基于多源遙感數(shù)據(jù)的武漢市人口空間分布格局演化

趙利利 ， 孟 芬 ， 馬才學

(華中農(nóng)業(yè)大學 公共管理學院，武漢 430070)

基于多源遙感數(shù)據(jù)的武漢市人口空間分布格局演化

趙利利 ， 孟 芬 ， 馬才學

(華中農(nóng)業(yè)大學 公共管理學院，武漢 430070)

基于DMSP/OLS夜間燈光指數(shù)和SPOT-VEGETATION逐旬NDVI數(shù)據(jù)構建人居指數(shù)，模擬武漢市2000,2012年人口空間分布。采用空間自相關模型，從時空角度分析2000—2012年武漢市人口的空間分布格局及演變規(guī)律。結(jié)果表明：① 利用夜間燈光強度估算方法可快速準確模擬武漢市人口空間分布。② 人口空間分布格局有向武漢市中心城區(qū)集聚的趨勢，具有“中間高周圍低”的特征。③ 武漢市人口空間分布表現(xiàn)出較強的空間自相關性，根據(jù)局部自相關分析，“高-高”類型區(qū)主要分布在武昌、硚口、江漢、江岸等中心區(qū)，“低-高”類型區(qū)主要出現(xiàn)在江河流域附近；隨著時間的推移人口分布的“高-高”類型區(qū)擴大，表明武漢市人口在向中心城區(qū)聚集的過程中遠城區(qū)也形成了相應的人口集聚中心。

DMSP/OLS夜間燈光指數(shù)；SPOT-VEGETATION逐旬NDVI；人口空間格局；空間自相關；武漢市

0 引言

城市人口空間分布在一定程度上體現(xiàn)了城市經(jīng)濟集聚程度及城鎮(zhèn)化發(fā)展水平的空間分布[1]。開展城市人口空間分布格局研究，是協(xié)調(diào)城市人口、經(jīng)濟、社會、環(huán)境等問題的基礎[2]。傳統(tǒng)意義上我國常用的城市人口信息的獲取方法有全國人口普查、人口抽查等，此種基于行政區(qū)界的人口統(tǒng)計數(shù)據(jù)難以與其他地理信息邊界相匹配，不利于人口數(shù)據(jù)與其他信息數(shù)據(jù)關聯(lián)進行綜合分析[3]。且利用該數(shù)據(jù)進行人口分布分析時，其精度只精確到行政區(qū)域，不能反映人口的實際分布。

現(xiàn)有研究表明，城市人口密度空間信息提取方法能解決上述問題，常用的城市人口密度空間模擬的方法有：城市人口密度模型[4]、內(nèi)插法空間分布模型[5]、地理因子相關性模型[6]等。相較于城市人口密度模型、內(nèi)插法空間分布模型來說，地理因子相關性分析由于考慮了人口分布的影響因素，改善了模型結(jié)果，能更好地模擬城市內(nèi)部人口的實際分布。在眾多地理因子相關分析的方法之中，夜間燈光強度估算方法由于具有在較少數(shù)據(jù)源的情況下快速反演大區(qū)域人口密度的優(yōu)點而被廣泛運用于區(qū)域人口空間分布模擬之中[7-8]。

在獲取城市人口信息的基礎上，國內(nèi)學者對人口空間分布的研究主要包括人口的空間分布特征及演變、人口與社會經(jīng)濟的空間耦合及人口空間分布的驅(qū)動因素等[9]。其中，人口的空間分布特征及其演變是研究其他人口問題的基礎，通常采用人口重心模型[10]、人口集疏度模型[11]、空間自相關模型[12]等方法探索區(qū)域人口發(fā)展在時空上的演變，用于揭示人口的空間分布規(guī)律[13]。

2000—2012年，武漢市由我國中部地區(qū)重要的中心城市躍居為中部地區(qū)中心城市，城市建設和社會經(jīng)濟表現(xiàn)活躍，其中心地位及輻射帶動作用促使人口數(shù)量和結(jié)構也發(fā)生了巨大的變化。研究該區(qū)域的人口空間分布及演變對于揭示我國中部地區(qū)人口空間分布規(guī)律、促進社會經(jīng)濟可持續(xù)發(fā)展具有重要意義。

