基于DMSP/OLS夜間燈光數(shù)據(jù)的中國經(jīng)濟(jì)空間格局

倪金星, 楊 劍， 徐冬冬， 馬志飛， 王 毅， 丁正山

(南京師范大學(xué) 地理科學(xué)學(xué)院， 南京 210023)

?

基于DMSP/OLS夜間燈光數(shù)據(jù)的中國經(jīng)濟(jì)空間格局

倪金星*, 楊 劍， 徐冬冬， 馬志飛， 王 毅， 丁正山

(南京師范大學(xué) 地理科學(xué)學(xué)院， 南京 210023)

基于中國2303個縣域單元1998年～2013年的人均GDP和夜間燈光遙感數(shù)據(jù)，采用空間自相關(guān)分析方法研究中國縣域經(jīng)濟(jì)發(fā)展的空間格局，結(jié)果表明：1)整體上，中國區(qū)域經(jīng)濟(jì)增長兩極分化嚴(yán)重，區(qū)域發(fā)展空間格局大體保持不變.其中，東部地區(qū)的珠三角、福建沿海、長三角、山東半島、京津唐、遼中南依舊為典型的經(jīng)濟(jì)發(fā)達(dá)區(qū)，成為全國性的經(jīng)濟(jì)增長極，但是其經(jīng)濟(jì)溢出效應(yīng)不足；西南地區(qū)的貴州、四川行政區(qū)的邊緣及西藏東南部和甘肅南部為典型的經(jīng)濟(jì)落后區(qū)；中西部的省會城市成為區(qū)域經(jīng)濟(jì)增長中心，對周邊縣市產(chǎn)生虹吸作用.2)從時間序列變化趨勢來看，不同聚類類型的變化趨勢差異顯著.HH類型區(qū)的空間格局總體上穩(wěn)定，年際變化小；LL類型區(qū)年際起伏變化大；HL類型和LH類型區(qū)變化不顯著.從空間分布特征來看，HH類型和LL類型區(qū)具有集中連片分布的特征，HL類型和LH類型區(qū)趨于分散，其中HL類型呈點狀分布于中西部省會城市(武漢、西安、蘭州、成都、重慶、貴陽、南寧、昆明).

DMSP/OLS； 空間格局； 人均GDP數(shù)據(jù)； 夜間燈光數(shù)據(jù)； 中國縣域

經(jīng)濟(jì)增長差異是經(jīng)濟(jì)地理學(xué)的重要研究方向.進(jìn)入新世紀(jì)以來，中國經(jīng)濟(jì)差異不斷呈現(xiàn)新格局，而識別經(jīng)濟(jì)增長的新格局對于適時制定區(qū)域發(fā)展政策具有重要意義.現(xiàn)有中國區(qū)域經(jīng)濟(jì)差異的研究雖已囊括多尺度視角、多機(jī)制解析、多方法測度等特點，但這往往基于傳統(tǒng)統(tǒng)計指標(biāo)的研究[1]，如GDP、人均GDP、綜合評價指標(biāo)等[2-10]，而這些數(shù)據(jù)有一定的局限性，如GDP數(shù)據(jù)在一些偏遠(yuǎn)地區(qū)不易獲得，國家收入計算方法標(biāo)準(zhǔn)化缺失，數(shù)據(jù)收集缺乏一致的方法，調(diào)查人員效率低，以及不同國家地區(qū)間的政治經(jīng)濟(jì)情況的差異等缺點[11]，導(dǎo)致研究結(jié)論存在偏差.因此，客觀精準(zhǔn)的數(shù)據(jù)測度中國經(jīng)濟(jì)差異有其必要性，其中，徐康寧等人認(rèn)為夜間燈光亮度在一定條件下可以作為觀察經(jīng)濟(jì)增長數(shù)據(jù)的替代變量[12].故嘗試結(jié)合人均GDP數(shù)據(jù)和夜間燈光數(shù)據(jù)兩個指標(biāo)共同診斷新時期中國經(jīng)濟(jì)增長的新格局將是有益的探索.

