利用燈光數(shù)據(jù)研究湖南貧困縣亮化度模型方法

劉麗峰，楊朝斌，李德一

（1.山東理工大學(xué)，淄博255049；2.濱州學(xué)院，濱州256600）

0 引言

作為社會(huì)經(jīng)濟(jì)學(xué)和地理學(xué)的熱點(diǎn)問題，區(qū)域貧困化是當(dāng)今全球面臨的最嚴(yán)重挑戰(zhàn)之一（李佳，2009）。貧困、反貧困、扶貧問題亦國(guó)際社會(huì)以及我國(guó)政府、學(xué)界、社會(huì)的廣泛關(guān)注（曾永明，2011）。電網(wǎng)是農(nóng)村地區(qū)最重要的基礎(chǔ)設(shè)施，關(guān)系著農(nóng)民生活、農(nóng)業(yè)生產(chǎn)和農(nóng)村繁榮，電量增長(zhǎng)率與GDP 增長(zhǎng)率的變化具有相關(guān)性，全社會(huì)用電量作為度量經(jīng)濟(jì)發(fā)展的溫度計(jì)和晴雨表，已成為判斷宏觀經(jīng)濟(jì)發(fā)展的一個(gè)重要指數(shù)，而GDP 是反映貧困縣經(jīng)濟(jì)狀況的最主要指標(biāo)之一，因此研究貧困縣的電力發(fā)展對(duì)貧困縣的經(jīng)濟(jì)發(fā)展具有指向作用（黃波和曾玉紅，2004；劉亞南等，2017）。目前全球的一些貧困地區(qū)，很多人至今沒有用上電，只能使用煤油燈照明，普及貧困縣的電燈有重要意義（魯子問和夏谷鳴，2014）。為解決貧困地區(qū)供電短板，國(guó)家近年來全力解決貧困地區(qū)供電能力不足、可靠性低、不通動(dòng)力電等問題，提升貧困地區(qū)供電能力和供電質(zhì)量（黃淵基，2017；王輝和丁照欽，2017）。2012 年，國(guó)際能源機(jī)構(gòu)（IEA）的一份分析預(yù)測(cè)，在現(xiàn)有計(jì)劃的基礎(chǔ)上，無電人口的比例將從2012 年的19%下降至2030 年的12%——這意味著仍有近10 億人生活在黑暗中，由此可見用電量不僅在中國(guó)，在全世界都是貧困程度的典型表征之一。

貧困人口多生活在山區(qū)或高山區(qū)，基礎(chǔ)設(shè)施落后，貧困戶生計(jì)資產(chǎn)積累以及生計(jì)能力較弱，加大了脫貧難度，延長(zhǎng)了脫貧周期。實(shí)事求是地分析貧困影響因素和發(fā)展趨勢(shì)，有利于做到脫真貧、真脫貧，鞏固精準(zhǔn)扶貧脫貧攻堅(jiān)成效。本文主要研究如何將貧困縣電燈普及程度與經(jīng)濟(jì)收入相關(guān)的一些指標(biāo)存在的關(guān)聯(lián)性進(jìn)行量化問題。如何建立數(shù)學(xué)模型定量模擬貧困縣的生活用電基礎(chǔ)設(shè)施的普及程度與農(nóng)民經(jīng)濟(jì)收入之間的定量關(guān)系成為本文研究的重點(diǎn)。

1 研究技術(shù)路線及模型構(gòu)建

1.1 湖南省國(guó)家級(jí)扶貧縣概況

2005 年底，湖南省轄國(guó)家級(jí)扶貧縣概況，湖南省轄14 個(gè)市州、122 縣（市、區(qū)）、2354 個(gè)鄉(xiāng)（鎮(zhèn)）。國(guó)家在湖南省確定了20 個(gè)國(guó)家級(jí)貧困縣，占湖南省88 個(gè)縣域單元的22.7%，占全國(guó)確定的國(guó)家級(jí)貧困縣總數(shù)為592個(gè)的6.08%，省扶貧開發(fā)工作重點(diǎn)縣18 個(gè)，國(guó)家級(jí)貧困縣和省扶貧開發(fā)工作重點(diǎn)縣共38 個(gè)，占湖南省的43.2%。地理位置偏僻、交通不便，有許多區(qū)域?yàn)樯贁?shù)民族匯聚地，都是這些縣域貧困化的重要原因（賀文華，2007）。