本研究基于2000,2012年武漢市分區(qū)人口統(tǒng)計數(shù)據(jù)、武漢市土地利用數(shù)據(jù)、DMSP/OLS夜間燈光指數(shù)、SPOT-VEGETATION逐旬NDVI數(shù)據(jù)，借助ArcGIS 10.0、ENVI 5.0等工具，采用夜間燈光強度估算方法，實現(xiàn)了武漢市人口統(tǒng)計數(shù)據(jù)的空間化；在此基礎上，利用空間自相關分析方法，分析武漢市人口分布時空演變規(guī)律。相比傳統(tǒng)意義上基于行政區(qū)劃的人口空間自相關分析，能揭示更多武漢市人口空間分布的細節(jié)信息。

1 研究區(qū)域與數(shù)據(jù)來源

1.1 研究區(qū)域

武漢市位于中國腹地中心，湖北省東部，介于東經(jīng)113°41′～115°05′、北緯29°58′～31°22′，地處長江與漢江交匯處，是全國特大城市和重要的交通樞紐，也是湖北省省會，華中地區(qū)和長江中下游的經(jīng)濟、科技、教育和文化中心。武漢市現(xiàn)轄13個區(qū)，面積8 494.41 km2。截至2012年底，武漢市年末總?cè)丝?21.708 8萬人，基于行政區(qū)界的人口統(tǒng)計密度及空間位置見圖1。其中江岸、江漢、硚口、漢陽、武昌為人口分布高密度區(qū)，江夏、蔡甸、漢南、黃陂、新洲為人口分布低密度區(qū)。

1.2 數(shù)據(jù)來源

1.2.1 武漢市行政區(qū)劃數(shù)據(jù)。該數(shù)據(jù)通過ArcGIS 10.0空間數(shù)字化得到，用于裁剪研究區(qū)域的其他數(shù)據(jù)。

1.2.2 武漢市土地利用數(shù)據(jù)。2000年土地利用數(shù)據(jù)來源于中國科學院資源與環(huán)境數(shù)據(jù)中心，2012年的數(shù)據(jù)則借助于ENVI 5.0對該年的Landsat7 TM影像進行監(jiān)督分類得到。土地利用類型分為建設用地、耕地、林地、草地、裸地、水體六大地類，其作用在于進行人口統(tǒng)計數(shù)據(jù)空間化時剔除不適宜人居住的水體部分。為保持數(shù)據(jù)的空間一致性，將土地利用數(shù)據(jù)重采樣為1 km×1 km。

圖1 研究區(qū)人口密度圖

1.2.3 DMSP/OLS夜間燈光指數(shù)。數(shù)據(jù)由美國國家地球物理數(shù)據(jù)中心(NGDC)提供，其空間分辨率為1 km。DMSP衛(wèi)星以每天14軌的速度繞地球飛行，經(jīng)過赤道的時間有2個，分別為10:50和22：50。使用前需對其進行投影轉(zhuǎn)換，轉(zhuǎn)換后的投影系統(tǒng)為Albers等面積投影。

1.2.4 SPOT-VEGETATION逐旬NDVI數(shù)據(jù)。數(shù)據(jù)來源于比利時佛萊芒技術研究所，對逐旬NDVI數(shù)據(jù)進行處理，使之轉(zhuǎn)換為與夜間燈光指數(shù)數(shù)據(jù)一樣的投影系統(tǒng)與空間分辨率。在獲取逐旬NDVI數(shù)據(jù)的基礎上，利用VGTExtract軟件對其進行處理，提取年最大NDVI值。

1.2.5 2000，2012年武漢市分區(qū)人口統(tǒng)計數(shù)據(jù)。分區(qū)人口統(tǒng)計數(shù)據(jù)來源于2001，2013年的《武漢市統(tǒng)計年鑒》，根據(jù)各轄區(qū)面積計算分區(qū)人口密度，并結(jié)合武漢市行政區(qū)界數(shù)據(jù)將其空間化，用于對夜間燈光強度估算方法得到的人口數(shù)據(jù)進行校正，使反演出的人口空間分布結(jié)果達到分區(qū)零誤差。

