基于夜光遙感燈光指數(shù)的疫情期湖北經(jīng)濟指標分析

蘭琰茜 吳穎丹 趙辛月 郭依蓓 邵洋琳

［收稿日期］2022-0404

［基金項目］教育廳科研項目（19Q062）

［第一作者］蘭琰茜（1996-），女，湖南湘西人，湖北工業(yè)大學碩士研究生，研究專業(yè)為電子信息

［通信作者］吳穎丹（1982-），女，湖北武漢人，湖北工業(yè)大學副教授，研究方向為空間信息智能處理

［文章編號］1003-4684（2023）02-0111-05

［摘要］基于2014-2020年長時間序列NPP-VIIRS夜光遙感數(shù)據(jù)，利用夜間燈光總強度、平均相對燈光強度、燈光面積比和綜合燈光指數(shù)四種燈光指數(shù)，對新冠疫情期間湖北省13個地級行政區(qū)的經(jīng)濟活動進行了分析。首先，將燈光指數(shù)與湖北省經(jīng)濟指數(shù)GDP進行相關性分析，并考慮新冠疫情影響，構建了湖北省經(jīng)濟指數(shù)的最佳線性回歸模型。其次，基于疫情前后夜間燈光強度的回歸坡度，對疫情期間湖北省經(jīng)濟走勢進行了分析。最終，形成如下重要結論：1）新冠肺炎疫情的出現(xiàn)導致夜間燈光數(shù)據(jù)出現(xiàn)斷點現(xiàn)象，新冠疫情前后的回歸模型及夜間燈光強度存在較大差異；2）夜間燈光指數(shù)與社會經(jīng)濟指數(shù)呈現(xiàn)顯著的線性相關性，可用于較好評估城市級經(jīng)濟指標；3）燈光回歸坡度可以較好反映短期經(jīng)濟走勢，新冠疫情高峰期間，燈光回歸坡度最低為0.81，隨著疫情解封，燈光回歸坡度逐漸增大，在2020年12月燈光回歸坡度回升至1.01，回升至疫情前正常水平。

［關鍵詞］NPP-VIIRS夜光遙感；GDP分析；相關性分析；新冠肺炎疫情

［中圖分類號］F127， TP751? ［文獻標識碼］A

國內(nèi)生產(chǎn)總值（GDP），代表著一定時期內(nèi)所有固定單位按市場價格計算的生產(chǎn)活動的最終成果。它是會計體系中至關重要的綜合統(tǒng)計指標，也是國民經(jīng)濟核算體系中的核心指標[1]。GDP反映了一個城市或地區(qū)的經(jīng)濟實力和市場規(guī)模，對政治決策和國家發(fā)展具有重要的參考作用[2]。然而，GDP估算需要經(jīng)過一系列統(tǒng)計程序，存在計量不足、公布緩慢等缺陷。面對突發(fā)狀況，如新冠疫情，如何快速實現(xiàn)某個地區(qū)的GDP估算，及時掌握經(jīng)濟動態(tài)，至關重要。

夜間燈光數(shù)據(jù)，由于它的可獲得性和準確性，已經(jīng)被廣泛應用于社會經(jīng)濟統(tǒng)計指標估算[3-4]、城市化[5-6]、能源消費[7-9]以及生態(tài)環(huán)境等諸多方面，逐漸成為估算社會經(jīng)濟活動的有效參考數(shù)據(jù)之一。常用的夜光遙感數(shù)據(jù)，主要有兩種：一種是由美國軍事氣象衛(wèi)星（DMSP）搭載的線性掃描業(yè)務系統(tǒng)（OLS）拍攝的燈光數(shù)據(jù)，其空間分辨率較低且存在燈光數(shù)據(jù)過飽和現(xiàn)象，主要用于大尺度區(qū)域；另一種是由索米國家極地軌道伙伴關系衛(wèi)星（Suomi NPP）搭載的可見光紅外成像輻射儀（VIIRS）提供，空間分辨率為500m，擁有更廣泛的輻射探測和機載校準，可以提供更好的夜光遙感數(shù)據(jù)。

夜間燈光數(shù)據(jù)，作為一種全球無差別的夜間觀測量，以其獨特的方式描述區(qū)域經(jīng)濟活動強度。其不會受區(qū)域價格因素的困擾，可以消除不同地區(qū)價格因素對GDP估算的影響。相比于傳統(tǒng)的社會經(jīng)濟普查方法，基于夜光遙感數(shù)據(jù)的方法可以彌補傳統(tǒng)方法的局限性。

