基于DMSP/OLS夜间灯光数据的城乡结合部空间识别研究
——以重庆市主城区为例
2016-06-05张志刚,张安明,郭欢欢
张 志 刚,张 安 明,郭 欢 欢
(1.西南大学地理科学学院,重庆 400700;2.重庆市国土资源与房屋勘测规划院,重庆 400020;3.北京大学城市与环境学院,北京 100871)
基于DMSP/OLS夜间灯光数据的城乡结合部空间识别研究
——以重庆市主城区为例
张 志 刚1,张 安 明1,郭 欢 欢2,3*
(1.西南大学地理科学学院,重庆 400700;2.重庆市国土资源与房屋勘测规划院,重庆 400020;3.北京大学城市与环境学院,北京 100871)
为解决经济、人口等城乡结合部空间识别指示要素不能反映行政区内部差异的问题,该文提出了一种基于DMSP/OLS夜间灯光数据的城乡结合部空间识别技术方法。首先构建灯光亮度和灯光亮度起伏度特征组合值模型,分析灯光亮度和灯光亮度起伏度组合特征;其次通过断点法分类,对城乡结合部进行空间识别;最后以重庆市主城区为例进行了实证研究。结果显示:1)城市呈现“高灯光亮度、低灯光亮度起伏度”特征组合;城乡结合部呈现“中灯光亮度、高灯光亮度起伏度”特征组合;乡村呈现“低灯光亮度、低灯光亮度起伏度”特征组合。2)城乡结合部面积占重庆市主城区总面积的59.07%,主要分布在以江北区观音桥街道中部为圆心,以17 km为内半径和37 km为外半径构成的环带内。基于DMSP/OLS夜间灯光数据为城乡结合部空间识别提供了一种简便可行的方法。
DMSP/OLS夜间灯光数据;灯光亮度;灯光亮度起伏度;城乡结合部;重庆市主城区
0 引言
城乡结合部又称城乡交错地带,其空间分布、经济状况、人口特征、景观多样性、土地利用等方面均具有明显的过渡特征。城乡结合部是城市外拓的前沿区域,是土地利用问题最多、矛盾最尖锐的区域[1]。城乡结合部的空间识别对于优化城市用地管理、促进城乡一体化等具有重要意义。城乡结合部空间识别研究一直是热门话题,国内外学者对城乡结合部空间识别主要从空间、经济、人口、景观和土地利用方面选取距离市中心距离、社会经济状况、人口密度、非农与农业人口比例、景观紊乱度、土地利用强度、土地利用多样性、建设用地比重、土地利用动态度和土地利用信息熵等单一或综合指示要素进行研究,划分方法主要有突变点检测法、断裂点法、空间聚类法、引力值法等[2-10]。
传统研究中有些以行政区为单元进行数据整理与分析,但城乡结合部是行政区划调整频繁的区域,行政区变更导致数据连续性较差。借助遥感等新技术获取数据可以打破行政界限,突破统计口径限制,克服数据连续性较差的问题[11]。DMSP/OLS夜间灯光数据对经济、人口、城市具有良好的表征作用,近年来被广泛应用于人口数据空间化[12]、GDP数据空间化[13]、能源消耗[14]、城市提取[15]和土地城市化水平[16]等研究中。本文基于DMSP/OLS夜间灯光数据,通过灯光亮度和灯光亮度起伏度对城乡结合部进行空间识别,并以重庆市主城区为例开展实证研究,以期为城乡结合部空间识别提供一种新方法。
1 研究区概况和数据
重庆市主城区包括渝中区、大渡口区、江北区、南岸区、沙坪坝区、九龙坡区、北碚区、渝北区和巴南区9个行政区域,辖区面积5 472.68 km2,是全市的政治、经济、文化、交通和金融中心。2013年主城区地区生产总值5 391.84亿元,户籍人口636.31万人,常住人口808.53万人。重庆市主城区是全市城镇化水平最高的区域,2013年城镇化率达87.87%,最高的渝中区达100%,最低的巴南区为77.14%。受自然地形地貌影响,重庆市城市建设呈现“多中心、组团式、不均衡”的空间分布格局。
本文采用的DMSP/OLS夜间灯光数据是2013年的夜间灯光平均强度数据,来自美国国家地球物理数据中心(http://www.ngdc.noaa.gov),灯光亮度在0~63之间,像元大小为0.008333°。运用ArcGIS10.3软件将数据从地理坐标转为Gauss_Kruger投影坐标,并根据主城区矢量数据进行剪切、空间分析等处理。
2 理论分析与模型构建
