夜光遥感技术在评估经济社会发展中的应用
2016-01-08李德仁李熙
李德仁++李熙
摘要:夜光遥感是指在夜间无云条件下卫星传感器获得城镇灯光、舰船发光和油气井燃烧等可见光的过程。由于多数夜间可见光和人类活动紧密相连,因此夜光遥感能够有效获取经济社会发展动态,评估经济社会发展可能存在的宏观问题。从灾害监测等角度而言,遥感技术对于促进社会经济发展有着重要的作用。文章介绍了夜光遥感技术如何用于区域发展评估、光污染分析与调查、环境评估等方面,从而保障和评估经济社会发展质量。利用夜光遥感技术,结合我国正在开展的“一带一路”战略,展示了“一带一路”沿线部分国家的夜光动态变化,初步分析了“一带一路”沿线区域近20年来的发展规律。在未来“一带一路”建设中,夜光遥感技术将为中国的投资和外交政策提供科学依据,从而充分保障“一带一路”建设质量。
关键词:夜光遥感;社会经济发展质量;区域发展;一带一路
一、遥感技术在评估社会经济发展的应用
自从1972年美国发射了第一颗地球资源卫星 Landsat-1以来,遥感技术成为世界主要大国争先发展的高新技术。通过遥感卫星搭载的对地观测传感器可以获取陆地、海洋和大气的物理和几何属性,从而有效地服务于自然资源调查、土地覆盖制图、自然灾害评估、城市规划和环境监测等应用。这些应用领域能够直接或间接地服务于国民经济建设,对于评估社会经济发展起推动作用。
遥感技术对于评估社会经济发展质量的典型应用领域是自然灾害的评估。众所周知,自然灾害严重危害了人民生命和财产安全。自然灾害发生后,往往难以在地面进行快速准确的灾情调查,阻碍了救援活动的有效开展。遥感技术能够在较短的时间内获得大范围的灾情信息,能够对救援活动和决策提供支持。2008年5月12日发生的汶川大地震造成了巨大的人员和财产损失。地震发生后,我国政府充分利用了“空间与重大灾害国际宪章”赋予的权利,利用了中巴资源卫星、SPOT、RADARSAT、ALOS等国内外光学和雷达遥感卫星开展灾情调查,对于准确获取房屋倒塌和基础设施损坏以及堰塞湖、滑坡泥石流等次生灾害信息起到了关键作用,有力支持了抗震救灾工作 (李德仁等, 2008)。2008年1月中旬至2月初发生在我国南方的雪灾对于居民的生产生活造成了极大影响,通过被动微波遥感技术,研究人员较为准确地获取了此次雪灾的范围、强度、持续时间等时空分布信息,对于政府的抗灾减灾决策起到了积极作用 (毛克彪等, 2009)。此外,遥感技术能够用于监测洪水(Sanyal et al., 2004)、干旱(Rhee et al., 2010)等自然灾害,获取这些灾害的时空分布信息,从而有效减轻灾害对社会经济发展的影响。此外,遥感技术对于监测雾霾 (许华等, 2013)、耕地面积(田光进等, 2002)、违章房屋(李德仁等, 2009)等社会热点现象均能发挥作用。由于本文重点在于论述新兴的夜光遥感技术在评估社会经济发展中的作用,因此对传统的遥感技术就不赘述。
二、夜光遥感技术对于评估和保障经济社会发展质量的作用
大多数可见光遥感传感器的成像时间是白天,只有少部分传感器具有捕捉地表夜间可见光的能力。在夜间无云的天气状况下,遥感卫星对地表可见光成像的过程即为夜光遥感。在夜光遥感影像中,城镇发光、舰船发光和油气井燃烧发光是主要的夜间光源,这三类光源均来自于人类的经济社会活动,因此夜光遥感影像可以发现经济社会发展中的问题和规律,从而评估、保障经济社会发展质量。夜光遥感的应用领域众多,本文挑选三个方面总结夜光遥感技术在评估、保障经济社会发展质量中的重要作用。
(一)区域发展评估
区域发展是指在一定时空范围内的经济增长、人口增长、产业组织和结构升级等社会经济活动。评估区域发展有利于客观认识区域发展带来的资源消耗、环境污染等环境和社会问题。一般情况下,评估区域发展主要利用经济社会统计数据,但统计数据往往存在数据缺失、客观性不足以及缺乏空间信息等缺点。由于夜光遥感能够客观反映城镇分布和经济活动强度,它能够用来评估区域发展动态及其带来的生态和环境问题。