隨著遙感技術(shù)的廣泛應(yīng)用，夜間燈光數(shù)據(jù)的可獲得性普遍提高，由于其具有客觀、信息獲取快捷、時效性等優(yōu)勢，國外一些學(xué)者嘗試?yán)肈MSP/OLS(Defense Meteorological Satellite Program/Operational Linescan System)夜間燈光數(shù)據(jù)進(jìn)行研究城市空間擴(kuò)張、城市潛能、城鎮(zhèn)化測度、人口分布、能源消耗、碳排放、經(jīng)濟(jì)發(fā)展評價等領(lǐng)域[13-22]；而國內(nèi)學(xué)者已開始利用DMSP/OLS夜間燈光數(shù)據(jù)對經(jīng)濟(jì)增長進(jìn)行研究，其中，一些學(xué)者利用夜間燈光數(shù)據(jù)進(jìn)行反演經(jīng)濟(jì)增長[23-24]、評價經(jīng)濟(jì)發(fā)展水平[25]，另一些學(xué)者利用夜間燈光數(shù)據(jù)進(jìn)行估算經(jīng)濟(jì)密度[26-30]，相關(guān)研究證實了燈光數(shù)據(jù)表征經(jīng)濟(jì)發(fā)展水平的客觀真實性，這為本文進(jìn)一步從更小縣域尺度來判斷中國經(jīng)濟(jì)增長空間新模式提供了可靠支撐.

故本文綜合利用DMSP/OLS夜間燈光數(shù)據(jù)及人均GDP數(shù)據(jù)，采用局部自相關(guān)技術(shù)，對1998-2013年間中國縣域經(jīng)濟(jì)增長的空間格局新特征進(jìn)行識別.首先，基于人均GDP分析中國縣域經(jīng)濟(jì)增長空間格局，其次，利用夜間燈光數(shù)據(jù)識別中國縣域經(jīng)濟(jì)增長空間格局，最后通過綜合比較和疊加分析，以此識別新時期中國縣域經(jīng)濟(jì)增長共同的空間格局特征.

1數(shù)據(jù)來源與處理

中國縣級行政邊界來自長江三角洲科學(xué)數(shù)據(jù)平臺(http://nnu.geodata.cn：8008/).人均GDP數(shù)據(jù)來自各年份《中國縣市社會經(jīng)濟(jì)統(tǒng)計年鑒》、地級市年鑒及部分市、縣、區(qū)國民經(jīng)濟(jì)與社會發(fā)展統(tǒng)計公報，統(tǒng)一按照2008年行政區(qū)劃進(jìn)行歸并，經(jīng)過處理后，得到2303個縣域單元1998～2013年可比價的人均GDP數(shù)據(jù)；而夜間燈光數(shù)據(jù)獲取于美國美國空軍氣象局(Air Force Weather Agency，AFWA)整理的DMSP/OLS原始數(shù)據(jù)及NOAA國家地球物理數(shù)據(jù)中心(http://www.ngdc.noaa.gov/eog/dmsp.html)對其進(jìn)行處理而生成.本文采用的是穩(wěn)定燈光數(shù)據(jù)，該數(shù)據(jù)包含城鎮(zhèn)以及其它類型的穩(wěn)定燈光，排除了太陽光、云、月光等因素的影響，分辨率為30秒弧度，其值代表年平均燈光強(qiáng)度，范圍是1～63，背景值為0，將夜間燈光數(shù)據(jù)投影至蘭勃特等積方位投影坐標(biāo)系下，采用最鄰近法重采樣得到分辨率為1km格網(wǎng)柵格.本文主要選擇1998年、2003年、2008年及2013年4個時點進(jìn)行分析.

2研究方法

為真實揭示中國經(jīng)濟(jì)發(fā)展的空間格局特征，首先，運用ArcGIS10.2軟件統(tǒng)計縣域單元的夜間燈光值總量，然后從全局的角度考察人均GDP和夜間燈光值的空間關(guān)聯(lián)程度，再利用局域空間自相關(guān)工具分別繪制縣級地域人均GDP和縣域夜間燈光數(shù)據(jù)的空間聚類圖，最后將兩個圖層疊加識別出空間聚類的公共部分，則得到共同探測的中國經(jīng)濟(jì)增長的空間格局特征.

