贛南與閩西地區(qū)經濟空間格局的夜光遙感研究
——以原贛南、閩西蘇區(qū)為例*

李建忠，鄭著彬,b,?，張潤飛，林 琳，楊 虹

(贛南師范大學 a.地理與環(huán)境工程學院;b.環(huán)境工程技術研究中心，江西 贛州 341000)

1 引言

隨著我國改革開放的進程不斷加快，經濟、人口等社會統(tǒng)計數(shù)據在人地關系研究中愈來愈受社會各界人士的關注.準確獲得GDP空間分布以及城市經濟聯(lián)系強度對于描述和規(guī)劃一個國家或地區(qū)的經濟發(fā)展水平、產業(yè)布局、區(qū)域經濟格局具有重要意義[1].國內外許多學者利用基于時間序列預測分析的數(shù)學模型方法進行回歸分析來預測GDP，如ARIMA模型[2]，VAR模型[3].但這些方法都是基于現(xiàn)有GDP數(shù)據進行回歸預測分析，數(shù)據來源單一，沒有充足的說服力，且不能反映區(qū)域城市經濟的差異以及聯(lián)系強度.因而需要采用合適的方法來準確估算國內生產總值[4]和量測區(qū)域城市經濟聯(lián)系強度.夜間燈光影像可以獲取城市夜間燈光以及小規(guī)模低強度的燈光，在一定程度上夜間燈光數(shù)據是衡量GDP的有力指標，能夠反映某一區(qū)域城市化水平、人口以及工業(yè)的現(xiàn)狀[5].

夜間燈光遙感研究范圍廣、獲取線性時間短、受條件限制少等特點，在社會經濟參數(shù)估算、人口密度估算與模擬、城市化監(jiān)測與評估、生態(tài)環(huán)境監(jiān)測[5-11]等方面取得廣泛應用.Elvidge等[12]利用DMSP-OLS夜間照明數(shù)據與GDP進行回歸分析，夜間照明面積與GDP具有高度的相關性.Doll等[13]利用DMSP-OLS數(shù)據提取夜間照明面積與GDP進行分析，進一步證實了夜間照明面積與GDP具有高相關性.韓向娣等[14]利用DMSP-OLS數(shù)據與土地利用數(shù)據結合的方法，構建DMSP-OLS數(shù)據與GDP總值以及各產業(yè)GDP總值的模型，得出1 km2的GDP空間化模擬網格.但DMSP-OLS數(shù)據存在像素過飽和問題削減了夜間燈光數(shù)據與社會經濟數(shù)據的相關性，美國于2012年發(fā)射的國家極軌衛(wèi)星系統(tǒng)預備項目(NPOESS)的首顆衛(wèi)星搭載的可見紅外成像輻射計(VIIRS)避免了上述問題.李峰等[15]利用土地利用數(shù)據與第一產業(yè)GDP建模，使用5種燈光指數(shù)與第二、三產業(yè)GDP建立相對應的數(shù)學模型，反映經濟空間分布.郭曉瑩[6]基于NPP/VIIRS夜間燈光數(shù)據對人口進行模擬研究.王嬌嬌等[7]利用NPP/VIIRS結合Landsat8 OLI數(shù)據進行人口密度估算.沈丹等利用NPP/VIIRS數(shù)據建立貧困模型，實現(xiàn)大范圍區(qū)域貧困識別.劉智麗等[9]基于NPP/VIIRS夜間燈光數(shù)據以及Sentinel-2A數(shù)據實現(xiàn)城市建成區(qū)邊界提取.李珂等[10]使用NPP/VIIRS夜間燈光數(shù)據與氣象站點統(tǒng)計數(shù)據建立PM2.5預測模型，對PM2.5濃度進行空間化模擬，表明NPP/VIIRS數(shù)據在PM2.5濃度估算方面潛力較大.郭磊等[11]基于NPP/VIIRS數(shù)據構建GDP與人口空間化分布模型，利用歷史洪水進行洪水淹沒損失模擬，發(fā)現(xiàn)夜間燈光數(shù)據在重大事件評估具有重要作用.上述研究主要以DMSP-OLP以及NPP/VIIRS數(shù)據，特別是衍生出的夜間燈光面積數(shù)據，利用相關分析和回歸分析來確定大范圍的社會經濟統(tǒng)計數(shù)據.結果顯示，夜光遙感能實時反映城市基礎設施配置及運行效率，節(jié)省了大量人力及物力，具有較強客觀性、可比性和易獲取性.因此，夜光遙感數(shù)據是評價經濟發(fā)展水平及監(jiān)測生態(tài)環(huán)境重要數(shù)據源.