2.1 理论分析
城乡结合部是由高密度非农人口、集中连片建成区和高强度的第二、三产业经济活动向低密度农业人口、连绵的绿色自然景观和农业生产活动过渡的区域。城乡结合部有别于城市和乡村的均一性,呈现过渡性、多样性(起伏性)特征[11]。由于城市居民生产生活方式对夜间灯光的依赖程度远远高于农村居民,因此城乡结合部的灯光亮度和灯光亮度起伏度也具有由城市向农村过渡的特征。以重庆市主城区为例,对DMSP/OLS夜间灯光数据作剖面线(O-A)(图1),获取剖面的灯光亮度(DN),并根据灯光亮度线计算灯光亮度起伏度线(图2)。可见,灯光亮度从市中心到乡村腹地,总体上呈现逐渐降低,灯光亮度起伏度则呈现两边低中间高的“几”字形分布的趋势。由此,本研究提出城市、城乡结合部和农村的灯光亮度和灯光亮度起伏度具有如下特征:城市为高灯光亮度与低灯光亮度起伏度的“高-低”特征组合;城乡结合部为中灯光亮度与高灯光亮度起伏度的“中-高”特征组合;乡村为低灯光亮度与低灯光亮度起伏度的“低-低”特征组合(图2)。
图1 2013年重庆市主城区DMSP/OLS夜间灯光数据
图2 灯光亮度和灯光亮度起伏度特征
2.2 模型构建
上文分析及相关文献[17]研究表明,区域亮度值越大,是城市的可能性越大,反之为乡村。从城市中心到乡村腹地,灯光亮度总体上呈现降低的趋势。灯光亮度起伏度反映灯光亮度在一定范围内的变化程度,其计算公式为:
DNw=DNnmax-DNnmin
(1)
式中:DNw为夜间灯光亮度起伏度,DNnmax、DNnmin分别为夜间灯光亮度DN的3×3邻域范围内的最大值和最小值。
参考相关研究[18],分别对灯光亮度DN和灯光亮度起伏度DNw进行极值标准化处理,见式(2)和式(3);参考协调度公式[18,19],构建灯光亮度和灯光亮度起伏度特征组合值公式,见式(4)。
(2)
(3)
(4)
式中:C为特征组合值,DNn为灯光亮度标准化值,DNwn为灯光亮度起伏度标准化值,DNmax、DNmin分别为主城区灯光亮度最大值和最小值,DNwmax、DNwmin分别为主城区灯光亮度起伏度最大值和最小值。
2.3 城乡结合部空间界定标准
由式(2)-式(4)可知,灯光亮度标准化值、灯光亮度起伏度标准化值与特征组合值值域范围均为[0,1],此三项值又可构成一个组合。设定A点为“高灯光亮度、低灯光亮度起伏度、小特征组合值”组合,B点为“中灯光亮度、高灯光亮度起伏度、中特征组合值”组合,C点为“低灯光亮度、低灯光亮度起伏度、高特征组合值”组合。结合前文理论假设可知,点A、B、C分别为城市、城乡结合部、农村的理想值(图3),即越接近A点越趋于城市,越接近B点越趋于城乡结合部,越接近C点越趋于乡村。
以主城区为边界,运用ArcGIS中Create Fishnet工具制作格网;将特征组合值栅格转为点,并将点通过spatial join工具将属性值赋给格网;以重庆市市政府为中心,以正东方向为起始,1°为间隔,制作360条剖面线(图4);将特征组合值与剖面线相交,可以得到以每条剖面线为FID_剖面字段的共计360条数据列,将属性表导出到excel中,用MAX函数提取每条数据列中的最大距离衰减值Di,即每个方向上的断裂点[5],如式(5)。
图3 灯光亮度、灯光亮度起伏度和特征组合值判别
(5)
式中:Di为第i条剖面线上的最大距离衰减值,xij为第i条剖面线第j个序列特征值,xi(j+1)为第i条剖面线第j+1个序列特征值。
通过每条剖面上最大特征值距离衰减值Di对应的FID_格网字段,选出断裂点所在网格位置。结合各断裂点和中心的距离,排除异常的突变点,将其相连平滑处理得到城乡结合部内外边界线。
图4 剖面线示意
3 结果与分析
3.1 灯光亮度与灯光亮度起伏度特征及其组合
重庆市主城区灯光亮度总体呈现以渝中区为中心向周围乡村递减的趋势;灯光亮度起伏度则呈现两边低、中间高的“几”字形分布趋势,中部有明显的突变点,且内部突变比外侧更明显;特征组合值总体呈现由中心城区向周围乡村增大的态势(图5)。可以看出,在城乡结合部外缘有一个特征明显的凹陷带,这与前文假设相符。
