基于夜光遙感數(shù)據(jù)的不同產(chǎn)業(yè)GDP估算精度影響因素分析
——以中國沿海16個(gè)城市為例

張正鵬，尹茁，高嵩，卜麗靜，許崢輝

(1.湘潭大學(xué) 自動化與電子信息學(xué)院，湖南 湘潭 411105；2.遼寧工程技術(shù)大學(xué) 測繪與地理科學(xué)學(xué)院，遼寧 阜新 123000)

0 引言

夜晚的可見光和人類社會活動密切相關(guān)，夜光遙感影像作為一種重要的遙感產(chǎn)品，在城市范圍繪制[1]、社會經(jīng)濟(jì)參數(shù)分析[2]和模擬人口分布[3]等領(lǐng)域中已得到廣泛的應(yīng)用。夜光遙感影像中的燈光亮度值能有效地反映出社會經(jīng)濟(jì)發(fā)展水平，為預(yù)測社會經(jīng)濟(jì)參數(shù)提供數(shù)據(jù)基礎(chǔ)。

國內(nèi)生產(chǎn)總值(gross national product，GDP)代表某一既定時(shí)期一個(gè)國家國內(nèi)生產(chǎn)的所有最終物品與勞務(wù)的市場價(jià)值[4]，能夠?qū)σ粋€(gè)國家總體經(jīng)濟(jì)情況進(jìn)行衡量，是國民經(jīng)濟(jì)核算的重要指標(biāo)。大量研究表明，夜光數(shù)據(jù)在估算和分析GDP方面表現(xiàn)出很高的潛力[5]。Elvidge等[6]研究發(fā)現(xiàn)美國國防氣象衛(wèi)星計(jì)劃-線性掃描業(yè)務(wù)系統(tǒng)(DMSP-OLS)夜光數(shù)據(jù)與GDP的相關(guān)性較高，并采用線性回歸方法定義了回歸方程。劉佳等[7]通過皮爾森相關(guān)系數(shù)對GDP與DMSP-OLS的夜光數(shù)據(jù)進(jìn)行分析，分析發(fā)現(xiàn)GDP和夜光數(shù)據(jù)存在顯著正相關(guān)關(guān)系。2011年美國成功發(fā)射國家極地軌道衛(wèi)星(national polar orbit partnership，NPP)。2018年6月由中國武漢大學(xué)研制的“珞珈一號”衛(wèi)星成功發(fā)射升空。作為新一代夜光遙感衛(wèi)星，“珞珈一號”夜光數(shù)據(jù)具有高分辨率、高信噪比和獲取簡易等特點(diǎn)，彌補(bǔ)了我國在夜光數(shù)據(jù)獲取方面的不足[8]。NPP-VIIRS和“珞珈一號”夜光數(shù)據(jù)都具有更高的空間分辨率，對燈光的感知敏感[9-10]。

夜光遙感影像的燈光亮度值能在一定程度上有效反映出經(jīng)濟(jì)貢獻(xiàn)，但并非影像中的所有具有像素值的點(diǎn)都有經(jīng)濟(jì)意義。因此，能否有效地去除這種與經(jīng)濟(jì)無關(guān)的像素點(diǎn)，對利用夜光數(shù)據(jù)分析經(jīng)濟(jì)參量尤為重要。文獻(xiàn)[11-15]在進(jìn)行夜光數(shù)據(jù)與經(jīng)濟(jì)參量相關(guān)性分析前，去除了NPP-VIIRS夜光數(shù)據(jù)存在的背景和一些臨時(shí)光源噪聲，消除了與經(jīng)濟(jì)活動無關(guān)的混淆因素。結(jié)果顯示，經(jīng)濟(jì)與夜光數(shù)據(jù)的相關(guān)性均有明顯的提高。文獻(xiàn)[16-17]中提到云和月光會影響“珞珈一號”夜光數(shù)據(jù)的質(zhì)量，但是否存在影響經(jīng)濟(jì)分析的干擾因素，尤其在產(chǎn)業(yè)結(jié)構(gòu)經(jīng)濟(jì)分析方面目前沒有明確文獻(xiàn)記載，本文針對這一問題進(jìn)行了相關(guān)探討。目前基于夜光遙感的經(jīng)濟(jì)分析研究大多停留在縣級、市級和省級等城市整體尺度空間上，反映城市的整體經(jīng)濟(jì)發(fā)展水平。而城市的經(jīng)濟(jì)發(fā)展水平受城市產(chǎn)業(yè)結(jié)構(gòu)發(fā)展的影響[18-19]，因此研究產(chǎn)業(yè)結(jié)構(gòu)尺度空間的夜光遙感經(jīng)濟(jì)分析具有重要意義。由于無法獲取城市準(zhǔn)確產(chǎn)業(yè)結(jié)構(gòu)分布圖，目前夜光數(shù)據(jù)的產(chǎn)業(yè)經(jīng)濟(jì)分析大多使用土地利用數(shù)據(jù)模擬第一產(chǎn)業(yè)的經(jīng)濟(jì)產(chǎn)出，夜光數(shù)據(jù)模擬第二、第三產(chǎn)業(yè)的經(jīng)濟(jì)產(chǎn)出[20-21]，但存在夜光數(shù)據(jù)對產(chǎn)業(yè)經(jīng)濟(jì)貢獻(xiàn)反映不精確的問題。