本研究以原贛南、閩西蘇區(qū)為研究區(qū)，構建夜間燈光指數(shù)與GDP的數(shù)學模型，基于模型預估某一時間GDP總量，利用夜間燈光總強度衡量城市經濟發(fā)展質量.本研究采用考慮地形以及夜間燈光影響的修正重力模型來計算出研究區(qū)域內各城市之間的經濟聯(lián)系強度.結果能夠直觀顯示出各城市經濟發(fā)展水平、城市的差異性，為當?shù)卣疀Q策和政策實施提供一定依據.本文的研究重點是夜間燈光數(shù)據與社會經濟數(shù)據之間的空間相關關系，從而拓展遙感在資源環(huán)境領域的應用，也在區(qū)域經濟學研究中提供新的思路與方法.

圖1 原贛南閩西蘇區(qū)范圍

圖2 2013年原贛南閩西蘇區(qū)夜間燈光影像

2 研究數(shù)據和方法

2.1 研究區(qū)概況

原贛南、閩西蘇區(qū)地處贛閩兩省交界處，主要范圍為江西省贛州市以及福建省龍巖市，從歷史文化上看，原中央蘇區(qū)的核心區(qū)域為贛南、閩西地區(qū)[16]，且兩個區(qū)域同屬于客家文化圈，文化習俗十分相似；從地理位置上看，處于贛閩粵三省交界，毗鄰相接、山水相連形成一個統(tǒng)一的整體，；從社會經濟上看，區(qū)位條件和資源條件極其相近、發(fā)展水平相似，贛南、閩西地區(qū)處于粵港澳大灣區(qū)以及海西經濟區(qū)的鄰接地區(qū)，區(qū)位優(yōu)勢明顯.贛南、閩西蘇區(qū)在中國革命史上具有不可替代的地位，贛南、閩西地區(qū)是蘇維埃政權建立起的核心區(qū)域，包含章貢區(qū)、南康區(qū)、贛縣區(qū)、新羅區(qū)以及永定區(qū)5個市轄區(qū)，瑞金市1個縣級市，上猶縣、崇義縣、信豐縣、全南縣、定南縣、安遠縣、尋烏縣、會昌縣、于都縣、寧都縣、興國縣、石城縣、長汀縣、武平縣以及上杭縣16個縣，總共22個縣級行政單位.原贛南、閩西蘇區(qū)范圍如圖1所示：

2.2 研究數(shù)據

2.2.1 NPP/VIIRS數(shù)據

夜間燈光數(shù)據是從NPP/VIIRS獲取到，NPP/VIIRS來源于美國國家地球物理中心(https://ngdc.noaa.gov/eog/download.html).與DMSP-OLS比較，該數(shù)據中未出現(xiàn)像元過飽和現(xiàn)象，但NPP/VIIRS數(shù)據也存在缺點，該數(shù)據未去除森林火災發(fā)出的火光、漁船的燈光、極光等非城鎮(zhèn)燈光的影響.本研究為了保證數(shù)據的完整性，將背景噪聲造成的負DN值使用0值替代.原始數(shù)據采用的WGS-84坐標系，為了使投影變形最小，需要應用ArcGIS軟件對數(shù)據進行投影轉換操作，投影轉換成Asia_Lambert_Conformal_Conic投影.再使用最臨近的方法重采樣至500 m空間分辨率，同時以贛南、閩西地區(qū)縣級矢量數(shù)據文件作為邊界裁剪得出原贛南、閩西蘇區(qū)的夜間燈光數(shù)據圖.圖2顯示的是原贛南、閩西蘇區(qū)夜間燈光影像圖，從圖中可以直觀看出，越靠近市轄區(qū)的縣城，夜間燈光數(shù)值越大.

2.2.2 其他數(shù)據來源

研究中使用到原贛南、閩西蘇區(qū)的2013、2015以及2017年縣級統(tǒng)計數(shù)據來源于贛州市統(tǒng)計局及龍巖市統(tǒng)計局.原贛南、閩西蘇區(qū)縣級矢量數(shù)據來源于國家基礎地理數(shù)據服務中心.

