基于NPP/VIIRS燈光數據的貴州省GDP空間化模型研究

尹 麗

(信陽師范學院 大別山區經濟社會發展研究中心/美術與設計學院，河南 信陽 464000)

0 引言

隨著中國經濟的快速發展，傳統二維統計數據已經不能滿足政府與社會各領域對地區經濟發展的動態可視化需求。當前，很多省份的GDP核算仍然局限于行政的均值統計，無法反應全省GDP的宏觀分布，對于小尺度的區縣GDP分布缺乏支持，限制了省級層面的城市統籌規劃與經濟協調發展決策的制定[1]?；谌虻腄MSP/OLS、NPP/VIIRS等夜間燈光數據具有可視化的空間屬性，其已經用于城市貧困測度、人口密度估算與經濟可持續發展等領域，而結合燈光數據與社會經濟數據的GDP空間化研究，以反演的手段可以直觀地呈現出不同地區城市建設、人口聚集及經濟發展的差異[2]。因此，本次研究不僅可以響應國家對西部地區城市建設的政策，還可以揭示城市間經濟發展的多組織聚集與擴散的特征，對于推動城市間區域協同發展和產業組織結構優化等具有重要的理論價值和現實意義。

最初地理學者用點值法進行統計數據模擬，但是具有較大的主觀性，隨后制圖學者使用格網技術完成經濟數據網格化，隨著范圍的縮小，其精度不能滿足要求。隨著3S地理空間技術的發展，采用柵格數字模擬技術的研究已取得了一定研究成果。如YUE等[3]研究發現，DMSP夜間燈光數據與第二、三產業GDP存在明顯的線性關系，但是對于經濟發展水平較低的地區，其不能有效地評估第一產業的發展。LIANG等[4]研究了寧波市GDP空間化，發現其東北高、西南低，在北部形成了連續的集群，且GDP從城市中心到周邊地區遞減。ZHANG等[5]利用地理與統計數據，分析了武漢城市群GDP增長的時空格局，并繪制了GDP增長的區域差異圖。邵留長等[6]分析了河南GDP增長空間分布，總結了2008年前后其經濟空間結構演進特征。朱康文等[7]結合DMSP夜間燈光、土地利用與重慶企業統計等數據，分析了DMSP的DN總值與不同類型產業數據的關系。雖然現有文獻比較豐富，但是上述研究與方法存在的問題有：①多是基于全國或省域大尺度的模型構建，而對于區縣尺度，尤其是中國西南山地區域，由于其土地類型組成復雜，人口分布不均，夜間燈光較弱，較少有文獻研究其經濟分布與發展的趨勢。②多是基于時間序列的橫向層面研究，很少基于縱向的不同行政單位的多層次分析其GDP空間化分布，并對比解讀其擬合問題。

本文基于2019年的NPP/VIIRS夜間燈光和社會經濟等數據，建立了地市、區縣燈光與經濟數據的模型，并分析了兩者在地市、區縣的動態耦合關系，從宏觀與微觀層面上了解貴州地區長期發展的動態及發展質量，提出針對性的地區發展策略。

1 研究區域及數據源

1.1 研究區域

貴州省是中國西南邊疆重要的組成部分，其與四川、重慶、湖南、云南為鄰，區域地跨東經103°36′-109°35′，北緯24°37′-29°13′，轄區面積17.62 萬km2。貴州全境多山地，其國土面積中 92.5%為山地和丘陵，地勢西高東低。雖然近年來貴州的GDP增速位于中國省級前列，其經濟發展存在的問題[8]主要有：①經濟整體發展水平不協調，城市道路網絡不發達。②新興產業結構規模仍然很小，2019年的GDP貢獻率僅為24.12%，其經濟需要進一步轉型。③其外貿水平較低，城市之間的貿易合作水平較低。

1.2 數據來源

地理空間數據來源于NPP/VIIRS，VIIRS夜間衛星是NASA繼DMSP衛星后，于2011年發射升空的夜間探測衛星，其能夠覆蓋全球除南北極之外的所有地區，精度為500 m，在NASA官網上公布的數據從2012年至今。本次研究選擇2019年的年度合成影像，這個產品并沒有移除火光、氣體燃燒、閃電等背景噪聲。作為研究的數據，首先需要對其進行背景噪聲去除，然后分辨率重采樣為500 m，選擇 Albers等面積投影，保證投影前后研究區的面積不會改變[9](圖1)。社會經濟數據來源于2019年《中國城市統計年鑒》《貴州統計年鑒》、部分區縣的官網及作者實地調查收集的數據，其中包括地級市和區縣的GDP等信息。

圖1 研究區夜間燈光影響Fig. 1 Night light map of the study area

2 地市層面的燈光與GDP模型

地級市層面的研究以貴州省9個地級市行政邊界為基礎，以NPP/VIIRS夜間燈光、GDP統計面板數據為數據源，研究思路如圖2。

圖2 夜間燈光與GDP擬合思路Fig. 2 The fitting idea of night lights and GDP

2.1 市級燈光指數及模型建立

燈光指數(CNLI)是指研究區轄區內的夜間燈光平均相對強度(I)以及有效像元面積占比(S，%)的乘積，其公式為：

CNLI=I×S，

(1)

