李宗光， 胡德勇， 李吉賀， 岑建

(首都師范大學(xué)資源環(huán)境與旅游學(xué)院，北京　100048)

基于夜間燈光數(shù)據(jù)的連片特困區(qū)GDP估算及其空間化

李宗光， 胡德勇， 李吉賀， 岑建

(首都師范大學(xué)資源環(huán)境與旅游學(xué)院，北京100048)

摘要：國內(nèi)生產(chǎn)總值(gross domestic product, GDP)能反映一個國家或地區(qū)的經(jīng)濟(jì)發(fā)展?fàn)顩r，構(gòu)建高精度的特困區(qū)GDP空間數(shù)據(jù)庫對扶貧工作的開展具有重要意義。首先通過建立DMSP/OLS夜間燈光數(shù)據(jù)與連片特困區(qū)GDP的回歸模型，實現(xiàn)利用夜間燈光數(shù)據(jù)估算特困區(qū)GDP； 然后分別對第一和第二、三產(chǎn)業(yè)GDP進(jìn)行空間化建模： 第一產(chǎn)業(yè)GDP與土地利用數(shù)據(jù)相結(jié)合建模，第二、三產(chǎn)業(yè)GDP與夜間燈光數(shù)據(jù)相結(jié)合建模。研究結(jié)果表明，大部分特困區(qū)GDP的估算結(jié)果較為準(zhǔn)確，縣級尺度的估算精度達(dá)到87.38%； 連片特困區(qū)多為GDP低密度區(qū)，GDP基本處于50萬元/km2以下，西北地區(qū)甚至出現(xiàn)大片低于5萬元/ km2。因此，高精度的連片特困區(qū)GDP密度分布圖能夠準(zhǔn)確地反映特困區(qū)經(jīng)濟(jì)分布狀況，為扶貧工作的開展提供數(shù)據(jù)支持。

關(guān)鍵詞：GDP； 夜間燈光數(shù)據(jù)； 土地利用； 空間化； 特困區(qū)

0引言

雖然經(jīng)濟(jì)社會不斷發(fā)展，但目前消除貧困依然是我國重點關(guān)注的問題之一，在實際工作中，往往出現(xiàn)因扶貧目標(biāo)不明確而造成財力物力利用率較低等問題[1]。這主要是因為政府部門在制定扶貧政策時所依據(jù)的資料信息具有一定的延遲性，再加上受統(tǒng)計單元尺度的限制，無法掌握貧困地區(qū)內(nèi)部更為詳細(xì)的最新情況[2-4]。比如數(shù)據(jù)更新周期較長且統(tǒng)計單元較大(最小為縣級尺度)，無法顯示單元內(nèi)部國內(nèi)生產(chǎn)總值(grossdomesticproduct,GDP)的差異[5-6]。因此，實現(xiàn)連片特困區(qū)的GDP空間化能夠為扶貧工作提供有效的數(shù)據(jù)服務(wù)； 高精度空間數(shù)據(jù)庫的構(gòu)建可以在資源環(huán)境保護(hù)、貧困變化檢測、區(qū)域規(guī)劃及發(fā)展等領(lǐng)域發(fā)揮重要作用。

參考國內(nèi)外對社會經(jīng)濟(jì)數(shù)據(jù)空間化方面所做的研究可知，當(dāng)前這項工作正處于不斷探索與發(fā)展階段。國外相關(guān)研究發(fā)現(xiàn)，夜間燈光數(shù)據(jù)與區(qū)域經(jīng)濟(jì)有著密切關(guān)系[7-11]：Elvidge等[9]分析了夜間燈光面積與GDP之間的關(guān)系，發(fā)現(xiàn)可以利用夜間燈光數(shù)據(jù)較好地估算多項社會經(jīng)濟(jì)數(shù)據(jù)；Ghosh等[10-11]建立了夜間燈光與經(jīng)濟(jì)數(shù)據(jù)的回歸模型并成功估計出美國、墨西哥各州的實際經(jīng)濟(jì)情況。近年來，我國學(xué)者在經(jīng)濟(jì)數(shù)據(jù)空間化表達(dá)方面也做了大量研究[12-15]。劉紅輝等[14]在我國經(jīng)濟(jì)社會的區(qū)域差異綜合分析基礎(chǔ)上，建立了基于土地利用空間格局的社會經(jīng)濟(jì)數(shù)據(jù)的空間表達(dá)模型； 鐘凱文等[15]通過分析社會經(jīng)濟(jì)數(shù)據(jù)的空間化方法以及空間分布情況，提出了一種基于土地利用數(shù)據(jù)的GDP空間化表達(dá)方法?？傮w來講，國內(nèi)對于經(jīng)濟(jì)數(shù)據(jù)空間化的主要思路： 一是基于土地利用數(shù)據(jù)通過劃分產(chǎn)業(yè)進(jìn)行空間建模[16-18]； 二是基于夜間燈光數(shù)據(jù)建立模型。但是上述方法多是基于全國的大尺度區(qū)域構(gòu)建模型，而對于縣級尺度的連片特困區(qū)域，由于其土地類型組成復(fù)雜、分布分散、夜間燈光較弱，運(yùn)用該方法構(gòu)建模型精度較低。