2.1全局空間自相關(guān)

全局自相關(guān)指數(shù)Moran’s I是從整個區(qū)域的角度衡量空間要素之間相互關(guān)系和空間集聚程度，表達(dá)式為[31]:

(1)

2.2局域空間自相關(guān)

局域自相關(guān)指數(shù)Moran’s I(LISA)是從局部尺度上衡量空間要素之間的相互關(guān)系和空間差異程度，表達(dá)式為：

(3)

式中，zi、zj分別表示觀測值的標(biāo)準(zhǔn)化形式，其余變量含義與式(1)相同.局域空間自相關(guān)分析結(jié)果形成4種空間分布形式：HH代表高屬性值的區(qū)域被同樣是高值的區(qū)域所包圍；HL代表高值區(qū)域被低值區(qū)域包圍；LL代表低值區(qū)域被同樣是低值區(qū)域包圍；LH代表低值區(qū)域被高值區(qū)域包圍[33].

3結(jié)果分析

3.1中國縣域經(jīng)濟(jì)增長的空間關(guān)聯(lián)性分析

運用ArcGIS10.2軟件分別計算2303個縣域單元人均GDP和夜間燈光數(shù)據(jù)的全局Moran’sI統(tǒng)計值，如表1.從縣域人均GDP數(shù)據(jù)來看，全局Moran’sI檢驗結(jié)果顯著，說明我國縣域單元人均GDP呈現(xiàn)正的空間自相關(guān)，從Moran’sI指數(shù)年際變化來看，并未發(fā)生巨大波動，說明1998年～2013年期間以人均GDP為指標(biāo)的我國經(jīng)濟(jì)總體格局呈現(xiàn)較為穩(wěn)定的空間關(guān)聯(lián)度.從縣域夜間燈光數(shù)據(jù)來看，全局Moran’sI檢驗結(jié)果顯著，表明我國夜間燈光數(shù)據(jù)呈現(xiàn)正的空間自相關(guān).總體來看Moran’sI指數(shù)不斷提升，說明我國縣域夜間燈光值的空間關(guān)聯(lián)程度整體逐年增強(qiáng).通過比較得出，總體上中國縣域夜間燈光數(shù)據(jù)的空間集聚水平低于縣域單元人均GDP的空間集聚水平，縣域人均GDP空間關(guān)聯(lián)程度隨時間變化呈現(xiàn)穩(wěn)定的態(tài)勢而縣域夜間燈光數(shù)據(jù)空間關(guān)聯(lián)程度隨時間演進(jìn)不斷增強(qiáng).

3.2中國縣域增長的局域空間格局

3.2.1縣級尺度人均GDP空間格局特征分析 進(jìn)一步對縣級行政單元人均GDP的局域自相關(guān)進(jìn)行分析，結(jié)果如圖1及表2.其中，1998年HH類型的縣域主要分布于遼寧中部和南部、北京、河北的東北部、山東半島、長三角、福建沿海、珠三角、湖北中部以及新疆的烏魯木齊和克拉瑪依等地區(qū)，LL類型主要集中分布于陜西、重慶東部、貴州、甘肅南部、寧夏南部、西藏東南以及新疆南部等地區(qū)；與1998年相比，2003年HH集聚類型的分布在京冀、山東半島、長三角、珠三角地區(qū)有所擴(kuò)大，并在內(nèi)蒙古的鄂托克旗、伊金霍洛旗和甘肅北部等地區(qū)出現(xiàn)新的集聚區(qū)，LL類型最明顯的變化是在西藏地區(qū)變?yōu)椴伙@著區(qū)以及在河南與安徽交界的大別山區(qū)由不顯著類型變?yōu)長L類型；2008年HH類型在內(nèi)蒙古西部、甘肅北部以及青海北部形成大范圍連片地區(qū)，在珠三角地區(qū)有所縮小，福建地區(qū)只剩下廈門、晉江和福清等小范圍地區(qū)，LL類型發(fā)生顯著變化的是四川周邊、云南南部、湖南西部的地區(qū)有所擴(kuò)大，在我國西南地區(qū)形成大范圍的環(huán)狀集聚區(qū)；到2013年HH和LL類型的縣域單元明顯減少，約分別占全國的9.2%和5.2%，具體表現(xiàn)為HH類型在珠三角、長三角和環(huán)渤海地區(qū)的分布明顯減少，福建的HH類型則消失，而山東大部分地區(qū)成為HH集聚類型，LL類型在我國西南地區(qū)的分布銳減，但仍主要分布于貴州和廣西的交界、甘肅南部、西藏東南等地區(qū).