綜上，本文以中國沿海的16個(gè)港口城市作為研究區(qū)域，利用夜光數(shù)據(jù)分析產(chǎn)業(yè)結(jié)構(gòu)對城市經(jīng)濟(jì)的影響。首次在產(chǎn)業(yè)結(jié)構(gòu)尺度上，對比了“珞珈一號”和NPP-VIIRS夜光數(shù)據(jù)的GDP相關(guān)性，分析了影響夜光數(shù)據(jù)預(yù)測經(jīng)濟(jì)參量的主要因素。針對影響夜光數(shù)據(jù)預(yù)測經(jīng)濟(jì)參量的主要因素，提出多幀閾值去噪方法去除“珞珈一號”夜光影像中影響產(chǎn)業(yè)結(jié)構(gòu)分析的“噪聲”；提出將公開地圖(openstreetmap，OSM)道路網(wǎng)絡(luò)和興趣點(diǎn)(point of interest，POI)重分類法相結(jié)合的方法來劃分產(chǎn)業(yè)結(jié)構(gòu)，解決了在產(chǎn)業(yè)結(jié)構(gòu)經(jīng)濟(jì)分析中使用的燈光值不準(zhǔn)確的問題。

1 研究區(qū)及方法

本文以16個(gè)沿海城市(上海、天津、寧波、舟山、廣州、深圳、湛江、汕頭、青島、煙臺、大連、福州、廈門、泉州、?？诤腿齺?作為研究區(qū)域。16個(gè)沿海城市的社會經(jīng)濟(jì)發(fā)展?fàn)顟B(tài)不同，研究該區(qū)域GDP和夜光數(shù)據(jù)間的相關(guān)性具有一定實(shí)際意義。本文技術(shù)方案如圖1所示。

圖1 技術(shù)方案

1)數(shù)據(jù)預(yù)處理。包括“珞珈一號”夜光數(shù)據(jù)的配準(zhǔn)和去噪，并采用OSM數(shù)據(jù)與POI數(shù)據(jù)進(jìn)行產(chǎn)業(yè)結(jié)構(gòu)的劃分。

2)模型構(gòu)建。利用預(yù)處理之后的夜光數(shù)據(jù)和產(chǎn)業(yè)結(jié)構(gòu)分布圖，構(gòu)建線性回歸模型。

3)產(chǎn)業(yè)結(jié)構(gòu)經(jīng)濟(jì)分析。采用線性回歸模型，對比NPP-VIIRS數(shù)據(jù)和“珞珈一號”數(shù)據(jù)在產(chǎn)業(yè)尺度中的相關(guān)性，分析和估算沿海16個(gè)城市的GDP。

1.1 夜光遙感與OSM數(shù)據(jù)配準(zhǔn)

OSM數(shù)據(jù)作為由全球用戶參與并提供數(shù)據(jù)的在線開源地圖，提供了多種類型的道路數(shù)據(jù)，包括高速公路、主干道、一級公路和二級公路等數(shù)據(jù)。城市道路上的路燈是市政工程，屬于第三產(chǎn)業(yè)，利用道路數(shù)據(jù)可以相對準(zhǔn)確地提取出路燈貢獻(xiàn)的燈光值，因此，OSM道路數(shù)據(jù)與“珞珈一號”影像上的道路網(wǎng)的重合度直接會對產(chǎn)業(yè)結(jié)構(gòu)經(jīng)濟(jì)分析產(chǎn)生影響?！扮箸煲惶枴币构膺b感影像在發(fā)布前經(jīng)過了系統(tǒng)的幾何校正，但其定位精度較低在0.49～0.93 km之間[22]，與OSM道路數(shù)據(jù)疊加時(shí)存在偏移現(xiàn)象。為了更準(zhǔn)確地提取產(chǎn)業(yè)燈光值，采用多項(xiàng)式仿射變換方法進(jìn)行影像配準(zhǔn)，配準(zhǔn)后均方根誤差為0.213～0.346像素之間。

1.2 夜光“噪聲”分析與處理方法

實(shí)驗(yàn)數(shù)據(jù)為2018年的NPP-VIIRS和“珞珈一號”夜光數(shù)據(jù)，主要參數(shù)見表1。其中，NPP-VIIRS數(shù)據(jù)產(chǎn)品是經(jīng)過異常值(火災(zāi)、其他短暫發(fā)光光源)去除的無云平均輻射值數(shù)據(jù)[23]。利用文獻(xiàn)[12]提出的數(shù)據(jù)處理方法對NPP-VIIRS夜光遙感影像進(jìn)行預(yù)處理，去除影像中的背景噪聲和其他干擾因素。