本文以市級行政區(qū)劃為基本單位計算燈光指數(shù)，在分析燈光指數(shù)與對應區(qū)域經(jīng)濟數(shù)據(jù)相關性的基礎上，建立湖北省GDP的空間化模型。利用1 km×1 km網(wǎng)格對湖北省GDP進行空間可視化表達，著重研究了新冠疫情期間湖北省的夜間燈光指數(shù)變化趨勢，探究了其與湖北省GDP的動態(tài)變化規(guī)律。

1??? 研究區(qū)域概況以及數(shù)據(jù)來源

1.1??? 研究區(qū)域概況

湖北省是我國長江經(jīng)濟帶的重要組成部分，地處中國中部地區(qū)，東臨安徽，西連重慶，西北與陜西接壤，南接江西湖南，北與河北毗鄰，介于北緯29°01′53″—33°6′47″，東經(jīng)108°21′42″—116°07′50″之間，總面積18.59萬平方千米，占全國總面積的1.94%。湖北省共轄有13個地級行政區(qū)，包括12個地級市和一個自治州，分別為武漢市、黃石市、十堰市以及恩施土家族苗族自治州等；4個省直轄縣級行政單位，包括3個縣級市和一個林區(qū)，分別為仙桃市、潛江市、天門市以及神農(nóng)架林區(qū)。由于神農(nóng)架林區(qū)地形多為耕地林地，夜間燈光數(shù)據(jù)非常小，可忽略不計，因此在本文研究中省略了對該地區(qū)的研究。

1.2??? 數(shù)據(jù)來源

1.2.1??? 湖北省GDP統(tǒng)計數(shù)據(jù)??? GDP統(tǒng)計數(shù)據(jù)來源于中國國家統(tǒng)計局網(wǎng)站。數(shù)據(jù)包括省級統(tǒng)計數(shù)據(jù)和市級統(tǒng)計數(shù)據(jù)。其中統(tǒng)計數(shù)據(jù)包括6年的省份GDP統(tǒng)計數(shù)據(jù)和湖北省各城市的2019年GDP統(tǒng)計數(shù)據(jù)。

1.2.2??? NPP-VIIRS夜間燈光數(shù)據(jù)??? 2014年-2019年NPP-VIIRS數(shù)據(jù)來源于國家環(huán)境信息中心。它是利用可見光紅外成像輻射儀套件（Visible Infrared Imaging Radiometer Suite，VIIRS）晝/夜波段（DNB）的夜間數(shù)據(jù)制作的一套平均輻射復合圖像，可見光通道為0.4～0.9 μm，空間分辨率為500 m。夜間燈光數(shù)據(jù)包括月數(shù)據(jù)、年度數(shù)據(jù)，根據(jù)實驗需求選擇合適的燈光數(shù)據(jù)。VIIRS數(shù)據(jù)將世界范圍劃分成了六塊，中國區(qū)域為T3（60°E-180°E，0°N-75°N）。由于建立GDP模型需要排除其余燈光干擾，因此選擇月度數(shù)據(jù)合成年度燈光作為研究數(shù)據(jù)。

1.3??? 數(shù)據(jù)預處理

NPP-VIIRS原始數(shù)據(jù)采用WGS 1984經(jīng)緯度坐標系，空間分辨率為15″，這會造成影像面積隨緯度增大而減小的問題。為避免影像面積變形影響及方便影像面積計算，NPP-VIIRS影像數(shù)據(jù)均進行Alberts等積投影變換。同時，進行背景噪聲去除、負值去除、去云、去火點、像元飽和校正等操作，從而盡量降低氣候、霧霾、地理位置等對夜光遙感數(shù)據(jù)的不利影響。將區(qū)域劃分為1 km×1 km大小網(wǎng)格，可以看到燈光亮度的變化和分布，實現(xiàn)夜間燈光數(shù)據(jù)的空間化表達。

2??? GDP空間化建模

GDP空間化建模的技術路線圖如圖3所示。輸入數(shù)據(jù)主要有NPP-VIIRS年度燈光數(shù)據(jù)、國家統(tǒng)計局提供的湖北省各年GDP統(tǒng)計數(shù)據(jù)，對研究區(qū)域湖北省進行1 km×1 km的空間網(wǎng)格劃分，通過回歸分析，建立夜光遙感燈光指數(shù)與GDP的回歸分析模型，最終實現(xiàn)湖北省GDP的空間化建模。

2.1??? 燈光指數(shù)計算

本文主要利用夜間燈光總強度（Total Night-Time Light，TNL）、平均相對燈光強度（I）、燈光面積比（S）和綜合燈光指數(shù)（Compounded Night Light Index，CNLI），建立與湖北省13個行政區(qū)經(jīng)濟水平的關系。

TNL為燈光屬性值與其對應屬性值個數(shù)的乘積之和；平均相對燈光強度I是指總夜間燈光強度與最大燈光強的比例；燈光面積比S是指像元輻射亮度非0的像元個數(shù)和與像元個數(shù)總和之比；綜合燈光指數(shù)CNLI是指平均相對燈光強度與燈光面積比的乘積。其計算公式如下：