本文針對連片特困區(qū)的上述特點，利用夜間燈光數(shù)據(jù)結(jié)合土地利用數(shù)據(jù)構(gòu)建連片特困區(qū)的GDP空間數(shù)據(jù)集，旨在通過特困區(qū)GDP與夜間燈光數(shù)據(jù)的分組建模，實現(xiàn)從夜間燈光數(shù)據(jù)出發(fā)估算特困區(qū)GDP的目的； 同時，結(jié)合夜間燈光數(shù)據(jù)和土地利用數(shù)據(jù)建立分產(chǎn)業(yè)的GDP空間化模型，生成特困區(qū)1km2GDP柵格數(shù)據(jù)集，最終實現(xiàn)連片特困區(qū)社會經(jīng)濟(jì)數(shù)據(jù)空間化數(shù)據(jù)庫的快速建立，為扶貧工作的有效開展提供技術(shù)支持。

1研究區(qū)概況和數(shù)據(jù)源

1.1研究區(qū)概況

研究區(qū)包括全國13個連片特困區(qū)，主要有六盤山區(qū)、秦巴山區(qū)、武陵山區(qū)、烏蒙山區(qū)、滇桂黔石漠化區(qū)、滇西邊境區(qū)、大興安嶺南麓區(qū)、燕山—太行山區(qū)、呂梁山區(qū)、大別山區(qū)、羅霄山區(qū)、南疆三角洲和四省(甘、青、川、滇)藏區(qū)。整個連片特困區(qū)分布范圍主要集中在我國中西部地區(qū)以及東北、西北、西南邊境地區(qū)(圖1)，而且大多具有土壤質(zhì)量差、地理位置偏僻、地形復(fù)雜、氣候條件惡劣和可供利用資源不足的特點。

1.2數(shù)據(jù)源

1)夜間燈光數(shù)據(jù)。該數(shù)據(jù)通過DMSP/OLS獲取，OLS傳感器擁有可見光、近紅外和熱紅外通道，可獲取幅寬為3 000km的影像，分辨率為0.56km。研究所用的2010年夜間燈光數(shù)據(jù)來自美國國家地理數(shù)據(jù)中心，原始數(shù)據(jù)投影在Krasovsky_1940_Albers坐標(biāo)系下，利用中國地區(qū)的矢量數(shù)據(jù)裁剪出夜間燈光數(shù)據(jù)，并重采樣為1km大小的柵格數(shù)據(jù)(圖2)。柵格DN值范圍為0～63。DN值為0表示沒有燈光，DN值在1～63之間的區(qū)域表示有燈光區(qū)域，DN值越高表示燈光越強(qiáng)，在城市中心區(qū)域大部分處于燈光飽和狀態(tài)。

圖2　中國2010年夜間燈光數(shù)據(jù)

2)土地利用數(shù)據(jù)?；赥M遙感影像生成的中國土地利用數(shù)據(jù)[19]，土地利用類型分為6個大類25個小類，用柵格數(shù)據(jù)層表示，每個柵格記錄該土地利用類型。根據(jù)研究需要，將土地利用數(shù)據(jù)重新劃分為1km大小的柵格數(shù)據(jù)。