表1 1998年～2013年我國縣域人均GDP和夜間燈光值的全局 Moran’s I指數(shù)估計值

整體來看，縣級尺度以人均GDP為變量的空間格局以HH和LL類型為主，而HL和LH類型則分布較少且分散；且HH類型區(qū)集中分布于珠三角、福建、長三角、山東、環(huán)渤海以及內(nèi)蒙古地區(qū)，LL類型區(qū)主要分布在西部地區(qū)，尤其是西南地區(qū).

表2 1998年～2013年我國縣域人均GDP局域空間集聚統(tǒng)計

圖1 1998年～2013年我國縣域人均GDP局部空間自相關(guān)分析Fig.1 LISA cluster map of per capita GDP at the county level in China during 1998～2013

3.2.2縣級尺度夜間燈光空間格局特征分析 對縣級行政單元的夜間燈光數(shù)據(jù)的局域空間自相關(guān)方法進(jìn)行分析，結(jié)果如圖2及表3.總體來看，1998年～2013年夜間燈光數(shù)據(jù)HH類型區(qū)的空間分布相對穩(wěn)定，HH類型縣域總量占全國的8%～10%，主要集中于珠三角、長三角、江蘇、山東、京津、遼寧中南部、哈長城市群(哈爾濱和長春)等地區(qū).LL類型區(qū)總體變化顯著，但分布區(qū)域主要集中于我國西南地區(qū).HL和LH類型區(qū)分布數(shù)量較少，1998年～2013年間兩種類型分別約占0.5%和0.4%，其中HL類型區(qū)以分布于中西部省會城市為主.

表3 1998年～2013年我國縣域夜間燈光值局域空間集聚統(tǒng)計

圖2 1998年～2013年我國縣域夜間燈光數(shù)據(jù)局部空間自相分析Fig.2 LISA cluster map of nighttime light at the county level in China during 1998～2013

3.2.3縣域經(jīng)濟(jì)數(shù)據(jù)與夜間燈光數(shù)據(jù)共同空間格局特征分析 由圖1、圖2可以看出，存在分別以人均GDP和夜間燈光值為變量的空間格局特征不相協(xié)調(diào)的區(qū)域.一方面官方統(tǒng)計的GDP數(shù)據(jù)存在“虛假”.例如，2008年～2013年間縣域人均GDP的空間關(guān)聯(lián)類型中內(nèi)蒙古為HH類型區(qū)，而在夜間燈光數(shù)據(jù)中的空間關(guān)聯(lián)類型為不顯著區(qū)，而2013年僅有包頭市、東勝市和伊金霍洛旗三個縣市的人均GDP和夜間燈光值同為HH類型區(qū).這是由于傳統(tǒng)的統(tǒng)計數(shù)據(jù)表征的經(jīng)濟(jì)發(fā)展水平存在著“虛假”性[34]，事實上，內(nèi)蒙古鄂爾多斯、阿拉善盟、錫林格勒盟等地區(qū)大規(guī)模資源開發(fā)帶來的人均GDP迅速增長的背后可能掩蓋了經(jīng)濟(jì)發(fā)展與地區(qū)整體產(chǎn)業(yè)結(jié)構(gòu)失調(diào)和社會發(fā)展滯后的現(xiàn)象[5]，人口數(shù)量少且低水平城市化解釋了內(nèi)蒙古夜間燈光值較低的原因，說明內(nèi)蒙古作為新興的區(qū)域經(jīng)濟(jì)增長中心，達(dá)到綜合平衡發(fā)展還需要時間的積累，也從側(cè)面說明夜間燈光數(shù)據(jù)可反映經(jīng)濟(jì)增長的質(zhì)量.一方面存在夜間燈光值不能完全反映真實的經(jīng)濟(jì)發(fā)展水平.例如，以夜間燈光值為變量的空間關(guān)聯(lián)類型中長春和哈爾濱以出現(xiàn)HH類型，而在縣域經(jīng)濟(jì)的空間關(guān)聯(lián)類型中為不顯著區(qū)域，出現(xiàn)差異的主要原因是整體上東北地區(qū)的人口、經(jīng)濟(jì)、空間城市化的協(xié)調(diào)性比較差，尤其是哈長城市群的人口城市化水平高于經(jīng)濟(jì)城市化水平[35]，夜間燈光值比較高可能是其城市人口集聚程度較高.所以需要采用人均GDP和夜間燈光值兩個變量疊加分析識別共同空間格局，揭示出新時期的經(jīng)濟(jì)空間格局特征.