表1 “珞珈一號”與NPP衛(wèi)星的主要參數(shù)

“珞珈一號”衛(wèi)星成像模式為幀推掃成像模式[24]，采樣間隔為5 s/幀，可以完成對城市的連續(xù)拍攝。因此，同一區(qū)域在同一天會有連續(xù)拍攝的多張夜光遙感影像。通過觀察16個(gè)城市的“珞珈一號”夜光遙感影像，發(fā)現(xiàn)每個(gè)城市在沒有明確燈光的地方會存在白點(diǎn)狀的“噪聲”，影像中這些“噪聲”呈隨機(jī)分布，如圖2(a)～圖2(c)所示。通過圖2(d)的Landsat-8影像與夜光遙感影像的對比可發(fā)現(xiàn)，這些地方多為林地、草地等屬于夜晚不發(fā)光區(qū)域。這些“噪聲”會對燈光值的準(zhǔn)確性產(chǎn)生影響，進(jìn)而影響燈光值與GDP的相關(guān)性。因此，本文提出多幀閾值法去除“噪聲”，提高夜光數(shù)據(jù)的可靠性，如式(1)所示。

注：該圖基于福建省自然資源廳福建省標(biāo)準(zhǔn)地圖服務(wù)下載的審圖號為閩S(2018)38號的標(biāo)準(zhǔn)地圖制作，底圖無修改。圖2 福州市影像

(1)

(2)

式中：Iavg為平均影像；n為影像數(shù)量；(u，v)為像素位置；T為閾值(實(shí)驗(yàn)設(shè)置T=1 000)；Ix為多幀影像中質(zhì)量最好(“噪聲”最少)影像；Iy為經(jīng)多幀閾值法處理后的結(jié)果影像。

1.3 OSM與POI數(shù)據(jù)的產(chǎn)業(yè)結(jié)構(gòu)劃分方法

地塊是以道路數(shù)據(jù)為邊界的多邊形，是城市區(qū)域內(nèi)的自然分割邊界[25]，同時(shí)地塊也是城市管理和城市規(guī)劃中承載社會經(jīng)濟(jì)功能的基本單元[26]。本文根據(jù)文獻(xiàn)[25]中提到的方法，利用OSM道路數(shù)據(jù)對研究區(qū)域進(jìn)行地塊劃分。OSM道路數(shù)據(jù)使用前需進(jìn)行預(yù)處理。對數(shù)據(jù)中長度小于300 m的道路進(jìn)行修剪，以移除懸掛路段，將道路兩端分別延長80 m以連接相鄰但未連接的道路。通過處理可閉合一些道路，同時(shí)也可以將不完整的道路移除。道路級別不同其寬度也不同，因此綜合研究區(qū)域的實(shí)際道路情況，采用統(tǒng)一標(biāo)準(zhǔn)對16個(gè)城市的道路寬度進(jìn)行定義，將道路寬度定義為5～40 m不等。通過對道路的擴(kuò)張操作，可以消除道路間不具有社會經(jīng)濟(jì)功能的小地塊。圖3為廣州市基于OSM數(shù)據(jù)地塊劃分圖，其中圖3(a)和圖3(b)為局部放大圖。

注：該圖基于廣東省自然資源廳廣東省標(biāo)準(zhǔn)地圖服務(wù)子系統(tǒng)下載的審圖號為粵S(2018)121號的標(biāo)準(zhǔn)地圖制作，底圖無修改。圖3 廣州市OSM數(shù)據(jù)地塊劃分

POI數(shù)據(jù)是通過高德地圖服務(wù)提供的應(yīng)用程序編程接口(API)進(jìn)行獲取的，數(shù)據(jù)包括餐飲、購物、住宿、醫(yī)療保健和公司企業(yè)等20個(gè)類別，根據(jù)《國民經(jīng)濟(jì)行業(yè)分類》(GB/T 4754—2017)對POI數(shù)據(jù)類別中的公司企業(yè)進(jìn)行重分類，再結(jié)合POI數(shù)據(jù)中的其他類別，將POI數(shù)據(jù)重新分為三個(gè)類別：第一產(chǎn)業(yè)、第二產(chǎn)業(yè)和第三產(chǎn)業(yè)，重分類具體對應(yīng)關(guān)系如表2所示。

