基于地理信息系统的城市夜间光污染的可视化

刘 鸣，郝庆丽，李维珊，杨鑫鑫，郭晓炜

(大连理工大学 建筑与艺术学院，辽宁 大连 116024)

引言

夜间光污染已经成为城市建设中亟待解决问题之一，它严重影响了天文观测、人身健康和生态平衡[1]，同时还造成了大量社会资源的浪费。根据现有研究的发现，城市夜间光污染和城市的照明规划有着密切的关系，同时它还受到月相、云层、空气质量等天文气象等因素的影响[2-5]。此外，因为光在空间的传播方式，使得城市整体空间的光污染分布实际相互影响，但同时由于城市各功能区域照明规划设计不同，因此区域光污染在空间分布中实际又存在明显差异性，而根据卫星图像建立的光污染可视化图像通常只能显示夜天空单一层面的光污染分布情况，因此，对城市光污染可视化分布就需要结合城市地表的观测数据。

因此，本文根据城市夜间光环境分布特性的研究，将城市空间的可视化划分了层次，并结合光污染地理信息，对光污染分布进行可视化方法的探讨，以及利用大连市西安路区域的调研数据，进行光污染的初步可视化模型建立。

1 城市光污染可视化的意义

光污染可视化表达是一种能够直观表现城市不同情况的光污染严重程度手段，它能够形象地将光污染通过不同形式表现出来，从而帮助人们更好地认识和了解光污染，能更好地用于光污染防治的宣传中。此外，光污染的可视化表达研究，还可以结合城市照明规划体系，直观反映各种城市功能规划下光污染的分布情况，为城市整体的生态照明设计提供规划依据以及改善思路。另外，光污染的可视化还能够形象地反应城市发展进程、人口密度等，从而能够研究城市化进程，如徐梦洁等[6]利用1998年、2003年和2008年DMSP/OLS夜间灯光数据，通过结合相应城市统计数据，并将其进行可视化表达，分析了长江三角洲地区的城市化进程。因此城市光污染的可视化对城市光污染对城市影响、城市活动与光污染关系等研究有着重大意义。

城市光污染地图是现有光污染可视化的主要方式，主要是以城市夜天空卫星图像基础，把城市夜天空亮度为研究对象，利用GIS等技术手段，对光污染的分布情况进行可视化的研究[6-9]。此外，部分学者通过地面观测法、鸟瞰观测法等得到准确数据对卫星图形处理得到的光污染地图进行校正，从而建立较为准确的光污染可视化地图，将光污染的可视化更精确地表达出来，如苏晓明等[10]通过地面测星，对卫星图像灰度处理得到的呼和浩特光污染分布图进行了校正。这些光污染的可视化表达，均为后续的光污染研究、城市规划等提供了重要依据和数据支持。

2 城市光污染与地理信息系统的结合

光污染的空间分布特性与城市照明规划照明密切相关，通过技术手段将光污染与城市的地理信息系统进行结合，建立相应的数据库，并进行可视化表现，比如将光污染与城市照明、城市功能、城市建设等结合，能够更加形象表现光污染区域分布情况，使光污染在城市分布情况更加精确，更高的分辨率，更能为后续的城市建设提供更加精确的实际性的数据支持和提供重要指导作用[11-14]。

1)必要性分析。城市光污染是由不当的城市照明规划引起的，其严重程度与区域距光源距离、照明总量均息息相关，因此对光污染的监控和防治都需要建立在城市照明基础上。近年来，研究与控制光污染已成为国际学术界特别关注的涉及全球环境的学术问题，和国际研究平台相比，我国光污染可视化分布研究仍处于较浅的研究阶段[15，16]。现有的光污染可视化多是停留在对天空光卫星图像亮暗、等级、与人口的关系上，但城市整体空间中各层次的光环境是存在差异性和关联性，仅关注天空发亮很难清晰、真实反映城市内部光环境的发展情况[17，18]。因此将夜间光污染作为地理信息的空间属性，利用地理信息系统进行分析、表现和存储，使现场测量数据和地理信息相互结合，建立夜间光污染空间分布特性的可视化模型，从而为光污染的进一步研究以及应用于照明规划上的防治问题提供预测性帮助。并且，这种将有关光污染的大量数据资料的定量分析通过地理信息系统转向城市可视化研究方法，在地方、区域和全球等尺度上都具有一定应用价值。