運用ArcGIS10.2軟件將人均GDP和夜間燈光值進(jìn)行疊加分析，識別出兩者的公共聚類空間，結(jié)果如圖3及表4.整體來看，不同聚類類型的變化趨勢差異顯著，其中，1998年～2013年間，縣級尺度的人均GDP和夜間燈光值相同HH類型縣市的空間格局總體上較穩(wěn)定，年際變化小，集中分布于珠三角、福建沿海、長三角、山東半島、京津唐以及遼中南地區(qū)，這說明上個世紀(jì)90年代以來，東部沿海地區(qū)隨著技術(shù)、資本、人才等要素的不斷集聚，成為我國重要的經(jīng)濟(jì)核心區(qū)，在經(jīng)濟(jì)擴(kuò)散效應(yīng)作用下，形成了環(huán)渤海、長三角和珠三角重要的區(qū)域經(jīng)濟(jì)增長極；相同LL類型區(qū)的縣市數(shù)量起伏變化大，雖然在2003年只有江口縣，但是到2008年又迅速增多，在2013年有明顯減少的趨勢.由圖3知，我國大部分西北地區(qū)成為不顯著區(qū)，表明在西部大開發(fā)戰(zhàn)略作用下，沒有成為經(jīng)濟(jì)塌陷區(qū)，但也并未縮小與東部地區(qū)的差異，而西南地區(qū)受地理區(qū)位及生態(tài)環(huán)境保護(hù)壓力的影響，經(jīng)濟(jì)發(fā)展緩慢，一直處于我國經(jīng)濟(jì)“洼地”；相同HL類型區(qū)分布以中西部的省會城市為主，說明中西部省會城市作為區(qū)域的增長極，對周邊縣市的發(fā)展具有“虹吸作用”；相同LH類型區(qū)分布數(shù)量少，特征不明顯.

表4 1998年～2013年我國縣域人均GDP和夜間燈光值公共局域空間集聚統(tǒng)計

圖3 1998年～2013年我國縣域人均GDP和夜間燈光值雙變量局域空間自相關(guān)分析Fig.3 spatial clustering map of LISA for per capita GDP and nighttime light at the county level in China during 1998～2013

綜上分析，1998年來中國經(jīng)濟(jì)增長呈現(xiàn)出顯著地東部沿海和西南地區(qū)兩極分化的空間格局，經(jīng)濟(jì)不平等性較為嚴(yán)重，尤其是東部6個城市群：珠三角、福建沿海、長三角、山東半島、京津唐、遼中南，一直是經(jīng)濟(jì)增長的高地；西南地區(qū)成為我國經(jīng)濟(jì)增長的洼地；中西部的省會城市(武漢、西安、蘭州、成都、重慶、貴陽、南寧、昆明)作為區(qū)域經(jīng)濟(jì)增長的中心，對周邊地區(qū)形成虹吸作用；這進(jìn)一步反映出東部地區(qū)的經(jīng)濟(jì)增長溢出效應(yīng)不足，至多對中部地區(qū)產(chǎn)生外溢效應(yīng)，而對東北地區(qū)、西北地區(qū)與西南地區(qū)的輻射拉動效應(yīng)較弱[36].

4結(jié)論和討論

文章從時間和空間兩個維度分析1998年～2013年期間我國縣級尺度經(jīng)濟(jì)發(fā)展的時空格局特征，得到以下結(jié)論.