表2 POI數(shù)據(jù)重分類

利用POI重分類數(shù)據(jù)對OSM道路生成的產(chǎn)業(yè)地塊賦予屬性。為了統(tǒng)計(jì)研究區(qū)域內(nèi)三大產(chǎn)業(yè)各自的POI總數(shù)和地塊單元內(nèi)每個(gè)產(chǎn)業(yè)的POI數(shù)量，將POI數(shù)據(jù)疊加在地塊數(shù)據(jù)上。同時(shí)，為了確定每個(gè)地塊的主要屬性，采用頻率密度指數(shù)(Fi)和比值指數(shù)(Ci)兩個(gè)指標(biāo)來判斷每個(gè)地塊的類型，計(jì)算如式(3)、式(4)所示[27]。

(3)

(4)

式中：i為POI代表的產(chǎn)業(yè)類型；qi為地塊單元中i類型POI的個(gè)數(shù)；Qi為i類型POI的總數(shù)；Fi為單元中i類型POI的頻率密度；Ci為地塊單元中i類型POI的頻率密度的比例。

根據(jù)每個(gè)單元地塊的Fi和Ci結(jié)果，通過數(shù)值對地塊進(jìn)行產(chǎn)業(yè)判別。當(dāng)單元地塊中某一產(chǎn)業(yè)類型的Ci大于50%時(shí)，將該地塊定義為單一產(chǎn)業(yè)區(qū)域并為該產(chǎn)業(yè)類型。當(dāng)單元地塊中三個(gè)產(chǎn)業(yè)的Ci都小于50%時(shí)，將該地塊定義為混合產(chǎn)業(yè)區(qū)域。當(dāng)單元地塊中不存在任何類型的POI數(shù)據(jù)時(shí)，將該地塊定義為無數(shù)據(jù)區(qū)域。產(chǎn)業(yè)結(jié)構(gòu)分布圖見圖4(a)。

1.4 回歸模型

目前，在利用夜光數(shù)據(jù)進(jìn)行社會經(jīng)濟(jì)參量相關(guān)性分析中，多使用線性、對數(shù)和二次回歸模型[28]。相比于對數(shù)和二次回歸模型，線性回歸模型具有建模速度快、計(jì)算簡單和易于實(shí)現(xiàn)等特點(diǎn)。因此，本文采用線性回歸模型對“珞珈一號”夜間燈光值和GDP之間的關(guān)系進(jìn)行研究(式(5))。

G=a·TNL+b

(5)

式中：G代表GDP；TNL(total night light)代表總燈光亮度值；a和b分別是回歸系數(shù)和截距。

2 結(jié)果

2.1 產(chǎn)業(yè)結(jié)構(gòu)劃分結(jié)果與驗(yàn)證

GDP按產(chǎn)業(yè)尺度可劃分為三大產(chǎn)業(yè)，分別是以農(nóng)業(yè)等為主的第一產(chǎn)業(yè)(GDP1)、以工業(yè)等為主的第二產(chǎn)業(yè)(GDP2)、以批發(fā)和零售業(yè)等為主的第三產(chǎn)業(yè)(GDP3)，不同的產(chǎn)業(yè)結(jié)構(gòu)對GDP預(yù)測可能會產(chǎn)生影響。由于每個(gè)城市準(zhǔn)確的產(chǎn)業(yè)結(jié)構(gòu)分布數(shù)據(jù)難以獲取，目前主要通過研究城市燈光總亮度值與產(chǎn)業(yè)GDP相關(guān)性來近似表達(dá)[29]，但是通過燈光總亮度值的近似表達(dá)會影響實(shí)驗(yàn)結(jié)果的準(zhǔn)確性。因此，本文結(jié)合OSM數(shù)據(jù)和POI數(shù)據(jù)模擬出研究區(qū)域的產(chǎn)業(yè)結(jié)構(gòu)分布圖，該方法有助于獲取每個(gè)產(chǎn)業(yè)的燈光值，為接下來的分析提供較為準(zhǔn)確的數(shù)據(jù)基礎(chǔ)。

圖4(a)為本文方法模擬出的廈門市產(chǎn)業(yè)結(jié)構(gòu)分布圖。根據(jù)OSM數(shù)據(jù)劃分的地塊可以發(fā)現(xiàn)，在圖中面積較大的地塊代表的是遠(yuǎn)離城市中心即經(jīng)濟(jì)發(fā)展緩慢的區(qū)域，這些區(qū)域多為第一產(chǎn)業(yè)。面積較小且分布密集的地塊代表的是經(jīng)濟(jì)發(fā)展繁榮的區(qū)域，這些區(qū)域以第二、三產(chǎn)業(yè)為主，第一產(chǎn)業(yè)較少。

