兴趣点与夜光数据耦合关系下的城市空间结构分析——以昆明市为例

罗 虹， 赵政权

（云南国土资源职业学院国土空间信息学院，昆明 652501）

夜光数据具有更新周期短、成本低等优点，可以间接反映人类的经济活动强度，适合大范围区域的经济参量［1-2］、城市人口［3］、城市建成区提取［4］、GDP空间化模拟等［5］分析. 长时间序列的夜光数据还可以反映经济空间格局演变和结构特征［6-11］，因此，近年来对夜光数据的应用也日益广泛. 兴趣点（point of interest，POI）数据具有获取快速方便，类型多样，与人们的生活密切相关等特点，对城市建成区提取、城市功能区调整以及城市空间布局等都有一定的实用价值［12-13］. 目前，关于夜光数据与兴趣点数据进行耦合关系的分析不多，以珞珈一号夜光数据与POI数据为基础进行耦合分析的研究更少. 陈斌等以武汉市主城区为研究区域，利用2016年POI核密度分析结果和NPP 夜光数据预处理结果进行叠加分析，并对两种数据的关系进行了探讨［14］. 王毓乾等以POI、NPP/VIIR 夜光数据和新浪微博签到数据为基础，以北京市为研究区域对城市空间耦合关系进行了分析［15］. 于丙辰等以三亚市为研究区域，采用2016年的NPP/VIIRS夜光数据和POI兴趣点数据，通过双因素制图法对两种数据的空间耦合关系进行了可视化处理，并分析了耦合关系的相异区域和城市空间结构的相互关系［16］. 珞珈一号夜光数据在空间分辨率和光谱分辨率上远优于DMSP/OLS夜光数据和NPP/VIIRS夜光数据，是更为理想的识别城市建设用地，研究城市经济空间格局、经济参量的夜光数据源，在研究人类社会经济活动中有更广阔的应用潜力［17-20］. 本研究以选定的昆明市主城区的五个区域为研究区域，以珞珈一号夜光数据和POI数据为基础，采用核密度分析、六边形规则格网、归一化处理及双因素制图法，对两种数据处理结果进行耦合分析，探讨了区域内九种不同类型的耦合关系，以便能为西南地区城市空间结构分析提供参考.

1 区域概况

昆明市地处我国西南边陲，云贵高原中部，位于东经102°10′～103°40′，北纬24°23′～26°22′. 昆明市的地理位置虽属北纬亚热带，然境内具有典型的温带气候特点，素以“春城”而享誉中外. 下辖区内有7区、3县、3自治县、1市，分别为：盘龙区、五华区、西山区、官渡区、呈贡区、晋宁区、东川区、富民县、嵩明县、宜良县、寻甸回族彝族自治县、石林彝族自治县、禄劝彝族苗族自治县、安宁市. 本研究选取昆明市主城区经济较为发达的五个区域（盘龙区、五华区、西山区、官渡区、呈贡区）进行分析，行政区划图如图1所示.

图1 选定的昆明市主城区五个区域的行政区划图（审图号：云S（2019）048号）Fig.1 Administrative map for five selected areas in the main urban area of Kunming City

2 数据来源及技术路线

2.1 数据来源及预处理

珞珈一号夜光数据源自高分辨率对地观测系统湖北数据与应用网（http：//www.hbeos.org.cn/），获取时间为2019 年3 月，选用云量低于10%的影像，与之前的DMSP/OLS 夜光数据和NPP/VIIRS 夜光数据相比，空间分辨率可以达到130 m，理想状态下可以15 d完成全球覆盖. 利用公式1对珞珈一号夜光数据进行辐射矫正后，再利用GoogleEarth下载的高精度影像对其进行几何校正. 选定的五个研究区域的行政区划图由天地图行政区划底图矢量化而来.

POI数据通过高德地图官方应用程序API接口进行提取，共获取了165 039条兴趣点数据，共包含了17大类（表1）. 首先对POI数据进行提取、删除等处理，之后进行数据导入并投影变换为Albers投影，最后排除了风景名胜、交通设施、道路附属设施、地名地址信息这四个与夜光数据相关性较小的类别，其余13个类别全部参与POI兴趣点核密度分析，共145 642条.

表1 POI数据类型表Tab.1 POI data type table

珞珈一号夜光数据的辐射转换公式为：

式中：RL 为辐射矫正后的辐射亮度值；DN 为原始的灰度值. 辐射矫正可以有效纠正珞珈一号夜光数据的辐射失真误差，使城市建成区、功能区格局更加清晰，也可以消除一部分水体和其他用地类型的极高噪声，从而避免这部分噪声亮区被错误识别.

