楊妮，吳良林，鄧樹林，張超

（廣西師范學院資源與環(huán)境科學學院，廣西 南寧 530001）

0 引言

統(tǒng)計數(shù)據(jù)空間化［1－4］是利用適宜的指標系統(tǒng)和模型方法反演一定時間、空間中的統(tǒng)計數(shù)據(jù)空間分布狀態(tài)的過程，其實質(zhì)就是在區(qū)域范圍內(nèi)建立連續(xù)的統(tǒng)計數(shù)據(jù)。隨著社會科學的發(fā)展，傳統(tǒng)的GDP統(tǒng)計數(shù)據(jù)并不能滿足資源環(huán)境研究領域?qū)臻g型社會經(jīng)濟數(shù)據(jù)的需求。對于省域小尺度的研究更是缺乏空間數(shù)據(jù)的支持，很多省份仍局限于行政單元的均值統(tǒng)計形式，無法反映全省GDP宏觀分布，限制了省級層面的經(jīng)濟決策和產(chǎn)值估算。為解決該問題，有必要研究省域社會經(jīng)濟統(tǒng)計數(shù)據(jù)空間化［5，6］問題。

最初地理學家提出了用點值法進行統(tǒng)計數(shù)據(jù)的模擬，但該方法具有較大主觀局限性而難以操作。隨后制圖學家嘗試利用格網(wǎng)生成技術(shù)完成社會經(jīng)濟統(tǒng)計數(shù)據(jù)格網(wǎng)化，但當規(guī)則的格網(wǎng)越來越小時傳統(tǒng)制圖技術(shù)無法滿足要求。隨著對高分辨率GDP密度數(shù)據(jù)的需求日益擴大及3S技術(shù)的引入，現(xiàn)多采用柵格數(shù)字模擬技術(shù)，并取得了一定的研究成果。如國際上較有影響力的 GPW［7］、LandScan［8］等研究了全球性人口數(shù)據(jù)和美國CIESIN的全球人均GDP數(shù)據(jù)等。1997年Elvidge等［9］根據(jù)DMSP／OLS數(shù)據(jù)發(fā)現(xiàn)了各國家的燈光面積與國內(nèi)生產(chǎn)總值（GDP）具有高度相關性，但未能提取其空間信息。2003年Henderson等［10］確定DMSP／OLS穩(wěn)定燈光圖像和輻射標定燈光圖像兩種數(shù)據(jù)的最佳閾值，正確提取了美國舊金山以及中國北京、拉薩的城市化水平及經(jīng)濟發(fā)展水平有所差異的空間信息。劉紅輝等［11］在綜合分析我國社會經(jīng)濟的區(qū)域差異的基礎上，實現(xiàn)了1km格網(wǎng)社會經(jīng)濟數(shù)據(jù)的空間定量模擬，但僅局限于在土地利用數(shù)據(jù)的基礎上實現(xiàn)GDP的模擬。韓向娣等［12］對第一產(chǎn)業(yè)基于土地利用數(shù)據(jù)建模，第二、三產(chǎn)業(yè)基于DMSP／OLS與土地利用數(shù)據(jù)結(jié)合建模，生成的GDP密度圖能較完整地反映全國GDP分布細節(jié)及宏觀分布特征。上述研究對社會經(jīng)濟統(tǒng)計數(shù)據(jù)的空間化多在全球或國家尺度上進行，對其影響因素往往進行簡化。本文綜合分析廣西經(jīng)濟發(fā)展規(guī)律和DMSP／OLS夜間燈光數(shù)據(jù)與省域GDP的相關性，建立適用于廣西小尺度研究區(qū)域的GDP空間化模型，利用RS與GIS集成技術(shù)，實現(xiàn)GDP的空間化，以真實反映該地區(qū)的經(jīng)濟分布現(xiàn)狀，為政府部門的經(jīng)濟決策和產(chǎn)值估算提供可靠依據(jù)。

1 數(shù)據(jù)來源

采用的2009年廣西DMSP／OLS夜間燈光數(shù)據(jù)來源于美國國家地球物理數(shù)據(jù)中心網(wǎng)站（http：／／www.ngdc.noaa.gov／dmsp／downloadV4composites.html（圖1），該數(shù)據(jù)有以下優(yōu)勢：1）DMSP／OLS影像分辨率通常在1km左右，影像數(shù)據(jù)量非常小，甚至不到TM數(shù)據(jù)的1%；2）DMSP／OLS夜間燈光影像能反映綜合性信息，它涵蓋了交通道路、居民地等與人口、城市等因子分布密切相關的信息［9，13－15］。