1.2 夜間燈光（DMSP/OLS）和統(tǒng)計(jì)數(shù)據(jù)來源

美國(guó)國(guó)防氣象衛(wèi)星計(jì)劃Defense Meteorological Sat?ellite Program（DMSP）是美國(guó)國(guó)防部極軌衛(wèi)星項(xiàng)目，運(yùn)行在830 公里太陽(yáng)同步軌道，掃描寬度3000 公里，周期約為101 分鐘。DMSP 上的線性掃描業(yè)務(wù)系統(tǒng)Oper?ational Linescan System（OLS）共有兩個(gè)波段，可見光-近紅外波段，波長(zhǎng)0.4～1μm，光譜分辨率6 比特，灰度值范圍0～63；熱紅外波段波長(zhǎng)10～13μm，光譜分辨率8比特，灰度值范圍0～255。灰度值為0 表示沒有燈光沒有普及的地區(qū)，灰度值在1～63 之間的區(qū)域表示有燈光，灰度值越高表示燈光亮度大，燈光集中地區(qū)大部分處于燈光飽和狀態(tài)（陳晴和侯西勇，2015；王琪等，2013；鄒進(jìn)貴等，2014；吳健生等，2014）。

目前，關(guān)于貧困縣亮化程度與其經(jīng)濟(jì)收入之間關(guān)系的研究還很少，主要是因其亮化程度的衡量標(biāo)準(zhǔn)不確定，數(shù)據(jù)獲取難度較大。所以本文研究思路是：選取湖南省范圍內(nèi)的21 個(gè)貧困縣或省扶貧開發(fā)工作重點(diǎn)縣，通過下載夜間燈光數(shù)據(jù)來計(jì)算獲取貧困區(qū)的亮化度數(shù)據(jù)，并對(duì)2005 年度《湖南省統(tǒng)計(jì)年鑒》以及湖南統(tǒng)計(jì)信息網(wǎng)站進(jìn)行湖南省統(tǒng)計(jì)數(shù)據(jù)進(jìn)行搜集，得到各縣經(jīng)濟(jì)、人口、城鎮(zhèn)化水平等數(shù)據(jù)（周秋琳等，2015）。再進(jìn)行貧困邊界確定、計(jì)算剔除無燈光區(qū)的加權(quán)亮度值、模型指標(biāo)選取，進(jìn)而依據(jù)得到的統(tǒng)計(jì)數(shù)據(jù)尋找與模型指標(biāo)之間的關(guān)系，計(jì)算殘差，再根據(jù)殘差的大小動(dòng)態(tài)調(diào)整相應(yīng)的權(quán)重，重復(fù)迭代比較，直至滿足收斂指標(biāo)1.00E-15 為止，通過1stOpt 軟件計(jì)算確定模型指標(biāo)系數(shù)，最終得出湖南省貧困縣亮化度的評(píng)價(jià)模型。

圖1 湖南省部分貧困區(qū)分布示意

該模型主要運(yùn)用回歸分析方法建立夜間燈光數(shù)據(jù)與特困縣經(jīng)濟(jì)、總?cè)丝诘戎笜?biāo)之間的關(guān)系模型，利用該模型模擬特困縣的平均亮度值（不包含無燈光區(qū)域），參考城市亮度模型選擇GDP、地區(qū)人口總數(shù)、農(nóng)民年均純收入（因貧困縣內(nèi)非農(nóng)人口占有比例較少，暫不考慮）等數(shù)據(jù)，并通過相關(guān)性分析中可以發(fā)現(xiàn)財(cái)政收入與夜間燈光強(qiáng)度在0.01 顯著性水平上顯著相關(guān)性（Pear?son R=0.563，0.01≤0.01）可以由此建立貧困縣亮化度模型。具體流程如圖2 所示。通過貧困縣的相關(guān)指標(biāo)對(duì)總?cè)丝凇⒌貐^(qū)生產(chǎn)總值、財(cái)政收入、農(nóng)民純收入、城鎮(zhèn)化水平及亮度按照2005 年湖南省統(tǒng)計(jì)年鑒的排序得到本實(shí)驗(yàn)各貧困縣數(shù)據(jù)如表1 所示。

