基于DMSP/OLS夜间灯光数据的山东省土地城镇化水平时空特征分析

孙振东, 贾维花, 张 宁

(①曲阜师范大学地理与旅游学院,276826,日照市；②山东科技大学测绘科学与工程学院,271019,山东省青岛市)

遥感技术是从卫星或其他飞机上收集地物目标的电磁辐射信息,以及识别地球环境和资源的技术.大多数可见光遥感传感器的成像时间是日间,只有少数传感器能够在夜间从物体表面捕捉可见光.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[1].

石蕾洁[2]等在陕西省榆林市县级尺度的GDP(Gross Domestic Product)分布基础上,基于2000-2012年的夜间灯光数据及GDP统计数据,利用相关分析和回归分析手段,建立了夜间照明数据与GDP统计数据之间的关系模型,相关系数较高,均大于0.9.李慧琴[3]以1992-2013年为时间跨度,通过选择合适灯光指数指标与GDP进行相关分析获得最佳模拟预测模型,运用连续性和全面性的思维,实现了基于DMSP/OLS夜间灯光指数的浙江省GDP空间化.马丹[4]等利用2001年、2004年、2007年的DMSP/OLS夜间照明数据提取中国31个省市的夜间灯光强度图,并引入了相对亮度和相对面积.上述研究论证了夜间灯光与地区间经济发展水平的相关关系,均取得了较好的相关系数.

一些学者在夜光遥感与城镇化水平的相关性方面进行了研究：周翼[5]等以平均灯光强度表征城市规模,采取探索性时空数据分析的研究框架对我国1992-2015年的县域城市规模时空格局进行分析.金平斌[6]等利用1992-2013年间覆盖杭州市的DMSP/OLS夜间灯光数据,结合相关的社会经济统计资料,采用分区阈值提取方法提取杭州市各县市的城区,分析了NTL数据与城市化进程的关系及杭州市城镇化扩张模式.王钊[7]利用美国国防气象卫星DMSP/OLS数据和陕西省2000-2008年社会经济数据建立了卫星灯光指数和城市化水平指数(ULI-NCLI)模型,分析了1992-2013年间灯光指数的变化特征和陕西省城市化差异特征.

1 研究区概况

山东省地处中国东部和黄河下游,34°22.9′N～38°24.01′N、114°47.5′E～122°42.3′E之间.境内地貌复杂多样,大体可分为中山、低山、丘陵、台地、盆地、黄河冲积扇、黄河平原、山前平原、黄河三角洲等9个基本地貌类型,平原约占山东省总面积的55%、山地占15.5%、丘陵占13.2%、湖沼平原占4.4%、洼地占4.1%、其他占7.8%.

本研究区域和范围见下页图1.

图1 研究区域及范围

2 数据来源及研究方法

2.1 数据来源及处理

2.1.1 夜光遥感数据

目前,最可靠的夜光遥感数据源有DMSP/OLS夜间灯光数据和NPP/VIIS夜间灯光数据.本文采用DMSP/OLS数据,来源于中科院资源环境科学数据中心(http://www.resdc.cn /Default.aspx).该数据主要有以下三点优势：第一DMSP/OLS传感器在夜间工作,可以检测来自城市灯光甚至小型住宅区、交通等的低强度灯光,并将其与黑暗的乡村背景分开来.第二,DMSP/OLS具有1 km*1 km的低空间分辨率,因而相比于 NPP/VIIS影像数据,所占存储空间非常小,对DMSP/OLS数据进行处理更加容易；第三,DMSP/OLS夜间灯光影像包含了大量综合性信息,包括交通道路、居民区等与人口、城市等因子.综上,DMSP/OLS夜间灯光影像可作为人类活动的表征,并成为人类活动监测研究的良好数据源.