2 研究方法

2.1 總體思路

在借助夜間燈光強度估算方法空間化人口統(tǒng)計數(shù)據(jù)的基礎上，運用空間自相關模型，探索武漢市2000，2012年人口空間分布及演變規(guī)律。首先，由DMSP/OLS夜間燈光指數(shù)、土地利用數(shù)據(jù)和SPOT-VEGETATION逐旬NDVI數(shù)據(jù)構建人居指數(shù)；其次，基于武漢市分區(qū)行政區(qū)劃圖計算分區(qū)平均統(tǒng)計人口和分區(qū)平均人居指數(shù)，并對其進行Pearson相關分析及回歸分析，構建分區(qū)人居指數(shù)和分區(qū)人口密度間的回歸方程；再次，利用此回歸方程，基于第一步中所構建的人居指數(shù)分布圖，反推出武漢市人口密度分布數(shù)據(jù)，并用分區(qū)人口統(tǒng)計數(shù)據(jù)對其進行校正，構建分區(qū)人口零誤差的人口密度空間分布圖；最后，對基于上述步驟所求出的2000，2012年的武漢市分區(qū)人口零誤差空間分布圖進行空間自相關分析，通過求取全局Moran’sI，Moran散點圖及LISA集聚圖，分析武漢市人口空間分布及動態(tài)演變規(guī)律。

2.2 適宜居住區(qū)的界定及人居指數(shù)的構建

以求得的年最大NDVI值為基礎，使值落在[0.1,0.9]的區(qū)間，剔除NDVI值小于0.1和大于0.9的區(qū)域，此類區(qū)域多為裸巖、水體或植被郁閉度過高的森林而不適宜人類居住[7]。利用武漢市土地利用數(shù)據(jù)制作水體掩膜，與年NDVI值進行疊加，剔除占武漢市土地總面積25%的水體部分，剩余部分為適宜居住區(qū)，用于作為人口統(tǒng)計數(shù)據(jù)空間化的載體。

綜合遙感夜間燈光指數(shù)與年NDVI最大值構建人居指數(shù)(HSI)提取人口空間分布的方法參照于現(xiàn)有研究[14]。相對于單純的基于夜間燈光指數(shù)空間化人口統(tǒng)計數(shù)據(jù)的方法，構建人居指數(shù)能防止夜間燈光指數(shù)的過飽和現(xiàn)象而導致反演結(jié)果的偏差，計算方法如下[14-15]：

(1)

式中：NDVImax為SPOT-VEGETATION逐旬NDVI的年最大值；OLSnor為經(jīng)過標準化處理的夜間燈光指數(shù)，其值為0～1。

2.3 建立人居指數(shù)與人口統(tǒng)計數(shù)據(jù)回歸模型

以武漢市分區(qū)行政區(qū)劃數(shù)據(jù)為基準，分區(qū)計算各區(qū)總?cè)司又笖?shù)，除以各區(qū)宜居面積構建分區(qū)平均人居指數(shù)HSI，其中每個HSI分別對應1個人口統(tǒng)計密度數(shù)據(jù)。將武漢市13個區(qū)的數(shù)據(jù)作為樣本，測算其Pearson相關關系，并建立回歸模型。經(jīng)過多種模型的選擇比較，發(fā)現(xiàn)對數(shù)相關關系對于模擬HSI與對應的人口統(tǒng)計密度數(shù)據(jù)最為有效，本研究最終選擇了回歸最優(yōu)的對數(shù)模型進行模擬[16]，其表達式為：

(2)

式中：p表示分區(qū)人口統(tǒng)計密度；HSI′表示分區(qū)平均人居指數(shù)，由武漢市各區(qū)人居指數(shù)的總和除以該區(qū)對應的宜居面積確定；a和b為回歸模型的參數(shù)。

2.4 人口統(tǒng)計數(shù)據(jù)的空間化及誤差校正

基于武漢市人居指數(shù)空間分布數(shù)據(jù)，反向推導公式(2)中的回歸模型，估算武漢市人口密度分布數(shù)據(jù)，其中人口密度數(shù)據(jù)精確至柵格(1 km×1km)。利用分區(qū)人口統(tǒng)計數(shù)據(jù)作線性調(diào)整糾正各柵格的值，生成分區(qū)人口零誤差的人口密度空間分布圖，公式如下：

(3)

(4)

式中：p為根據(jù)HSI預測得到的人口密度；p′是使用統(tǒng)計數(shù)據(jù)按區(qū)修正后的人口密度；pstat為分區(qū)統(tǒng)計總?cè)丝?；pall為分區(qū)預測總?cè)丝凇?/p>