本研究使用到兩地區(qū)之間的距離，使用百度地圖推薦的兩縣市之間最短通車距離(km)，以此來表示地區(qū)間經濟活動類型通道距離.研究中使用到的坡度數(shù)據，利用掩膜后的30 m空間分辨率的DEM數(shù)據在ArcGIS中使用“Spatial Analyst工具”中的“坡度”工具計算得出，再利用“區(qū)域分析工具”中的“以表格顯示分區(qū)統(tǒng)計”工具進行分析，得出平均坡度.

2.3 研究方法

2.3.1 構建縣級夜間燈光指數(shù)

縣級燈光指數(shù)可以客觀反映各城市的城市化程度以及經濟發(fā)展水平，是城市綜合經濟發(fā)展水平的數(shù)學表達.本研究基于夜間燈光數(shù)據分別構建燈光像元屬性值與相應的個數(shù)之積的夜間照明總強度(total night-time light，TNL)、夜間照明總強度占最大照明強度百分比的平均相對燈光強度I、區(qū)域照明面積與縣域總面積之比S、區(qū)域綜合燈光指數(shù)(compounded night light index，CNLI)，區(qū)域綜合燈光指數(shù)為平均燈光強度與燈光面積的乘積[17-20]，即為：

(1)

I=TNL/(DNmax×NL)

(2)

(3)

CNLI=I×S

(4)

式中，DNi表示區(qū)域內像元值為i的像元，ni表示像元值為i的像元個數(shù)，NL和AreaN分別表示區(qū)域內的像元總數(shù)以及像元占有總面積，Area表示縣級行政區(qū)總面積.

2.3.2 Pearson相關性分析

利用縣級邊界矢量數(shù)據分區(qū)統(tǒng)計計算各縣級行政區(qū)的TNL、I、S和CNLI 4種燈光指數(shù)，利用贛南、閩西原蘇區(qū)的地區(qū)生產總值、分產業(yè)生產總值以及第二、三產業(yè)生產總值之和與4種燈光指數(shù)分析兩者的相關性，得出兩者的相關系數(shù)R，計算公式如下：

(5)

式中，R是相關系數(shù)，Xi表示夜間燈光指數(shù)，Yi表示GDP統(tǒng)計數(shù)據.

2.3.3 構建縣級夜間燈光指數(shù)與GDP統(tǒng)計數(shù)據模型

基于4種不同的夜間燈光指數(shù)與地區(qū)生產總值、各產業(yè)生產總值以及第二、三產業(yè)之和生產總值之間的Pearson相關系數(shù)，選取相關性強的夜間燈光指數(shù)與GDP進行回歸分析，模型公式如下：

GDPi=a+b×Qi

(6)

式中，GDPi表示GDP、GDP1、GDP2、GDP3以及GDP23，a和b為回歸系數(shù)，Qi表示夜間燈光指數(shù).

2.3.4 量測城市經濟聯(lián)系強度

在一定的區(qū)域范圍內，區(qū)域之間的人員、商品、資金和信息等經濟要素會產生一定的流動和配置，促進區(qū)域間經濟活動的發(fā)生聯(lián)系及作用[21].重力引力模型在區(qū)域經濟中得到廣泛應用，如鐘業(yè)喜等[22]利用重力引力模型研究江蘇省的各城市聯(lián)系強度，進而通過城市聯(lián)系強度劃分各城市腹地范圍.彭芳梅等[23]利用重力引力模型研究粵港澳大灣區(qū)城市群和周邊城市之間的經濟聯(lián)系與空間結構.但常規(guī)的重力引力模型為考慮自然地形條件等因素，贛南、閩西地區(qū)境內山地丘陵較多，復雜的地形地貌會嚴重地影響區(qū)域間人員的流動、資本的流通，因此本研究需要將各區(qū)域之間的自然地形屬性考慮進去，故將模型修正為：

(7)

式中，F(xiàn)ij表示區(qū)域i和區(qū)域j之間的經濟聯(lián)系強度，Hi、Hj分別表示區(qū)域i、區(qū)域j的地區(qū)生產總值，rij表示區(qū)域i與區(qū)域j之間的最短公路距離，Pi、Pj表示區(qū)域i和區(qū)域j的自然屬性，即平均坡度.k為常數(shù)，這里取1；b為距離摩擦因數(shù)，參照江蘇省縣市聯(lián)系強度[22]，湘鄂贛省際交界區(qū)各縣經濟聯(lián)系強度[23]，最終確定距離摩擦因數(shù)取2.