2.1.2 数据预处理

本文借鉴张梦琪[8]等人的校正方法,选择2000-2013年间经济发展稳定且区域夜间灯光的DN值范围广的东营市作为伪不变目标区域.提取13年东营市数据作为校正数据集；参考数据集应选择累计DN值高的传感器的数据,虽然F18具有最高的累计DN值,但其存在突变现象,因此使用F16作为标准传感器,FI6获得的2004-2010年东营市稳定亮元即为参考数据集.基于ArcGIS空间分析功能的栅格计算器,利用相应的模型参数,对各期稳定亮值像元影像构造地图代数表达式,进行灯光影像DN值的回归校正,回归校正的数据有效地解决了灯光数据存在的取值上限或天花板问题.

2.1.3 土地利用信息数据

本文土地利用数据由地理国情监测云平台下载,下载了2005、2010年全国土地利用状况.全国土地利用产品是以Landsat/TM、ETM、OLI遥感影像为主要数据源,经过图像增强处理后,通过人机交互目视解译的方法,进行监督分类,得到6个一级类,25个二级类及部分三级类的全国土地利用类型.

2.2 研究方法

2.2.1 提取城镇用地信息以及可靠性检验

阈值法是基于多个区域阈值,在 DMSP/OLS夜间灯光数据中,灯光强度超过一定阈值的像元归为城镇用地的方法,主要包括突变检测法[9]、经验阈值法[10]和基于辅助数据的比较法[11,12].图像分类法是基于遥感图像分类原理,将包括夜间灯光数据在内的多源遥感数据进行复合,一种逐像素判断灯光像素是否为城镇用地的一类方法[13-15].本文以2005、2010年山东省土地利用信息作为辅助数据,以裁剪得到的山东省2000-2013年DMSP/OLS夜间灯光数据作为实际数据；以山东省各个地级市为尺度,通过2005、2010年实际城镇用地面积与夜间灯光数据面积的比较,确定夜间灯光数据的阈值,进一步得到2000-2013年山东省土地利用变化的信息,采用了基于辅助数据的比较法.

从全国土地利用数据中提取山东省土地利用数据,根据LUCC分类体系,统计出2005、2010年各个地级市的一级分类体系“城乡、工矿、居民用地”中二级分类体系“城镇用地”的像元总数,得到城镇用地的面积；将剩下的像元划归为非城镇用地,同时统计出像元个数.将土地利用的这两类数据称为辅助数据.为了得到最佳阈值,可引入混淆矩阵,由于有城镇用地和非城镇用地两类信息,混淆矩阵为2×2,行和代表城镇用地像元数和非城镇用地像元数；列和代表某一阈值下城镇用地像元数及非城镇用地像元数,因而不同的阈值得到不同的混淆矩阵.在遥感空间的精度评价中,经常采用Kappa系数来评定在夜间灯光数据中提取的土地利用信息与辅助数据的匹配程度,即Kappa系数达到最大时,可以确定最佳阈值.Kappa系数为[16]

(1)

式中：N是混淆矩阵中样本总量；r为类型数(包括城镇用地和非城镇用地两类)；xii为混淆矩阵主对角线上的样本数量,包含灯光数据和辅助数据皆为城镇用地像元或皆为非城镇用地像元两种情况,即二者重叠的像元个数；xi+和x+i分别代表混淆矩阵第i行和第i列的样本总量.

表1 2005、2010年山东省各市城镇用地最佳阈值及对应的Kappa、OA值

为了检验最佳阈值下对每一个随机像元所分类的结果与辅助数据类型相一致的概率,引入总体分类精度(Overall Accuracy).表示为：

(2)

式中：r为总的类型数；N是混淆矩阵中总样本量；xii为混淆矩阵主对角线上的样本数量.若OA低于0.9,表明从夜间灯光数据中提取的土地利用数据与辅助数据吻合程度较差,对应的最佳阈值不可取.经过计算得到2005、2010年山东省各市城镇用地最佳阈值及对应的Kappa、OA值,见表1.在确定各市逐年的阈值时,采用最邻近年份法,即2000-2007年各市使用2005年的阈值,2008-2013年各市使用2010年的阈值.