TNL=∑ni=1DNi×ni； I=TNL/DNmax×N；

S=N×n； CNLI=I×S

式中，DNi為第i個像元的輻射亮度值；ni為對應的第i個屬性值的個數(shù)；n為像元總數(shù)；DNmax為像元輻射亮度最大值;N為像元輻射亮度非0的像元個數(shù)總和。

2.2??? 燈光指數(shù)與GDP相關性分析

基于前人研究成果，夜間燈光數(shù)據(jù)與第一產(chǎn)業(yè)產(chǎn)值相關性不大，與第二產(chǎn)業(yè)值GDP2、第三產(chǎn)業(yè)值GDP3和總生產(chǎn)值GDP相關性較大。為此，本文主要分析湖北省各行政區(qū)的燈光參數(shù)TNL、I和CNLI，與第二產(chǎn)業(yè)值GDP2、第三產(chǎn)業(yè)值GDP3和總生產(chǎn)值GDP的相關性，相關系數(shù)R2值如表1所示，燈光總強度TNL、綜合燈光指數(shù)CNLI與第二產(chǎn)業(yè)值GDP2、第三產(chǎn)業(yè)值GDP3和總生產(chǎn)值GDP對應的散點圖如圖4所示。

不難發(fā)現(xiàn)，燈光指數(shù)中與GDP相關性最強的是燈光總強度TNL，R2值達到了0.953，其次是綜合燈光指數(shù)CNLI，為0.833。由于新冠疫情前后，夜光遙感數(shù)據(jù)存在較為明顯斷點現(xiàn)象，為此本文以新冠疫情爆發(fā)時間為界，分別建立燈光指數(shù)與湖北省GDP的回歸模型，稱為疫情前模型GDPpre和GDPpost。具體公式如下：

GDPpre=A0+b0×Ci

GDPpost=A1+b1×Ci

式中，GDP為因變量，代表生產(chǎn)總值；A與b為回歸模型系數(shù)，Ci為自變量，代表燈光指數(shù)TNL。其模型參數(shù)如表2所示。

回歸模型反演精度，通過平均相對誤差進行評價，其計算公式如下：

Δ=S－PS×100%

式中，Δ為相對誤差，S為統(tǒng)計值，P為預測值。利用2019年湖北省各城市的燈光數(shù)據(jù)預測的GDP數(shù)據(jù)與已知GDP數(shù)據(jù)進行比較，年均相對誤差為15.6%，說明所建立了的回歸模型具有較好精度。

3??? 疫情前后燈光數(shù)據(jù)趨勢分析

2019年底，湖北省武漢市爆發(fā)了新冠肺炎疫情。本文利用GEE云平臺采集了疫情發(fā)生前后2019年和2020年的月度燈光數(shù)據(jù)，從中容易發(fā)現(xiàn)，疫情爆發(fā)前燈光數(shù)據(jù)值明顯高于疫情爆發(fā)后燈光數(shù)據(jù)值，數(shù)據(jù)斷點時間與新冠肺炎疫情爆發(fā)時間相吻合。由于疫情前后燈光數(shù)據(jù)存在較大差異性，為此本文分析湖北省城市GDP數(shù)據(jù)時建立疫情前回歸模型和疫情后回歸模型分別進行。

在2019年12月-2020年3月期間，為抑制新冠肺炎感染傳播，湖北省各地區(qū)實施封鎖，禁止人員流動，商家、機構等閉店歇業(yè)，經(jīng)濟活動顯著下降。為分析疫情前后燈光數(shù)據(jù)變化趨勢，計算了2020年每個月相對于疫情發(fā)生前2019年12月的燈光亮度回歸坡度，結果如表4所示。圖5為湖北省2020年典型月份3月、4月和12月與2019年12月燈光數(shù)據(jù)的對比散點圖。

分析圖表數(shù)據(jù)可以發(fā)現(xiàn)，受新冠疫情影響，2020年2月和參照月份2019年12月燈光數(shù)據(jù)的回歸坡度為0.9，表明2020年2月燈光水平相比疫情前已經(jīng)出現(xiàn)減弱現(xiàn)象，并在2020年3月達到最低水平。隨著2020年3月25日湖北省內(nèi)除武漢以外各市解封，4月8日武漢市開始解封，燈光水平逐步恢復，2020年4月和2020年5月的回歸坡度從0.81上升到0.93和0.96，最終在2020年12月上升到1.01，可以認為恢復到疫情前水平?？梢园l(fā)現(xiàn)，夜光遙感燈光指數(shù)可以非常敏感地捕捉到新冠疫情對湖北省經(jīng)濟活動的影響。