圖2 貧困縣亮化模型技術(shù)路線

表1 本實(shí)驗(yàn)樣本貧困縣燈光數(shù)據(jù)平均值及指標(biāo)數(shù)據(jù)

圖3 貧困縣貧困程度衡量指標(biāo)

由圖3 可知，除2008 年貧困縣的人口數(shù)與第一產(chǎn)業(yè)呈現(xiàn)強(qiáng)正相關(guān)外，2004 年至2014 年10 年間呈極強(qiáng)相關(guān)關(guān)系，說明這10 年來人均第一產(chǎn)業(yè)值較穩(wěn)定，貧困水平變化不大。2004 年至2014 年11 年間貧困縣的人口數(shù)與農(nóng)作物播種面積呈現(xiàn)極強(qiáng)正相關(guān)，說明這11年來農(nóng)作物播種面積保持穩(wěn)定，在農(nóng)作物耕種技術(shù)變化不大的情況下農(nóng)業(yè)收入水平變化不大。2004 年至2014 年11 年間貧困縣的人口數(shù)與農(nóng)林牧漁業(yè)總值呈現(xiàn)極強(qiáng)正相關(guān)，說明這11 年來人均農(nóng)林牧漁業(yè)總值保持穩(wěn)定，這也與人均農(nóng)作物播種面積穩(wěn)定的情況相一致，也說明從事農(nóng)林工作的人員的收入變化不顯著，即他們的貧困狀態(tài)沒有得到有效改善。2004 年至2014年11 年間貧困縣的人口數(shù)與財(cái)政支出呈現(xiàn)極強(qiáng)正相關(guān)，說明這11 年來貧困縣財(cái)政支出的增加跟人口數(shù)呈相似的增長(zhǎng)規(guī)律，人均財(cái)政支出基本積保持穩(wěn)定，這也與農(nóng)民的財(cái)政支出改善不大相一致。2004 年至2014年11 年間貧困縣的人口數(shù)與財(cái)政收入相關(guān)性分析得到：2004 和2005 年呈及強(qiáng)相關(guān)性，2006 至2014 年則呈現(xiàn)強(qiáng)相關(guān)性，說明這11 年來貧困縣財(cái)政收入的增加速度不及跟人口數(shù)增長(zhǎng)速度，人均財(cái)政收入保持恒定，這也與農(nóng)民的財(cái)政收入改善不大相一致。2004 年至2014 年11 年間貧困縣的人口數(shù)與GDP 呈現(xiàn)極強(qiáng)正相關(guān)性，2011 年GDP 與總?cè)丝诘南嚓P(guān)系數(shù)最小也達(dá)到0.75 呈現(xiàn)強(qiáng)相關(guān)性，說明這11 年來貧困縣GDP 的增加與人口數(shù)呈類似的增長(zhǎng)趨勢(shì)，人均GDP 基本積保持穩(wěn)定，這也與農(nóng)民的貧困狀況改善不大相一致。2004年至2014 年11 年間貧困縣的人口數(shù)與服務(wù)業(yè)收入呈現(xiàn)中等強(qiáng)度和強(qiáng)正相關(guān)性，說明這11 年來貧困縣服務(wù)業(yè)收入的增加與人口數(shù)呈較一致的增長(zhǎng)趨勢(shì)，人均服務(wù)業(yè)收入基本積保持穩(wěn)定。

