基于夜间灯光数据的广西城镇人口估算及城镇化时空演化特征

2020-03-18覃孔韬蒋瑜

企业科技与发展 2020年12期

覃孔韬蒋瑜

【摘要】应用夜间灯光数据，构建人口密度-灯光指数模型对广西14个城市的每年城镇人口进行估算，以及构建灯光指数和传统城镇化指数的线性回归模型分析广西14个城市的灯光指数的时间演化特征和城市夜间灯光空间演化特征。结果表明：①人口密度-灯光指数模型能够有效地估算广西每年城镇人口及广西各地级市的城镇人口;②2003—2013年，广西城市夜间灯光区域面积显著增加，整体面积增长率为184.45%;③广西城镇化重心是南宁和柳州两大城市，其对周边城镇有辐射带动作用且带动作用逐渐加强;④广西中小城市城镇化发展的过程基本是由点状到带状或点状到带状再到面状，并且城镇化发展主要是沿着交通干线扩张;⑤广西城镇化演化过程中，桂南相对城镇化水平高，桂中、桂东、桂北次之，桂西最低。利用夜间灯光数据构建城市人口估算模型和分析广西城镇化时空演化特征对城市人口增长、人口流动的趋势、城市空间演变趋势及未来城镇化发展有着一定的参考和借鉴意义。

【关键词】DMSP/OLS;人口密度-灯光指数模型;城市人口;城市夜间灯光指数（CNLI）;城镇化水平

【中图分类号】C924.2 【文献标识码】A 【文章编号】1674-0688（2020）12-0033-05

城镇化发展水平是一个地区的经济、政治、文化、教育、科技等指标现代化发展的综合体现。随着遥感技术的成熟，越来越多的国内外学者运用MSP/OLS夜間灯光数据分析城市化、城市扩张、城市群演变、城市人口问题，夜光数据能够更直观地观察一个城市时空格局的改变。从以往的学术成果来看，利用夜间灯光数据对在经济较落后区域的城镇化研究及对城市人口估算研究还比较薄弱。在城市人口估算方法上，大多数学者都是利用夜间灯光数据与城市人口建立线性回归模型进行城市人口预测，忽略了人口自然增长规律。

广西属于我国经济落后地区，自治区内的各个城市发展规模差距也很大，鉴于此原因，本文将夜间灯光数据、人口密度结合马尔萨斯人口增长模型进行城市人口估算，利用DMSP/OLS夜间灯光数据探讨城市时空演变特征，认识目前广西城市的空间格局，对评估广西城市的空间演变趋势及未来城镇化重心有重大的参考意义。

1 研究区概况

广西是我国唯一一个沿海自治区，位于我国华南的西部，其地理坐标处于东经104°28′～112°04′，北纬20°54′～26°24′，面积约23.67万km2，首府城市是南宁市，下辖14个地级市。在国家许多政策的支持下，广西城镇化步伐逐渐加速，城市土地不断扩建，且扩建的速度明显增加。2013年广西被划入“一带一路”倡议，成为21世纪海上丝绸之路与丝绸之路经济带有机衔接的重要门户。广西特殊的地理位置，使其成为我国西南部发展的关键突破口。广西壮族自治区还有与东南亚国家相邻与相望的区位优势，广西各个城市的发展和经济建设有利于我国与东南亚各国更友好地交易往来。

2 数据来源

DMSP/OLS夜光遥感数据来源于美国国家地球物理数据中心发布的2003—2013年的全球夜间灯光数据，空间分辨率为1 km左右，数据的像元灰度值（DN）的范围为0～63，饱和的灰度值为63，黑暗的或者不稳定的灯光区域的灰度值为0。

数据预处理：利用ARCGIS对中国区域夜间灯光数据校正的方法，进行数据校正。步骤如下：提取亮值像元影像→获取稳定亮值像元影像→稳定亮值像元影像DN值校正（多传感器影像数据DN值校正、多传感器同一年度影像数据DN值校正及多传感器多年度影像数据DN值校正）。