1) 整體上，中國區(qū)域經(jīng)濟(jì)增長兩極分化嚴(yán)重，區(qū)域發(fā)展空間格局大體保持不變.其中，東部地區(qū)的珠三角、福建沿海、長三角、山東半島、京津唐、遼中南依舊為典型的經(jīng)濟(jì)發(fā)達(dá)區(qū)，成為全國性的經(jīng)濟(jì)增長極，但是其經(jīng)濟(jì)溢出效應(yīng)不足；西南地區(qū)的貴州、四川行政區(qū)的邊緣及西藏東南部和甘肅南部為典型的經(jīng)濟(jì)落后區(qū)；中西部的省會城市成為區(qū)域經(jīng)濟(jì)增長中心，對周邊縣市產(chǎn)生虹吸作用.

2) 從時間序列變化趨勢來看，不同聚類類型的變化趨勢差異顯著.HH類型區(qū)的空間格局總體上穩(wěn)定，年際變化??；LL類型區(qū)年際起伏變化大；HL類型和LH類型區(qū)變化不顯著.從空間分布特征來看，HH類型和LL類型區(qū)具有集中連片分布的特征，HL類型和LH類型區(qū)趨于分散，其中HL類型呈點狀分布于中西部省會城市(武漢、西安、蘭州、成都、重慶、貴陽、南寧、昆明).

通過對縣級尺度的人均GDP和夜間燈光值兩個變量的疊加分析，能夠較為準(zhǔn)確的識別出我國縣域的經(jīng)濟(jì)空間格局，具有較好的可信度，可以彌補(bǔ)人均GDP單一指標(biāo)測度的缺陷.但夜間燈光數(shù)據(jù)也有其局限性，如人口增多可以增加燈光強(qiáng)度，即便是在經(jīng)濟(jì)低迷時期[37]，可見僅用一個指標(biāo)來反映地區(qū)經(jīng)濟(jì)發(fā)展水平，會產(chǎn)生偏差，有失準(zhǔn)確性，也因此需要一個綜合指標(biāo)更加準(zhǔn)確的反映一個區(qū)域的經(jīng)濟(jì)發(fā)展水平.由于人均GDP與夜間燈光數(shù)據(jù)的影響因素較多，文章采用區(qū)域的燈光值總和與人均GDP兩個指標(biāo)通過綜合比較和疊加分析的方法識別經(jīng)濟(jì)空間格局也具有一定的局限性，因而下一步將探索建立一個考慮人口、城鎮(zhèn)用電情況等數(shù)據(jù)的綜合指標(biāo)更能夠全面解釋中國的經(jīng)濟(jì)格局.

[1] OVERMAN G H. Can we learn anything from economic[J]. Journal of Economic Geography, 2004, 4(5): 501-516．

[2] 馮長春, 曾贊榮, 崔娜娜. 2000年以來中國區(qū)域經(jīng)濟(jì)差異的時空演變[J]. 地理研究, 2015, 34(2): 40-52．

[3] 李 丁, 冶小梅, 汪勝蘭, 等. 基于ESDA-GIS的縣域經(jīng)濟(jì)空間差異演化及驅(qū)動力分析——以蘭州-西寧城鎮(zhèn)密集區(qū)為例[J]. 經(jīng)濟(jì)地理, 2013, 33(5): 25, 33-38．

[4] 張改素, 丁志偉, 王發(fā)曾. 我國中部地區(qū)經(jīng)濟(jì)密度的時空分異研究[J]. 經(jīng)濟(jì)地理, 2013, 33(5): 17-25．

[5] 齊元靜, 楊 宇, 金鳳君. 中國經(jīng)濟(jì)發(fā)展階段及其時空格局演變特征[J]. 地理學(xué)報, 2013, 68(4): 87-101．

[6] 洪國志, 胡華穎, 李 郇. 中國區(qū)域經(jīng)濟(jì)發(fā)展收斂的空間計量分析[J]. 地理學(xué)報, 2010, 65(12): 110-120．

[7] 蘆 惠, 歐向軍, 李 想, 等. 中國區(qū)域經(jīng)濟(jì)差異與極化的時空分析[J]. 經(jīng)濟(jì)地理, 2013, 33(6): 15-21．

[8] 王 洋, 修春亮. 1990-2008年中國區(qū)域經(jīng)濟(jì)格局時空演變[J]. 地理科學(xué)進(jìn)展, 2011, 30(8): 1037-1046．