采用廈門市的土地利用類型圖(圖4(b))和夜光遙感影像(圖4(c)和圖4(d))來驗(yàn)證本文模擬產(chǎn)業(yè)結(jié)構(gòu)分布的準(zhǔn)確性。從圖4(b)廈門市土地利用類型分布地圖中可看出，土地利用類型中的城鄉(xiāng)、工礦居民用地和圖4(a)中的第二、第三產(chǎn)業(yè)的分布相近。圖4(a)中第一產(chǎn)業(yè)和土地利用類型中的水域、草地、林地和耕地的分布相近。在夜晚，第二、第三產(chǎn)業(yè)貢獻(xiàn)燈光較多，第一產(chǎn)業(yè)在夜晚幾乎不貢獻(xiàn)燈光。圖4(c)和圖4(d)分別為廈門市的“珞珈一號”和NPP-VIIRS的夜光遙感影像，從影像可以觀察到，發(fā)光的區(qū)域和圖4(a)中的第二、第三產(chǎn)業(yè)分布接近，不發(fā)光的區(qū)域和圖4(a)中的第一產(chǎn)業(yè)分布接近。從圖4(a)中可以看出，混合區(qū)域面積較小，說明本文模擬產(chǎn)業(yè)結(jié)構(gòu)分布的方法雖然存在混合區(qū)域，但混合區(qū)域?qū)嶋H的面積很小，對實(shí)驗(yàn)產(chǎn)生的影響也會較小。

注：該圖基于福建省自然資源廳福建省標(biāo)準(zhǔn)地圖服務(wù)下載的審圖號為閩S(2018)40號的標(biāo)準(zhǔn)地圖制作，底圖無修改。圖4 廈門市產(chǎn)業(yè)結(jié)構(gòu)分布驗(yàn)證結(jié)果

2.2 “噪聲”對產(chǎn)業(yè)結(jié)構(gòu)經(jīng)濟(jì)影響分析

圖5為福州市“噪聲”處理后影像。圖6(a)～圖6(c)分別為圖2(a)～圖2(c)對應(yīng)影像的細(xì)節(jié)圖，圖6(d)為圖5的細(xì)節(jié)圖。通過對比處理前后的影像，并結(jié)合Landsat-8影像(圖2(d)和圖6(e))，可發(fā)現(xiàn)在林地和草地等不發(fā)光區(qū)域，處理后的影像中隨機(jī)產(chǎn)生的“噪聲”明顯變少。在居民地等隨機(jī)“噪聲”較少的發(fā)光區(qū)域，處理后的影像中燈光值基本不變。因此，本文方法可以有效抑制影響第一產(chǎn)業(yè)經(jīng)濟(jì)分析的夜光“噪聲”，提升“珞珈一號”夜光影像質(zhì)量。但是由于多幀影像之間的差異，處理后的結(jié)果中可能還會存在少量噪聲現(xiàn)象。

注：該圖基于福建省自然資源廳福建省標(biāo)準(zhǔn)地圖服務(wù)下載的審圖號為閩S(2018)38號的標(biāo)準(zhǔn)地圖制作，底圖無修改。圖5 福州市“噪聲”處理后影像

圖6 福州市影像細(xì)節(jié)圖

利用16個(gè)城市的GDP數(shù)據(jù)分別與通過多幀閾值法處理前后的夜光數(shù)據(jù)構(gòu)建線性回歸關(guān)系，通過對比數(shù)據(jù)處理前后R2的大小證明本文去噪方法的有效性。本文使用的GDP數(shù)據(jù)均來自2018年的《中國城市統(tǒng)計(jì)年鑒》，統(tǒng)計(jì)口徑為城市數(shù)據(jù)。由圖7(a)和圖7(b)中R2對比可知，經(jīng)多幀閾值法處理后夜光數(shù)據(jù)與GDP的相關(guān)性在處理之后有了一定的提升。說明經(jīng)過本文提出的影像預(yù)處理方法能夠消除影響GDP和TNL相關(guān)性的負(fù)面因素，提高了數(shù)據(jù)的準(zhǔn)確性。

根據(jù)GDP與夜光數(shù)據(jù)生成的線性回歸模型，對16個(gè)城市的GDP進(jìn)行預(yù)測，使用相對誤差來評估模型的預(yù)測能力，結(jié)果見表3。利用本文數(shù)據(jù)處理結(jié)果生成的模型預(yù)測能力要優(yōu)于原始夜光數(shù)據(jù)生成的模型。由2.2小節(jié)分析可知，16個(gè)城市的夜光遙感影像中的“噪聲”影響了第一產(chǎn)業(yè)燈光值的可靠性。通過本文提出的多幀閾值法處理后，第一產(chǎn)業(yè)燈光值改變明顯，其燈光值趨于準(zhǔn)確，GDP的預(yù)測也更準(zhǔn)確。由表3中原圖的相對誤差和處理后的相對誤差對比可知，福州、舟山和煙臺誤差分別降低了10.64%、10.55%和5.93%，16個(gè)城市總的誤差共降低了將近8%，由此證明了本文提出去噪方法的有效性，提高了模型預(yù)測的準(zhǔn)確性。