所有的城镇人口、建成区面积、第二及第三产业生产总值等社会统计数据来自广西统计局发表的《广西统计年鉴（2004—2014）》。

3 研究方法

3.1 反映城镇化水平的夜间灯光指数模型的构建

参考陈晋与杨眉等人提出的方法，采用城镇化水平的综合夜间灯光综合指数（CNLI）评价广西沿海城市的城镇化水平。

CNLI的计算公式如下：

CNLIj=P1×Ij+P2×Sj（1）

公式（1）中，I为城市的平均灯光强度，S为城市灯光像元面积占总城市像元面积的比例，P1、P2代表的是I与S的权重，通过相关分析得到P3=0.8，P2=0.2。

城市的平均灯光强度I的计算公式如下：

公式（2）中，DNi值为第i灰度等级的像元灰度值，Ni为第i灰度等级的所有像元数，N为63≤DN≤1的所有像元总数。

城市灯光像元面积占总城市像元面积的比例S计算公式如下：

公式（3）中，Nt为63≤DN≤1的所有像元个数，N为区域内总的像元个数。

3.2 传统城镇化水平复合指数的构建

本文选择用市镇人口比例、建成区面积比例、第二和第三产业的产值比例构建涵盖人口、土地、经济3个维度的传统城镇化水平复合指数（ULI）。

ULI的计算公式如下：

公式（4）中，mi为反映各类城镇化水平的因子，pi为每个因子的权重。

3.3 城市人口估算模型：人口密度-灯光指数模型

与以往利用夜间灯光数据估算城市人口方法不同，本文采用人口密度与灯光指数的比值，结合马尔萨斯人口增长模型■，模拟城市人口数量。

公式（5）、公式（6）中，ρi为人口密度，Hi为人口密度-灯光指数的比值，r为增长率，t为年份。

4 结果与分析

4.1 基于人口密度-灯光指数模型的广西城市人口估算

对于人口基数庞大的中国来说，统计城市人口需要花费非常多的时间且有一定的难度，本文基于灯光指数及往年的人口统计数据构建城市人口密度-灯光指数模型，为以后的城市人口统计提供决策和参考。

根据公式（5）、公式（6），分别计算2003年与2013年广西城市的人口密度，算出近两年城市人口密度-灯光指数比值H2003和H2013，并用这两个比值算出增长率为0.018 369 24，得出Ht=H2003×e0.018 369 242 （t-2003），利用这个人口密度-灯光指数模型对2004—2013年的广西城市人口进行精度验证，得出以下结果。

对广西年际间城市人口数量估算总体来说是良好的，这10年来城市人口估算的平均误差为2.1%，总体误差小于10%。其中，基于上述模拟研究表明，从2004—2013年，人口误差最大的是2004年和2006年，误差百分比为7.28%和5.91%，其他年份误差都较小，均低于5%。总体上，年际间的人口模拟误差都在10%以内，所以人口密度-灯光指数模型适用于广西年际间的城市人口模拟。

基于人口密度-灯光指数模型模拟2013年广西各市城市人口也比较良好，其中梧州、防城港、贵港、河池、崇左这几个城市的误差超10%，误差人口为16.07万、5.33万、35.52万、26.46万、16.20万，其余城市误差在10%以内，南宁、柳州和玉林3个城市的误差最小，误差人口为1.7万、0.22万、6.88万。造成误差较大的主要原因如下：①防城港市位于广西沿海地区，夜间灯光数据集中在防城港的沿海地区，防城港市的人口误差主要是夜间防城港港口区存在装货卸货等导致该市的灯光指數过高;②贵港市和梧州市位于广西东部，与广东临近，并且有参与珠江-西江经济带的经济政策发展，西江航运出现灯光指数过饱和，以及人口流动性高，人们经常往返广东、广西两地;③崇左市和河池市位于广西西部，其经济发展一直落后于广西的其他地区，崇左市和河池市人口流动性比较大，主要是人口输出大，崇左市为南宁市临市，人口会向南宁市流动，而河池市人口会向柳州市流动，也有向其他地区流动。

总体上，人口密度-灯光指数模型对广西年际间的城市人口或某年间的广西各个城市的城市人口进行人口模拟结果是良好的，此模型也可以估算2013年以后的广西城市人口，方便快捷地获取区域的城市人口数。

4.2 ULI-CNLI的线性回归模型

夜间灯光数据探讨城镇化问题，必须证明夜间灯光数据与传统城镇化复合指数具有相关性，将广西壮族自治区内所有城市的传统城镇化指数（ULI）与夜间灯光指数（CNLI）进行最小二乘拟合，构建传统城镇化水平复合指数与城市夜间灯光指数的一次线性回归模型，得出拟合曲线表达式如下：

ULI=1.526 25×CNLI-0.001 3（R2=0.766 7）

模型拟合决定系数为R2=0.766 67，该决定系数表示广西的传统城镇化水平复合指数与夜间灯光指数的线性拟合结果较好。两者的相关关系也很好，两者的相关系数为0.888 19，证明广西所有的城市近11年的城市夜间灯光指数可很好地反映城镇化水平的变化特征。