貧困縣國(guó)內(nèi)生產(chǎn)總值（GDP）與第一產(chǎn)業(yè)、第二產(chǎn)業(yè)、農(nóng)作物播種面積、農(nóng)林牧漁業(yè)總值、服務(wù)業(yè)收入、財(cái)政支出和財(cái)政收入的相關(guān)性。除2011 年貧困縣的GDP 與第一產(chǎn)業(yè)呈現(xiàn)強(qiáng)正相關(guān)外，2004 年至2014 年10 年間呈極強(qiáng)相關(guān)關(guān)系，說明2011 年低溫雨雪冰凍災(zāi)害對(duì)以農(nóng)業(yè)為主的第一產(chǎn)業(yè)及其他工業(yè)等方面帶來重大的經(jīng)濟(jì)損失，這對(duì)GDP 的影響更大，從而使得GDP和第一產(chǎn)業(yè)的相關(guān)性有所降低；GDP 與第一產(chǎn)業(yè)的極強(qiáng)相關(guān)性表明貧困縣經(jīng)濟(jì)支柱以農(nóng)業(yè)為主，而且貧困縣山地占地較多，農(nóng)業(yè)發(fā)展?jié)摿κ艿浇煌ǖ认拗疲r(nóng)業(yè)也不發(fā)達(dá)，這樣就造成了貧困縣的經(jīng)濟(jì)較落后。2004年至2014 年11 年間貧困縣的GDP 與農(nóng)作物播種面積呈現(xiàn)強(qiáng)正相關(guān)，說明這11 年來貧困縣可墾殖土地面積的限制了農(nóng)作物播種面積擴(kuò)張，另外也反映出貧困縣的國(guó)內(nèi)生產(chǎn)總值增長(zhǎng)緩慢，貧困狀況僅有輕微的改善。

2004 年至2014 年11 年間貧困縣的GDP 與農(nóng)林牧漁業(yè)總值呈現(xiàn)極強(qiáng)正相關(guān)，除2011 年對(duì)農(nóng)業(yè)、林業(yè)等低溫冰凍災(zāi)害給農(nóng)林牧漁業(yè)總值產(chǎn)生了直接的影響，說明這10 年來農(nóng)林牧漁業(yè)總值整體保持穩(wěn)定，這也與GDP 穩(wěn)定的情況相一致，即貧困縣的經(jīng)濟(jì)狀況沒有得到有效改善。2004 年至2014 年11 年間，除2011年貧困縣的GDP 與財(cái)政支出呈強(qiáng)相關(guān)性外，其余10年呈現(xiàn)極強(qiáng)正相關(guān)，說明這11 年來貧困縣財(cái)政支出的增加跟GDP 呈相似的變化規(guī)律，人們量入為出，他們的收入狀況限制了其支出。2004 年至2014 年11 年間貧困縣的GDP 與財(cái)政收入呈正的強(qiáng)相關(guān)性或極強(qiáng)相關(guān)性，說明這11 年來貧困縣財(cái)政收入度跟GDP 之間是否保持一致的增長(zhǎng)關(guān)系，對(duì)貧困地區(qū)經(jīng)濟(jì)發(fā)展由重要意義。2004 年至2014 年11 年間貧困縣的人口數(shù)與服務(wù)業(yè)收入呈現(xiàn)強(qiáng)正相關(guān)性，說明這11 年來貧困縣服務(wù)業(yè)收入的增加與GDP 呈較一致的增長(zhǎng)趨勢(shì)，服務(wù)業(yè)收入基本積保持穩(wěn)定。

由于這些貧困人口主要聚居于自然條件惡劣、經(jīng)濟(jì)落后的山區(qū)或半山區(qū)，也是少數(shù)民族人口居住比較集中的地區(qū)，其主要經(jīng)濟(jì)收入來自于農(nóng)業(yè)，非農(nóng)產(chǎn)業(yè)的發(fā)展顯得十分緩慢。由上面的分析可知，反映貧困縣經(jīng)濟(jì)狀況的主要指標(biāo)有GDP、總?cè)丝凇⒇?cái)政收入及農(nóng)民的純收入等，都能衡量貧困縣經(jīng)濟(jì)發(fā)展和變化狀況，比較2004 年至2014 年11 年間總量時(shí)期指標(biāo)或相對(duì)指標(biāo)的平均值人均GDP、人均財(cái)政收入、人均財(cái)政支出等的發(fā)展、變化趨勢(shì)，得出貧困縣的經(jīng)濟(jì)發(fā)展?fàn)顩r基本保持穩(wěn)定，即貧困狀況沒有得到有效的改善。