[9] 劉 玉, 潘瑜春, 陳秧分. 山東省縣域經(jīng)濟(jì)發(fā)展的時空動態(tài)研究[J]. 經(jīng)濟(jì)地理, 2012, 32(5): 43-48．

[10] 周 揚, 李 寧, 吳文祥. 1982-2010年中國縣域經(jīng)濟(jì)發(fā)展時空格局演變[J]. 地理科學(xué)進(jìn)展, 2014, 33(1): 103-113．

[11] 吳祥佑. 基于匹配性的宏觀經(jīng)濟(jì)統(tǒng)計數(shù)據(jù)質(zhì)量的評估[J]. 統(tǒng)計與決策, 2016(3): 6-9．

[12] 徐康寧, 陳豐龍, 劉修巖. 中國經(jīng)濟(jì)增長的真實性：基于全球夜間燈光數(shù)據(jù)的檢驗[J]. 經(jīng)濟(jì)研究, 2015(9): 19-31, 59．

[13] WU J S, MA L, LI W F, et al. Dynamics of urban density in China_ estimations based on DMSP_OLS nighttime light data[J]. Applied Earth Observations and Remote Sensing, 2014, 7(10): 1404-1939．

[14] MIGUEL A S D, ZAMORANO J, CASTANO J G, et al. Evolution of the energy consumed by street lighting in Spain estimated with DMSP-OLS data[J]. Journal of Quantitative Spectroscopy and Radiative Transfer, 2013, 139: 109-117．

[15] SHI K F, CHEN Y, YU B L, et al. Modeling spatiotemporal CO2(carbon dioxide) emission dynamics in China from DMSP-OLS nighttime stable light data using panel data analysis[J]. Applied Energy, 2016, 168: 523-533．

[17] PANDEY B, JOSHI P K., SETO K C. Monitoring urbanization dynamics in India using DMSPOLS night time lights and SPOT-VGT data[J]. International Journal of Applied Earth Observation and Geoinformation, 2013, 23: 49-61．

[18] SMALL C P F, ELVIDGE C D. Spatial analysis of global urban extent from DMSP-OLS night lights[J]. Remote Sensing of Environment, 2005, 96: 277-291．

[19] SOUKNILANH K, MAGNUS A, OLA H. Monitoring economic development from space using nighttime light and land cover data to measure economic growth[J]. World Development , 2015, 66: 322-334．

[20] MAA T, ZHOUA Y K, ZHOUA C H, et al. Night-time light derived estimation of spatio-temporal characteristics of urbanization dynamics using DMSP/OLS satellite data[J]. Remote Sensing of Environment, 2015, 158: 453-464．

[21] 楊 洋, 黃慶旭, 章立玲. 基于DMSP/OLS夜間燈光數(shù)據(jù)的土地城鎮(zhèn)化水平時空測度研究——以環(huán)渤海地區(qū)為例[J]. 經(jīng)濟(jì)地理, 2015, 35(2): 143-150, 170．

[22] 馬明娟, 王黎明, 董 南. 基于Globcover和DMSP/OLS數(shù)據(jù)的中國大陸城市潛能分析[J]. 地球信息科學(xué)學(xué)報, 2015, 17(11): 106-115．

[23] 王 琪, 袁 濤, 鄭新奇. 基于夜間燈光數(shù)據(jù)的中國省域GDP總量分析[J]. 城市發(fā)展研究, 2013, 20(7): 51-55．

[24] 柴子為, 王帥磊, 喬紀(jì)綱. 基于夜間燈光數(shù)據(jù)的珠三角地區(qū)鎮(zhèn)級GDP估算[J]. 熱帶地理, 2015, 35(3): 380-385．

[25] 劉 浩, 馬 琳, 李國平. 1990s以來京津冀地區(qū)經(jīng)濟(jì)發(fā)展失衡格局的時空演化[J]. 地理研究, 2016, 35(3): 471-481．

[26] 李 峰, 米曉楠, 王粉鴿, 等. 基于DMSP/OLS和Landsat8數(shù)據(jù)的省域GDP空間化方法——以北京市為例[J]. 重慶師范大學(xué)學(xué)報(自然科學(xué)版), 2016, 33(1): 143-147．