3)GDP數(shù)據(jù)。研究中使用的2010年連片特困區(qū)縣級GDP的統(tǒng)計數(shù)據(jù)來自于中國統(tǒng)計出版社出版的《中國農(nóng)村貧困監(jiān)測報告》[20]。

2研究方法

GDP空間模擬主要由2部分組成： 一是GDP的估算，即運(yùn)用回歸分析方法建立夜間燈光數(shù)據(jù)與連片特困區(qū)縣級GDP的關(guān)系模型，利用該模型模擬連片特困區(qū)GDP； 二是GDP空間化處理，一般認(rèn)為GDP主要由第一產(chǎn)業(yè)和第二、三產(chǎn)業(yè)組成。其中第一產(chǎn)業(yè)生產(chǎn)活動與土地利用類型密切相關(guān)，故結(jié)合土地利用類型進(jìn)行空間建模。由于第二、三產(chǎn)業(yè)與土地利用類型關(guān)系不顯著，但從前人研究中可以發(fā)現(xiàn)第二、三產(chǎn)業(yè)產(chǎn)值與夜間燈光強(qiáng)度具有較強(qiáng)的相關(guān)性，可以由此進(jìn)行空間化處理，具體流程如圖3所示。

圖3　GDP估算及空間化流程

2.1GDP估算

2.1.1貧困縣分組

利用夜間燈光數(shù)據(jù)模擬特困區(qū)GDP的主要依據(jù)是GDP與特困區(qū)燈光強(qiáng)度的相關(guān)性，由于特困區(qū)范圍較為分散不連續(xù)，本文特困區(qū)GDP以縣級為單位進(jìn)行分析估算?？紤]到不同貧困縣經(jīng)濟(jì)產(chǎn)業(yè)組成的不同，有些產(chǎn)業(yè)無法在夜間燈光數(shù)據(jù)上體現(xiàn)，因此采用分組建模估算。首先定義一個比例因子R，其計算方法為

(1)

式中： R為貧困縣GDP與燈光強(qiáng)度的比值； G為貧困縣的GDP總量，萬元； S為貧困縣的燈光強(qiáng)度總量。

為了提高GDP的估算精度，根據(jù)R的大小對貧困縣進(jìn)行分組，將R<100的貧困縣分為第1組，100≤R<200的貧困縣分為第2組，R≥200的貧困縣分為第3組。

2.1.2燈光指數(shù)與GDP相關(guān)分析

夜間燈光數(shù)據(jù)具有燈光面積和強(qiáng)度2方面特征,燈光面積描述了夜間燈光的空間延展特征,燈光強(qiáng)度描述了夜間燈光的空間立體特征。根據(jù)夜間燈光數(shù)據(jù)的上述特征，提取每個貧困縣的燈光強(qiáng)度總量和燈光強(qiáng)度平均值2個燈光指數(shù)，并作散點圖探討與GDP的相關(guān)性，具體分析以下3種情況：

1)GDP總量與燈光強(qiáng)度總量。GDP總量(S)可以從統(tǒng)計數(shù)據(jù)中直接獲取[20]。燈光強(qiáng)度總量可以用式(2)計算，即

(2)

式中： C為統(tǒng)計單元的柵格數(shù)目； Di為每個柵格的燈光強(qiáng)度值。基于GDP總量與燈光強(qiáng)度總量關(guān)系得到的GDP估算值G′可表示為

G′=f1(S) 。

(3)

2)GDP總量與燈光強(qiáng)度平均值。燈光強(qiáng)度平均值(M)是統(tǒng)計單元內(nèi)柵格燈光強(qiáng)度的平均值，即

(4)

基于GDP總量與燈光強(qiáng)度平均值的關(guān)系得到的GDP估算模型可表示為

G′=f2(M) 。

(5)

3) 單位面積GDP與燈光強(qiáng)度平均值。單位面積GDP是統(tǒng)計單元的GDP總量和面積的比值，即

(6)

式中： g為單位面積的GDP值，萬元·km-2； A為統(tǒng)計單元的總面積，km2?；趩挝幻娣eGDP與燈光強(qiáng)度平均值關(guān)系得到GDP估算模型可表示為

g′=f3(M) ，

(7)

