基于夜間燈光指數(shù)的貴陽GDP空間化

摘要：為了實(shí)現(xiàn)社會(huì)經(jīng)濟(jì)要素與自然要素的數(shù)據(jù)融合、共享與綜合分析，對(duì)GDP統(tǒng)計(jì)數(shù)據(jù)進(jìn)行空間化，以貴陽為研究對(duì)象，基于DMSP/OLS遙感夜間燈光指數(shù)數(shù)據(jù)，運(yùn)用NDVI數(shù)據(jù)消除夜間燈光數(shù)據(jù)的像元過飽和溢出現(xiàn)象，構(gòu)建人居指數(shù)HLS，通過人居指數(shù)與GDP的分布規(guī)律，分析人居指數(shù)與GDP的相關(guān)性，構(gòu)建GDP回歸模型。

關(guān)鍵詞：夜間燈光指數(shù);GDP;回歸分析;GDP空間化

GDP用于表征區(qū)域經(jīng)濟(jì)發(fā)展水平，廣泛應(yīng)用于評(píng)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(huì)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)。目前，眾多國(guó)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。

1 研究區(qū)概況

貴陽市位于長(zhǎng)江上游，屬于中國(guó)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(shì)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%。貴陽是西南地區(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，貴陽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(zhǎng)差異大。

2 研究方法與數(shù)據(jù)基礎(chǔ)

2.1 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年貴陽市GDP數(shù)據(jù)（2013年貴陽市統(tǒng)計(jì)年鑒）;空間數(shù)據(jù)有：2012年貴陽市DMSP/OLS夜間燈光指數(shù)數(shù)據(jù)源于美國(guó)國(guó)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(guó)合成產(chǎn)品）;DEM數(shù)據(jù)（源于國(guó)家地球系統(tǒng)科學(xué)數(shù)據(jù)共享平臺(tái)），空間分辨率為1km;2012年貴陽市行政區(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。

2.2 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等的研究，利用以下公式建立人居指數(shù)（Human Settlement Index，HLS）：

式中，為MODIS NDVI在2012年的最大值， 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(duì)人居指數(shù)進(jìn)行分區(qū)統(tǒng)計(jì)，利用各個(gè)區(qū)縣人居指數(shù)的平均值與對(duì)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(duì)貴陽市各個(gè)區(qū)縣的GDP密度進(jìn)行模擬，得到初步模擬的GDP密度。

3 結(jié)果分析與精度評(píng)價(jià)

3.1 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年貴陽市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(duì)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(gè)區(qū)縣GDP密度，從2012年貴陽市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密度普遍高于東南和東北區(qū)縣的GDP密度。

3.2 精度評(píng)價(jià)

利用人居指數(shù)HLS與貴陽市各區(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(duì)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(gè)區(qū)縣的模擬結(jié)果的絕對(duì)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(gè)區(qū)縣，其中城口GDP密度模擬的相對(duì)誤差較大，這幾個(gè)地區(qū)的模擬誤差較大的主要原因是這些地方的地勢(shì)相較于其他區(qū)縣海拔較高，地形復(fù)雜，對(duì)模擬結(jié)果進(jìn)行柵格分區(qū)統(tǒng)計(jì)時(shí)，在對(duì)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(duì)貴陽進(jìn)行GDP密度模擬時(shí)造成誤差偏大的結(jié)果。

4 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(duì)于貴陽這種地形復(fù)雜的地區(qū)來說，GDP空間化就有更加實(shí)際的作用了，由于貴陽的各個(gè)區(qū)縣所處的地形和地勢(shì)差異較大，各區(qū)縣的發(fā)展水平差異較大，將GDP空間化有利于分析貴陽經(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(duì)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(duì)影響因素進(jìn)行深入分析，從而提升GDP模擬模型的精度。

參考文獻(xiàn)：

[1] 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(bào)，2012（01）.

[2] 劉紅輝，江東，楊小喚，等.基于遙感的全國(guó)GDP 1km格網(wǎng)的空間化表達(dá)[J].地球信息科學(xué)，2006（02）.

[3] TOBLER W，DEICHMANN U，UOTTSEUEN J. World population in a grid of spherical quadrilaterals[J]. International Journal of Population Ueography，1997.

[4] DOBSON J E，BRIUHT E A，COLEMAN P R. LandScan：A global population database for estimating population at risk[J].Photogrammetric Engineering and Remote Sensing，2001（09）.

[5] 易玲，熊利亞，楊小喚.基于GIS技術(shù)的GDP空間化處理方法[J].甘肅科學(xué)學(xué)報(bào)，2006（02）.

[6] 黃瑩，包安明，陳曦，等.新疆天山北坡干旱區(qū)GDP時(shí)空模擬[J].地理科學(xué)進(jìn)展，2009（04）.

[7] 黃瑩，包安明，陳曦，等.記憶綠洲土地利用的區(qū)域GDP公里格網(wǎng)化研究[J].冰川凍土，2009（01）.

作者簡(jiǎn)介：楊正蘭（1996—），女，在讀研究生，研究方向：生態(tài)環(huán)境遙感。

（作者單位：成都理工大學(xué)）