圖1 2009年廣西夜間燈光數(shù)據(jù)分布Fig.1 Night light data of Guangxi in 2009

2 GDP空間化建模

本研究以地級行政邊界為基礎，以14個地級市為研究單元。GDP空間化模型如圖2。

圖2 GDP空間化模型Fig.2 Model of GDP spatialization

2.1 市級燈光指數(shù)建立與統(tǒng)計

燈光指數(shù)CNLI即某區(qū)域內(nèi)燈光斑塊的平均相對燈光強度（I）與燈光斑塊面積占區(qū)域總面積比（S）的乘積［12，16，17］，即：

式中：DNM為最大可能灰度值（本文取63），DNi表示區(qū)域內(nèi)第i級像元灰度值，ni為區(qū)域內(nèi)該灰度級像元總數(shù)，P為去除誤差的閾值，NL、AreaN分別為區(qū)域內(nèi)滿足條件DNM≥DN≥P的像元總數(shù)和占據(jù)的總面積，Area為整個區(qū)域的面積。

按上式分別計算各行政統(tǒng)計單元內(nèi)燈光斑塊的平均相對燈光強度I、燈光斑塊面積占區(qū)域總面積比S和區(qū)域燈光指數(shù)CNLI（表1）。

2.2 燈光指數(shù)與GDP統(tǒng)計數(shù)據(jù)的回歸分析

利用SPSS軟件分析不同的燈光指數(shù)與各市生產(chǎn)總值（GDP總）、第一產(chǎn)業(yè)（GDP1）、第二產(chǎn)業(yè)（GDP2）、＃工業(yè)（GDP＃）和第三產(chǎn)業(yè)（GDP3）之間的相關性，得到各產(chǎn)業(yè)燈光指數(shù)的相關系數(shù)R2。各產(chǎn)業(yè)分別選取與其相關性最大燈光指數(shù)的R為其相關系數(shù)Ri，具體見圖3。

2.3 燈光指數(shù)與GDP統(tǒng)計數(shù)據(jù)回歸模型的建立

通過以上分析，得出不同的夜間燈光指數(shù)與各市的GDP總、GDP1、GDP2、GDP＃和GDP3之間的相關性，確定分產(chǎn)業(yè)的最佳燈光指數(shù)，進行回歸分析并建模。對全區(qū)回歸分析建立的模型如下：

式中：GDPi表示GDP總、GDP1、GDP2、GDP＃和GDP3，P0和Ri為回歸模型系數(shù)，b為相關分析中選取的最佳夜間燈光指數(shù)的系數(shù)，Qj代表I、S或CNLI。

表1 2009年廣西各市I、S、CNLI統(tǒng)計值Table 1 I，S，CNLIstatistical value of each city of Guangxi in 2009

圖3 全區(qū)燈光指數(shù)與GDP回歸分析結(jié)果Fig.3 The regression analysis results of lights index and GDP

圖4為按市分區(qū)的 GDP總、GDP1、GDP2、GDP＃和GDP3與對應的最佳燈光指數(shù)的線性回歸模型的擬合度。比較各市的擬合精度，最終選擇GDP2的預測模型來預測全區(qū)GDP分布。

圖4 分區(qū)燈光指數(shù)與GDP的擬合度Fig.4 The fitting degree index of partitions lighting and GDP

2.4 GDP統(tǒng)計數(shù)據(jù)空間化

2.4.1 GDP密度圖的制作 按模型把GDP統(tǒng)計數(shù)據(jù)分配到每個像元，利用縣級GDP統(tǒng)計數(shù)據(jù)作為線性調(diào)整來糾正每個像元值（式（5）），最后制作1km＊1km廣西2009年GDP密度圖（圖5）。

式中：GDPz為使用統(tǒng)計數(shù)據(jù)按縣糾正后的GDP密度，GDPi為預測每個格網(wǎng)的GDP密度，GDPt為該縣統(tǒng)計GDP，GDPall為該縣預測GDP。

圖5 模擬的2009年廣西GDP密度Fig.5 GDP density simulation of Guangxi in 2009

2.4.2 GDP空間分布狀況分析 圖5反映出廣西GDP的空間分布狀況：南寧、柳州、桂林形成一條經(jīng)濟線，三市的經(jīng)濟密度基本大于250萬元／km2；北部灣經(jīng)濟開發(fā)區(qū)的欽州、北海和防城港經(jīng)濟密度在200萬元／km2左右；桂東的貴港、梧州和桂東南的玉林，有著珠江流域的優(yōu)勢及廣東省的帶動，經(jīng)濟密度基本達200萬元／km2；典型喀斯特地區(qū)的河池、百色、崇左、賀州，自然環(huán)境比較惡劣，經(jīng)濟相對比較落后，其經(jīng)濟密度基本小于150萬元／km2。

3 GDP空間化結(jié)果精度檢驗

用模擬的GDP密度求出各市的GDP總值，然后與統(tǒng)計的GDP總產(chǎn)值比較，分析GDP模擬值與統(tǒng)計值的相關性（圖6）。

圖6 GDP模擬值精度檢驗Fig.6 Test chart of GDP simulation accuracy

（1）圖6a中GDP模擬值與統(tǒng)計值的曲線大體相符，南寧、防城港、玉林、百色、賀州等市模擬值與統(tǒng)計值較吻合，柳州、桂林和來賓、崇左誤差較大。柳州為廣西工業(yè)城市，GDP＃比重較大，以整個廣西的GDP回歸模型來模擬會造成一定的誤差。桂林是旅游城市，第三產(chǎn)業(yè)產(chǎn)值占GDP總產(chǎn)值比重較大，另外旅游產(chǎn)值估算比較復雜，僅依賴于夜間燈光數(shù)據(jù)遠遠不夠。廣西經(jīng)濟相對落后，各市燈光強度普遍較弱，只有南寧市達到飽和，從而減小了燈光飽和度造成的誤差。因此全區(qū)模擬曲線總體走勢與實際相符，能真實反映GDP宏觀分布。