3 結果與分析

3.1 2013-2017年各縣級行政區(qū)夜間燈光指數(shù)動態(tài)分析

利用式(1)、(2)和(4)分別計算原贛南、閩西蘇區(qū)22個縣級行政區(qū)的TNL、I、CNLI夜光指數(shù)，從表1可以看出2013-2017年大部分城市的燈光指數(shù)都隨GDP增加而增加.贛南地區(qū)各縣級城市TNL顯著提高，說明3種夜光指數(shù)與GDP具有一定的相關性.

表1 原贛南、閩西蘇區(qū)2013、2015、2017年夜間燈光指數(shù)

3.2 GDP分區(qū)模擬結果分析

利用GDP統(tǒng)計數(shù)據與夜間燈光指數(shù)進行Pearson相關性分析，得出各產業(yè)GDP與四種夜間燈光指數(shù)的Pearson相關系數(shù).表2為四種夜間燈光指數(shù)(I、S、TNL以及CNLI)與GDP、GDP1、GDP2、GDP3以及GDP23的Pearson相關系數(shù).從表中可以直觀地看出：夜間燈光總強度與GDP1的相關性不大，與GDP、GDP2、GDP3、GDP23相關性較大.所以本文選用夜間燈光總強度(TNL)這一最佳夜間燈光指數(shù)與GDP、GDP2、GDP3、GDP23進行相關性分析.

表2夜間燈光指數(shù)與GDP的Pearson系數(shù)

圖3是2013年原贛南、閩西蘇區(qū)縣級夜間燈光總強度與GDP、GDP1、GDP2、GDP3以及GDP23的回歸建模的相關結果.結果顯示：GDP1、GDP2、GDP3、GDP23與其最佳夜間燈光指數(shù)呈現(xiàn)明顯的線性關系，相關系數(shù)較高，模型預測GDP效果較好.GDP3的R2最大，達到0.951 2，而GDP1與夜間燈光總強度的線性關系并不明顯，R2僅為0.027 1，相關性較差.夜間燈光主要反映的是城市的夜間燈光，城市夜間燈光大部分來自于第二產業(yè)以及第三產業(yè)，第一產業(yè)為大部分集中于城郊以及鄉(xiāng)村，夜間燈光數(shù)據較難準確探測到第一產業(yè)發(fā)出的微弱燈光，因而第一產業(yè)與夜間燈光總強度(TNL)的相關性較弱，線性關系不顯著，第二產業(yè)、第三產業(yè)與夜間燈光總強度(TNL)線性關系顯著，相關性強.

圖3 夜間燈光指數(shù)與GDP回歸分析結果

表3利用2015年、2017年贛南、閩西地區(qū)各縣級行政單位GDP、GDP2、GDP3、GDP23的預測值與實際值進行誤差分析，從表中可以看出，GDP預測結果與實際統(tǒng)計數(shù)據的平均相對誤差最小，證明了利用NPP/VIIRS夜間燈光數(shù)據預測GDP統(tǒng)計值是可行的且預測精度較高的.

表3 原贛南、閩西蘇區(qū)各產業(yè)預測值與實際值相對誤差(%)

3.3 經濟聯(lián)系強度的計算與分析

根據式(7)及相關數(shù)據，可以得到2013年、2015年以及2017年的原贛南、閩西蘇區(qū)各區(qū)縣的城市經濟聯(lián)系空間結構，為了顯示城市經濟聯(lián)系空間結構的年際差異與變化，因此本研究將經濟聯(lián)系強度小于0.500 0的舍棄.得出如下結論：