式中g(shù)′為貧困縣單位面積GDP的估算值，萬元。

在對以上3組參量做相關(guān)分析的基礎(chǔ)上找出一組最佳的GDP與燈光指數(shù)的關(guān)系模型，最終的模型可以表示為

G′=f(S，A) 。

(8)

2.2GDP空間化

2.2.1第一產(chǎn)業(yè)產(chǎn)值空間化

土地利用類型主要分為耕地、林地、草地、水域、城鄉(xiāng)工礦居民用地和未利用地6大類，其中與第一產(chǎn)業(yè)相關(guān)的只有耕地、林地、草地和水域4大類，其他土地利用類型與第一產(chǎn)業(yè)無關(guān)。根據(jù)這4種土地利用類型建立第一產(chǎn)業(yè)模型，即

G1=Ga+Gb+Gc+Gd，

(9)

式中： G1為某貧困縣第一產(chǎn)業(yè)產(chǎn)值； Ga，Gb，Gc和Gd分別代表農(nóng)業(yè)、林業(yè)、牧業(yè)和漁業(yè)產(chǎn)值。

由于不同地區(qū)第一產(chǎn)業(yè)的主要構(gòu)成成分不同，根據(jù)每個縣內(nèi)不同土地利用類型所占比例，將所有貧困縣劃分為以耕地、林地、草地為主和綜合4種類型。參考2010年全國不同土地利用類型單位面積產(chǎn)值將每種類型貧困縣的不同土地利用類型設(shè)置不同的權(quán)重值，結(jié)果如表1所示。

表1　土地類型權(quán)重

根據(jù)表1中的權(quán)重分配，將不同區(qū)域的土地柵格值重新分類定義，將第一產(chǎn)業(yè)產(chǎn)值結(jié)合重新分類定義的土地利用類型進(jìn)行1km柵格化處理，即

(10)

2.2.2第二、三產(chǎn)業(yè)產(chǎn)值空間化

根據(jù)前人研究結(jié)果，第二、三產(chǎn)業(yè)與夜間燈光數(shù)據(jù)具有較強(qiáng)的相關(guān)關(guān)系，因此對第二、三產(chǎn)業(yè)產(chǎn)值空間化處理主要以夜間燈光數(shù)據(jù)作為參考進(jìn)行柵格權(quán)重分配。由于夜間燈光數(shù)據(jù)本身具有統(tǒng)一燈光值，可利用每個柵格的燈光值作為權(quán)重對第二、三產(chǎn)業(yè)產(chǎn)值進(jìn)行空間化處理，即

(11)

3結(jié)果與分析

3.1貧困縣GDP估算及其結(jié)果分析

根據(jù)貧困縣GDP與燈光強(qiáng)度的比例因子R，按照2.1.1節(jié)所提出的分組方法將所有連片特困區(qū)的貧困縣分為3組，并按本文研究方法提出的3組參量(G-S、G-M、g-M)分別作相關(guān)性散點圖分析，結(jié)果如圖4所示。

(a)第1組 (b) 第2組 (c) 第3組

圖4GDP與燈光強(qiáng)度散點圖

Fig.4ScatterplotofGDPandnightlight

通過對比圖4中3組數(shù)據(jù)發(fā)現(xiàn)，3組貧困縣都是單位面積GDP與燈光強(qiáng)度平均值之間的相關(guān)性最高，GDP總量與燈光強(qiáng)度總量次之，GDP總量與燈光強(qiáng)度平均值最差。本文選取單位面積GDP與燈光強(qiáng)度平均值進(jìn)行深入分析，并參照國內(nèi)外研究學(xué)者的結(jié)論對回歸模型的結(jié)果取對數(shù)，使處理后效果更好，3組貧困縣的對數(shù)分析結(jié)果散點圖如圖5所示。

(a)第1組 (b) 第2組 (c) 第3組

圖5對數(shù)分析結(jié)果散點圖

Fig.5Scatterplotanalysisresultsoflogarithm

觀察圖5可以發(fā)現(xiàn)，取對數(shù)之后3組貧困縣單位面積GDP與燈光強(qiáng)度平均值的回歸模型都達(dá)到了十分理想的精度，R2均大于0.9。據(jù)此，可以得出3組貧困縣GDP與燈光總量之間的關(guān)系分別為