[27] 楊 妮, 吳良林, 鄧樹林, 等. 基于DMSP/OLS夜間燈光數(shù)據(jù)的省域GDP統(tǒng)計數(shù)據(jù)空間化方法空間化方法——以廣西壯族自治區(qū)為例[J]. 地理與地理信息科學(xué), 2014, 30(4): 109-111．

[28] 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(yīng)用, 2012, 27(3): 74-83．

[29] 韓向娣, 周 藝, 王世新, 等. 夜間燈光遙感數(shù)據(jù)的GDP空間化處理方法[J]. 地球信息科學(xué)學(xué)報, 2012, 14(1): 132-140．

[30] 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): 253-258．

[31] 方葉林, 黃震方, 涂 瑋, 等. 基于地統(tǒng)計分析的安徽縣域經(jīng)濟(jì)空間差異研究[J]. 經(jīng)濟(jì)地理, 2013, 33(2): 34-38．

[32] 陳 浩, 鄧祥征. 中國區(qū)域經(jīng)濟(jì)發(fā)展的地區(qū)差異GIS分析[J]. 地球信息科學(xué)學(xué)報, 2011, 13(5): 18-25．

[33] 王培安, 羅衛(wèi)華, 白永平. 基于空間自相關(guān)和時空掃描統(tǒng)計量的聚集比較分析[J]. 人文地理, 2012, 27(2): 120-127．

[34] 烏 敦, 佟喜梅, 李百歲. 1980年以來內(nèi)蒙古城市化水平趨勢及其特征[J]. 干旱區(qū)資源與環(huán)境, 2011, 25(6): 1-6．

[35] 孫平軍, 丁四保. 人口-經(jīng)濟(jì)-空間視角的東北城市化空間分異研究[J]. 經(jīng)濟(jì)地理, 2011, 31(7): 1095-1100．

[36] 潘文卿, 李子奈. 三大增長極對中國內(nèi)陸地區(qū)經(jīng)濟(jì)的外溢性影響研究[J]. 經(jīng)濟(jì)研究, 2008, (6): 85-94．

[37] 王鶴饒, 鄭新奇, 袁 濤. DMSP/OLS數(shù)據(jù)應(yīng)用研究綜述[J]. 地理科學(xué)進(jìn)展, 2012, 31(1): 11-18.

The spatial pattern of China’s economic development based on DMSP/OLS nighttime light data

NI Jinxing, YANG Jian, XU Dongdong, MA Zhifei, WANG Yi, DING Zhengshan

(School of Geography Science， Nanjing Normal University， Nanjing 210023)

Studying the spatial pattern of county economic development is extremely important for providing a scientific base for the policy making and promoting balanced economic development among regions. Based on the 2，303 counties’ per capita GDP and nighttime light in 1998， 2003， 2008 and 2013， the spatial autocorrelation analysis were used to investigate the spatial patterns of county economic development. The results of the research are as follows: (1) overall， China’s regional economic growth is sharply unbalanced and polarization is serious， with spatial pattern of regional economic development remaining largely unchanged. Economy developed area mainly distributed in 6 urban agglomerations (Pearl River Delta， Yangtze River Delta， Shandong Peninsula， Coast of Fujian， Beijing-Tianjin-Tangshan， Central-southern of Liaoning); Guizhou， The edge of Sichuan Administrative Region， Southeast Tibet and southern Gansu present typical economic backwardness; the capital city of the central and western regions has become the center of regional economic growth. (2) From the point of view of time series， the change trends of different cluster types of county units were significantly different. The spatial pattern of “High-High” area is steady in general， and the inter-annual variation is small. The changes of “High-Low” and “Low-High” area are not obvious. From the point of view of spatial distribution characteristics， “High-High” and “Low-Low” pattern of economic development， have contiguous distribution characteristics， while “High-Low” and “Low-High” pattern of economic development are disperse， with “High-Low” pattern of economic development dotted in the central and western provincial capital cities (Wuhan， Xi’An， Lanzhou， Chengdu， Chongqing， Guiyang， Nanning， Kunming)．

DMSP/OLS; spatial pattern; per capita GDP; nighttime light; China county

2016-07-13.

國家自然科學(xué)基金項目(41271176).

1000-1190(2016)06-0930-07

TP79；F061.5

A

*E-mail: njx413@126.com