2)可行性分析。经过多年的发展，地理信息系统已逐步成为较为成熟的技术，已经拥有较大的前期基础和其他学科领域的实用性研究成果。在地理信息系统中，不仅可以将地理数据通过符号化、图像化进行尺寸、色彩、纹理等进行形式划分的可视化表现，还可以通过科学计算将各种模型处理后的数据进行可视化表达。此外，它还能进行地理信息可视化的查询，实现数据互通，还能通过空间分析方法将地理现象进行可视化描述。并且随计算机图形学、数据库技术等技术发展和完善，这些特点均为促进城市夜间光污染作为空间地理信息进行可视化表达提供了可行性。

另外，城市照明规划也开展了地理信息系统研究，进一步为光污染空间可视化应用提供可行性。此外，部分外国学者也开始研究利用城市地理信息系统进行光污染分布可视化的表达，并得到了初步的结果。

3 城市光污染的可视化方法及应用

3.1 可视化的表达方法

经过相关研究，发现光在空间是具有瑞利散射和米氏散射两种主要传播方式，城市地表层也具有对光反射的作用，从而造成光污染具有远离光源、影响范围广等特点，也使得不同城市空间层次中的光污染分布特性存在差异，因此在基于地理信息系统技术上，对光污染分布可视化是根据城市空间层次进行的[19]。根据城市空间光环境的分布特点，将城市空间分为地表层、城市冠层(中空)、城市夜空层(天顶)三个层次，分别对空间光污染分布可视化表达进行研究。在不同层次中，分别进行现场调查、物理测量、数值分析、二维图像数字化处理分析、分子吸收光谱理论、地理信息系统、遥感技术、环境监测等方法建立相应的有关光污染的信息数据库，以便利用地理信息系统可视化的表达。

总体而言，光污染分布可视化过程大致分为四部分，依次是空间信息库的建立、空间模型数据转换、光色地理信息耦合和分布模型可视化，从而使光污染能够与地理信息系统结合，不仅能够对城市夜间光污染情况进行可视化表达，得到光污染等级和评价系统情况，还能够结合光污染观测方法进行数据实时更新，方便相应的研究及数据的可利用和可操作性，并能够结合光污染评价系统，为光污染评价和防治提供策略。

1)空间信息数据库的建立。空间信息数据库主要由地理信息、空间信息、光污染信息、气象信息等与光污染有关数据组成，通过实地调研、气象网站数据、地理信息网站等途径获得。其中地理信息包括城市土地使用类型、城市建筑分布、地表表面反射率、人工照明设施；空间信息以城市大气颗粒物分布为主；光污染信息主要表现为城市空间光环境的亮度、色温、色度、照度等光污染评价和表现参数；气象信息包括天气状况、月相为主，其中气象状况主要选择云层分布、雨雪、温湿度、可见度等对光污染会产生影响的数据。

2)空间模型数据转换。空间信息数据库主要用于空间模型数据转换。针对城市区域各空间信息，通过聚类分析、层次分析、主成分分析等方法，通过地理信息系统软件(如GIS、GPS/INS)和数据分析软件(如SPSS、Matlab)等建立各信息数据之间的关系模型。根据数据模型，结合实测，建立光地理信息空间分布模型。该转换数据的作用主要为后期监测的光信息和地理信息进行叠加整合做准备，其中地理信息主要包括区域地形、建筑模型、土地利用矢量数、光源设置(包括数量、位置、高度等信息)等基本信息。

3)光色地理信息耦合。通过对空间模型数据的转换，将光信息和地理信息进行耦合，即将实测的光污染有关信息加载如地理信息中，初步建立表层、冠层、夜空层的光污染分布模型。其中夜空层主要建立星等分布图、光亮度分布图、光谱能量图，在此基础上将会加载气象数据、颗粒物分布数据；冠层主要以亮度分布图为主；地表层主要以室外光源信息图、亮度分布图、照度分布图、光谱能量图等为主。

4)光污染分布模型可视化。基于前期研究基础，利用地理信息系统相关处理软件，在地理信息基础上，逐层叠加光污染信息，建立含有空间信息的光污染可视化表达。在可视化表达过程中，主要是前期耦合的空间层次光污染分布模型进行逐层叠加，从而建立整体空间下的，从微观、中观、宏观的光污染分布的二维及三维的可视化表达模型，为城市夜间管理和规划提供良好评价依据。

