基于DMSP/OLS夜间灯光数据的环渤海城市群时空演变研究

路春燕,许燕婷,林晓晴,钟连秀,苏 颖

(1.福建农林大学计算机与信息学院,福州 350002;2.福建农林大学福建省资源环境空间信息统计研究中心,福州 350002)

0 引言

城市群是指在特定地域范围内不同性质、类型和等级规模的多个城市，依靠一定的自然条件，共同构成的相对完整的城市“集合体”[1]。随着城市化进程的不断推进，城市群已成为我国经济发展的重要空间形态和核心动力[2]。尽管如此，在城市连片集中发展的过程中，仍出现整体协调性差、中心城市引力不够、辐射带动功能欠佳等一系列问题，加之生态环境保护与经济快速发展矛盾的日益激化，使得城市群的进一步发展受到不同程度的限制和阻碍[3]。因此，准确理解和把握城市群在时空尺度上的演变规律和特征，对于优化城市空间结构，有效利用城市群的集聚、辐射和联动等效应，最终实现其可持续发展具有重要的现实意义。

目前，国内外城市群时空演变过程研究已由传统的基于统计数据单一指标的空间分析转变为遥感数据与空间分析技术相结合的多维分析[4-7]。在众多遥感数据中，美国军事气象卫星搭载的线性扫描业务系统(defense meteorological satellite program/operational linescan system，DMSP/OLS)和可见红外成像辐射仪(visible infrared imaging radiometer suite，VIIRS)所获取的夜间灯光遥感影像作为一种长时间序列数据类型，因其数据量小、时间分辨率高、获取便利以及能够有效反映多方面城市相关特征而被广泛应用于城市研究，如Castells-Quintana[8]和李德仁等[9]利用DMSP/OLS数据分别对撒哈拉沙漠以南非洲国家和“一带一路”沿线国家的城市集中度和经济增长进行研究，结果表明DMSP/OLS数据可有效地反映经济收入的变化以及经济发展情况的变动；Amaral等[10]以DMSP/OLS数据为基本数据源对亚马孙河流域的城市人口进行评估，结果显示该数据的像元值与人口数量具有较好的相关性，并且该数据可反映城市空间扩展的变化趋势；吴健生等[11]和Huang等[12]分别利用该数据对我国城市体系等级结构和空间演变格局进行评估。以上研究均证明了利用该数据进行城市扩展研究的可行性。总体而言，目前基于DMSP/OLS夜间灯光数据对城市群的研究主要集中于特定区域的城市空间结构、发展模式及动力机制等方面[13-15]，在城市空间演变过程，如重心偏移、收敛集聚、引力趋势等客观规律研究上相对匮乏。需指出的是：在以往的基于DMSP/OLS夜间灯光数据进行城市相关问题的研究中，多数学者未对DMSP/OLS夜间灯光数据进行校准，以致研究结果存在较大的误差。

环渤海城市群位于我国沿太平洋西岸北部，是东北亚经济圈的中心地带，被称为继珠江三角洲、长江三角洲之后中国经济的新“增长极”[16]。目前，由于自然环境、行政区划、交通要素、文化背景等方面的差异，该城市群经济发展不均衡，城市间规模差距大，整体性不强[17-19]。鉴于以上原因，本研究在前人研究的基础上，以环渤海城市群为研究对象，基于1992—2013年间环渤海城市群的DMSP/OLS夜间灯光数据，对该城市群的时空演变特征进行研究，揭示其空间发展规律，以期为推进环渤海城市群空间一体化发展提供参考，为其他城市群时空演变研究提供方法借鉴和数据支持。

1 研究区概况及数据源

1.1 研究区概况

环渤海城市群地处我国渤海湾西侧，地理位置在E113°47′～125°80′，N34°41′～43°54′之间，总面积约为5.13×105km2，约占我国国土面积的5.4%。由北京市、天津市、山东省、辽宁省和河北省的共计44个地级市行政单元组成的辽中南、京津冀和山东半岛3个子城市群构成(表1和图1)。该区气候以温带季风气候为主，年平均降水量为550～950 mm。地貌以平原丘陵为主，地势呈西北高、东南低趋势。环渤海城市群作为我国重要的工业和农产品基地之一，自然资源类型丰富，多深水港口，海陆交通发达。2017年全区国内生产总值(gross domestic product,GDP)达17.92万亿元，约占全国的21.67 %。