2.5 人口統(tǒng)計數(shù)據(jù)空間動態(tài)分析

借鑒已有研究中人口空間分布格局及演變特征的研究方法及指標體系，選取空間自相關分析方法進行分析?？臻g自相關分析分為全局空間自相關分析和局部空間自相關分析。

全局空間自相關用于研究整個區(qū)域之間的空間關聯(lián)模式，I的取值區(qū)間為[-1,1]，I>0，表示空間正相關，即人口密度較高的區(qū)域在空間上區(qū)域顯著集聚；I<0表示空間負相關，即該區(qū)域與周邊區(qū)域的人口密度具有空間差異；I=0表示空間不相關，即人口密度在空間上隨機分布。全局Moran’sI指數(shù)：

(5)

局部空間自相關用于揭示空間參考單元屬性值之間的相似性或相關性[17-18]，局部Moran’sI指數(shù)：

(6)

式中:n為參與分析的空間柵格總數(shù)；wij為空間權重矩陣，本研究選取基于距離的空間權重矩陣；yi,yj代表i和j單元的人口密度值；y*代表所有單元的人口密度平均值；s2為yj的離散方差值。

3 結(jié)果與分析

3.1 基于人居指數(shù)的武漢市人口空間分布模擬

2000,2012年分區(qū)平均人居指數(shù)與分區(qū)人口統(tǒng)計密度之間的Pearson相關系數(shù)分別為0.970，0.949，在0.01水平(雙側(cè))上顯著相關，二者之間具有較強的相關性。進一步對2000，2012年武漢市分區(qū)平均人居指數(shù)與分區(qū)人口統(tǒng)計密度之間的關系進行回歸分析建模，得到擬合結(jié)果如下：

2000年ln(HSI′)=-0.657+0.620ln(p)。

(7)

2012年ln(HSI′)=1.028+1.498ln(p)。

(8)

基于武漢市人居指數(shù)空間分布(圖2)及人居指數(shù)與人口統(tǒng)計密度回歸方程(7)和(8)，利用ArcGIS 10.0中柵格計算器反向計算武漢市人口密度，并利用分區(qū)人口統(tǒng)計數(shù)據(jù)進行修正，得到武漢市人口空間分布(圖3)。

研究柵格尺度越小越能真實模擬區(qū)域人口分布特征。由圖3看出武漢市人口空間分異顯著，總體表現(xiàn)為“中部高、四周低”的分布格局。人口高密度地區(qū)主要集中于社會經(jīng)濟高速發(fā)展的武漢市中心城區(qū)，人口分布低密度地區(qū)主要集中于黃陂、新洲、蔡甸、江夏等遠城區(qū)。綜合對比2000，2012年武漢市人口密度空間分布圖，顯示2012年武漢市人口分布高密度地區(qū)多于2000年，表明隨著社會經(jīng)濟的發(fā)展，武漢市人口有由周圍向中心聚集的趨勢，導致人口高密度地區(qū)沿中心向周圍擴張。

圖2 武漢市人居指數(shù)空間分布圖

圖3 武漢市人口密度空間分布圖

3.2 2000—2012年武漢市人口空間分布演變分析

3.2.1 人口分布的全局自相關分析。空間自相關是衡量研究對象之間空間相關性的重要研究方法[9]?；?000，2012年人口空間分布圖計算得到的Moran’sI值分別為0.676 1，0.731 2，且Morans’sI在蒙特卡羅模擬檢驗下p值等于0.001，在99.9%的置信度下顯著相關。Moran’sI值為正且接近1，說明研究對象之間具有較大的空間自相關性[18]。武漢市人口存在著顯著的空間自相關性，其空間分布上存在著相似值之間的空間集聚，即人口密度較高的地區(qū)與人口密度較高的地區(qū)相鄰，反之亦同。從時間角度分析，2012年的全局Moran’sI估計值相對于2000年增大，說明人口的空間集聚趨勢不斷增強。參照人口密度空間分布(圖3)可以看出，在此時間段內(nèi)武漢市人口有向中心城區(qū)集聚并逐步外延的趨勢，導致這種變化的原因是由于武漢市城鎮(zhèn)化進程促進人口自由流動并向經(jīng)濟發(fā)展水平高的地區(qū)聚集，人口空間分布與社會經(jīng)濟發(fā)展水平及基礎設施的配套等具有顯著的時空同步性。