4.3 2003—2013年广西城镇化灯光指数时间演变特征

4.3.1 广西各市的灯光指数值地域差异明显

北海市、南宁市的灯光指数远远高于广西的其他各市，但在2007年以前，北海市的灯光指数略高于南宁市，其中一个主要原因是之前国家致力于扶持沿海城市，在有利的政策支持下，北海市第二产业和第三产业的发展蒸蒸日上，促使北海的经济快速发展;南宁市为广西的省会城市，人口基数大，城市的基础设施要比广西其他城市完善，因此北海市和南宁市的城镇化远远高于其他城市。柳州市的夜间灯光指数也较高，稳居广西第三，这可能与其是广西第一大工业城市及广西的铁路枢纽有关，其工业和交通都很发达。贺州市的夜间灯光指数一直居于末尾。根据2013年的灯光指数结果显示，广西14个城市的城镇化水平可以划分为4个等级：南宁、北海、柳州是相对高城镇化的第一等级地区，桂林、梧州、防城港、钦州是城镇化较高的第二等级地区，百色、贵港、崇左、来宾、玉林、河池这6个城市为相对中间城镇化的第三等级地区，而贺州的城镇化发展最缓慢，处于第四等级。

4.3.2 近11年的广西各市的城镇化进程速度不均衡

2003—2008年，广西14个城市的城镇化步伐速度加快，呈现快速增长的趋势。2008—2013年间，防城港市、钦州市、北海市、南宁市的城镇化进程都保持较快速增长，特别是防城港市如同一匹黑马，城镇化进程一直保持较快的速度，而其他城市都进入缓慢持续平稳增长阶段，这主要得益于建立广西北部湾经济区政策的出台，国家开始对广西桂南地区的“南北钦防”4市重点开发，使4市的城镇化加速发展。

4.3.3 广西各个城市灯光指数增长不均衡

2003—2013年的灯光指数增长，防城港市最明显，增长率为52.1%;崇左市次之，增长率为42%;其他城市的灯光指数增长率都在35%以下。反映出防城港城镇化进程的速度都大于广西其他各市，在2003—2013年期间，防城港市城镇化日益明显。崇左市自2003年立市以来，城市建设日益完善，与同年立市的来宾市和贺州市相比，城镇化进程更加明显，这主要是崇左位于边境地区，位于南宁市旁边，地势优越，城市发展条件与其他两市相比具有优势（如图1所示）。

4.4 2000—2013年广西城市灯光空间演变特征

利用ARCGIS软件及结合米晓楠[12]等学者所提出的方法对夜间灯光影像的DN值进行重新分类并提取城镇区域，本文将DN值大于8的夜间灯光区域划为城镇区域。分析广西壮族自治区2003年、2008年、2013年城镇夜间灯光扩张图（如图2所示）的结果如下。

2003年夜间灯光区域主要集中在桂南的南宁市区、北钦防沿海地区，桂中的柳州市市区，桂北的桂林市区，这些灯光分布非常集中，都是以面状形式存在的，而其他地区灯光都是以点状形式存在，桂西地区夜间灯光较弱。由此反映了2003年广西各个城市中，南宁市、柳州市、桂林市这几个城市发展比较突出，与其他城市相比，城市建设较好，城镇化水平较高。桂西地区城镇水平较低。

2003—2008年间，广西各市夜间灯光面积大量增加，5年间广西各个城市飞速发展，广西的交通越来越完善，各个城市的联系更加紧密。其中，桂南地区灯光面积增加144%，桂西地区灯光面积增加130.04%，桂东地区灯光面积增加164.23%，桂中地区灯光增加216.48%，桂北地区灯光增加39.3%。“南北钦防”4市的交通干线G75高速公路-南北高速公路段已经全面通车，沿着高速公路夜间灯光分布逐渐呈带状分布，新城镇沿着交通干线有逐渐形成的趋势，来宾市的夜间灯光增加较明显，随着交通的完善，来宾市夜间灯光区域逐渐往柳州市呈带状扩张，与柳州市区的夜间灯光分布形成较大的块状分布，城镇面积大部分增加，城镇化进程显著。桂东地区贵港市和玉林市城镇也有较大的发展，扩张区域明显，桂西地区城镇发展依旧缓慢。

2008—2013年间，全广西2013年的夜间灯光面积与2008年相比是增加的，在2008年的基础上，2013年城镇区域增加61.11%。其中最明显的是桂南、桂西地区、桂中地区。桂南以南宁市为核心的“南北钦防”4个城市城镇化进程好，将形成具有海港、工业聚集职能的都市圈。桂西地区的崇左市和百色市夜间灯光往南宁方向形成带状，崇左市和百色市城镇化进程非常快，而河池市城市建设及发展依旧缓慢。来宾市和柳州市城镇发展较迅速，特别是来宾市。其他地区的夜间灯光面积都是在原有的基础上离心扩张，城镇化进程持续增加。从图2可以看出，桂南地区、桂中地区、崇左市的灯光面积增加最多，城镇的扩展区域也是最多，而广西西北部城镇的发展还是依旧缓慢。