城镇建成区范围及动态变化制图是开展区域发展评估的一项基本工作。在夜光遥感影像中,城镇较乡村有着较高密度的照明设施,因此通过提取夜光影像中较明亮的部分,可以对城镇范围进行快速制图 (Henderson et al., 2003)。随着夜光遥感研究的深入,研究人员发现对夜光遥感影像进行简单的分割无法满足高精度的城镇范围制图的需求,需要将社会经济等数据作为辅助数据源,对不同区域采取自适应的分割策略获得最准确的城镇范围 (何春阳等, 2006; Zhou et al., 2014; Su et al., 2015)。
基于夜光遥感影像的建成区提取,可以开展城镇扩张的时空动态研究。通过对1992-2010年的夜光遥感影像进行时空分析发现,中国在21世纪的城市扩张速度超过了20世纪90年代,其中中国东部在20世纪90年代的城镇扩张速度最快,而中国中部在21世纪的城市扩张最快(Tan, 2015)。基于1992-2010年的夜光遥感影像,对中国70个主要城市的密度进行时间序列分析,研究发现中国城市呈现出过-度扩张的格局,这对中国的可持续发展战略构成了一定的挑战(Wu et al., 2014)。中国的区域发展不平衡一直是各级政府关切的重大问题,通过对1992-2008年的夜光遥感影像进行分析发现,如果将城镇面积作为城镇规模的指标,那么中国在此期间内城镇发展逐渐趋于平衡,其中1992-1995年以及2000-2003年是中国城镇分布格局发生较大变化的两个时期 (Huang et al., 2015)。由于夜光影像可以在较大尺度显示城镇之间的空间连接性,相应的城市群和城市体系研究也逐渐展开。例如,基于空间聚类的方法,可以从2005年的夜光遥感影像中提取中国的主要城市群,发现长三角城市群、河南的中原城市群和珠三角城市群是中国最大的三个城市群(Yu et al., 2014)。
夜光遥感影像不仅可以有效提取城镇范围,还可以通过发光强度来估算区域发展的质量。将城镇灯光分布看做财富分布,比较灯光分布和人口分布的差异,构建“夜光发展指数”可以估算不同尺度区域的发展不平衡性 (Elvidge et al., 2012)。根据这一指数,可以分析中国2005-2010年期间的发展不平衡性的动态变化,研究表明中国西南和西北的区域发展不平衡度最高,而中国北部沿海区域发展最为平衡,且中国整体的不平衡度在此期间内有一定程度降低,表明了中国的区域发展趋于平衡,此外,人口密度较高地区的发展平衡度也相对较高 (Xu et al., 2015)。通过对夜光遥感影像进行强度信息提取,发现夜光强度能够较好在中国省级和县级尺度上反映贫困状况(Yu et al., 2015; Wang et al., 2012),从而为我国的贫困研究提供一种较为客观的数据源。在城镇化过程中,住房空置率是评价城镇是否过度扩张的重要指标,通过对美国若干都会区的城市灯光强度和住房空置率进行相关分析,证明了夜间灯光能够较好反映美国的住房空置率,这一结论为利用夜光遥感数据研究中国住房空置率奠定了基础(Zuoqi Chen, 2015)。(二)光污染分析与调查