2.2.2 城镇化水平的表示

城镇化是人口持续向城镇集聚的过程,随着城市人口的增多,城市中的各种配套设施日趋完善,这就导致了城镇用地不断扩大.本文利用由夜光遥感反演得到的城镇面积与总土地面积的比值来反映该市的城镇化水平：

(3)

式中：S为某市城镇用地面积；L为某市土地总面积.此外,引入土地城镇化水平的年均增长率指数,以便于认识和理解山东省2000-2013年土地城镇化水平的变化情况.t1至t2年间某市城镇化水平的年均增长率V可表示为：

(4)

式中：Ut1,Ut2分别表示t1,t2年某市的城镇化水平.

3 结果与分析

3.1 空间变化特征

以山东省2000-2013年DMSP/OLS夜间灯光数据为基础数据,根据表1的阈值确定14年来山东省各市城镇区域平均分布状况,得到2000-2013年山东省城镇用地,见图2.山东省城镇分布较为分散,但仍有较大面积的斑块集中在济南、青岛、烟台各市附近；其中济南、青岛城镇化水平分别为0.27%、0.37%.济南市、青岛市之间的城镇斑块面积较大,基本连成一片；内陆地区的斑块面积相对于半岛地区较小,但分布较为密集.这种现象与省内的人口分布有关,内陆地区分布有大量的小城镇,人口分布较为分散,相比于沿海地区经济的集约化不高.

将山东省各市为单位,以2000-2013年平均城镇面积为数据源,得到各市的土地城镇化水平,见图2.山东省的城镇化水平较高,大部分地区处于3%以上；从空间分布上来看,东部地区城镇化水平高于西部地区,北部地区高于南部地区；青岛市的城镇化水平最高,达到了6.25%,菏泽市、泰安市、临沂市的城镇化水平较低,未达到3%.

图2 2000-2013年山东省总体城镇用地与土地城镇化水平

图3 2001,2004,2007,2010,2013年山东省城镇用地状况

本文选取2001,2004,2007,2010,2013年夜间灯光数据,根据表1的阈值确定山东省城镇用地区域,得到2001,2004,2007,2010,2013年山东省城镇用地状况,见图3.直观来看,2001-2013年山东省的城镇面积不断扩大,并且城镇区域趋于分散；2001年城镇区域主要集中在济南、青岛较大城市的市中区域；而到了2013年出现了许多面积较大的斑块,分散在全省各地,同时原有的传统城镇区域也得到了扩大.这种景观格局与省内的经济状况基本吻合,各市经均有较强的独立性,没有出现少数城市因经济实力过强引起的虹吸效应；也说明了山东省并未形成有规模的城市带.

3.2 时间变化特征

将逐年各市的城镇面积相加作为该年山东省城镇总面积,并统计该值与总土地面积的比值U得到山东省2000-2013年城镇化指数及城镇面积,见图4.从总体的变化趋势来看,2000-2013年间城镇用地面积从3057 km2增长到9487 km2,城镇化水平U从1.35%增长到4.2%,年平均增长率达到了9.5%,平均每年增长0.22%.分阶段来看,大致可将山东省城镇化水平增长分为3个阶段：2000-2006年城镇化水平增长速率较快,增长速率达到了14.3%,2006-2012年增长趋势趋于平缓,增长率为3.0%,2012-2013年又进入了快速增长阶段,增长率达到了19.2%.