圖7 夜光數(shù)據(jù)去噪前后與GDP相關(guān)性

表3 夜光數(shù)據(jù)去噪前后預(yù)測GDP準(zhǔn)確性 %

青島、汕頭、泉州、三亞、海口和廈門這6個(gè)城市的影像經(jīng)過去噪處理后，其誤差不降反升。分析發(fā)現(xiàn)，這6個(gè)城市的夜光遙感影像質(zhì)量相對其余10個(gè)城市的影像質(zhì)量較好，通過本文方法處理后，其燈光值的改變量相對較少。其中青島的改變量僅為原圖的0.628%。這6個(gè)城市的燈光值相對偏離了其余10個(gè)城市燈光值的變化趨勢，進(jìn)而導(dǎo)致了這6個(gè)城市預(yù)測誤差變大。本文方法對夜光遙感影像質(zhì)量較差的城市經(jīng)濟(jì)預(yù)測精度提升效果相對明顯。

2.3 夜光遙感的產(chǎn)業(yè)結(jié)構(gòu)經(jīng)濟(jì)分析

夜晚的燈光亮度和分布能夠反映區(qū)域的繁榮程度，通過燈光亮度值可以分析該地區(qū)的經(jīng)濟(jì)發(fā)展水平。本文通過構(gòu)建夜光數(shù)據(jù)和GDP的線性回歸模型，根據(jù)相關(guān)性的高低對“珞珈一號”和NPP-VIIRS兩種夜光數(shù)據(jù)反映經(jīng)濟(jì)能力的強(qiáng)弱進(jìn)行判斷。

圖8 夜光數(shù)據(jù)與GDP的相關(guān)性

由圖8可知，“珞珈一號”夜光數(shù)據(jù)與GDP的相關(guān)性高于NPP-VIIRS夜光數(shù)據(jù)。P值均小于0.001，說明兩種夜光數(shù)據(jù)與GDP呈顯著正相關(guān)。說明“珞珈一號”夜光數(shù)據(jù)對經(jīng)濟(jì)的反映能力更強(qiáng)，這主要是由于“珞珈一號”數(shù)據(jù)的空間分辨率相對于NPP-VIIRS更高，更能詳細(xì)和準(zhǔn)確地反映出夜晚的經(jīng)濟(jì)活動。從線性回歸擬合直線中能夠明顯地看出深圳市的擬合結(jié)果異常。深圳的GDP在16個(gè)城市中位于第二，但是其面積僅為1 996.85 km2，在16個(gè)城市是排名15，只比GDP最低的三亞多77.89 km2。因此，初步分析回歸異常的原因是由于深圳面積太小但經(jīng)濟(jì)又非常發(fā)達(dá)，燈光亮度值已經(jīng)達(dá)到了影像的極限值，夜光未能完全反映出它的經(jīng)濟(jì)真實(shí)水平。

圖9 夜光數(shù)據(jù)與第一產(chǎn)業(yè)GDP相關(guān)性

圖10 夜光數(shù)據(jù)與第二產(chǎn)業(yè)GDP相關(guān)性

圖11 夜光數(shù)據(jù)與第三產(chǎn)業(yè)GDP相關(guān)性

第一產(chǎn)業(yè)主要包括農(nóng)、林、牧、漁業(yè)等。這些行業(yè)在夜晚中幾乎不會產(chǎn)生燈光，因此，僅根據(jù)夜光數(shù)據(jù)是無法反映出第一產(chǎn)業(yè)的經(jīng)濟(jì)貢獻(xiàn)。由圖9可知，第一產(chǎn)業(yè)GDP和“珞珈一號”、NPP-VIIIRS兩種夜光數(shù)據(jù)的相關(guān)性都非常低，R2均低于0.1；P值均大于0.001，說明兩種夜光數(shù)據(jù)與第一產(chǎn)業(yè)GDP相關(guān)程度不顯著。第二產(chǎn)業(yè)由工業(yè)和建筑業(yè)等構(gòu)成，在夜光中反應(yīng)明顯。由圖10可知，第二產(chǎn)業(yè)GDP和兩種夜光數(shù)據(jù)的相關(guān)性較高且接近，R2均在0.72以上；P值均小于0.001，說明兩種夜光數(shù)據(jù)與第二產(chǎn)業(yè)GDP呈顯著正相關(guān)?！扮箸煲惶枴焙蚇PP-VIIRS夜光數(shù)據(jù)盡管在空間分辨率上有一定差距，但對第二產(chǎn)業(yè)經(jīng)濟(jì)的反映能力是相近的。第三產(chǎn)業(yè)以服務(wù)業(yè)為主，主要有批發(fā)和零售業(yè)以及住宿和餐飲業(yè)等。這些行業(yè)同樣在夜光中反應(yīng)較為強(qiáng)烈，貢獻(xiàn)了更多的燈光。由圖11可知，第三產(chǎn)業(yè)GDP和夜光數(shù)據(jù)的相關(guān)性較高，數(shù)據(jù)的擬合程度也相對較好；P值均小于0.001，說明兩種夜光數(shù)據(jù)與GDP呈顯著正相關(guān)。第三產(chǎn)業(yè)GDP與“珞珈一號”數(shù)據(jù)的相關(guān)性相對于NPP-VIIRS數(shù)據(jù)更高，R2為0.830 8。由廈門市產(chǎn)業(yè)結(jié)構(gòu)分布圖(圖4(a))可發(fā)現(xiàn)，第一產(chǎn)業(yè)的面積相對最大，其次是第二產(chǎn)業(yè)，第三產(chǎn)業(yè)的面積相對最小。兩種夜光數(shù)據(jù)和第一產(chǎn)業(yè)與第二產(chǎn)業(yè)GDP在相關(guān)性方面差距較小，但兩種夜光數(shù)據(jù)和第三產(chǎn)業(yè)GDP的相關(guān)性差距相對明顯，分析導(dǎo)致這一結(jié)果的原因是“珞珈一號”夜光數(shù)據(jù)的分辨率較高，在相對更精細(xì)的尺度中對經(jīng)濟(jì)的反映更準(zhǔn)確。

