夜間燈光支持下江西省典型城市發展動態監測

續宇彤 劉昭華

(江西理工大學 土木與測繪工程學院, 江西 贛州 341000)

0 引言

隨著經濟建設的進一步推進,城市發展的步伐空前加快,城市化建設也取得了顯著的進展。江西省是我國中部地區重要省份,了解其城市發展進程和規律是后續規劃制定的重要依據。夜間燈光遙感是能夠探測夜間微光的光學遙感技術,因夜間穩定的亮光絕大多數來自城市區域的人造光源,夜間燈光遙感影像已被證明可以更直觀地反映夜間人類活動差異,且眾多研究證明與國民生產總值(Gross Domestic Product, GDP)[1]、貧困度[2]、城市人口[3]、貨運總量[4]等社會經濟指標具有較強的相關性,可以彌補傳統統計數據存在的統計口徑不一致、數據缺失、更新頻率低等不足[5],為不同經濟指標的空間化分布研究提供了數據來源,并為不同空間尺度上精細評估城市經濟活動水平提供了可能[6-8]。

DMSP-OLS(Defense Meteorological Satellite Program,Operational LineScan System)影像數據的最初用途之一就是描繪城市范圍,設置閾值對夜光影像進行分割可以實現城市建成區的提取[9]。除此之外,還可以結合其他遙感產品對建成區范圍進行提取[10],這種方法在我國也被許多學者使用。Zhang等研究表明,基于DMSP-OLS影像的城市化監測在發達國家的應用效果較優于發展中國家[11]。夜間燈光影像除了可以監測城市化進程以外,還能對城市群的演變進行探究。Yu等(2014)提出了一種新的面向對象的基于夜光影像的城市空間集群自動識別方法,并通過聚類分析得到中國有521個城市空間集群[12],長三角城市群、環渤海城市群、珠三角城市群[13-15]等也成為學者研究的熱點區域。但是大多研究都是基于DMSP-OLS影像數據展開的,且缺乏長時序的城市發展監測研究。

2012年,美國國家極軌業務環境衛星(National Polar-Orbiting Partnership,NPP)搭載的可見光紅外成像輻射儀(Visible InfraredImaging Radiometer Suite,VIIRS)提供了新一代夜間燈光遙感數據,該數據的出現相對于DMSP-OLS數據在空間、時間和輻射分辨率等方面得到了提升,進一步擴展了夜間燈光遙感的研究方向和應用領域[16]。本文以江西省三大城市南昌市、九江市和贛州市作為研究區域,利用2012—2019年的NPP-VIIRS影像數據得到的夜間燈光亮度的空間分布,分析這三個城市的發展狀況,為其產業結構調整和城市規劃布局等提供理論支持,具有非常重要的科學意義和實踐價值。

1 研究區域概況

江西省位于中國東南部,長江中下游南岸,地形南高北低,以江南丘陵、山地為主;盆地、谷地廣布,略帶鄱陽湖平原。紅色文化馳名中外,地下礦藏豐富,是我國礦產資源配套程度較高的省份之一,銅、鎢、鈾、鉭、稀土、金、銀被譽為江西的“七朵金花”。截至2020年6月,江西省下轄11個設區市,其中南昌市、九江市和贛州市是江西省的三個主要城市,分別位于江西省的中北部、北部和南部。這三個城市的基本情況如下。

南昌市是江西省省會、環鄱陽湖城市群核心城市、國務院批復確定的中國長江中游地區重要的中心城市。南昌市下轄6個區、3個縣,總面積7 402 km2。截至2019年末,南昌市常住人口560.06萬人,2019年南昌市GDP達到了5 596.18億元,居全省第一,全國省會城市排名第16。

九江市地處長江、京九鐵路兩大經濟開發帶交叉點,是長江中游區域中心港口城市,是中國首批5個沿江對外開放城市之一,也是東部沿海開發向中西部推進的過渡地帶,號稱“三江之口,七省通衢”與“天下眉目之地”,有“江西北大門”之稱。總面積19 084.61 km2,截至2019年年末,全市總人口為492.03萬人。2019年九江市GDP達到了3 121.05億元,全省地級市排名第3。

贛州市是江西省的南大門,是江西省面積最大、人口最多的地級市,江西省省域副中心城市。贛州地處亞熱帶季風氣候區,地形以山地、丘陵、盆地為主,總面積39 379.64 km2,2019年戶籍人口為983.07萬人。贛州市鎢與稀土資源豐富,是全國稀有金屬產業基地和先進制造業基地。此外,贛州是全國著名的革命老區、原中央蘇區振興發展示范區、紅色文化傳承創新區。2019年贛州市GDP達到了3 474.34億元,全省地級市排名第2。