城镇的夜间灯光不仅反映了城镇的繁荣程度,同时也给人类和其他生物的健康带来了一定的负面影响。这是因为人类和动植物在进化中,已经适应了漫长的黑夜,而电气化革命带来的夜晚照明设施在方便人类生产和生活的同时,也打破了各种生物长期以来在黑夜中的生活习惯和习性。因此,城镇中过度的夜晚灯光又变成为光污染。已有的疾病机理分析表明,光污染和肥胖症、失眠症等疾病有着显著的相关性。然而,传统的样本调查方法在大范围内调查光污染和疾病的联系是极为困难的。夜光遥感的出现为大范围调查光污染信息提供了一条崭新的途径。美国和以色列的科学家基于医学调查数据和夜光遥感影像,发现了光污染和乳腺癌的发病率存在显著相关性(Kloog et al., 2008; Bauer et al., 2013)。实验室研究表明帕金森病与光污染有显著相关性,而卫星遥感影像则提供了在大范围研究这种关系的可能,通过夜光遥感影像和帕金森发病率数据,发现光污染和帕金森发病率存在显著相关(Romeo et al., 2013)。光污染不仅诱发人类多种疾病,同时也对动物习性造成了严重干扰。例如,通过夜光遥感影像和装载在海鸟身上的GPS进行综合分析发现,夜晚的灯光吸引海鸟飞行,并且发现夜光越强的地方越容易吸引海鸟,从而导致大量海鸟的不正常死亡(Rodríguez et al., 2015)。
鉴于光污染已经被证实影响了人类和其他生物的健康,瑞典等发达国家已经率先出台法规来遏制户外灯光的过度使用,而遥感技术则被广泛用于调查光污染的分布。利用夜光遥感影像调查1995-2010年期间欧洲光污染分布,研究表明这一期间欧洲光污染整体明显增强,但瑞典、芬兰等发达国家的光污染在局部区域减轻,证明了这些国家出台的光污染相关的法律是初见成效的(Bennie et al., 2014)。类似的分析也在中国开展,1992-2012年期间中国的光污染范围增加了超过1倍,其中20世纪90年代东部地区大城市的光污染增加成为中国光污染增加的主因,而到了21世纪,中小城市光污染的增加成为主导 (Han et al., 2014)。
(三)环境评估
城市扩张、人口增长等人类活动造成了诸多的资源环境问题。然而,大尺度评估人类活动强度以及导致的资源环境问题存在一定困难,其原因是传统的经济社会调查方式难以获得时空连续的人类活动数据。而夜光遥感影像恰恰能够在较大尺度上时空连续地反映人类活动,从而评估人类活动带来的各种资源环境问题。
碳排放一直是全球变化领域的热点问题之一,传统的碳排放调查只能在一定的统计单元获得碳排放的总量数据,而统计单位之内的碳排放分布则难以获得。由于夜光和人类活动存在紧密的关系,因此夜光影像可以用来获得较细尺度的碳排放分布。在获得土地利用分类图的前提下,利用夜间灯光影像可以将碳排放统计数据分配到地级市,从而获得我国1992-2010年的各地级市的碳排放数据(苏泳娴等, 2013)。由于夜光数据具有时空连续性,因此可以利用它来研究碳排放的空间分布关系。通过夜间灯光数据结合人类活动指数对中国的县级市碳排放展开研究,发现碳排放较高的城市往往毗邻人均GDP较低的城市,揭示了我国碳排放和社会经济参数的关系(Lu et al., 2014)。能源消费是碳排放的主要来源,美国宇航局的科学家通过对夜光遥感影像进行时间序列分析,发现世界各国在节假日期间的夜光明显增强,可以推断出能源消费和碳排放在此期间也会陡然升高(Román et al., 2015)。
夜晚灯光的增加往往意味着该区域的人类活动增强,例如正在发生城镇土地利用扩张,而城镇扩张会对周围的生态环境带来一定的压力,当压力超过当地的承载力时,该区域就会陷入环境恶化和不可持续发展的阶段。夜光遥感影像结合各类资源环境数据,可以用来评估人类活动对周围环境带来的压力。通过夜光遥感影像和森林范围图的联合分析,美国科学家分析了科罗拉多州部分区域的城镇扩张对森林火灾易发性影响,发现了该区域的森林火灾易发性增加(Cova et al., 2004)。相比于森林资源,人类活动对水资源的压力更令人关注。通过全球河流矢量数据和夜光遥感影像,可以分析人类活动对河流的压力及时空分布,研究发现近20年来人类活动对河流的压力显著性加大,但是在叙利亚、乌克兰等社会动荡的国家中,人类活动的压力对河流的压力减小(Ceola et al., 2015)。由于夜光遥感影像能够覆盖全球绝大部分区域,因此夜光遥感影像还可以用来评估人类活动对全球陆地生态系统的压力,研究表明自20世纪90年代以来,人类对陆地生态系统的压力增加了64%,其中东南亚的增幅最大,而自然保护区的人类活动压力也显著增大,唯一的例外是偏远地区和山区人类活动呈现减弱的趋势(Ceola et al., 2015)。