圖4 2013年贛南閩西各縣經濟聯(lián)系強度圖 圖5 2015年贛南閩西各縣經濟聯(lián)系強度圖

圖6 2017年贛南閩西各縣經濟聯(lián)系強度圖

3.3.1 各區(qū)縣經濟聯(lián)系強度有所上升，但依然存在弱聯(lián)結

通過2013年、2015年以及2017年贛南、閩西地區(qū)各區(qū)縣經濟聯(lián)系強度對比分析，發(fā)現(xiàn)2013-2017年贛州市市轄區(qū)的經濟聯(lián)系強度逐年上升，龍巖市各市轄區(qū)的經濟聯(lián)系強度一直沒有發(fā)生較大的變化.贛南閩西地區(qū)各區(qū)縣之間經濟聯(lián)系強度逐年上升，說明贛南地區(qū)與閩西地區(qū)之間的經濟交流在逐年加強，但在贛閩交界處各區(qū)縣的經濟關系聯(lián)系較弱.從整體上看，贛南、閩西蘇區(qū)各區(qū)縣的經濟聯(lián)系強度在逐漸增強，贛州-瑞金-龍巖鐵路的開通加快了贛南、閩西這兩大原蘇區(qū)的資金、人才和技術的流通，使得鐵路沿線區(qū)縣的經濟聯(lián)系強度在穩(wěn)步上升，兩個地區(qū)之間的經濟交流也日益頻繁.

3.3.2 城市經濟聯(lián)系強度空間差異減小，發(fā)展不均衡現(xiàn)象明顯

從空間格局上看，2013年贛南、閩西蘇區(qū)經濟聯(lián)系強度較高的區(qū)域主要分布于贛州市以及龍巖市的周邊區(qū)縣，遠離市區(qū)且地形復雜坡度較大的邊緣縣區(qū)的經濟聯(lián)系強度顯著下降，而且這些區(qū)縣與周圍邊界的聯(lián)系強度也相對較弱.原因可能是由于交界處城市自然地形復雜，交通條件較差，形成交通弱縣，從而增加了交通運輸成本，減少經濟因素的流通.

3.3.3 經濟空間聯(lián)系網絡結構趨向“多中心”發(fā)展

贛南閩西蘇區(qū)之間的經濟空間聯(lián)系網絡結構上趨向“多中心發(fā)展”，主要原因是近幾年來各縣級行政單位的經濟發(fā)展水平、城鎮(zhèn)化發(fā)展速度以及交通通達性在逐步提升.瑞金市、定南縣、上杭縣是贛南閩西蘇區(qū)的區(qū)域發(fā)展引擎，形成該區(qū)域中心城市，帶動周邊縣市經濟發(fā)展.

3.3 政策與建議

4 結論與展望

利用NPP/VIIRS夜間燈光數(shù)據構建相對應的夜間燈光指數(shù)與GDP統(tǒng)計數(shù)據進行回歸分析，研究結果表明：GDP統(tǒng)計數(shù)據與構建的夜間燈光總強度(TNL)相關性最高，兩者之間呈現(xiàn)明顯的線性關系；地區(qū)生產總值(GDP)與夜間燈光總強度(TNL)構建的預測模型平均相對誤差為0.27%，利用夜間燈光數(shù)據可以準確地預估原贛南、閩西蘇區(qū)縣級行政單位的GDP；采用修正后的重力引力模型計算原贛南、閩西蘇區(qū)縣級城市間經濟聯(lián)系強度，發(fā)現(xiàn)隨贛州-瑞金-龍巖鐵路的開通，贛南與閩西各區(qū)縣的經濟聯(lián)系強度逐年提升，但依然存在經濟弱聯(lián)結.經濟發(fā)展水平差異有所減小，但受邊緣屏蔽效應明顯.贛州市市轄區(qū)與周邊縣市的經濟聯(lián)系強度高于龍巖市市轄區(qū)與周邊縣市的經濟聯(lián)系強度，贛州市對處于省際交界區(qū)縣市經濟輻射弱于龍巖市，這些經濟受市中心影響較小的縣市大部分為國家級貧困縣.龍巖市市轄區(qū)與下轄縣市經濟聯(lián)系強度較弱，下轄區(qū)縣大部分依靠自身條件發(fā)展且閩西地區(qū)多山地丘陵，綜合交通能力較弱，導致下轄區(qū)縣經濟發(fā)展水平較低，造成龍巖市經濟上呈現(xiàn)“東富西貧”的現(xiàn)象.

基于夜間燈光數(shù)據的GDP回歸模擬數(shù)據只能用于宏觀分析數(shù)據，要得到更高精度的GDP回歸模擬數(shù)據，需進一步進行參數(shù)優(yōu)化以及考慮更多相關性高的影響因子，使得構建的模型結果更加精確.在后期的研究中，選取更小的區(qū)域作為研究單元，考慮區(qū)域經濟內部差異以及區(qū)域內各城市的經濟聯(lián)系強度，為夜光遙感在區(qū)域經濟中的應用提供技術支持.