3 模型構(gòu)建與結(jié)果分析

3.1 模型構(gòu)建

由于夜間燈光數(shù)據(jù)已被證明與人口和GDP 之間存在強(qiáng)相關(guān)性。本文基于夜間燈光指數(shù)構(gòu)建湖南省貧困縣亮度模型，通過參考其他城市預(yù)測(cè)模型及上文的相關(guān)性分析確定模型指標(biāo)參數(shù)，選取了與貧困縣密切相關(guān)的幾類評(píng)價(jià)指標(biāo)：GDP、總?cè)丝凇⒊擎?zhèn)化率、農(nóng)民純收入、財(cái)政收入作為模型的自變量，同時(shí)選擇2006 年各指標(biāo)數(shù)據(jù)值進(jìn)行擬合。由于以上各項(xiàng)指標(biāo)的原始數(shù)據(jù)各自單位不同，數(shù)值數(shù)量級(jí)也有很大的差異，難以直接進(jìn)行計(jì)算，鑒于各個(gè)指標(biāo)的數(shù)值都為正值，因此對(duì)各指標(biāo)的原始數(shù)據(jù)統(tǒng)一取對(duì)數(shù)再進(jìn)一步處理，以確定各指標(biāo)對(duì)模型的影響系數(shù)；通過比較以log 以2、3、10 和20 為底的對(duì)數(shù)對(duì)18 個(gè)貧困縣的農(nóng)民純收入的對(duì)數(shù)誤差，得到擬合結(jié)果誤差較大：永順縣的誤差在11%左右，茶陵縣誤差約為20%，而以自然對(duì)數(shù)為底的對(duì)數(shù)，擬合誤差較小，因此本文選擇以自然對(duì)數(shù)為底的對(duì)數(shù)對(duì)數(shù)據(jù)進(jìn)行處理。結(jié)果如表2 所示，通過1stOpt 軟件對(duì)模型不同指標(biāo)的相關(guān)系數(shù)采用代入、擬合、對(duì)比，反復(fù)比較得到最佳亮化度模型，如式1 所示：

式（1）中，L 為白色亮燈區(qū)平均亮度值；P 為總?cè)丝冢ㄈf人）；GDP 為2006 年貧困縣地區(qū)生產(chǎn)總值；δ為城鎮(zhèn)化率；PI 為農(nóng)民純收入（元），R 為財(cái)政收入（萬元）。總?cè)丝?城鎮(zhèn)化率（P*δ）可以計(jì)算出城市中居住的人口數(shù)，用以反映城市人口因素與亮化度的數(shù)值關(guān)系；地區(qū)生產(chǎn)總值／總?cè)丝冢℅DP／P）的大小可以反映該全縣人口的整體經(jīng)濟(jì)情況，當(dāng)GDP／P 較大時(shí)，表明人均創(chuàng)造的GDP 較多，該縣經(jīng)濟(jì)較為情況較好，反之亦然。

從表2 中亮化模型預(yù)測(cè)值與log（農(nóng)民純收入）通過公式（2）計(jì)算：

式中，PV 為通過亮化模型預(yù)測(cè)的log（農(nóng)民純收入）值，ε為預(yù)測(cè)值與實(shí)際值的差值。

表2 本實(shí)驗(yàn)樣本貧困縣指標(biāo)、亮度值及亮度誤差數(shù)據(jù)