三、夜光遥感技术在“一带一路”发展中的潜力研究
“一带一路”是“丝绸之路经济带”和“21世纪海上丝绸之路”的简称。根据2015年4月中央电视台正式发布的“一带一路”示意图,丝绸之路经济带的三条走向为:①中国-中亚-俄罗斯-欧洲;②中国-中亚-西亚-波斯湾-地中海;③中国-东南亚-南亚-印度洋。21世纪海上丝绸之路的两条走向为:①中国-南海-印度洋-欧洲;②中国-南海-南太平洋。
“一带一路”作为我国21世纪的重要战略构想,对于我国的现代化建设和中华民族的伟大复兴具有重要推动作用。“一带一路”横跨欧亚大陆,辐射大洋洲和非洲,沿线国家数量超过60个、人口超过40亿,准确获取这些国家的社会经济动态对于“一带一路”建设可以提供重要决策依据。然而,这些国家的国情存在较大差异,社会经济统计数据存在实时性不足、数据缺失等问题,这些问题在“一带一路”中的发展中国家显得特别突出。由于夜光遥感技术能够在大范围获取社会经济动态信息,该技术能够为我国建设“一带一路”提供有力保证。
我们从美国海洋与大气管理局(NOAA)获取了1995-2013年的“一带一路”区域的夜光遥感影像。首先,我们通过回归统计分析了这些国家GDP增量和夜光增长量的关系,考虑到部分国家的GDP数据缺失,仅用存在GDP统计数据的国家参与回归分析,发现两者的回归决定系数为0.9187,证明了夜光增长能够很好反映GDP的增长,进而反映社会经济发展动态。
在上面分析的基础上,我们对这批夜光遥感影像进行影像变化检测分析,可以揭示不同国家和区域的城市化和经济增长规律。我们列出1995、2013年“一带一路”夜间灯光总量排名前20位的国家(见图3),以及1995-2013年该区域夜光变化比例前20位和后20位的国家(见图4),从而展现该区域1995-2013年的宏观经济动态变化。
我们的研究发现,多数“一带一路”沿线的发展中国家的夜光均处于显著增长。 “一带一路”沿线国家中夜光增长最快的国家主要分为两类:①越南、缅甸、老挝、柬埔寨等开展经济改革并快速发展的国家;②波黑、阿富汗、索马里等经历战乱后完全或局部进入和平的国家。值得注意的是,在此期间中国超越俄罗斯成为该区域夜光总量最多的国家,证实中国开展了大规模和富有成效的基础设施建设。叙利亚和部分独联体国家由于社会和经济动荡,发生了夜间灯光衰退的现象。瑞典、丹麦等发达国家采取了节能和控制光污染的政策,导致了夜间灯光减少。
国情调查是“一带一路”建设的前提,夜光遥感技术能够有效获取“一带一路”沿线国家经济社会动态的宏观信息,特别对于经济社会统计数据缺失的国家而言,夜光遥感能够有效弥补这些国家数据不足的缺陷。武汉大学正在夜光遥感领域开展探索性研究,将为“一带一路”建设的投资和外交政策提供科学依据。
四、总结和展望
遥感技术特别是夜光遥感技术能够大范围获取人类经济社会活动信息,能够为监测经济社会发展及衍生的生态环境效应发挥重要作用。已有的研究表明,通过夜光遥感获取的时空连续的经济社会数据能够有效补充经济社会统计数据的不足,有利于在较大时间和空间尺度上获得经济社会参数,并评估人类活动和区域发展的时空模式。
在我国建设“一带一路”的时代背景下,获取“一带一路”沿线国家的经济社会动态对于我国的投资战略至关重要。目前,仅仅通过各国和国际组织公布的经济社会统计数据无法满足建设“一带一路”的需要,而夜光遥感技术能够有效监测“一带一路”沿线国家的经济社会动态。结合经济社会统计和其他类型的遥感数据,夜光遥感技术将会在保障“一带一路”建设质量中发挥重要作用。夜光遥感技术对于评估、保障社会经济发展大有可为!