2 數據集和研究方法

本文選用NPP-VIIRS的2012—2019年無云月平均影像數據以及2015年和2016年去噪后的年平均VIIRS數據,數據由美國國家海洋和氣象管理局(National Oceanic and Atmospheric Administration,NOAA)提供。NPP-VIIRS影像的空間分辨率為740 m,覆蓋范圍75°N～65°S。除此之外,縣級行政區劃圖來自國家基礎地理信息中心,經濟等數據來源于各省市縣級統計年鑒。

NPP-VIIRS影像解決了DMSP-OLS影像數據中存在的過飽和問題,但是受云層、大氣、閃電、火光等自然因素的影響,月度復合數據中還存有大量的噪聲和異常值,導致部分像元為負值和極大值。因此,在利用數據進行分析前,需要對原始影像做預處理,過程主要包括:年度復合數據的合成、空間坐標系重投影、影像去負去噪處理和影像裁剪等。

受大氣影響,中國部分地區的NPP-VIIRS影像在6～8月份有存在嚴重的噪聲干擾,會有失真現象,因此,本文利用2012—2019年除6～8月以外的月度復合影像,并通過求取平均值的方法合成年度數據,公式如下:

(1)

式中，Ly表示某年的燈光亮度值；Li表示第i月的燈光亮度值。得到年度復合影像數據后,將影像重投影為蘭伯特等面積投影并將網格大小重采樣為0.5 km×0.5 km。

合成的影像中存在因不穩定光源造成的異常值以及負值,需要通過去噪去負處理來減弱這些影響。利用2015與2016年NOAA發布的無噪聲年度復合數據作為掩膜,將兩年的年度影像做二值化處理,像元DN值大于0的設為1,DN值不大于0的設為0,并分別和2012—2015年和2016—2019年的待去噪影像相乘去除背景噪聲和異常值[17]。經去除噪聲和異常值處理后,利用行政區劃圖的邊界線對影像進行裁剪,得到江西省南昌市、九江市和贛州市的夜間燈光遙感圖像。

3 研究結果與分析

3.1 南昌市城市發展動態

3.1.1 南昌市2012—2019年各時期夜間燈光強度變化

利用南昌市行政界線對NPP-VIIRS影像數據進行裁剪,獲得南昌市2012—2019年長時間序列的夜間燈光數據。為了保持數據結果的穩定性,更好地反映燈光亮度的變化特征,將2 a作為一個周期進行平均,獲得南昌市2012—2019年不同時期的平均亮度值數據,結果如圖1所示。

圖1 南昌市不同時期的NPP-VIIRS數據平均亮度值

從圖1可以看出,南昌市中西部的主城區燈光最亮,周圍區域亮度較弱。對南昌市NPP-VIIRS數據各個時期的亮度值進行數理統計,結果如表1所示。從表1的統計結果可以看出,2014—2015年平均亮度值相比于2012—2013年有略微的下降,但到2016—2017年和2018—2019年,平均亮度值和標準偏差都有較大的增長,說明南昌市2012—2015年之間城市空間結構和經濟發展較為穩定,但在2016年后經濟出現了較快的增長,且發展速度增快。

表1 南昌市NPP-VIIRS數據各個時期亮度值統計結果

3.1.2 南昌市2012—2019年各時期夜間燈光分等級面積變化

統計各時期夜間燈光分等級的面積變化,可以更好地了解燈光的變化情況。將NPP-VIIRS數據按照亮度值劃分為(0～5)、(5～10)、(10～20)、(20～35)和(>35)五個等級,統計分析了對應的面積分布,結果如表2所示。從表2中可以看出,在各個時期的5個等級中,等級(0～5)的亮度分布面積逐年在減少,等級(5～10)和(10～20)的亮度分布面積逐年在增加,等級(20～35)和(>35)在2014—2015年出現了減小的情況,隨后又開始快速增長。

表2 南昌市燈光數據在2012—2019年不同時期各等級分布面積 單位:km2

3.2 九江市城市發展動態

3.2.1 九江市2012—2019年各時期夜間燈光強度變化

利用九江市行政界線對NPP-VIIRS影像數據進行裁剪,獲得九江市2012—2019年長時間序列的夜間燈光數據。對九江市各個時期NPP-VIIRS數據的亮度值進行數理統計,結果如表3所示。從表3的統計結果可以看出,從2014—2015年開始,平均亮度值有所增長,但從2016年開始,增長的速度較快,說明九江市2012—2015年之間城市空間結構和經濟發展較為穩定,但在2016年后經濟出現了較快的增長,且發展速度較快。

表3 九江市各個時期NPP-VIIRS數據亮度值統計結果

3.2.2 九江市2012—2019年各時期夜間燈光分等級面積變化

同樣,將NPP-VIIRS數據按照亮度值劃分為(0～5)、(5～10)、(10～20)、(20～35)和(>35)五個等級,統計分析了對應的面積分布,結果如表4所示。從表4中可以看出,在各個時期的5個等級中,等級(0～5)的亮度分布面積逐年在減少,等級(5～10)和(10～20)的亮度分布面積逐年在增加,等級(20～35)和(>35)在2014—2015年出現了減小的情況,隨后又開始快速增長。九江燈光分等級面積變化與南昌市有相同的變化趨勢。