2.4 基于產(chǎn)業(yè)結(jié)構(gòu)的誤差分析

1)產(chǎn)業(yè)結(jié)構(gòu)占比分析。為評估“珞珈一號”夜光數(shù)據(jù)預(yù)測GDP的能力，利用GDP與夜光數(shù)據(jù)生成的線性回歸模型，對16個(gè)城市的GDP進(jìn)行預(yù)測，并使用相對誤差進(jìn)行評估。根據(jù)產(chǎn)業(yè)的GDP數(shù)據(jù)，計(jì)算16個(gè)城市每個(gè)城市的第一產(chǎn)業(yè)、第二產(chǎn)業(yè)和第三產(chǎn)業(yè)的GDP占城市總GDP的比值。

由圖12可看出，寧波、青島、煙臺、海口、大連、廣州、天津和上海這8個(gè)城市的相對誤差較小，均在40%以下。分析發(fā)現(xiàn)這8個(gè)城市的第一產(chǎn)業(yè)GDP貢獻(xiàn)相對較低。其中，寧波和煙臺的第二、三產(chǎn)業(yè)對GDP的貢獻(xiàn)量差距很小。除去這2個(gè)城市，其余6個(gè)城市的第三產(chǎn)業(yè)貢獻(xiàn)量都遠(yuǎn)高于第二產(chǎn)業(yè)。從圖中還可看出，三亞和舟山的相對誤差較大，均在80%以上。三亞和舟山的第一產(chǎn)業(yè)較發(fā)達(dá)，第二產(chǎn)業(yè)相對落后。夜晚的燈光主要反映的是第二、三產(chǎn)業(yè)的經(jīng)濟(jì)貢獻(xiàn)，而忽略了第一產(chǎn)業(yè)的經(jīng)濟(jì)貢獻(xiàn)[30]。因此，對于第一產(chǎn)業(yè)較發(fā)達(dá)，第二產(chǎn)業(yè)相對落后的城市，整體的預(yù)測誤差也會較大。湛江的第一產(chǎn)業(yè)很發(fā)達(dá)，但其第二、第三產(chǎn)業(yè)的發(fā)展相對均衡，且第三產(chǎn)業(yè)最發(fā)達(dá)。因此，湛江的GDP預(yù)測誤差沒有很高。綜上，第一產(chǎn)業(yè)發(fā)達(dá)但是第二產(chǎn)業(yè)或第三產(chǎn)業(yè)落后的城市，GDP預(yù)測誤差會較大。第一產(chǎn)業(yè)相對落后，第三產(chǎn)業(yè)比第二產(chǎn)業(yè)發(fā)達(dá)程度較高的城市，預(yù)測誤差相對較小。

圖12 預(yù)測相對誤差和三大產(chǎn)業(yè)所占GDP比值折線關(guān)系

3)其他相關(guān)分析。本文的研究區(qū)域?yàn)?6個(gè)沿海城市。這16個(gè)城市的植被覆蓋情況不同，植被的大量存在會導(dǎo)致部分燈光值無法真實(shí)地反映在夜光遙感影像上。而且由于植被的大量存在，光溢出效應(yīng)也會明顯減弱，進(jìn)而對GDP的預(yù)測產(chǎn)生影響[31]。本研究中三亞和舟山的GDP預(yù)測誤差相對較大。三亞和舟山是沿海城市，城市空氣質(zhì)量高，森林和植被覆蓋率較高，植被的大量存在對GDP預(yù)測結(jié)果的準(zhǔn)確性產(chǎn)生了影響。16個(gè)城市中天津和上海的森林和植被覆蓋率相對較低，植被對燈光的影響較小。因此，這兩個(gè)城市通過夜光數(shù)據(jù)預(yù)測GDP的準(zhǔn)確性也相對較高。綜上，夜光數(shù)據(jù)和GDP有很強(qiáng)的相關(guān)性，但是僅通過夜間燈光來描述區(qū)域GDP經(jīng)濟(jì)產(chǎn)值是不準(zhǔn)確的，有些區(qū)域?qū)DP的產(chǎn)出可能是在白天，這樣就會造成數(shù)據(jù)誤差，影響數(shù)據(jù)分析的結(jié)果。

