對誤差偏小，連云港、宿遷等經濟相對落后的城市誤差較大，尤其是連云港。根據統計數據可以看出，連云港市的面積為7446Km2，在全省13個市中排名第7，但是連云港的總人口482.23萬人，排名第11位，連云港市的GDP為618.2億元，排名第12位。雖然連云港是個占地面積比較大的城市但是其經濟發展滯后，GDP甚至只有無錫GDP（3879.7億元）的六分之一。而夜間燈光是對整個市進行統計的，由于本文中并沒有對燈光強度做閾值限定，理論上面積較大的城市，即使是鄉村發出的低強度的燈光也是算入總值中的，但是并不是所有的燈光都是對GDP有貢獻的。況且連云港的農耕意識比較強[13]，在經濟發達，以工業經濟為主的江蘇省中，GDP差距過大，與總體數據相對比來說，為異常值。將連云港異常值刪除后，再次進行線性回歸和預測吻合度由圖7可以得出，其預測吻合度為96.61%。

圖7 將連云港異常值刪除后單位面積燈光強度與人均GDP相關性

4.結束語

經過2007年數據進行檢驗，可以看出當使用單位面積燈光強度預測單位面積GDP雖然有一定的相關性，但是相對誤差較大，模型穩定性不高。每個市夜間燈光強度總量和GDP總量之間線性相關，除去個別相對誤差較大的城市，總體上可以用來預測。考慮到每個市的面積和人口，得出單位面積的燈光強度和人均GDP的相關性較好，并且相對誤差均較小，預測吻合度也較高，在對異常值連云港的數據進行處理后，發現不僅相關性提高0.84%，預測吻合度也提高了0.65%。結果表明，利用夜間燈光數據，對于城市級別的GDP采用不同的方法進行預測可以有效地估算城市的GDP。

參考文獻：

【1】何春陽,史培軍,李景剛,等.基于DMSP/OLS夜間燈光數據和統計數據的中國大陸20 世紀90年代城市化空間過程重建研究[J].科學通報,2006,51(7):856-861.

【2】Gallo K P, Tarpley J D, McNab A L, et al. Assessment of urban heat islands: a satellite perspective[J].Atmospheric Research,1995,37(1):37- 43.

【3】Sutton P, Roberts D, Elvidge C, et al. A comparison of nighttime satellite imagery and populationdensity for the continental United States [J].Photogrammetric Engineering and Remote Sensing, 1997, 63(11):1303- 1313.

【4】Raupach M R, Rayner P J, Paget M. Regional variations in spatial structure of nightlights, populationdensity and fossil- fuelCO2 emissions[J]. Energy Policy,2010,38(9): 4756- 4764.

【5】Doll C N H, Muller J P, Morley J G. Mapping regional economic activity from night- time lightsatellite imagery[J]. Ecological Economics,2006,57(1):75- 92.

【6】陳晉,卓莉,史培軍.基于DMSP/0LS數據的中國城市化過程研究—反映區域城市化水平的燈光指數的構建[J].遙感學報,2003,7(3):168-175.

【7】何春陽,史培軍,李景剛,等.基于DMSP/OLS夜間燈光數據和統計數據的中國大陸20世紀90年代城市化空間過程重建研究[J].科學通報,2006,51(7):856-861.

【8】徐夢潔,陳黎,劉煥金,等.基于DMSP/OLS夜間燈光數據的長江三角洲地區城市化格局與過程研究[J].國土資源遙感,2011,23(3):106-112.

【9】王琪,袁濤,鄭新奇.基于夜間燈光數據的中國省域GDP總量分析[J].城市發展研究,2013,20(7):44-48.

【10】Liu Z, He C, Zhang Q, et al. Extracting the dynamics of urban expansion in China usingDMSP- OLS nighttime light data from 1992 to 200[J].Landscape and Urban Planning,2012,106(1):62- 72.

【11】米曉楠,白林燕,譚雪航,等.基于DMSP/OLS數據的城市中心城區提取新方法[J].地球信息科學學報,2013(2):255-261.

【12】曹麗琴,李平湘,張良培.基于DMSP/OLS夜間燈光數據的城市人口估算—以湖北省各縣市為例[J].遙感信息,2009(1):83-87.

【13】孫培松.連云港經濟滯后的文化拖累[J].大陸橋視野,2005(6):38-40.