参考文献:
[1]何春阳、史培军、李景刚、陈晋、潘耀忠、李京、卓莉、一之濑俊明,2006:《基于DMSP/OLS夜间灯光数据和统计数据的中国大陆20世纪90年代城市化空间过程重建研究》,《科学通报》第7期。 [He Chunyang, Shi Peijun, Li Jinggang, Chen, Jin, Pan Yaozhong, Li Jing, Zhuo Li, and Ichinose, T., 2006, “Restoring urbanization process in China in the 1990s by using DMSP/OLS nighttime light imagery and statistical data”, Chinese science bulletin, 51(7), pp. 856-961.]
[2]李德仁、陈晓玲、蔡晓斌,2008:《空间信息技术用于汶川地震救灾》,《遥感学报》第12期。[Li Deren, Chen Xiaoling, and Cai Xiaobin, 2008, “Spatial Information Techniques in Rapid Response to Wenchuan Earthquake”, Journal of remote sensing, 12 (6), pp. 841-851.]
[3]李德仁、王密、胡芬,2009:《利用我国高分辨率卫星影像监测北京市违章建筑》,《科学通报》第54期。 [Li Deren, Wang Mi, and Hu Fang, 2009, “Unauthorized Construction Monitoring in Beijing by Using High Resolution Satellite Images”, Chinese science bulletin, 54(3), pp. 305-311.]
[4]毛克彪、唐华俊、周清波、王建明、马柱国,2009:《利用被动微波数据AMSR-E对2008年中国南方雪灾监测分析》,《中国农业资源与区划》第30期。 [Mao Kebiao, Tang Huajun, Zhou Qingbo, Wang Jianming, and Ma Zhuguo, 2009, “Supervision and Analysis on Southern Chinas Snow Disaster in 2008 By Using Passive Microwwve Data Amsr-E”, Chinese Iournal of Agriculture Resources and Regional Planning, 30(1), pp. 46-50.]
[5]苏泳娴、陈修治、叶玉瑶、吴旗韬、张虹鸥、黄宁生、匡耀求,2013:《基于夜间灯光数据的中国能源消费碳排放特征及机理》,《地理学报》第68期。 [Su Yongxian, Chen Xiuzhi, Ye Yuyao, Wu Qitao, Zhang Hongou, Huang Ningsheng, and Kuang Yaoqiu, 2013, “The characteristics and mechanisms of carbon emissions from energy consumption in China using DMSP/OLS night light imageries”, Acta Geographica Sinica, 68(11), pp. 1513-1526.]
[6]田光进、周全斌、赵晓丽、张增祥、谭文彬,2002:《中国城镇扩展占用耕地的遥感动态监测》,《自然资源学报》第17期。 [Tian Guangjin, Zhou Quanbin, Zhao Xiaoli, Zhang Zengxiang, and Tan Wenbin, 2002, “Monitoring urban encroachment on cultivated land with TM images in China”, Journal of Natural Resources, 17(4), pp. 476-480.]
[7]许华、张玉环、侯伟真、吕阳、李莉、顾行发、李正强,2013:《利用环境一号卫星监测北京地区雾霾》,《遥感学报》第17期。 [Xu Hua, Zhang Yuhuan, Hou Weizhen, Lü Yang, Li Li, Gu Xingfa, and Li Zhengqiang, 2013, “Beijing Haze Monitoring Based on HJ-1 Satellite System”, Journal of Remote Sensing, 17(2), pp. 476-477.]