圖4 不同模型擬合方法對(duì)比

對(duì)含有18 個(gè)貧困縣的樣本對(duì)農(nóng)民收入對(duì)數(shù)進(jìn)行預(yù)測(cè)。本文通過對(duì)湖南省18 個(gè)貧困縣的經(jīng)濟(jì)狀況評(píng)估模型的有關(guān)統(tǒng)計(jì)數(shù)據(jù)進(jìn)行你很，并采用永順縣和龍山縣實(shí)證分析，用包維爾法+通用全局優(yōu)化法（PO）、自組織融合法（SOMA）、共扼梯度法+通用全局優(yōu)化法（CGM）、粒子群算法（PSO）、模擬退火（SA）、遺傳算法（GA）、魯棒簡(jiǎn)面體爬山法+通用全局優(yōu)化法（SM）、最大繼承法（MZO）、改進(jìn)差分進(jìn)化算法（DE）、準(zhǔn)牛頓法（BFGS）+通用全局優(yōu)化和麥夸特法（LM）+通用全局優(yōu)化法10 種方法進(jìn)行擬合，并對(duì)其擬合結(jié)果進(jìn)行比較分析。其中包維爾法結(jié)合通用全局優(yōu)化法的均方差最小1.593，說明該方法的log（農(nóng)民收入）的統(tǒng)計(jì)值與預(yù)測(cè)值之間差異程度最小，見圖4（a）和圖4（b）；同樣PO 方法的殘差平方和最小，表明該方法擬合參數(shù)構(gòu)建的農(nóng)民收入對(duì)數(shù)的預(yù)測(cè)模型預(yù)測(cè)值誤差絕對(duì)值平方和最小，圖4（c）和圖4（d）顯示的不同方法的相關(guān)系數(shù)、相關(guān)系數(shù)之平方對(duì)比圖，結(jié)果顯示PO 方法相關(guān)系數(shù)最大，說明回歸方程最顯著；圖4（e）顯示出了不同方法的卡方系數(shù)比較結(jié)果，表明了統(tǒng)計(jì)樣本的實(shí)際統(tǒng)計(jì)值與預(yù)測(cè)值之間的偏離程度，PO 方法計(jì)算的卡方系數(shù)為僅次于最小值，差值為1.1689E-6，由此可見PO 方法實(shí)際統(tǒng)計(jì)值與預(yù)測(cè)值之間的偏離程度不大；圖4（f）表示十種方法擬合的F 統(tǒng)計(jì)結(jié)果，PO 方法F 統(tǒng)計(jì)值最大，表明回歸方程最顯著，因此本文選擇PO 方法擬合的模型參數(shù)作為衡量貧困縣經(jīng)濟(jì)指標(biāo)的農(nóng)民收入預(yù)測(cè)模型，并采用未參與擬合的貧困縣對(duì)模型的可靠性進(jìn)行驗(yàn)證。

3.2 模型驗(yàn)證

為了驗(yàn)證公式（1）亮度模型的準(zhǔn)確性，分別選取有代表性的一個(gè)國(guó)家級(jí)貧困縣（永順縣）和一個(gè)省扶貧開發(fā)工作重點(diǎn)縣（茶陵縣）作為驗(yàn)證數(shù)據(jù)，按照上述步對(duì)裁切后永順縣、茶陵縣2005 年燈光數(shù)據(jù)及查詢相關(guān)統(tǒng)計(jì)數(shù)據(jù)預(yù)處理計(jì)算出結(jié)果見表3。通過公式（2）計(jì)算出驗(yàn)證貧困縣永順縣和茶陵縣預(yù)測(cè)值與實(shí)際值的差值見表4。

表3 驗(yàn)證數(shù)據(jù)參數(shù)及亮區(qū)亮度平均值

表4 驗(yàn)證數(shù)據(jù)參數(shù)、亮區(qū)亮度平均值對(duì)數(shù)值

從表4 可以看出兩個(gè)驗(yàn)證貧困縣永順縣、龍山縣的log（農(nóng)民純收入）與采用模型預(yù)測(cè)數(shù)值擬合度較高，差值小于3%，驗(yàn)證了本文中貧困縣經(jīng)濟(jì)衡量模型對(duì)農(nóng)民純收入預(yù)測(cè)的準(zhǔn)確性。

4 結(jié)語

貧困縣位于山區(qū)、高山區(qū)和少數(shù)民族地區(qū)，自然條件差，經(jīng)濟(jì)基礎(chǔ)薄弱，道路交通不便，科技文化落后，自我發(fā)展能力低，扶貧率難度大，要穩(wěn)定地?cái)[脫貧困，扶貧開發(fā)任務(wù)仍然十分艱巨。本文應(yīng)用夜間燈光數(shù)據(jù)的構(gòu)建貧困縣亮化度模型，在該模型通過相關(guān)性分析和參閱相關(guān)文獻(xiàn)選擇與貧困縣發(fā)展水平相關(guān)的指標(biāo)，選擇預(yù)測(cè)精度較高的自然對(duì)數(shù)對(duì)指標(biāo)數(shù)據(jù)進(jìn)行處理，有效地減少了不同指標(biāo)數(shù)量級(jí)的影響程度；對(duì)通過實(shí)驗(yàn)比較包維爾法+通用全局優(yōu)化法（PO）、自組織融合法（SOMA）、共扼梯度法+通用全局優(yōu)化法（CGM）、粒子群算法（PSO）、模擬退火（SA）、遺傳算法（GA）、魯棒簡(jiǎn)面體爬山法+通用全局優(yōu)化法（SM）、最大繼承法（MZO）、改進(jìn)差分進(jìn)化算法（DE）、準(zhǔn)牛頓法（BFGS）+通用全局優(yōu)化和麥夸特法（LM）+通用全局優(yōu)化法10 種方法十種方法對(duì)貧困縣經(jīng)濟(jì)評(píng)估模型的參數(shù)進(jìn)行擬合，并分析log（農(nóng)民收入）對(duì)數(shù)的統(tǒng)計(jì)值與預(yù)測(cè)值誤差大小和相關(guān)系數(shù)等進(jìn)行分析、比較，最后擬合出各指標(biāo)在貧困縣評(píng)估模型中的參數(shù)值，并應(yīng)用永順縣和龍山縣對(duì)模型進(jìn)行驗(yàn)證。試驗(yàn)結(jié)果表明：該模型能夠較為準(zhǔn)確得出湖南省貧困縣的亮化度與GDP、總?cè)丝凇⒊擎?zhèn)化率、農(nóng)民人均純收入、財(cái)政收入等指標(biāo)的亮化關(guān)系，可以用來評(píng)估貧困縣的亮化水平。