4??? 結論

本文基于2014-2020年長時間序列NPP-VIIRS夜光遙感數(shù)據(jù)，利用夜間燈光總強度、平均相對燈光強度、燈光面積比和綜合燈光指數(shù)四種燈光指數(shù)，對新冠疫情期間湖北省13個地級行政區(qū)的經(jīng)濟活動進行了分析。得出如下幾點有益結論：1）夜間燈光指數(shù)與社會經(jīng)濟指數(shù)呈現(xiàn)顯著的線性相關性，其中夜間燈光總強度TNL相關性最強，可用于較好評估城市級經(jīng)濟指標；2）新冠肺炎疫情的出現(xiàn)，在夜間燈光數(shù)據(jù)上反映為斷點現(xiàn)象，新冠疫情前后的回歸模型及夜間燈光強度存在較大差異；3）燈光回歸坡度可以較好反映短期經(jīng)濟走勢，新冠疫情高峰期間燈光回歸坡度最低，疫情解封后燈光回歸坡度逐漸增大，可以比較敏感地捕捉到經(jīng)濟走勢變化。

［參考文獻］

［1］張瑩. 河南省區(qū)域經(jīng)濟差異分析[D].開封：河南大學，2015.

[2]李巖林，程鋼，楊杰，原東方.夜光遙感數(shù)據(jù)支持下的區(qū)域經(jīng)濟空間格局精細化模擬——以河南省為例[J].地域研究與開發(fā)，2020，39（04）：41-47.

[3]EBENER S， MURRAY C， TANDON A， et al. From wealth to health： modelling the distribution of income per capita at the sub-national level using night-time light imagery[J]. International Journal of Health Geographics， 2005， 4（1）：5.

[4]郭永德，高金環(huán)，馬洪兵.Suomi-NPP夜間燈光數(shù)據(jù)與GDP的空間關系分析[J].清華大學學報（自然科學版），2016，56（10）：1122-1130.

[5]YU B， TANG M， WU Q， et al. Urban BUILT-UP area extraction from log-transformed NPP-VIIRS nighttime light composite data[J]. IEEE Geoscience & Remote Sensing Letters， 2018：1279-1283.

[6]SHI K， HUANG C， YU B， et al. Evaluation of NPP-VIIRS night-time light composite data for extracting built-up urban areas[J]. Remote Sensing Letters， 2014， 5（4-6）：358-366.

[7]李海萍，龍宓，李光一.基于DMSP/OLS數(shù)據(jù)的區(qū)域碳排放時空動態(tài)研究[J].中國環(huán)境科學，2018，38（07）：2777-2784.

[8]康翔.基于夜光數(shù)據(jù)的城鎮(zhèn)化與PM2.5時空關聯(lián)特征研究[D].贛州：江西理工大學，2020.

[9]楊續(xù)超，康麗莉，張斌，冀春曉.基于多源遙感信息的電力消費量估算與影響因素分析——以浙江省為例[J].地理科學，2013，33（06）：718-723.

Analysis of Economic Indicators in Hubei Province during theCOVID-19 Based on Luminous Remote Sensing Light Index

LAN Yanxi，WU Yingdan，ZHAO Xinyue， GUO Yibei， SHAO Yanglin

（ School of Sciences， Hubei Univ. of Tech.， Wuhan 430068，China）

Abstract：This paper analyzes the economic activities of 13 prefecture-level administrative regions in Hubei Province during the COVID-19 based on the long time series NPP VIIRS night light remote sensing data from 2014 to 2020 using four lighting indices： total night light intensity， average relative light intensity， light area ratio and comprehensive lighting index. Firstly， the correlation analysis between the lighting indices and the economic index GDP of Hubei province was carried out， and the best linear regression model for the economic index of Hubei province was constructed by considering the impact of the COVID-19. Secondly， the economic trend of Hubei province during the epidemic was analyzed based on the regression slope of nighttime light intensity before and after the epidemic. Finally， the following important conclusions were drawn： （1） the emergence of the epidemic led to a breakpoint phenomenon in the nighttime lighting data， and there were large differences in the regression models and nighttime lighting intensity before and after the epidemic; （2） the nighttime lighting index showed significant linear correlation with the socioeconomic index， which can be used to better assess city-level economic indicators; （3） the slope of the lighting regression can better reflect the short-term economic trend， and during the peak of the epidemic the light regression slope was as low as 0.81; and with the lifting of the epidemic， the light regression slope gradually increased; in December 2020 the light regression slope rose back to 1.01. It was back to the normal level before the epidemic.

Keywords：NPP/VIIRS night-time light images; GDP prediction; correlation analysis; COVID-19

［責任編校： 閆品］