表4 九江市2012—201 9年不同時期燈光數據各等級分布面積 單位:km2

3.3 贛州市城市發展動態

3.3.1 贛州市2012—2019年各時期夜間燈光強度變化

利用贛州市行政界線對NPP-VIIRS影像數據進行裁剪,獲得贛州市2012—2019年長時間序列的夜間燈光數據。對贛州市各個時期NPP-VIIRS數據的亮度值進行數理統計,結果如表5所示。從表5的統計結果可以看出,2014—2019年,平均亮度值穩步增長,且增速較大,說明贛州市出現了較明顯的城市空間結構變化和較快的經濟增長。

表5 贛州市各個時期NPP-VIIRS數據亮度值統計結果

3.3.2 贛州市2012—2019年各時期夜間燈光分等級面積變化

同上,將NPP-VIIRS數據按照亮度值劃分為(0～5)、(5～10)、(10～20)、(20～35)和(>35)五個等級,統計分析對應的面積分布,結果如表6所示。從表6中可以看出,在各個時期的5個等級中,等級(0～5)的亮度分布面積逐年在減少,等級(5～10)、(10～20)和(20～35)的亮度分布面積逐年在增加,等級(>35)在2016—2017年出現了短暫減小的情況,隨后又開始快速增長。

表6 贛州市燈光數據2012—2019年不同時期各等級分布面積 單位:km2

3.4 典型城市發展動態對比

3.4.1 典型城市平均夜光強度對比

對江西省南昌市、九江市和贛州市在2012—2019年不同時期的NPP-VIIRS數據亮度求取平均值,結果如圖2所示。從圖2可以看出,南昌市燈光亮度出現了短暫的略微下降后快速增長,九江市和贛州市呈現整體發展狀態,九江市燈光亮度值整體高于贛州市,但增長速度基本一致。

圖2 典型城市不同時期NPP-VIIRS數據亮度的平均值隨時間變化

3.4.2 典型城市夜光強度重要等級面積變化對比

本文將燈光亮度值的等級劃分為五級,其中>35是最高級,代表了該城市在發達區域的分布,圖3為南昌市、九江市和贛州市不同時期NPP-VIIRS數據亮度的重要等級面積對比。從圖3可以看出,南昌市的燈光值>35的面積在2014—2015年出現了較大幅度的下降,后又大幅增長,九江市也出現了同樣的變化趨勢,但是幅值較小。贛州市的燈光值>35的面積在2016—2017年出現了小幅度的下降,后又穩步增長。從這些數據說明,南昌市在2014—2015年主城區整體經濟發展態勢不太好,考慮是部分產業轉型期,通過產業轉型,經濟出現了快速穩定的增長;九江市和贛州市也出現了與南昌相同的經濟陣痛期,但通過產業的優化升級,經濟快速增長。

圖3 典型城市不同時期NPP-VIIRS數據亮度的重要等級(>35)面積

圖4顯示了南昌市、九江市和贛州市2012—2019年的GDP變化趨勢,可以看出,三市GDP穩步增長,在經濟轉型的陣痛期,雖然燈光亮度值有所減少,但是GDP影響不明顯;九江市和贛州市整體經濟水平相當,與夜間燈光亮度值得出的結論較為一致。

圖4 典型城市不同時期的GDP數據

4 結束語

本文采用2012—2019年的NPP-VIIRS數據,在數據精細預處理基礎上,統計分析了江西省三大城市(南昌市、九江市和贛州市)的夜間燈光亮度情況,從城市夜間燈光亮度闡述了城市發展過程,具體結論如下。

(1)江西省三個主要城市(南昌、九江和贛州)的主城區及下轄縣市城區燈光最亮,周圍區域亮度較弱。不同城市亮度值的平均值在不同的年份會有一些波動,但整體呈快速發展的趨勢。

(2)按照夜間燈光亮度值劃分的五個等級中,三個城市燈光較弱的面積在不斷減少,燈光亮度較強的面積在不斷增長,這也與當地的GDP發展趨勢相一致。

(3)從三個城市平均夜光強度和夜光強度重要等級面積變化的對比中可以看出,南昌的經濟基礎最強,是整體實力最強和發展態勢最好的城市。九江市和贛州市的城市發展水平相當,但都處于一直持續快速發展的狀態,兩城市優勢各異,通過產業升級優化,后期發展將會更好。

雖然使用NPP-VIIRS掩膜法分段能夠有效去除NPP-VIIRS年度合成數據的噪聲,但是隨著城市化進程的加快以及鄉村振興戰略的實施,城鄉發展建設將會飛躍式增長,到時僅2015年和2016年兩期的標準數據已經不能適應快速發展的需要,會將實際燈光值作為噪聲去除,影響去噪結果以及數據的可用性,因此，希望以后對數據的處理方法能進一步完善。