图4 山东省2000-2013年城镇化指数及城镇面积

3.2.1 济南市、半岛地区、内陆地区区域性差异

得到基于城镇化水平U的聚类结果,见图5.根据聚类结果将山东省分为3个区域：半岛地区、内陆地区、济南市；以上述3个区域为单位,逐年求出城镇化水平U得到2000-2013年山东省不同区域城镇化水平,见图6.从图像中可以得出：3大区域的城镇化水平均呈现增长趋势,从U指数来看：半岛地区从2.03%增长到5.95%,济南市从1.67%增长到5.91%,内陆地区从1.19%增长到3.81%；其中半岛地区及济南市城镇化水平均高于全省平均水平,而内陆地区则处于全省平均水平以下.半岛地区城镇化水平2000-2002年增长较快,2003年经历了暂时的回落,2004-2012年以较为平缓的速率保持增长,2012-2013年以远高于往年的增长速率继续增长；济南市城镇化水平除2004-2005年短暂回落、2007-2010年增长趋势较慢以外,均保持了高速增长；由于内陆地区覆盖了山东省的大部分地区,其变化特点接近全省平均水平,2000-2007年呈现较快增长趋势,2007-2012年趋于平稳,2012-2013再次呈现快速增长势头.2000-2002年,半岛地区的城镇化水平最高,达到全省最高水平,同时济南市的增长速率极快,在2003年超过了半岛地区,城镇化达到全省最高水平,这种差距因两大区域的不同增长方式在2003-2007年呈现扩大的趋势,2007年之后呈现逐渐缩小趋势,并在2013年达到了基本的一致；半岛地区与内陆地区的城镇化水平差距在2000-2004年呈现扩大趋势,2004-2007年这种差距逐渐变小,2007-2013年又逐渐扩大,2013年为14年来的最高水平,达到了2.14%；济南市在2000-2001年城镇化水平与内陆地区较为接近,但2001年之后拉开了差距,并且这种差距不断扩大.

图5 基于城镇化水平U的聚类结果

图6 2000-2013年山东省不同区域城镇化水平

3.2.2 滨海地区与非滨海地区的区域性差异

为了比较滨海城市和非滨海城市城镇化水平的不同,将山东省具有海岸线、不具有海岸线的城市分别为单位,求取U值得到滨海地区与非滨海地区城镇化水平差异,见图7.

图7 滨海地区与非滨海地区城镇化水平差异

总体来看滨海城市的城镇化水平基本高于非滨海城市；滨海城市的城镇化水平在2000-2004年保持较高速率增长,2004-2009年呈现较为平缓的增长趋势,2009年之后继续保持中高速增长；非滨海城市增长模式可分为两个阶段：2000-2006年以较快速率增长,2006-2013年基本保持平稳.2000-2007年两大区域城镇化水平差异不超过0.58%,但随着发展,2008年之后区域性差异则明显扩大,2013年达到了1.62%,比2000年的0.15%扩大了11倍.这与环渤海地区滨海城市的城镇化水平普遍高于非滨海城市的结论保持一致[17].

4 结论与讨论

本文利用了遥感和GIS技术,采用多年基于DMSP/OLS夜间灯光数据的遥感影像、矢量数据及土地利用等辅助数据,运用阈值法对长时间序列夜间灯光数据进行提取,并对求得的阈值进行检验,检验结果显示精确度良好,因而由山东省的夜间灯光数据间接得到2000-2013年逐年城镇用地信息,并在空间和时间两个维度上分析了山东省14年间城镇化格局的演变规律,得出以下结论：

(1)在空间格局上：较大的城镇用地斑块大都分布在济南—青岛一线的鲁中地区,东部、北部的城镇化水平大都高于西部、南部的城镇化水平.

(2)在空间演变的过程中：原有城镇区域在得到了扩大的同时,出现了大量新兴城镇用地区域,斑块分布趋于分散化,表明山东省未出现“一市独大”而引发的虹吸效应.

(3)在时间变化特征上：2000-2013年,山东省城镇化水平持续增加,增长速率呈现“先快、后慢、再快”的规律.

(4)在区域性时间变化的差异和规律上：通过聚类分析,得到了济南市、半岛地区、内陆地区3种不同的增长模式,半岛地区与济南市城镇化水平趋于相同,而与内陆地区城镇化水平均呈拉大趋势；根据是否有海岸线区分为海滨城市和非海滨城市两大区域,研究发现海滨城市城镇化水平高于非海滨城市,且城镇化水平呈现拉大趋势.