图5 主城区灯光亮度(左)、灯光亮度起伏度(中)和特征组合值(右)
以重庆市市政府为中心,分别向东(O-L1)、南(O-L2)、西(O-L3)、北(O-L4)4个方向,对灯光亮度(DN)、灯光亮度起伏度(DNw)、特征组合值(C)制作剖面,表征从市中心到乡村腹地的变化(图6)。东向、南向、北向剖面由于从市中心一直延伸到乡村腹地,其变化特征最为典型。以北向的剖面线O-L4为例,从市政府到渝北区的翠云街道,灯光亮度值全部大于50,灯光亮度起伏度全部小于5,特征组合值总体小于0.1,呈现“高亮度、低起伏度”特征组合;紧邻渝北区双龙湖街道中部出现一个明显的突变,灯光亮度迅速降到40附近,灯光亮度起伏度明显增大,最高处达18.92,北碚区复兴镇到静观镇南部,灯光亮度中等,灯光亮度起伏度高,特征组合值大,呈现“中亮度、高起伏度”特征组合;静观镇中部出现第二个突变,灯光亮度全部小于10,灯光亮度起伏度最高处约为10.59,特征组合值最小处为0,灯光亮度降低,灯光亮度起伏度增大,但变化幅度较第一个突变处明显减小;静观镇北部到柳荫镇,灯光亮度变0,灯光起伏度也变为0,特征组合值为1,呈现“低亮度、低起伏度”特征组合。
图6 灯光亮度、灯光亮度起伏度和特征组合值剖面线
3.2 主城区功能分类与城乡结合部空间识别
3.2.1 主城区功能分类 参考各断裂点和中心的距离(图7a),排除异常的突变点,将其相连平滑处理得到城乡结合部内外边界线(图7b)。根据城乡结合部内外边界线,将重庆市主城区分为3种组合类型:城市的“高灯光亮度、低灯光亮度起伏度”特征组合;城乡结合部的“中灯光亮度、高灯光亮度起伏度”特征组合;乡村的“低灯光亮度、低灯光亮度起伏度”特征组合(表1)。城市面积占总面积14.31%,城乡结合部面积占总面积的59.07%,乡村面积占总面积的26.62%。
图7 断点位置及城乡结合部范围
表1 重庆市主城区功能分类
Table 1 The functional classification of the main urban areas of Chongqing
类型区灯光亮度灯光起伏度特征组合面积比重(%)城市高低“高—低”14.31城乡结合部中高“中—高”59.07乡村低低“低—低”26.62
3.2.2 城乡结合部地域识别 城乡结合部面积占重庆市主城区总面积的59.07%,主要分布在以江北区观音桥街道中部为圆心,以17 km为内半径和37 km为外半径的环带内(图8a),包括巴南区鱼洞街道、龙洲湾街道、一品街道、界石镇、南彭街道、南泉街道、惠民街道、二圣镇、木洞镇、双河口镇和麻柳镇,南岸区峡口镇、广阳镇、迎龙镇和长生桥镇,江北区郭家沱街道、鱼嘴镇、复盛镇和五宝镇,渝北区玉峰山镇、龙兴镇、洛碛镇、石船镇、统景镇、古路镇、木耳镇、双凤桥街道和茨竹镇,北碚区复兴镇、三圣镇、施家梁镇、水土镇、静观镇、天府镇、东阳街道、澄江镇、北温泉街道、龙凤桥街道、童家溪镇和歇马镇,沙坪坝区凤凰镇、回龙坝镇、中梁镇和青木关镇,九龙坡区金凤镇、白市驿镇、走马镇、巴福镇、石板镇、陶家镇、西彭镇和铜罐驿镇,大渡口区跳蹬镇。
3.3 城乡结合部地域识别结果验证
研究中灯光亮度特征与彭建等在城市边缘带识别研究进展与展望中构建的理想状态下的城乡地域结构比较一致[11],灯光亮度起伏度特征与赵华普等的土地利用动态度特征相似[8]。关于重庆市主城区城乡结合部划分,郭欢欢等以城市建成区、行政区划和城市总体规划为依据,以乡镇为单元,并从区位条件、城镇用地比例和未来新增城市用地面积3个指标进行研究[20](图8b),通过两研究结果对比及差异部分Google Earth影像空间比较,对城乡结合部识别结果进行验证。