表1 环渤海城市群基本构成Tab.1 Basic composition of circum-Bohai urban agglomeration

图1 研究区位置图Fig.1 Location of the study area

1.2 数据源及其预处理

收集1992—2013年DMSP/OLS夜间灯光遥感数据，该数据分别由6个不同传感器获取，依次为F10(1992—1994年)，F12(1994—1999年)，F14(1997—2000年)，F15(2000—2007年)，F16(2004—2009年)和F18(2010—2013年)，其灰度值(digital number，DN)范围为0～63。每期数据共包含3类影像，即平均灯光影像、稳定灯光影像和无云观测频数影像。其中，稳定灯光影像剔除了火灾、爆炸以及云雾天气的影响，数据稳定性强[20-21]，故本研究选用稳定灯光影像作为基本数据源。

由于不同传感器所获取的数据存在不同程度的差异，因此首先需对不同传感器获取的DMSP/OLS夜间灯光数据进行校准，使其在时空尺度上具有可比性。本研究借鉴邹进贵等[22]构建的DMSP/OLS影像校正模型对其进行校准。选取样本数据区域，以2007年夜间灯光数据为标定年度，建立样本数据与标定年度的一元二次回归模型，公式为

DNc=jDN2+kDN+l，

(1)

式中：DN和DNc分别为校正前、后像元的DN值；j,k,l为参数。进而，根据式(1)，参照多传感器影像DN值回归模型参数进行回归计算，并将校正后DN值大于63的像元赋值为63。应用ArcGIS软件空间分析功能进行不同传感器同年度影像DN值校正，即

(2)

根据DMSP/OLS夜间灯光数据的变化特征，后一年度影像DN值不应小于前一年度DN值。据此对不同传感器多年度影像DN值进行校正。公式为

(3)

式中：DN(n-1,i)和DN(n,i)分别为第n-1和n年度影像i像元DN值，n=1993,1994,1995,…,2013。本研究根据阈值法选取夜间灯光数据DN≥40作为城市阈值，即DN≥40的区域被认定为城市[23]，获得环渤海城市群城市夜间灯光分布数据。

另外，为全面、客观地分析城市规模与城市空间分布的内在联系，分别收集了1993—2014年间的《中国城市统计年鉴》，以获取研究区人口规模统计数据以及国家统计局(http://www.stats.gov.cn/)公布的研究区各省1992—2013年间的GDP数据和2000—2013年各年末常住人口数据(考虑到统计口径变更，为保证数据具有可比性，故年末常住人口收集时间段为2000—2013年)。

2 研究方法

2.1 城市位序-规模法则

城市规模变化是城市群发展的重要特征之一，本研究基于DMSP/OLS夜间灯光数据采用城市位序-规模法则对城市规模进行量化。目前该方法已被广泛应用于城市格局等方面的研究[24]。公式为

lgPi=lgP1-qlgRi，

(4)

式中：Pi为第i个城市的夜间灯光总量；P1为最大城市的夜间灯光总量；lgP1为最大城市的夜光规模；Ri为按照人口数量排列的第i个城市；q为捷夫系数，表明城市规模与位序的集中与分散程度。若|q|≈1，表明城市规模分布差异性较小，相对均匀；若|q|>1，表明大城市比较发育且规模集中，中小城市发育欠佳，城市规模首位度较高；若|q|<1，表明城市规模分布较分散，高位次城市规模不突出，中小城市较发育。对|q|值进行时序动态分析，若|q|增大，说明城市规模分布集中力大于分散力；若|q|减小，说明集中力小于分散力。

2.2 城市空间扩展速率指数

城市空间变化的速率可在空间尺度上反映城市群扩展的数量特征。本研究从城市用地面积变化的角度基于DMSP/OLS夜间灯光数据提取城市用地面积，通过扩展速率指数V描述城市扩展特征[25]。公式为

(5)

ΔU=Ut+Δm-Ut，

(6)

式中：ΔU为时间间隔内城市用地面积的变化量；Ut+Δm和Ut分别表示第t+Δm年和第t年城市用地面积；Δm为研究时间间隔；V表示时间间隔内城市平均扩展面积，即扩展速率指数。

2.3 标准差椭圆

(7)

(8)

(9)

(10)