3.2 大连市西安路光污染的可视化案例

本文光污染可视化分布的探讨主要是如何将光污染与城市地理信息结合，从而建立整体区域的光污染可视化的分布。因此，以大连市沙口河区的西安路作为研究对象，对该地区分别进行了天空星等亮度、地面照度、地面色温等光环境参数进行实地调研，观测方法如图1所示。其中0°～45°主要以星等亮度观测为主，分层次对天空进行了360°环形观测，并通过层次观测值平均处理的方式，得到了该层次平均星等亮度值。

图1 城市空间光环境观测方法Fig.1 The observation method of urban spatial light environment

西安路是大连市典型商业居住结合区域，因此在实地调研中，分别选取了商业区和居住区的典型地点进行了观测，观测点的分布如图2所示，而区域的城市功能分布如图3所示。

图2 西安路观测点分布Fig.2 The distribution of observation points on Xi’an Road

图3 西安路观测区域功能分区Fig.3 The functional division of observation area on Xi’an Road

通过对该区域实地调研数据的整理分析，得到了如表1所示的区域观测点的空间光环境数据库信息，其中光信息数据主要包含星等亮度、地面照度、地面色温。通过对区域的各类地理信息分布的整理分析，得到了如图4的区域实际分布情况的地理信息数据，包含土地使用类型、建筑和测点地理位置。从而建立了该观测区域的光信息和地理信息的数据库并且进行了各数据的转换整理。

表1 西安路调研数据统计Table 1 The statistics of research data on Xi’an Road

图4 西安路地理信息Fig.4 The geographic information on Xi’an Road

由于区域观测点的光信息实际是在地理信息基础上观测得到的，因此，本文利用Surfur地理处理软件，将观测点地理信息和光信息进行了耦合，并根据克里格网格化方法对西安路整体区域的光环境分布情况进行了耦合，得到了该区域整体的光环境参数分布的大致图，例如图5所示的地面照度和色温的耦合图。由于观测是点式的观测，因此在耦合中该利用Surfur软件将各观测点之间的变化进行了估算，从而得到了各个观测数据的地理耦合图。根据此方法，依次将区域光环境的其他光信息观测数据和地理信息进行了耦合，得到了天空星等亮亮度分布，即0°、15°、30°、45°观测层次的分布图(图6)。由于星等亮度是反映了天空的星等亮度值，因此图中数值越高的地方，所代表的环境亮度就越低。

根据耦合得到的光污染相关参数分布图，利用地理信息系统处理软件，将参数分布图结合区域土地利用分布图按空间层次从上往下依次进行叠加处理，得到了该区域光污染分布可视化初步图(图7)。在可视化图中，天空层和冠层主要为星等亮度分布，地表层以照度、色温分布为主。从图中可以明显看出，靠近商业街区的光环境亮度最大，并且随空间层次降低，区域空间亮度也会增大，星等亮度值均分布在12～18 mag/arcsecond2。地表色温分布则呈现北低南高的趋势，居民区的色温值均较高。总体而言，西安路区域在经受着城市光污染，且以商业街区的光污染情况最为严重。

图5 西安路观测区地表照度和色温耦合图Fig.5 The surface illumination and color temperature coupling diagram of observation area on Xi’an Road

图6 西安路观测区的星等亮度分布耦合图Fig.6 The magnitude of brightness coupling diagram of observation area on Xi’an Road

图7 西安路可视化光污染分布图Fig.7 The visualization of Xi’an Road light pollution distribution

4 结束语

城市光污染因为具有空间分层次分布和地理信息属性，因此本文主要是基于地理信息系统，对城市光污染的分布可视化的方法进行了探讨，并且试图实地调研数据，建立了初步的可视化模型。总体而言，城市光污染分布进行可视化能够更加形象地表现光污染，并且与地理信息的结合使其光污染相关研究能够对城市照明规划策略、光污染评价及防治策略中提供实践性，具有重要的指导作用。此外，光污染与地理信息系统的结合后可视化，使有关光污染的相关空间信息具有了储存、分析、表达、共享的可能性，有利于城市光污染的进一步研究，使其研究成果具有实践意义。