3.2.2 人口分布的局部自相關分析。全局Moran’sI估計值只能顯示區(qū)域與其他地區(qū)空間差異的平均程度，忽略了區(qū)域人口分布局部空間特征及相關關系。Moran散點圖和LISA集聚圖可用于分析人口分布的局部空間特征。由Moran散點圖(圖4)和LISA集聚圖(圖5)結(jié)果可以看出武漢市人口密度分布主要集中在“高-高”、“低-高”2個象限。人口分布呈現(xiàn)出“高-高”正相關的區(qū)域主要分布在武昌、硚口、江漢、江岸等武漢市中心區(qū)。此外由于長江漢江穿武漢市而過，該特殊的地理構成將武漢市分為江南、江北兩部分，也將武漢市“高-高”人口集聚區(qū)分開，形成一條沿江河流向而成的人口空間分布呈“低-高”關聯(lián)的異質(zhì)帶。綜合對比2000,2012年人口密度Moran散點圖和LISA集聚圖結(jié)果，發(fā)現(xiàn)2012年人口分布呈“高-高”正相關的區(qū)域大于2000年，同時在黃陂區(qū)和新洲區(qū)分別出現(xiàn)兩處人口分布“高-高”集聚區(qū)，表明隨著社會經(jīng)濟的發(fā)展，武漢市人口在向中心城區(qū)聚集的過程中遠城區(qū)也形成了相應的人口集聚中心。

圖4 武漢市人口密度Moran散點圖

圖5 武漢市人口密度LISA集聚圖

4 結(jié)論與討論

4.1 結(jié)論

1)作為中部地區(qū)社會經(jīng)濟發(fā)展最為活躍的中心城市，2010年武漢市城市化率已達到73.64%，遠高于全國平均水平[19]。在武漢市城鎮(zhèn)化高速發(fā)展的關鍵時期，其城市空間的變化、社會經(jīng)濟的發(fā)展、生態(tài)環(huán)境問題的顯現(xiàn)將促使人口空間格局發(fā)生變化。

2)利用DMSP/OLS夜燈指數(shù)數(shù)據(jù)和SPOT-VEGETATION逐旬NDVI相結(jié)合構建的分區(qū)平均人居指數(shù)(HSI)與武漢市分區(qū)人口統(tǒng)計密度之間具有較強的對數(shù)相關關系，利用該回歸方程，基于武漢市人居指數(shù)分布圖能模擬武漢市人口空間分布格局。

3)武漢市人口分布具有“中間高周圍低”的空間分布格局，總體表現(xiàn)為以武漢市中心城區(qū)為核心的人口集聚態(tài)勢，與武漢市社會經(jīng)濟發(fā)展水平相匹配。

4)武漢市人口空間分布表現(xiàn)出較強的空間自相關性，人口的空間集聚趨勢不斷增強，根據(jù)局部自相關分析，“高-高”類型區(qū)主要分布在武昌、硚口、江漢、江岸等武漢市中心區(qū)，“低-高”類型區(qū)主要出現(xiàn)在江河流域附近；且隨著時間的推移武漢市人口分布的“高-高”類型區(qū)擴大，表明武漢市人口在向中心城區(qū)聚集的過程中，遠城區(qū)也形成了相應的人口集聚中心。

4.2 討論

對以夜間燈光強度估算方法得出的人口空間分布數(shù)據(jù)進行空間自相關分析，相對于使用基于行政區(qū)界的人口統(tǒng)計數(shù)據(jù)進行的分析，能揭示出更多的人口空間分布的細節(jié)信息；相對于基于街道人口調(diào)查數(shù)據(jù)來說，能節(jié)省更多的人力物力，且便于進行人口空間分布的時間尺度分析。其不足之處在于，夜間燈光指數(shù)數(shù)據(jù)，對柵格內(nèi)的人口平均化分布，分辨率仍不夠高，可在以后的研究中融入柵格內(nèi)人口估計方式進行精細化研究。

[1] 劉睿文,封志明,楊艷昭,等.基于人口集聚度的中國人口集疏格[J].地理科學進展,2010,29(10)：1171-1177.

[2] 蘇飛,張平宇.遼中南城市群人口分布的時空演變特征[J].地理科學進展,2010，29(1)：96-102.

[3] 凡宸,秦建橋,高洋,等.基于GIS數(shù)據(jù)的縣域人口密度空間降尺度模擬——以廣東省惠東縣為例[J].中國人口·資源與環(huán)境,2014,24(3)：226-230.

[4] 吳文鈺,高向東.中國城市人口密度分布模型研究進展及展望[J].地理科學進展,2010,29(8):968-974.