(12)

根據(jù)公式(12)代入貧困縣的面積和燈光強(qiáng)度總量就可以得出貧困縣GDP的估算值，圖6表示3組貧困縣GDP估算值與真實值[20]的對比結(jié)果。將所有貧困縣的模擬結(jié)果與真實結(jié)果進(jìn)行相關(guān)性分析，R2達(dá)到0.873 8，說明整體估算結(jié)果與真實值較為接近。但是第1組的估算結(jié)果誤差最大，誤差較大的貧困縣數(shù)目所占本組比例較高； 第2組和第3組估算精度較高，僅有少數(shù)GDP較高的貧困縣誤差較大。第1組貧困縣估算模型誤差較大的地區(qū)主要集中在GDP較高的貧困縣中，而且利用模型估算的GDP普遍要比真實值低。這主要是因為在GDP較高的城鎮(zhèn)中心區(qū)域會存在一定程度的燈光飽和現(xiàn)象，這會造成估算結(jié)果存在一定誤差，GDP較高的縣估算值會比真實值偏低。一般情況下GDP越高區(qū)域，燈光飽和現(xiàn)象越嚴(yán)重，在進(jìn)行GDP估算模擬時產(chǎn)生的誤差越大。相反，GDP越低的區(qū)域，燈光飽和現(xiàn)象越小，估算的結(jié)果越準(zhǔn)確。將估算的結(jié)果與真實的結(jié)果作殘差對比分析如圖7所示。

(a)第1組 (b) 第2組 (c) 第3組

圖6估算值與真實值對比

Fig.6Comparisonchartofestimatesandrealvalue

圖7　GDP估算誤差分布

從分布范圍來看，西南和西北地區(qū)的大部分貧困縣估算精度較高，估算誤差較大的貧困縣主要分布在中部以及東北部地區(qū)，且都是在連片特困區(qū)的外部邊緣靠近經(jīng)濟(jì)發(fā)達(dá)地區(qū)的縣，如在重慶、武漢周圍分布了一些估算值偏低的貧困縣，而在北京、哈爾濱周圍則分布了一些估算值偏高的貧困縣，說明大城市的經(jīng)濟(jì)活動對周圍縣區(qū)的經(jīng)濟(jì)發(fā)展具有潛在的影響作用。由于連片特困區(qū)的燈光飽和現(xiàn)象較發(fā)達(dá)地區(qū)要弱很多，因此利用夜間燈光數(shù)據(jù)對連片特困區(qū)的GDP進(jìn)行估算具有較強(qiáng)的針對性，可以充分利用夜間燈光數(shù)據(jù)的優(yōu)勢實現(xiàn)縣級尺度連片特困區(qū)的GDP估算。

3.2連片特困區(qū)GDP空間化及其結(jié)果分析

經(jīng)過實際檢驗，在連片特困區(qū)GDP空間化處理時，采用GDP估算值比真實值得到的GDP空間化結(jié)果更為準(zhǔn)確。因此將3.1節(jié)中得到的貧困縣GDP估算值G′根據(jù)本文2.2節(jié)中提出的GDP空間化方法進(jìn)行空間化處理，最終得到連片特困區(qū)GDP空間化結(jié)果如圖8所示，圖中每個柵格的值代表1km×1km柵格范圍內(nèi)的GDP總量，這里本文簡稱為GDP密度，單位為萬元/km2。