5 討論

估計(jì)貧困縣農(nóng)民收入水平為政府和決策者精準(zhǔn)扶貧工作開展提供了支持。在以前的研究中貧困農(nóng)民收入評(píng)估是基于當(dāng)?shù)卣拖嚓P(guān)研究人員部門收集的各種統(tǒng)計(jì)調(diào)查的數(shù)據(jù)。與傳統(tǒng)方法相比，本研究利用NPP-VIIRS 夜間燈光數(shù)據(jù)作為數(shù)據(jù)源評(píng)估湖南省貧困縣農(nóng)民收入問題。本文已經(jīng)通過貧困縣影響農(nóng)民收入多種因素指標(biāo)及建立燈光數(shù)據(jù)與農(nóng)民收入評(píng)估模型的研究來評(píng)估NPP-VIIRS 數(shù)據(jù)在預(yù)測(cè)和評(píng)估貧困方面的能力。第一個(gè)是基于湖南省18 個(gè)貧困縣的研究。使用統(tǒng)計(jì)數(shù)據(jù)進(jìn)行的多指標(biāo)相關(guān)性評(píng)價(jià)被用作參考，以驗(yàn)證影響貧困縣農(nóng)民收入數(shù)據(jù)的相關(guān)因素。結(jié)果顯示多影響指標(biāo)和貧困程度、財(cái)政收入與平均夜間燈光強(qiáng)度之間具有良好的相關(guān)性，決定系數(shù)為0.563。第二個(gè)驗(yàn)證了NPP-VIIRS 數(shù)據(jù)在評(píng)估湖南省貧困狀況中的可行性和有效性，以未參加計(jì)算的湖南省貧困縣為例進(jìn)行驗(yàn)證。從結(jié)果中可以看出，湖南省貧困縣與平均夜間燈光強(qiáng)度值構(gòu)建的農(nóng)民收入預(yù)測(cè)模型的預(yù)測(cè)誤差小于2%。雖然NPP-VIIRS 數(shù)據(jù)已經(jīng)證明了其在湖南省縣級(jí)貧困評(píng)估的有效性，但也存在一些可能的問題由以下因素引起。①多影響貧困指數(shù)是影響評(píng)估準(zhǔn)確性的關(guān)鍵因素，因?yàn)檫@些數(shù)據(jù)是農(nóng)民收入線性回歸的基礎(chǔ)。②由于NPP-VIIRS 數(shù)據(jù)原始數(shù)據(jù)存在很多噪聲，仍需要對(duì)數(shù)據(jù)進(jìn)一步優(yōu)化處理，如燈光數(shù)據(jù)的過飽和問題等對(duì)模型預(yù)測(cè)精度影響尚需校正。不過，應(yīng)用NPP-VIIRS 數(shù)據(jù)進(jìn)行貧困縣農(nóng)民收入評(píng)估方面仍有一定的研究?jī)r(jià)值。本文提供了一種評(píng)估湖南貧困縣農(nóng)民收入的新方法預(yù)測(cè)模型，該模型在缺乏特定的統(tǒng)一評(píng)價(jià)標(biāo)準(zhǔn)及貧困水平信息很難量化的情況下，該方法有一定的優(yōu)勢(shì)。