[5] 劉建軍,李春來.基于遙感和GIS的巢湖流域人口信息提取[J].科學通報,2002,47(23)：1835-1837.

[6] 肖榮波,丁琛.城市規(guī)劃中人口空間分布模擬方法研究[J].中國人口·資源與環(huán)境,2011,21(6)：13-18.

[7] 卓莉,陳晉,史培軍,等.基于夜間燈管數(shù)據(jù)的中國人口密度模擬[J].地理學報,2005,60(2)：266-276.

[8] 高義,王輝,王培濤,等.基于人口普查與多源夜間燈管數(shù)據(jù)的海岸帶人口空間化分析[J].資源科學,2013,35(12)：2517-2523.

[9] 高超,金鳳君,傅娟,等.1996—2011年南非人口空間分布格局與演變特征[J].地理科學進展,2013,32(7):1167-1176.

[10] 李文訓,孫希華.基于GIS的山東省人口重心遷移研究[J].山東師范大學學報：自然科學版,2007,22(3)：83-86.

[11] 張慧.1990—2010年西北地區(qū)縣域人口數(shù)量與空間集疏變化時空分析[J].干旱區(qū)資源與環(huán)境,2013,27(7)：33-39.

[12] 杜國明,張樹文,張有全.城市人口分布的空間自相關分析——以沈陽市為例[J].地理研究,2007,26(2)：383-390.

[13] 王書國,段學軍,姚士謀.長江三角洲地區(qū)人口空間演變特征及動力機制[J].長江流域資源與環(huán)境,2007,16(4)：405-409.

[14] 楊續(xù)超,高大偉,丁明軍,等.基于多源遙感數(shù)據(jù)及DEM的人口統(tǒng)計數(shù)據(jù)空間化——以浙江省為例[J].長江流域資源與環(huán)境,2013,22(6)：729-734.

[15] Lu D,Tian H,Zhou C,etal.RegionalMappingofHumanSettlementsinSoutheasternChinawithMultisensoryRemotelySensedData[J].RemoteSensingofEnvironment,2008,112(9):3668-3679.

[16] 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].地球信息科學學報,2012,14(1)：128-136.

[17] 王培震,石培基,魏偉,等.基于空間自相關特征的人口密度格網(wǎng)尺度效應與空間化研究——以石羊河流域為例[J].地球科學進展,2012,27(12):1363-1372．

[18] 宋雪茜,劉穎.四川省各市州公共服務供給空間的自相關分析[J].地域研究與開發(fā)，2015,34(4):23-29.

[19] 華宇.武漢市人口空間結(jié)構研究[D].武漢：華中師范大學,2014.

The Analysis on Spatial Distribution and Evolution of the Population in Wuhan City Based on Multi-source Remote Sensing Data

Zhao Lili , Meng Fen , Ma Caixue

(CollegeofPublicManagement,HuazhongAgriculturalUniversity,Wuhan430070,China)

Based on DMSP/OLS night light index and SPOT-VEGETATION dekad NDVI data, human settlements index (HSI) was calculated to simulate the population spatial distribution of Wuhan City in 2000 and 2012. Then the spatial autocorrelation model was employed to discover the distribution and evolution of population from the perspectives of spatial and temporal. The results showed that: (1) Using the night light intensity estimation method can simulate Wuhan population spatial distribution fast and accurately; (2) There was a trend that rural population agglomerate to the central urban area with the feature of “high middle and low around”; (3) The spatial distribution of Wuhan population demonstrated a high spatial autocorrelation characteristic. According to local autocorrelation analysis, areas with “high-high” feature were mainly distributed in Wuchang, Qiaokou, Jianghan, and Jiangan Districts. Besides that, this type of area expanded as time passed. At the same time, in the suburbs of Wuhan City, there were also some new population agglomeration centers.

DMSP/OLS night light index; SPOT-VEGETATION NDVI; population spatial distribution pattern; spatial autocorrelation analysis; Wuhan City

2015-09-16；

2015-12-31

趙利利(1989-)，女，河北邯鄲市人，碩士研究生，主要從事土地資源管理研究，(E-mail)13419566679@163.com。

馬才學(1961-)，男，湖北天門市人，教授，博士，主要從事土地資源管理研究，(E-mail)macaixue@mail.hzau.edu.cn。

K901.3

A

1003-2363(2016)03-0165-05