圖8　特困區(qū)GDP空間化結(jié)果示意圖

從圖8中可以看到,連片特困區(qū)內(nèi)大部分區(qū)域GDP密度在50萬元/km2以內(nèi)，尤其是西部地區(qū)GDP密度甚至小于5萬元/km2，這些地方多為人煙稀少、土地缺乏利用價值的區(qū)域，很少存在生產(chǎn)活動。而GDP密度較高的區(qū)域多集中在中部平原地帶，以及西南、西北部的城鎮(zhèn)區(qū)域，這些地方多是人員大量聚集，經(jīng)濟(jì)活動密集的地區(qū)。在西北的部分連片特困區(qū)存在GDP密度為0的區(qū)域，原因有2個： 一是因為西北部地區(qū)地廣GDP稀，很多地方無法捕捉到燈光數(shù)據(jù)； 二是西北部地區(qū)沙地、戈壁等土地類型較多，這些區(qū)域在進(jìn)行GDP空間化處理時第一產(chǎn)業(yè)和第二、三產(chǎn)業(yè)產(chǎn)值分配都為0，因此最終結(jié)果GDP密度為0。在中西部的貧困縣GDP密度呈現(xiàn)由城鎮(zhèn)向縣邊界逐步降低的趨勢，在縣與縣的邊界區(qū)域GDP密度較為接近，相對于統(tǒng)計型的數(shù)據(jù)在邊界區(qū)域存在的不連續(xù)現(xiàn)象有了明顯改善。

4結(jié)論與討論

本文利用2010年夜間燈光數(shù)據(jù)建立模型估算特困區(qū)2010年GDP，并通過分產(chǎn)業(yè)結(jié)合土地利用類型數(shù)據(jù)得到連片特困區(qū)2010年GDP密度分布圖。在研究結(jié)果基礎(chǔ)上，利用統(tǒng)計工具對GDP估算及其空間化結(jié)果進(jìn)行統(tǒng)計分析，得到以下結(jié)論：

1)利用DMSP/OLS夜間燈光數(shù)據(jù)估算特困區(qū)GDP是一種快速且結(jié)果較為準(zhǔn)確的方法。本文通過合理的分組建模，利用夜間燈光數(shù)據(jù)估算出連片特困區(qū)GDP，與真實值相關(guān)系數(shù)R2達(dá)到0.873 8。其中西南、西北部地區(qū)的特困區(qū)GDP估算結(jié)果精度較高，而中部和東北部地區(qū)估算結(jié)果精度較低，并且其分布規(guī)律為距離發(fā)達(dá)城市越遠(yuǎn)越準(zhǔn)確。

2)連片特困區(qū)多為GDP低密度區(qū)，GDP高密度區(qū)集中在城鎮(zhèn)。連片特困區(qū)大部分GDP密度在50萬元/km2以內(nèi)，西北部地區(qū)甚至出現(xiàn)大片區(qū)域低于5萬元/km2； 但是在中部地區(qū)及鄰近經(jīng)濟(jì)發(fā)達(dá)城市的特困區(qū)也出現(xiàn)了達(dá)到1 000～2 000萬元/km2的GDP高密度區(qū)，說明在人口較集中，經(jīng)濟(jì)活動相對頻繁，以及受附近經(jīng)濟(jì)發(fā)達(dá)城市顯著影響的貧困地區(qū)易出現(xiàn)GDP高密度區(qū)。

3)由于夜間燈光數(shù)據(jù)存在大量無燈光區(qū)以及城鎮(zhèn)中心區(qū)域存在燈光飽和現(xiàn)象，這些區(qū)域的估算結(jié)果存在較大誤差，因此需要結(jié)合其他空間數(shù)據(jù)(如人口數(shù)據(jù)和土地利用數(shù)據(jù))進(jìn)行綜合分析。如何減少無燈光區(qū)和燈光飽和區(qū)的誤差將是今后需要深入研究的重點。

參考文獻(xiàn)(References)：

[1]程寶,高良麗.西部脆弱環(huán)境分布與貧困關(guān)系的研究[J].環(huán)境科學(xué)與技術(shù),2009,32(2):198-202.

ChenB,GaoLL.RelationshipbetweenecologicalfragilityandpovertyinwesternChina[J].EnvironmentalScienceandTechnology,2009,32(2):198-202.

[2]曹偉超,陶和平,譚理,等.基于多源空間數(shù)據(jù)的山區(qū)人口分布模擬[J].國土資源遙感,2012(2):61-67.doi:10.6046/gtzyyg.2012.02.12.

CaoWC,TaoHP,TanL,etal.Simulationofmountainpopulationdistributionbasedonmulti-sourcespatialdata[J].RemoteSensingforLandandResources,2012(2):61-67.doi:10.6046/gtzyyg.2012.02.12.

[3]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——反映區(qū)域城市化水平的燈光指數(shù)的構(gòu)建[J].遙感學(xué)報,2003,7(3):168-175,241.