本研究中城乡结合部与文献[20]中快速城市化和中速城市化面积重合71.39%,差异主要分布在半径17 km和37 km两侧。本研究中属于城乡结合部的洛碛镇、统景镇、三圣镇、澄江镇、中梁镇、东泉镇、二圣镇、木洞镇、双河口镇和麻柳镇部分地区,在文献[20]中属于低速城市化地区。文献[20]中属于快速城市化的双凤桥街道、长生桥镇、土主镇、蔡家岗镇、悦来街道、鱼洞街道和双龙湖街道及中速城市化的铁坪山街道、南山街道、建胜镇、华岩镇、歌乐山镇、西永镇、曾家镇和童家溪镇部分地区,在本研究中属于城市;文献[20]中中速城市化的柳荫镇、茨竹镇、静观镇、南彭街道、一品街道部分地区,在本研究中属于乡村(图8c)。从两研究差异部分选取50个样本点在Google Earth中进行定位(图8c),运用Google Earth影像空间比较法对差异部分进行验证。通过目视判断,差异部分符合本研究的样本点达43个,占总样本的86%,说明本研究准确性更高。主要原因是文献[20]以乡镇为单元,将主城区完全城市化以外的乡镇全部视为城乡结合部,所以城乡结合部内侧高度城市化,而未完全城市化的乡镇被视为城乡结合部,外侧部分地区城市化较高,但总体较低的乡镇划为低速城市化地区,不能反映乡镇内部差异。而本研究运用DMSP/OLS夜间灯光数据进行城乡结合部空间识别,突破行政区界限,反映行政区内部差异。
图8 城乡结合部空间识别结果对比
4 讨论与结论
目前,基于DMSP/OLS夜间灯光数据进行城乡结合部空间识别研究尚不多见,较多研究以经济、人口等作为城乡结合部空间识别指示要素。经济、人口等数据能较好地识别城乡结合部,但局限于行政单元的均值统计形式,不能反映行政区内部空间差异。DMSP/OLS夜间灯光数据具有反映人口、经济等要素的空间分布状况,突破行政区界限及数据获取便捷等优点。基于DMSP/OLS夜间灯光数据,通过对灯光亮度和灯光亮度起伏度特征组合分析,将城市区域划分为“高灯光亮度、低灯光亮度起伏度”的城市特征组合、“中灯光亮度、高灯光亮度起伏度”的城乡结合部特征组合、“低灯光亮度、低灯光亮度起伏度”的乡村特征组合。进而,运用断点法定量地将城市区域划分为城市、城乡结合部和乡村三部分,并通过文献研究对比分析和Google Earth影像空间比较进行结果验证,证明基于DMSP/OLS夜间灯光数据进行城乡结合部空间识别符合实际。
DMSP/OLS夜间灯光遥感数据分辨率低,小尺度的乡村灯光较难识别,因而乡村部分灯光亮度和灯光亮度起伏度均为0。结合Landsat 8、SPOT和Quick Bird等较高分辨率数据进行城乡结合部空间识别研究值得探讨,同时随着遥感技术的发展和高分辨率DMSP/OLS夜间灯光数据的出现,将DMSP/OLS夜间灯光数据用于划定城乡结合部的准确性将进一步提高,这也是今后有待继续深化的内容。
[1] 荀文会,王雨晴,贾艳萍.快速城镇化地区城乡交错带地域识别与用地演变规律研究——以沈阳市为例[J].国土与自然资源研究,2015(5):12-15.
[2] FRIEDBERGER M.The rural-urban fringe in the late twentieth century[J].Agricultural History,2000,4(2):502-514.
[3] BRYANT C.The peri-urban zone:The structure and dynamics of a strategic component of metropolitan regions[J].Canadian Journal of Regional Science,2003,26(2/3):231-250.
[4] BRYANT C,RUSSWURM L.The impact of nonagricultural development on agriculture:A synthesis[J].Plan Canada,1979,19(2):122-139.
[5] 陈贝贝.无锡半城市化地区的空间范围识别[J].地理研究,2013,32(7):1210-1218.
[6] 李雪瑞,王秀兰,冯仲科.基于土地利用程度的北京城市扩展特征[J].地理科学进展,2009,28(3):398-402.
[7] 张宁,方琳娜,宋金平,等.北京城市边缘区空间扩展特征及驱动机制[J].地理研究,2010,29(3):471-480.
[8] 赵华甫,朱玉环,吴克宁,等.基于动态指标的城乡交错带边界界定方法研究[J].中国土地科学,2012,26(9):60-65.