(2)

(3)

式中：DNM為研究對象轄區內像元DN的最大值，DNi代表研究區內第i級像元灰度值，ni為研究區內i級像元的數量總計，P為去除背景噪聲誤差的人工閾值，Nl、Arean代表研究區滿足條件DNM≥i≥P的像元數量總計以及有效像元占據的總面積(校正后的VIIRS像元分辨率為0.5 km×0.5 km)，Area為整個區域的面積(km2)。

以貴州省2019年NPP/VIIRS燈光數據為來源，用地級市矢量邊界為掩膜，按照公式(1)、公式(2)和公式(3)，分別計算9個地級市的I、S以及CNLI，其結果如表1所示。

表1 地級市統計值Tab. 1 Statistical values of prefecture-level cities

2.2 燈光指數和GDP面板數據的模型

分析各個地級市的夜間燈光指數與其國內生產總值(GDP總，億元)、第一產業增加值(GDP1，億元)、第二產業增加值(GDP2，億元)，工業增加值(GDP#，億元)以及第三產業增加值(GDP3，億元)的動態耦合關系。然后計算各產業燈光指數和GDP相關數據的相關系數R2[10]。對比各產業，選擇相關性系數最高的R2為其相關性系數Ri，擬合結果如圖3所示。

圖3 地級市燈光指數與GDP模型圖Fig. 3 Light index and GDP model diagram of prefectural-level city

2.3 燈光指數和GDP面板數據的擬合

通過以上模型的多數據分析，得到了燈光指數與GDP數據的相關性參數，確定各產業的最佳燈光指數，并建立多參數的模型：

GDPi=P0+Ri×(b×Qj)，

(4)

式中：GDPi代表GDP總、GDP1、GDP2、GDP#和GDP3，而P0和Ri代表回歸模型的相關性系數，b是前述模型分析中選取的最佳夜間燈光指數的相關性系數，Qj代表I、S或CNLI。

用各市的最佳燈光指數和其GDP相關數據擬合模型，然后比較各市的擬合精度，可以判定選擇GDP2的擬合模型最能表征全省的GDP分布，結果如圖4所示。

圖4 地級市燈光指數與GDP擬合優度Fig. 4 Goodness of fit between prefecture-level city lighting index and GDP

3 區縣層面的燈光與GDP模型

3.1 燈光指數和GDP的模型分析

在區縣層面能較為精確地反映社會經濟的燈光數據指標主要有區域燈光總亮度、平均燈光強度值等，而GDP方面，主要指標有GDP總、GDP平均值等。

(1)GDP總和燈光強度總值的關系。

燈光強度總值的公式為

(5)

式中：TND代表研究區燈光強度總值，n是研究區的像元總數，NDi是每個像元的亮度值。

(2)面積GDP和平均燈光亮度值的關系分析。

面積GDP代表研究區的GDP總除以研究區的總面積Area(km2)，其公式為

MGDP=GDP/Area,

(6)

式中MGDP代表面積GDP。

(3)GDP總和平均燈光強度值(MND)的關系分析。MND代表研究區內所有有效像元的亮度平均值，其計算公式為

MND=TND/n。

(7)

綜上所述，GDP和燈光強度總值的相關性，可以表示為G1=F1(TND)；面積GDP和平均燈光強度值的相關性，可以表示為G2=F2(MND)，GDP總和平均燈光強度值的相關性，可以表示為G3′=F3(MND)。

3.2 區縣級的GDP空間化分類

按照整理后2019年貴州省區縣GDP數據，把88個區縣按照GDP生產總值分成3級，其中GDP大于200 億元的為第1級，包括南明區、云巖區、織金縣等25個區縣級；GDP小于200 億元，大于100 億元的為第2級，包括修文縣、烏當區、龍里縣等27個區縣級；GDP小于100 億元的為第3級，包括石阡縣、貴定縣、丹寨縣等36個區縣級。將各個層級分屬一類，并用其GDP與對應的燈光指數進行模型擬合。

3.3 燈光指數和GDP面板數據的回歸分析

用前述分析方法對研究區的夜間燈光數據和其GDP相關參數進行模型擬合，分別對燈光數據和GDP數據進行了線性、指數、對數、冪函數等相關性分析。通過擬合發現NPP/VIIRS燈光指數和GDP總量的模型擬合優度較差，4個層級的模型R2均低于0.50，因此這兩個參數并不能較好地表征貴州省的GDP趨勢分析。燈光強度總值和GDP總量的模型擬合參數如圖5(a,b,c)，平均燈光強度和面積GDP的模型擬合參數如圖5(d,e,f)。

圖5 區縣GDP與燈光模型擬合圖Fig. 5 Fitting diagram of district and county GDP and lighting model

4 地級市與區縣的GDP擬合分析

4.1 GDP密度圖的繪制

按模型把區縣的GDP生產總值分配到轄區面積上，利用地級市GDP總量數據作為二級指標來糾正每個區縣的數據誤差，最終制作出貴州省2019年區縣級GDP密度空間分布圖(如圖6)，公式如下：