ChenJ,ZhuoL,ShiPJ,etal.ThestudyonurbanizationprocessinChinabasedonDMSP/OLSdata:Developmentofalightindexforurbanizationlevelestimation[J].JournalofRemoteSensing,2003,7(3):168-175,241.

[4]李軍,胡云鋒,任旺兵,等.國家主體功能區(qū)空間型監(jiān)測評價指標(biāo)體系[J].地理研究,2013,32(1):123-132.

LiJ,HuYF,RenWB,etal.TheframeworkofspatialindexformonitoringandevaluatingthenationalmajorfunctionorientedzoneinChina[J].GeographicalResearch,2013,32(1):123-132.

[5]徐夢潔,陳黎,劉煥金,等.基于DMSP/OLS夜間燈光數(shù)據(jù)的長江三角洲地區(qū)城市化格局與過程研究[J].國土資源遙感,2011,23(3):106-112.doi:10.6046/gtzyyg.2011.03.19.

XuMJ,ChenL,LiuHJ,etal.PatternandprocessofurbanizationintheYangtzeDeltabasedonDMSP/OLSdata[J].RemoteSensingforLandandResources,2011,23(3):106-112.doi:10.6046/gtzyyg.2011.03.19.

[6]廖順寶,孫九林.基于GIS的青藏高原人口統(tǒng)計數(shù)據(jù)空間化[J].地理學(xué)報,2003,58(1):25-33.

LiaoSB,SunJL.GISbasedspatializationofpopulationcensusdatainQinghai-Tibetplateau[J].ActaGeographicaSinica,2003,58(1):25-33.

[7]DollCNH,MullerJP,MorleyJG.Mappingregionaleconomicactivityfromnight-timelightsatelliteimagery[J].EcologicalEconomics,2006,57(1):75-92.

[8]SuttonPC,ElvidgeCD,TilottamaG.Estimationofgrossdomesticproductatsub-nationalscalesusingnighttimesatelliteimagery[J].InternationalJournalofEcologicalEconomicsandStatistics,2007,8(7):5-21.

[9]ElvidgeCD,BaughKE,KihnEA,etal.Relationbetweensatelliteobservedvisible-nearinfraredemissions,population,economicactivityandelectricpowerconsumption[J].InternationalJournalofRemoteSensing,1997,18(6):1373-1379.

[10]GhoshT,PowellRL,ElvidgeCD.etal.Sheddinglightontheglobaldistributionofeconomicactivity[J].TheOpenGeographyJournal,2010,3:148-161.

[11]GhoshT,AndersonS,PowellRL,etal.EstimationofMexico’sinformaleconomyandremittancesusingnighttimeimagery[J].RemoteSensing,2009,1(3):418-444.

[12]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.

LiangYJ,XuZM.ModelingthespatialdistributionofGDPbasedonnightlightradiation:AcasestudyinGanzhoudistrict,Zhangyemunicipality[J].JournalofGlaciologyandGeocryology,2013,35(1):249-254.

[13]黃瑩,包安明,陳曦,等.基于綠洲土地利用的區(qū)域GDP公里格網(wǎng)化研究[J].冰川凍土,2009,31(1):158-165.

HuangY,BaoAM,ChenX,etal.StudyingtheGDPin1kmsquaregrid-cellsbasedonoasislanduse[J].JournalofGlaciologyandGeocryology,2009,31(1):158-165.

[14]劉紅輝,江東,楊小喚,等.基于遙感的全國GDP1km格網(wǎng)的空間化表達(dá)[J].地球信息科學(xué),2005,7(2):120-123.

LiuHH,JiangD,YangXH,etal.Spatializationapproachto1kmgridGDPsupportedbyremotesensing[J].Geo-InformationScience,2005(2):120-123.

[15]鐘凱文,黎景良,張曉東.土地可持續(xù)利用評價中GDP數(shù)據(jù)空間化方法的研究[J].測繪信息與工程,2007,32(3):10-12.

ZhongKW,LiJL,ZhangXD.GDPspatializationinlandsustainableuseassessment[J].JournalofGeomatics,2007,32(3):10-12.