3 环渤海城市群时空演变过程分析结果

3.1 环渤海城市群总体分布特征

基于1992—2013年间环渤海城市群夜间灯光数据统计分析，探究该城市群发展变化规律。环渤海城市群1992年和2013年夜间灯光分布如图2所示，对比可知该城市群各城市夜间灯光总量均呈显著增长，整体增长率为135.89%。结合行政边界、地理区位、自然环境和交通干道等因素分析，环渤海城市群的扩展结构可由一条核心发展轴与3条次级发展轴组成。其中，以京哈和京沪铁路沿线城市构成的核心发展轴，带动整个环渤海城市群南北向的发展；次级发展轴分别是以沈阳市为中心的哈大高速沿线城市、连接天津市和北京市的京津铁路沿线城市以及连接济南市和青岛市的胶济铁路沿线城市。由此可知，交通与该城市群的整体发展格局息息相关，交通连通度越高对城市发展的带动作用越大。

(a)1992年 (b)2013年

图2 1992和2013年环渤海城市群夜间灯光分布

Fig.2Night-timelightdistributionofthecircum-Bohaiurbanagglomerationin1992and2013

3.2 环渤海城市群城市规模体系

利用位序-规模法则分析得到城市位序-规模双对数图(图3(a)—(c))以及|q|值时间序列图(图3(d))，利用SPSS软件对其进行回归分析，结果表明在0.01置信水平下，回归方程均通过显著性检验。

(a)1992年所有城市 (b)2002年所有城市

(c)2013年所有城市 (d)1992—2013年环渤海城市群|q|时间序列

图3 1992—2013年城市夜间灯光总量位序-规模双对数图与|q|时间序列图

Fig.3Cityrank-sizeplotsofnight-timelightand|q|timeseriesofthecircum-Bohaiurbanagglomerationfrom1992to2013

由图3可知，1992—2013年|q|值均在1附近变动，说明环渤海城市夜间灯光规模在区域尺度上符合位序-规模分布。相比而言，1992—2002年间，|q|值以大于1居多，表明高位序城市规模较集中，与中小城市差距大，对周围城市的带动作用不明显，城市体系发展存在不平衡和断层现象；2002—2013年间，|q|值均小于1，表明该阶段城市夜光规模分布总体上较分散，高位序城市规模不突出，中小城市规模与其差异不大且数量较多。总体上，整个环渤海城市群城市规模分布逐渐由“高位序城市独大”的不均衡状态向“多城市全面共同发展”的均衡状态转变。从|q|长时间序列来看，1992—2013年间|q|值逐渐减小，说明该城市群城市规模分布逐渐由集中向分散状态转变，城市规模分布的分散趋势大于集中趋势；在前期高位序城市的辐射聚集作用带动下，中小城市快速发展夜间灯光规模逐步扩增，相比之下，大城市首位度逐渐降低。

3.3 城市群圈层式空间扩展模式

由1992—2013年间环渤海城市群城市范围时空演变过程(图4)，可知该城市群空间扩展模式主要表现为以中心城市为主导的圈层式扩展。

图4 1992—2013年环渤海城市群时空演变过程

Fig.4Spatio-temporalevolutionofthecircum-Bohaiurbanagglomerationfrom1992to2013

1992—1997年、1997—2002年、2002—2007年和2007—2013年环渤海城市群的城市空间扩展速率分别为14.67 %，7.91 %，12.35 %和4.37 %，城市空间处于不断扩展状态。其中，1992—2013年中心城市空间扩展速率指数由12.28 %降至3.18 %，其他城市的空间扩展速率指数则由16.79 %降至5.14 %，整体环渤海城市群及各子城市群空间扩展速率指数均呈先减小后增大再减小的趋势(表2)。同时，需指出的是除辽中南城市群外，整个环渤海城市群及京津冀、山东半岛子城市群在1992—2013年

表2 1992—2013年环渤海城市群空间扩展速率Tab.2 Spatial expansion rate of the circum-Bohai Urban Agglomeration from 1992 to 2013 (%)

间中心城市的扩展速率指数均小于其他城市。其主要原因为，辽中南城市群以发展工业为主，在全球重工业不景气的背景下其经济发展受到严重限制，同时人口外流也是制约其发展的重要因素。对比整个环渤海城市群及各子城市群的GDP与人口发展可知(图5)，辽中南城市群较其他子城市群的GDP增长速率最低，人口数量处于停滞状态，从而使得辽中南城市群发展力量主要集中于中心城市，而中小城市未得到良好的发展，城市扩增速率较低。