[9] 王秀兰,李雪瑞,冯仲科.基于TM影像的北京城市边缘带范围界定方法研究[J].遥感应用,2010(4):100-104,134.
[10] 蔡栋,李满春,陈振杰,等.基于信息熵的城市边缘区的界定方法研究——以南京市为例[J].测绘科学.2010,35(3):113-122.
[11] 彭建,马晶,袁媛.城市边缘带识别研究进展与展望[J].地理科学进展,2014,33(8):1068-1077.
[12] 杨续超,高大伟,丁明军,等.基于多源遥感数据及DEM的人口统计数据空间化——以浙江省为例[J].长江流域资源与环境,2013,22(6):729-734.
[13] FLORIDA R,MELLANDER C,GULDEN T.Global metropolis:Assessing economic activity in urban centers based on nighttime satellite images[J].Professional Geographer,2012,64(2):178-187.
[14] 苏泳娴,陈修治,叶玉瑶,等.基于夜间灯光数据的中国能源消费碳排放特征及机理[J].地理学报,2013,68(11):1513-1526.
[15] ZHOU Y,SMITH S J,ELVIDGE C D,et al.A cluster-based method to map urban area from DMSP/OLS nightlights[J].Remote Sensing of Environment,2014,147:173-185.
[16] 杨洋,黄庆旭,章立玲.基于DMSP/OLS 夜间灯光数据的土地城镇化水平时空测度研究——以环渤海地区为例[J].经济地理,2015,35(2):141-168.
[17] 米晓楠,白林燕,谭雪航,等.基于DMSP/OLS数据的城市中心城区提取新方法[J].地球信息科学学报,2013,15(2):255-261.
[18] 范辉,刘卫东,吴泽斌.城市土地集约利用内部协调性的时空演变——以武汉市中心城区为例[J].地理科学,2014,34(6):697-704.
[19] 张旺,周跃云,胡光伟.超大城市“新三化”的时空耦合协调性分析——以中国十大城市为例[J].地理科学,2013,33(5):562-569.
[20] 郭欢欢,李仕川,张孝成,等.城乡结合部发育阶段划分与土地管理策略——以重庆市为例[J].国土资源科技管理,2015,32(3):71-77.
Spatial Recognition of the Urban-Rural Fringe Based on DMSP/OLS Nighttime Light Data:A Case Study of the Main Urban Areas of Chongqing
ZHANG Zhi-gang1,ZHANG An-ming1,GUO Huan-huan2,3
(1.SchoolofGeographicalScience,SouthwestUniversity,Chongqing400700;2.ChongqingLandResourceandBuildingSurveying&PlanningInstitute,Chongqing400020;3.CollegeofUrbanandEnvironmentalSciences,PekingUniversity,Beijing100871,China)
For the indicative features used to identify the urban-rural fringe space cannot reflect the internal differences of the administrative region,such as economy,population,etc.,a method of spatial recognition of the urban-rural fringe based on DMSP/OLS nighttime light data is put forward.This paper takes Chongqing′s main urban areas as a study case,through building the characteristics combined value model of light intensity and light intensity fluctuation,analyzing the combined characteristics of light intensity and the fluctuant degree of light intensity,and using the clustering approach of breakpoint to clarify them to realize the spatial recognition of the urban-rural fringe areas.The results demonstrate that:1) the combined characteristics of urban areas is "high light intensity and low fluctuant degrees of light intensity",that of urban-rural fringe areas is "middle light intensity and high fluctuant degree of light intensity",and that of rural areas is "low light intensity and low fluctuant degree of light intensity";2) The urban-rural fringe areas in main urban areas of Chongqing account for 59.07% and mainly cover the outer ring of the circle,whose center is the middle of Guanyinqiao streets of Jiangbei District,inner radius is 17 km and outer radius is 37 km.The final results prove that it is practical to make special recognition of urban-rural fringe areas based on the DMSP/OLS nighttime light data,which provides us a simple and feasible classification approach.
DMSP/OLS nighttime light data;light intensity;fluctuant degree of light intensity;urban-rural fringe;main urban areas of Chongqing
2016-05-27;
2016-08-22
中国博士后科学基金面上资助项目(2015M582526);重庆市国土房管局科技项目(KJ-2015004)
张志刚(1990-),男,硕士研究生,研究方向为土地利用规划。*通讯作者E-mail:guohuan2009@126.com
10.3969/j.issn.1672-0504.2016.06.007
F291;TP79
A
1672-0504(2016)06-0037-06