[16]WangW,ChengH,ZhangL.PovertyassessmentusingDMSP/OLSnight-timelightsatelliteimageryataprovincialscaleinChina[J].AdvancesinSpaceResearch,2012,49(8):1253-1264.

[17]BuehnA,SchneiderF.Shadoweconomiesandcorruptionallovertheworld:Revisedestimatesfor120countries[J].Economics:TheOpen-Access,Open-AssessmentE-Journal,2007,1:1-53.

[18]ZhaoNZ,CurritN,SamsonE.NetprimaryproductionandgrossdomesticproductinChinaderivedfromsatelliteimagery[J].EcologicalEconomics,2011,70(5):921-928.

[19]劉紀(jì)遠(yuǎn),張增祥,徐新良，等.21世紀(jì)初中國土地利用變化的空間格局與驅(qū)動力分析[J].地理學(xué)報,2009,64(12):1411-1420.

LiuJY,ZhangZX,XuXL,etal.SpatialpatternsanddrivingforcesoflandusechangeinChinaduringtheearly21stcentury[J].ActaGeographicaSinica,2009,64(12):1411-1420.

[20]國家統(tǒng)計局.中國農(nóng)村貧困監(jiān)測報告[M].北京:中國統(tǒng)計出版社,2011.

NationalBureauofStatistics.PovertyMonitoringReportofRuralChina[M].Beijing:ChinaStatisticsPress,2011.

(責(zé)任編輯： 陳理)

SimulationandspatializationofGDPinpovertyareasbasedonnightlightimagery

LIZongguang,HUDeyong,LIJihe,CENJian

(College of Resource Environment and Tourism, Capital Normal University, Beijing 100048, China)

Abstract:Gross domestic products (GDP) can represent the economic development conditions of a region, and it is significant for poverty alleviation work to build the GDP spatial databases with high precision. In this paper, a regression model for DMSP/OLS night light data and GDP values in poverty areas was established in groups, and the GDP in continuous poverty areas were retrieved from the night light data. Then the GDP was divided into two parts. One is the GDP of primary industry, and the other is the GDP of second and tertiary industry. Finally, a spatial model for GDP of primary industry was established based on land use data and, in addition, the spatial model for GDP of other two kinds of industries was also built based on night light data. According to the results obtained, the estimation results of GDP are more accurate in most counties; the correlation coefficient between the estimated values and true values is 0.873 8 at the county level; the continuous poverty areas almost consist of GDP low-density areas; nevertheless, there are a few GDP high-density areas concentrated in towns; the GDP of most continuous poverty areas is less than 500 000 yuan per square kilometer except for the center of town poverty areas, and the GDP is even less than 50 000 yuan per square kilometer in the northwest territories. The economic status can be well reflected by the density distributions map of GDP in poverty areas, which can provide data support for poverty alleviation work.

Keywords:GDP; night light data; land use; spatial; poverty region

doi:10.6046/gtzyyg.2016.02.26

收稿日期：2015-01-14；

修訂日期：2015-04-04

基金項目：北京市教委科研計劃面上項目“城市化對地表輻射和能量平衡影響的定位觀測和遙感分析”和衛(wèi)星測繪技術(shù)與應(yīng)用國家測繪地理信息局重點實驗室開放基金項目“大規(guī)模城市化對地表輻射平衡影響的遙感分析”(編號： KLSMTA-201305)共同資助。

中圖法分類號：TP 79

文獻(xiàn)標(biāo)志碼：A

文章編號：1001-070X(2016)02-0168-07

第一作者簡介：李宗光(1989-)，男，碩士研究生，主要從事資源環(huán)境遙感研究。Email： glzong@163.com。

通信作者：胡德勇(1974-)，男，副教授，主要從事遙感和地理信息系統(tǒng)在自然災(zāi)害、資源環(huán)境等領(lǐng)域的應(yīng)用研究。Email： deyonghu@163.com。

引用格式： 李宗光,胡德勇,李吉賀,等.基于夜間燈光數(shù)據(jù)的連片特困區(qū)GDP估算及其空間化[J].國土資源遙感,2016,28(2)：168-174.(LiZG,HuDY,LiJH,etal.SimulationandspatializationofGDPinpovertyareasbasedonnightlightimagery[J].RemoteSensingforLandandResources,2016,28(2)：168-174.)