(a)GDP (b)人口

图5 环渤海城市群及各子城市群GDP与人口变化图

Fig.5GDPandpopulationchangeofthecircum-Bohaiurbanagglomerationanditssub-areas

3.4 环渤海城市群空间演变趋势

根据标准差椭圆分析结果(表3和图6)可知，1992—2013年间环渤海城市群城市空间演变总体呈由西向东，由北向南的趋势。椭圆重心坐标由(E118°48′，N39°15′)移至(E118°33′，N38°42′)，移动距离为63.91 km，说明该城市群城市规模平均每年向西南方向移动约3.04 km。椭圆面积由2.84×105km2增至3.13×105km2，空间增长率为10.18%，城市群规模整体呈扩张态势。椭圆短轴由2.23×105m增至2.52×105m，长轴由4.06×105m降至3.96×105m，表明该城市群表现为东北—西南方向(长轴方向)空间扩张，西北—东南方向(短轴方向)空间收缩。椭圆方位角由43.12°逆时针旋转为38.07°，西北—东南方向变化幅度较大，在该方向上的城市起到了推动城市群时空演变的主要拉力作用。由椭圆变化位置可知，东南沿海等地为椭圆显著变化区，说明该城市群城市空间范围扩展以东南沿海城市为主。就各子城市群而言，辽中南和京津冀子城市群城市区域空间分布总体呈向西南方向扩张格局，山东半岛子城市群呈向东南方向扩张格局。辽中南子城市群重心向西南方向偏移，盘锦市、大连市等沿海城市为椭圆显著变化区域，说明推动该子城市群空间演变的主要拉力集中于沿海城市。京津冀子城市群城市在空间上分布较为集中，城市空间体系在东北—西南方向上收敛，西北—东南方向扩增，椭圆伸缩幅度变化不明显，表明推动该子城市群空间演变的主要拉力集中于北京市、天津市2个中心城市。山东半岛子城市群重心向东部沿海偏移，烟台市、青岛市、日照市为椭圆显著变化区，表明推动该子城市群空间演变主要拉力为东部沿海城市。

表3 环渤海城市群及其子区域标准差椭圆参数变化Tab.3 Parameter change of standard deviation ellipse of night-time light distribution for the circum-Bohai urban agglomeration and sub-areas

(a)环渤海城市群标准差椭圆变化 (b)辽中南子城市群标准差椭圆变化

图6-1 环渤海城市群及子城市群标准差椭圆变化

Fig.6-1Standarddeviationellipsechangeofnight-timelightforthecircum-Bohaiurbanagglomerationandsub-areas

(c)京津冀子城市群标准差椭圆变化 (d)山东半岛子城市群标准差椭圆变化

图6-2 环渤海城市群及子城市群标准差椭圆变化

Fig.6-2Standarddeviationellipsechangeofnight-timelightforthecircum-Bohaiurbanagglomerationandsub-areas

4 结论与讨论

1)1992—2013年间，环渤海城市群各城市夜间灯光总量均呈显著增长，整体增长率为135.89%。

2)随时间推移，环渤海城市群中心城市对周边地区的辐射带动作用逐渐增强，中小城市规模不断增加，城市空间体系差距减小，城市规模分布由不均衡状态向均衡状态转变。

3)环渤海城市群空间扩展呈中心城市圈层化特征，除辽中南子城市群外，整个环渤海城市群和其他子城市群的中心城市空间扩展速率指数均小于其他中小城市；城市群演变格局表现为由西向东，由北向南趋势，重心向西南方向偏移，空间范围呈扩张态势。

本研究基于DMSP/OLS夜间灯光数据在时空尺度上对环渤海城市群的时空演变过程进行研究，较先前应用其他数据源提取城市规模更为快速、精确，该数据在研究城市群空间演变过程方面具有较大潜力，但仍存在以下问题需继续深入探讨：目前可获得的DMSP/OLS夜间灯光数据时间跨度为1992—2013年，因此对于近期城市相关问题研究存在数据缺失。如何应用现有的DMSP/OLS夜间灯光数据，构建高可信度的预测模型是解决这一问题的重要途径。