[8]Bauer, Sarah E., Wagner, Sara E., Burch, Jim, Bayakly, Rana, and Vena, John E., 2013, “A case-referent study: light at night and breast cancer risk in Georgia”, International Journal of Health Geographics 12, pp. 1-10.
[9]Bennie, Jonathan, Davies, Thomas W., Duffy, James P., Inger, Richard, and Gaston, Kevin J., 2014, “Contrasting trends in light pollution across Europe based on satellite observed night time lights”, Scientific reports 4, pp. 3789.
[10]Ceola, Serena, Laio, Francesco, and Montanari, Alberto, 2015, “Human-impacted waters: New perspectives from global high-resolution monitoring”, Water Resources Research 51, pp. 7064-7079.
[11]Cova, T.J., Sutton, P.C., and Theobald, D.M., 2004, “Exurban change detection in fire-prone areas with nighttime satellite imagery”, Photogrammetric Engineering and Remote Sensing 70, pp. 1249-1257.
[12]Elvidge, C.D., Baugh, K.E., Anderson, S.J., Sutton, P.C., and Ghosh, T., 2012, “The Night Light Development Index (NLDI): a spatially explicit measure of human development from satellite data”, Social Geography 7, pp. 23-35.
[13]Han, Pengpeng, Huang, Jinliang, Li, Rendong, Wang, Lihui, Hu, Yanxia, Wang, Jiuling, and Huang, Wei, 2014, “Monitoring Trends in Light Pollution in China Based on Nighttime Satellite Imagery”, Remote Sensing 6, pp. 5541.
[14]Henderson, M., Yeh, E.T., Gong, P., Elvidge, C., and Baugh, K., 2003, “Validation of urban boundaries derived from global night-time satellite imagery”, International Journal of Remote Sensing 24, pp. 595-609.
[15]Huang, Qingxu, He, Chunyang, Gao, Bin, Yang, Yang, Liu, Zhifeng, Zhao, Yuanyuan, and Dou, Yue, 2015, “Detecting the 20 year city-size dynamics in China with a rank clock approach and DMSP/OLS nighttime data”, Landscape and Urban Planning 137, pp. 138-148.
[16]Kloog, Itai, Haim, Abraham, Stevens, Richard G, Barchana, Micha, and Portnov, Boris A., 2008, “Light at night co-distributes with incident breast but not lung cancer in the female population of Israel”, Chronobiology international 25, pp. 65-81.
[17]Lu, H. L., and Liu, G. F., 2014, “Spatial effects of carbon dioxide emissions from residential energy consumption: A county-level study using enhanced nocturnal lighting”, Applied Energy 131, pp. 297-306.
[18]Rhee, Jinyoung, Im, Jungho, and Carbone, Gregory J., 2010, “Monitoring agricultural drought for arid and humid regions using multi-sensor remote sensing data”, Remote Sensing of Environment 114, pp. 2875-2887.
[19]Rodríguez, Airam, Rodríguez, Beneharo, and Negro, Juan J., 2015, “GPS tracking for mapping seabird mortality induced by light pollution”, Scientific reports 5, pp. 10670.
[20]Román, Miguel O, and Stokes, Eleanor C, 2015, “Holidays in lights: tracking cultural patterns in demand for energy services”, Earths Future, pp. 182-205.
[21]Romeo, Stefania, Viaggi, Cristina, Di Camillo, Daniela, Willis, Allison W., Lozzi, Luca, Rocchi, Cristina, Capannolo, Marta, Aloisi, Gabriella, Vaglini, Francesca, Maccarone, Rita, Caleo, Matteo, Missale, Cristina, Racette, Brad A., Corsini, Giovanni U., and Maggio, Roberto, 2013, “Bright light exposure reduces TH-positive dopamine neurons: implications of light pollution in Parkinsons disease epidemiology”, Scientific reports 3, pp. 1395.
