(成都理工大學(xué) 四川 成都 610000)

GDP用于表征區(qū)域經(jīng)濟(jì)發(fā)展水平，廣泛應(yīng)用于評價(jià)和衡量區(qū)域發(fā)展?fàn)顩r與經(jīng)濟(jì)實(shí)力等方面，目前包括GDP在內(nèi)的社會經(jīng)濟(jì)數(shù)據(jù)大多數(shù)都以行政區(qū)劃為統(tǒng)計(jì)單元，以行政區(qū)為單元的統(tǒng)計(jì)GDP數(shù)據(jù)能夠較好地反映區(qū)域整體經(jīng)濟(jì)發(fā)展水平，但不能反映行政區(qū)內(nèi)部經(jīng)濟(jì)發(fā)展差異，也存在統(tǒng)計(jì)單元數(shù)據(jù)與其他環(huán)境數(shù)據(jù)空間上不匹配等問題，而以像元為單元的GDP數(shù)據(jù)既能反映行政區(qū)內(nèi)部經(jīng)濟(jì)發(fā)展差異，也可以為區(qū)域經(jīng)濟(jì)和GDP產(chǎn)業(yè)結(jié)構(gòu)細(xì)化估值提供依據(jù)[1]。目前，眾多國內(nèi)外學(xué)者逐漸開始重視GDP空間化，并且提出了多種GDP空間化的方法[2-3]。

一、研究區(qū)概況

重慶位于長江上游，屬于中國西南部地區(qū)，總面積達(dá)8.24萬km2，平均海拔高度多在400 m之間，地勢南北高，中西部低。境內(nèi)山高谷深，最大高差為2723.7 m，山地面積約為6.26萬km2，占總面積的76%，丘陵占22%，河谷平壩僅占2%。重慶是西南地區(qū)最大的綜合性工業(yè)基地，處于經(jīng)濟(jì)快速發(fā)展的東西部結(jié)合地帶。2012年，重慶GDP總量為11409.6億元是2001年GDP總量的4倍，但各區(qū)縣間GDP增長差異大，如渝中區(qū)GDP為766億元，而巫溪縣、巫山縣的GDP總量分別60.2億元，75.1億元，僅為渝中區(qū)的4～5%。

二、研究方法與數(shù)據(jù)基礎(chǔ)

(一)數(shù)據(jù)源與預(yù)處理

研究數(shù)據(jù)主要涉及統(tǒng)計(jì)數(shù)據(jù)和空間數(shù)據(jù)兩部分。其中統(tǒng)計(jì)數(shù)據(jù)有2012年重慶市GDP數(shù)據(jù)(2013年重慶市統(tǒng)計(jì)年鑒)；空間數(shù)據(jù)有：2012年重慶市DMSP/OLS夜間燈光指數(shù)數(shù)據(jù)源于美國國家地球物理數(shù)據(jù)中心。(http://www.ngdc.gov/dmsp/downloadV4composites.html)空間分辨率為1 km；2012年MODIS逐月NDVI數(shù)據(jù)，空間分辨率為500 m(源于地理空間數(shù)據(jù)云MODIS中國合成產(chǎn)品)；DEM數(shù)據(jù)(源于國家地球系統(tǒng)科學(xué)數(shù)據(jù)共享平臺)，空間分辨率為1km；2012年重慶市行政區(qū)劃圖。為了統(tǒng)一運(yùn)算，所有空間數(shù)據(jù)均采用Transverse_Mercator投影。

(二)構(gòu)建GDP空間化模型

夜間燈光數(shù)據(jù)的原始分辨率比NDVI數(shù)據(jù)的分辨率低，而且城市中心的夜間燈光指數(shù)由于經(jīng)濟(jì)發(fā)展水平高還存在像元過飽和現(xiàn)象。所以基于這兩種數(shù)據(jù)的互補(bǔ)性，引入NDVI數(shù)據(jù)，可有效減緩夜間燈光數(shù)據(jù)的過飽和現(xiàn)象，提高人居指數(shù)精度。本文參考Lu等[3-5]的研究,利用以下公式建立人居指數(shù)(Human Settlement Index,HLS)：

(1)