（2）圖6b中GDP模擬值與統(tǒng)計值存在較強的相關性，即夜間燈光數(shù)據(jù)與省域社會經(jīng)濟統(tǒng)計數(shù)據(jù)之間有較強的空間相關性，相關系數(shù)R2達0.9755，充分證明了夜間燈光數(shù)據(jù)適用于省域尺度的社會經(jīng)濟統(tǒng)計數(shù)據(jù)研究?；谝归g燈光數(shù)據(jù)的省域GDP空間化拓展了夜間燈光數(shù)據(jù)的應用領域，同時探索了省域GDP空間化新的研究方法。

4 結(jié)論與討論

目前基于DMSP／OLS方法研究省域GDP空間化較少，較多方法是基于土地利用數(shù)據(jù)且GDP建模精度較高。第一產(chǎn)值與耕地相關性較高，能較好反映城市與農(nóng)村地區(qū)的經(jīng)濟差異，但大城市內(nèi)部未能分辨GDP的空間分布差異。夜間燈光數(shù)據(jù)獲取便捷，在一定程度上可反演省域經(jīng)濟分布狀況，特別是第二、三產(chǎn)業(yè)產(chǎn)值的空間分布。挖掘DMSP／OLS數(shù)據(jù)與省域GDP空間分布的潛在規(guī)律，為省域GDP研究提供一種新的技術(shù)方法。

利用DMSP／OLS反演省域GDP分布趨勢，輔以縣級統(tǒng)計數(shù)據(jù)對回歸模型進行線性糾正，其誤差減小到縣級，故其只適合作為縣級以上的社會發(fā)展和規(guī)劃定量化參考指標，不適用于鄉(xiāng)鎮(zhèn)級別區(qū)域的定量化指標。如需利用DMSP／OLS數(shù)據(jù)反演空間尺度更小的研究單元的GDP空間分布，則可以采用土地利用和人口等數(shù)據(jù)相結(jié)合的方法，進而改進空間化的方法，拓寬空間化的應用領域。

［1］ DOBSON J E，BRIGHT E A，COLEMAN P R.LandScan：A global population database for estimating populations at risk［J］.Photogrammetric Engineering and Remote Sensing，2000，66：849－857.

［2］ 曾祥貴，賴格英，易發(fā)釗，等.基于GIS的小流域人口數(shù)據(jù)空間化研究——以梅江流域為例［J］.地理與地理信息科學，2013，29（6）：44－48，133.

［3］ 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.

［4］ 楊續(xù)超，高大偉，丁明軍，等.基于多源遙感數(shù)據(jù)及DEM的人口統(tǒng)計數(shù)據(jù)空間化——以浙江省為例［J］.長江流域資源與環(huán)境，2013，22（6）：729－734.

［5］ SUTTON P C，COSTANZA R.Global estimates of market and nonmarket values derived from nighttime satellite imagery，land cover，and ecosystem service valuation［J］.Ecological Economics，2002，41（3）：509－527.

［6］ DOLL C N H，MULLER J P，MORLEY J G.Mapping regionaleconomic activity from night－time light satellite imagery［J］.Ecological Economics，2006，57（1）：75－92.

［7］ TOBLER W，DEICHMANN U，GOTTSEGEN J.World population in a grid of spherical quadrilaterals［J］.International Journal of Population Geography，1997，3：203－225.

［8］ DOBSON J E，BRIGHT E A，COLEMAN P R.LandScan：A global population database for estimating population at risk［J］.Photogrammetric Engineering and Remote Sensing，2001，67（9）：1037－1047.

［9］ ELVIDGE C D，BAUGH K E，KIHN E A，et al.Relation between satellite observed visible near infrared emissions，population，economic activity and electric power consumption［J］.International Journal of Remote Sensing，1997，18（6）：1373－1379.

［10］ HENDERSON M，YEH E T，GONG P，et al.Validation of urban boundaries derived from global night－time satellite imagery［J］.International Journal of Remote Sensing，2003，24（3）：595－609.

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

［12］ 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)與應用，2012（3）：74－83.

［13］ MA T，ZHOU C，PEI T，et al.Quantitative estimation of urbanization dynamics using time series of DMSP／OLS night time light data——A comparative case study from China′s cities［J］.Remote Sensing of Environment，2012（124）：99－107.

［14］ 王鶴饒，鄭新奇，袁濤，等.DMSP／OLS數(shù)據(jù)應用研究綜述［J］.地理科學進展，2012，31（1）：11－19.

［15］ 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.

［16］ 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［J］.遙感學報，2003，7（3）：168－176.

［17］ 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.