[22]Sanyal, J., and Lu, X.X., 2004, “Application of remote sensing in flood management with special reference to monsoon Asia: A review”, Natural Hazards 33, pp. 283-301.
[23]Su, Y.X., Chen, X.Z., Wang, C.Y., Zhang, H.O., Liao, J.S., Ye, Y.Y., and Wang, C.J., 2015, “A new method for extracting built-up urban areas using DMSP-OLS nighttime stable lights: a case study in the Pearl River Delta, southern China”, Giscience & Remote Sensing 52, pp. 218-238.
[24]Tan, Minghong, 2015, “Urban Growth and Rural Transition in China Based on DMSP/OLS Nighttime Light Data”, Sustainability 7, pp. 8768-8781.
[25]Wang, Wen, Cheng, Hui, and Zhang, Li, 2012, “Poverty assessment using DMSP/OLS night-time light satellite imagery at a provincial scale in China”, Advances in Space Research 49, pp. 1253-1264.
[26]Wu, J.S., Ma, L., Li, W.F., Peng, J., and Liu, H., 2014, “Dynamics of Urban Density in China: Estimations Based on DMSP/OLS Nighttime Light Data”, Ieee Journal of Selected Topics in Applied Earth Observations and Remote Sensing 7, pp. 4266-4275.
[27]Xu, Huimin, Yang, Hutao, Li, Xi, Jin, Huiran, and Li, Deren, 2015, “Multi-Scale Measurement of Regional Inequality in Mainland China during 2005-2010 Using DMSP/OLS Night Light Imagery and Population Density Grid Data”, Sustainability 7, pp. 13469.
[28]Yu, Bailang, Shi, Kaifang, Hu, Yingjie, Huang, Chang, Chen, Zuoqi, and Wu, Jianping, 2015, “Poverty Evaluation Using NPP-VIIRS Nighttime Light Composite Data at the County Level in China”, Selected Topics in Applied Earth Observations and Remote Sensing 8, pp. 1217-1229.
[29]Yu, Bailang, Shu, Song, Liu, Hongxing, Song, Wei, Wu, Jianping, Wang, Lei, and Chen, Zuoqi, 2014, “Object-based spatial cluster analysis of urban landscape pattern using nighttime light satellite images: a case study of China”, International Journal of Geographical Information Science, pp. 1-28.
[30]Zhou, Yuyu, Smith, Steven J., Elvidge, Christopher D., Zhao, Kaiguang, Thomson, Allison, and Imhoff, Marc, 2014, “A cluster-based method to map urban area from DMSP/OLS nightlights”, Remote Sensing of Environment 147, pp. 173-185.
[31]Zuoqi Chen, Bailang Yu, 2015, “Estimating House Vacancy Rate in Metropolitan Areas Using NPP-VIIRS Nighttime Light Composite Data”. Ieee Journal of Selected Topics in Applied Earth Observations and Remote Sensing, pp. 2188-2197.
Applications of Night-time Light Remote Sensing in Evaluating of Socioeconomic Development
Li Deren and Li Xi
(State Key Laboratory of Remote Sensing Information Engineering, Wuhan University)
Abstract:Night-time light remote sensing means the satellite sensor acquires the city light, boat light and flaring gas at cloud-free night. As most of the visible lights at night are strongly related to human activities, the night-time light remote sensing is efficient in acquiring socioeconomic development dynamics and assessing the macro problems from the development. From the perspectives of monitoring disasters, the remote sensing technique can help to promote socioeconomic development. This paper introduced how the night-time light remote sensing played an important role in issues of regional development assessment, light pollution investigation and environmental evaluation so that it can help to evaluate and support quality of socioeconomic development. Considering the Belt and Road (B&R) strategy, the paper briefly analyzed the night-time light dynamics of the B&R region during the last 20 years and therefore found some patterns of this regional development. For the future construction of B&R, night-time light remote sensing can provide scientific information for Chinas investment and diplomatic policy, to support B&R construction quality.
Key Words:Night-time Light Remote Sensing; Socioeconomic Development; Regional Development; One Belt and One Road
■责任编辑汪晓清