3 結(jié)束語

本文針對中國16個(gè)沿海城市，提出了多幀閾值法對“珞珈一號”影像進(jìn)行預(yù)處理，對比了“珞珈一號”和NPP-VIIRS夜光數(shù)據(jù)在產(chǎn)業(yè)尺度上與GDP的相關(guān)性，分析了影響夜光數(shù)據(jù)預(yù)測GDP準(zhǔn)確性的因素。結(jié)論如下。

1)采用OSM和POI數(shù)據(jù)模擬產(chǎn)業(yè)結(jié)構(gòu)分布，實(shí)驗(yàn)表明該方法可較好地表達(dá)產(chǎn)業(yè)結(jié)構(gòu)的空間分布，但仍存在少量區(qū)域未被準(zhǔn)確定義產(chǎn)業(yè)類型。

2)針對“珞珈一號”夜光遙感的產(chǎn)業(yè)結(jié)構(gòu)“噪聲”敏感性，提出一種多幀閾值去噪方法。實(shí)驗(yàn)表明該方法可有效去除燈光統(tǒng)計(jì)中，尤其第一產(chǎn)業(yè)的噪聲，提升了16個(gè)城市GDP整體預(yù)測精度。其中，福州、舟山和煙臺預(yù)測誤差分別降低了10.64%、10.55%和5.93%。

3)首次對比“珞珈一號”與NPP-VIIRS夜光數(shù)據(jù)在產(chǎn)業(yè)結(jié)構(gòu)經(jīng)濟(jì)分析中的相關(guān)性。實(shí)驗(yàn)表明，相對于NPP-VIIRS夜光數(shù)據(jù)，在產(chǎn)業(yè)尺度上，第三產(chǎn)業(yè)中“珞珈一號”夜光數(shù)據(jù)與GDP的相關(guān)性更高，R2為0.830 8。第三產(chǎn)業(yè)的面積相對于第一、第二產(chǎn)業(yè)面積較小，說明“珞珈一號”夜光遙感影像在精細(xì)尺度中更能準(zhǔn)確地反映出經(jīng)濟(jì)貢獻(xiàn)。

4)分析了影響“珞珈一號”夜光數(shù)據(jù)預(yù)測GDP準(zhǔn)確性的因素。第一產(chǎn)業(yè)發(fā)達(dá)但第二產(chǎn)業(yè)或第三產(chǎn)業(yè)落后的城市，預(yù)測誤差會較大，在80%以上(如舟山等城市)。第一產(chǎn)業(yè)相對落后，第三產(chǎn)業(yè)比第二產(chǎn)業(yè)發(fā)達(dá)程度較多的城市，預(yù)測誤差相對較小，在30%以下(如上海等城市)。在夜晚，等級高的城市對人類的活動反應(yīng)較強(qiáng)烈，GDP預(yù)測誤差也相對較小，在50%以下(如廣州等城市)。等級相對低的城市則相反，預(yù)測誤差相對較高，在50%以上(如汕頭等城市)。城市里的植被覆蓋率也會對夜光數(shù)據(jù)預(yù)測GDP的準(zhǔn)確性產(chǎn)生影響。

綜上所述，“珞珈一號”和NPP-VIIRS夜光數(shù)據(jù)與經(jīng)濟(jì)統(tǒng)計(jì)數(shù)據(jù)都具有較高的相關(guān)性，“珞珈一號”比NPP-VIIRS數(shù)據(jù)在經(jīng)濟(jì)預(yù)測方面具有更大的潛力。在GDP等相關(guān)經(jīng)濟(jì)指標(biāo)估算或分析時(shí)，第二、第三產(chǎn)業(yè)發(fā)展結(jié)構(gòu)對經(jīng)濟(jì)預(yù)測的影響較大，以第二、第三產(chǎn)業(yè)為主城市(如天津等城市)夜光數(shù)據(jù)估計(jì)GDP時(shí)精度會較高；等級高的城市(如上海等城市)其經(jīng)濟(jì)與夜光數(shù)據(jù)的耦合度更高。在未來根據(jù)夜光數(shù)據(jù)對經(jīng)濟(jì)指標(biāo)進(jìn)行研究時(shí)，將根據(jù)研究區(qū)域的產(chǎn)業(yè)結(jié)構(gòu)和城市級別等特點(diǎn)建立合理的回歸模型，提高夜光數(shù)據(jù)估算經(jīng)濟(jì)的準(zhǔn)確性。