式中，NDVImax為MODIS NDVI在2012年的最大值，OLSnor為2012年經(jīng)過標(biāo)準(zhǔn)化的夜間燈光指數(shù)數(shù)據(jù)(0～1)。對人居指數(shù)進(jìn)行分區(qū)統(tǒng)計(jì)，利用各個區(qū)縣人居指數(shù)的平均值與對應(yīng)區(qū)縣的GDP統(tǒng)計(jì)密度進(jìn)行線性回歸分析，得到人居指數(shù)平均值與GDP統(tǒng)計(jì)密度的回歸方程。根據(jù)人居指數(shù)與統(tǒng)計(jì)GDP密度的線性關(guān)系式y(tǒng)=40441x-1994.3來對重慶市各個區(qū)縣的GDP密度進(jìn)行模擬，得到初步模擬的GDP密度。

三、結(jié)果分析與精度評價(jià)

(一)結(jié)果分析

主城區(qū)域夜燈值高、NDVI值低，使得主城及周邊地區(qū)人居指數(shù)高。從2012年重慶市GDP分布來看，主城及周邊地區(qū)由于經(jīng)濟(jì)發(fā)展水平比渝東南和渝東北的大部分區(qū)縣高，所以GDP高的區(qū)域主要集中在主城以及主城周圍的區(qū)縣。由此可得出人居指數(shù)與GDP分布之間的空間對應(yīng)關(guān)系：在人居指數(shù)高的區(qū)域，GDP水平高，在空間分布上具有正相關(guān)。運(yùn)用區(qū)縣GDP統(tǒng)計(jì)值除以面積，得到各個區(qū)縣GDP密度，從2012年重慶市GDP密度分布來看，都市區(qū)以及周邊地區(qū)由于經(jīng)濟(jì)發(fā)展水平高GDP密度普遍高于渝東南和渝東北區(qū)縣的GDP密度。

(二)精度評價(jià)

利用人居指數(shù)HLS與重慶市各區(qū)縣統(tǒng)計(jì)GDP密度進(jìn)行線性回歸分析構(gòu)建GDP空間化模型，利用模型模擬GDP密度，得到GDP模擬密度與GDP統(tǒng)計(jì)密度之間的相對誤差為18%，從各區(qū)縣GDP密度分布的模擬結(jié)果來看，有60%的區(qū)縣GDP密度模擬的誤差小于20%，其中有10個區(qū)縣的模擬結(jié)果的絕對誤差小于15%，誤差最小的是榮昌縣，與統(tǒng)計(jì)的GDP密度僅相差0.3%。模擬誤差較大的多為渝東南翼和渝東北翼邊界的幾個區(qū)縣，其中城口GDP密度模擬的相對誤差較大，這幾個地區(qū)的模擬誤差較大的主要原因是這些地方的地勢相較于其他區(qū)縣海拔較高，地形復(fù)雜，對模擬結(jié)果進(jìn)行柵格分區(qū)統(tǒng)計(jì)時，在對邊界取舍的過程中容易造成細(xì)節(jié)部分的缺失，從而在對重慶進(jìn)行GDP密度模擬時造成誤差偏大的結(jié)果。

四、結(jié)論

將傳統(tǒng)以行政區(qū)劃為計(jì)算單元的GDP密度轉(zhuǎn)變?yōu)橛?jì)算空間離散的格網(wǎng)，使GDP密度的空間分布精確到行政區(qū)內(nèi)部且更具有實(shí)際的研究分析意義。對于重慶這種地形復(fù)雜的地區(qū)來說，GDP空間化就有更加實(shí)際的作用了，由于重慶的各個區(qū)縣所處的地形和地勢差異較大，各區(qū)縣的發(fā)展水平差異較大，將GDP空間化有利于分析重慶經(jīng)濟(jì)發(fā)展水平較低的區(qū)縣內(nèi)部的經(jīng)濟(jì)發(fā)展差異，從而為制定精確的地區(qū)內(nèi)部經(jīng)濟(jì)發(fā)展戰(zhàn)略提供輔助判斷依據(jù)。由于研究中的DMSP/OLS夜間燈光指數(shù)數(shù)據(jù)比MODIS逐月 NDVI數(shù)據(jù)比DMSP/OLS夜間燈光指數(shù)數(shù)的空間分辨率低，所以將兩種數(shù)據(jù)進(jìn)行融合處理可以有效減少夜燈數(shù)據(jù)像元過飽和現(xiàn)象，也在一定程度上緩解了夜燈數(shù)據(jù)像元溢出問題。但研究中對GDP分布的影響因素分析不足，以后的研究中能夠進(jìn)一步對影響因素進(jìn)行深入分析，從而提升GDP模擬模型的精度。