总体来说，广西各市的城镇化进程是比较缓慢的。2003年，其夜间灯光区域基本形成，之后城市扩张基本是以点状，或围绕市辖区，或慢慢沿着交通干线由带状逐渐形成面状的方式向四周扩散。2003—2013年，总体的灯光空间演变与灯光指数演化特征是比较相似的，广西的各个城市的灯光面积一直增加，2003—2008年期间广西城镇的面积扩展非常多，且扩展的速度快，而2008—2013年广西城镇增加的面积减少，扩展速度也下降。

5 结论与讨论

5.1 结论

利用夜间灯光数据估算城市人口及分析2003—2013年的广西城镇化灯光指数时间变化特征及夜间灯光区域空间上的演变特征，得出以下结论。

（1）提出的人口密度-灯光指数模型对广西的城市人口进行估算，其估算结果较好，为以后的小区域内的城市人口估算提供了新的思路和方法。本文的城市人口估算模型也可以应用于全国其他城市人口估算，但基于广东省、上海市、北京市都有较大的人口流动，与广西较缓慢增长的城市人口类型不同，该模型可能不适用。

（2）广西在2003—2013年没有出现极端性的人口往城市集中的过程，广西的城市人口增长还是较缓慢的，特别是受地形影响，经济较落后、城镇化水平低的广西西北部城市，广西大部分人口基本是向外省输出为主。

（3）广西14个城市近11年的灯光指数均为持续增长状态，其中2003—2008年的灯光指数值增长比较快速，2008—2013年的灯光指数值增长速度较慢。2003—2013年间，广西各城市的城镇区域面积均呈显著性增加，其面积整体增长率为184.45%。

（4）广西城镇化重心主要是南宁市和柳州市，周围城市围绕着这两个重心发展。随着时间的推移，这两个中心城市对周边城镇的辐射带动作用加强，周边中小城市不断发展，新小城镇不断增加，城市的空间体系差距也不断缩小。

（5）广西中小城市的城镇化发展的过程基本是由点状到带状或点状到带状再到面状。城镇化的扩张主要是沿着交通干线，在交通干线附近会有城镇和城市的兴起。

（6）广西14个城市近11年夜间灯光指数和夜间灯光空间演变特征显示，整体上，广西各城市的发展都呈不均衡的状态，桂南城市的城镇化水平相对最高，其次是桂中、桂东、桂北，最后为桂西。

5.2 讨论

文章基于DMSP/OLS夜间灯光数据建立人口密度-灯光指数模型对城市人口模拟及灯光指数-传统的城镇化复合指数模型，较好地表征了夜间灯光数据可模拟城市人口及城镇化演化特征。本文也发现有些城市长时间序列的传统城镇化水平复合指数变化趋势与夜间灯光数据的灯光指数变化趋势不是很吻合，这可能是夜间灯光数据校正所出现的误差。本文选取的指标具有局限性，在统计年鉴中会看到有些城市的指标数据会比往年突然猛增或猛减，这些误差和数据的局限性会导致本文计算出的数据所呈现出来的模型并不是很完美，因此在后续的研究中应该收集更多的数据，引入更多的变量，以及做好数据的误差矫正，能更深入地分析区域的城镇化水平，给区域规划发展提供更有利的决策和参考。

参考文献

[1]Christopher D Elvidge，Baugh K E，K ihm E A，et al.Mapping city lights with nighttime data from the DMSP Operational Linescan System[J].Photogram-

metric Engineering and Remote Sensing，1997，63（6）：727-734.

[2]陈晋，卓莉，史培军，等.基于DMSP/OLS数据的中国城市化过程研究——反映区域城市化水平的灯光指数的构建[J].遥感学报，2003（3）：168-175，241.

[3]卓莉，李强，史培军，等.基于夜间灯光数据的中国城市用地扩展类型[J].地理学报，2006（2）：169-178.

[4]何春阳，李景刚，陈晋，等.基于夜间灯光数据的环渤海地区城市化过程[J].地理学报，2005（3）：409-417.

[5]王春杨，吴国誉，张超.基于DMSP/OLS夜间灯光数据的成渝城市群空间结构研究[J].城市发展研究，2015，

22（11）：20-24.

[6]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）：141-148，168.

[7]卓莉，陈晋，史培军，等.基于夜间灯光数据的中国人口密度模拟[J].地理学报，2005（2）：266-276.

[8]曹丽琴，李平湘，张良培.基于DMSP/OLS夜間灯光数据的城市人口估算——以湖北省各县市为例[J].遥感信息，2009（1）：83-87.

[9]邢广程.丝绸之路经济带建设与沿边合作[J].国际问题研究，2017（3）：97-107，126.