GDPz=CDPi×(GDPt/GDPall),

(8)

式中：GDPz為使用統計數據中按區縣糾正后的 GDP密度， GDPi為每個像元的 GDP密度，GDPt為區縣統計GDP，GDPall為區縣預測GDP。

圖6 區縣GDP空間分布圖Fig. 6 Spatial distribution of district and county GDP

4.2 GDP空間分布狀況分析

相比二維面板數據，通過空間化后的GDP數據，更能反映出2019年貴州省區縣的整體經濟發展趨勢。其中，可以從色彩分級賦值直觀地看出，貴州省的經濟發展，以貴陽市為中心，西部、南部的區縣經濟整體發展狀態較好，東部、北部次之，東南部經濟發展較差。這與近年來貴州加強與西部中心城市四川成都、重慶的經濟貿易合作有明顯的關系，相比之下，貴州東南部的廣西南寧對于貴州的輻射帶動能力較差。進一步分析發現貴州省宏觀經濟發展呈現出以貴陽市為中心，以遵義市、黔西南州等為點的西南走向的經濟發展軸線，在這條軸線上的區縣級面積GDP均大于1000 萬元/km2，其中包括南明區、云巖區、都均市、金沙縣等28個區縣。而貴州東部、北部的區縣級面積GDP均小于1000 萬元/km2、大于300 萬元/km2，其中包括興仁市、江口縣、黔西縣、紫云苗族布依族自治縣等47個區縣。而東南部的經濟發展較差，區縣級面積GDP均小于300 萬元/km2，其中包括雷山縣、榕江縣、從江縣、務川仡佬族苗族自治縣等13個區縣。

4.3 GDP空間化形成因素

近年來，貴州省經濟發展水平雖然呈現出較快的增長趨勢，但是省內區域經濟卻出現失衡的現象，根據本文前述模型擬合結果，其地區不平衡及城鄉發展主要存在的問題包括：①城市首位度較高，地區經濟發展不平衡，西部增長比東部快；②城鄉差距不斷擴大，城區經濟較好，鄉鎮經濟滯后；③產業布局分散，區域協調度較低；④公共基礎設施地區差異較大。

貴州省是一個以少數民族聚居為特色的地區，境內少數民族人口占全省總人口的37.85%，主要分布在黔東南、黔南及黔西南等民族自治州。貴州地區各區域經濟發展水平差異，與自然環境有較大關系，如畢節地區雖然是全省礦產資源大區，但是畢節地區屬于典型的喀斯特地貌，土地貧瘠，生態環境惡劣，礦產資源的開發受到較大的限制。同時貴州境內交通設施較為落后，導致黔東北靠近重慶等地區得不到有效的開發，資源優勢無法轉化成經濟增長。而貴州省的財力有限決定了全面推進式的開發模式是不可行的，只能采取重點開發的全省發展策略?；诒疚哪M擬合結果，參考貴州地區的現狀及已有文獻，對其全域經濟協調可持續發展提出以下建議：

(1)盡快落實區域內經濟發展規劃。區域經濟規劃是明確各區域經濟功能定位的主要參考依據，也是區域經濟協調發展的重要前提。應進一步完善“貴陽城市經濟圈、畢水興特色經濟帶、黔北綜合經濟區、東南部特色經濟帶”的區域經濟一體化發展規劃，并進一步對各區域的功能進行分工。

(2)強化中心城市建設，提升整體競爭力。為了促進區域經濟協調發展，貴州省可以借鑒產業做強、規模做大、功能做優、環境做美的基本原則，逐步調整優化中心城市的經濟結構、改善城市基礎設施環境。進一步明確各地區的功能定位，凸現城市特色，形成差異化發展策略，提升城市品位與綜合競爭力。

(3)充分發揮財政政策的作用，促進區域間公共服務均等化。首先，加大省級財政的投資力度，加強城市間的交通路網建設，促進區域間的互動交流，逐步推進城鄉一體化。同時，加強財政對農村基礎設施建設的投入，加快配套設施的完善，不斷增加地區經濟的承載力與吸引力。

5 結論

經過本文前述模型的論證，貴州地區經濟發展，在地市層面，GDP1的產值與耕地相關性系數較高，能夠準確地反映出城市建成區與農村地區的經濟差異，GDP2、GDP#、GDP3能夠準確地反映出經濟的整體分布情況。在區縣層面，夜間燈光與GDP數據的擬合效果更好，相對誤差小于13.4%，說明區縣級的數據空間化的精確度更好。

結合貴州的現狀，提出了盡快落實區域內經濟發展規劃，強化中心城市建設，提升整體競爭力，充分發揮財政政策的作用，促進區域間公共服務均等化等措施。研究結果響應了國家對西部地區城市建設的政策，對中國區域一體化發展具有重要參考價值。

在未來的相關研究中，可以以高精度夜間衛星數據為主，輔以其他遙感數據作為矯正控制，建立更精確的模型，對研究區的GDP空間化進行精細化分析。