2.2 技术路线

本研究选取昆明市主城区经济较发达的五个区域（盘龙区、五华区、西山区、官渡区、呈贡区）为研究区域，首先对2019年3月获取的珞珈一号夜光数据进行预处理并对兴趣点数据进行核密度分析，同时建立了多个1 km2的规则正六边形格网，再将规则格网和经辐射矫正、几何校正处理后的珞珈一号夜光数据强度值、POI 核密度值进行叠加分析，分别获取每个格网内的珞珈一号夜光数据强度值和POI 核密度值的平均值，并将两种平均值链接到同一个规则格网内，之后进行两种数据的归一化处理，便于后续耦合关系分析.本研究主要探讨了夜光数据和兴趣点数据在不同空间耦合关系下的城市内部空间结构特征，以期能为昆明市城市空间结构调整及城市内部规划建设提供科学依据与参考，技术路线图如图2所示.

3 研究方法

图2 技术路线图Fig.2 Technology roadmap

3.1 核密度分析

核密度分析是一种直观表征地理事件在某一区域发生概率的方法，可以反映离散测量值在连续区域内的分布情况，对于每一个实体而言，其密度在中心处最大，随着与其距离的增大而逐渐减小. 该方法被广泛应用于计算人口密度、建筑密度、污染程度等情况分析. 对于空间任意一个点S，点S 的核密度值计算公式为：

式中：f(S)表示某一位置点S 处的核密度计算值；K 表示核函数；n 表示距离阈值范围内的样本点数量；S-Si表示某一位置点S 到已知点Si处的距离；R 表示距离衰减阈值，也称带宽（bandwidth），R 值越大越能表示区域的宏观空间变化情况，反之，则只能表示微观空间变化情况. 本研究中POI点密度图如图3所示，核密度的带宽选用3000 m，输出栅格的空间分辨率为200 m，核密度分析的栅格结果如图4所示.

图3 POI点密度图Fig.3 Map of POI point density

图4 POI核密度分析图Fig.4 Map of POI kernel density

3.2 六边形规则格网

本研究以选定的昆明市主城区的五个区域为研究区域，分别采用ArcGIS中渔网与泰森多边形相结合的方法和外部Tessellation工具的方法，生成蜂窝状规则正六边形格网，经比较两种方法生成的格网并未有太大的差别. 最终生成的格网大小为1 km2，研究区域共生成1359个格网. 规则六边形格网比正方形、三角形等格网拥有更丰富的拓扑关系，且贴合状态更为密合，因此采用蜂窝状六边形作为统计的基础单元，将规则六边形格网、处理得到的珞珈一号夜光数据强度值及POI核密度分析结果进行叠加分析，获取每个正六边形格网内的数据平均值，并将夜光数据和核密度分析结果的平均值分别存储并关联在同一个格网内.

3.3 归一化处理

归一化处理需把夜光数据强度值和POI核密度值这两种数据转换到大致相同的范围，计算公式为：

式中：xnor表示归一化处理后的值；xmin表示对应数据的数值最小值；xmax表示对应数据的数值最大值. 通过上述公式把夜光数据强度值及POI核密度值分别归一化至［0，100］范围内，按照标准差分级方法，通过1.5倍标准差将两种数据分为高、中、低三种不同的等级.

3.4 双因素制图法

双因素制图法是采用两种不同的变量进行耦合关系分析的一种常用可视化方法，一般是选用不同颜色进行组合并形成渐变，同时也要保证各等级间有一定的区分度. 该方法广泛应用于人口、气候、经济变化，还可以使用冷暖两种色调，结果对比更明显. 本研究中利用黄-蓝两色进行组合变化，共形成9 种不同的组合方式对夜光数据强度值和POI 核密度值进行耦合变化分析，结果如图5所示.

图5 双因素制图法图例Fig.5 Legend of the double-factor mapping

4 结果与分析

4.1 总体分析

为了反映两种数据的耦合结果，对POI 核密度值、珞珈一号夜光数据强度值与六边形格网进行叠加处理后，分别求取平均值作为规则格网中的POI 核密度值和夜光数据强度值，同时把两种数据全部归一化至相同的取值范围，采用双因素制图法进行耦合分析，结果如图6 所示. 由图6可知，POI 核密度值与夜光数据强度值耦合一致的格网有1218 个，占整个研究区域的近90%，说明研究区域整体耦合性良好，在空间结构上具有高度的一致性，大部分耦合一致区域分布在研究区域的外围，表现为低-低耦合关系. 高-高耦合部分主要分布在研究区域中心的三环区域内，东西方向主要从研究区域中心向外辐射，长度约为5 km，南北方向辐射长度为10 km 左右. 呈贡区的高-高耦合部分分布在以市政府为中心的约2.5 km 的范围内；中-中耦合部分主要围绕在研究区域中心的外围及呈贡区中心的外围，呈现空心环状分布；低-低耦合部分则分布在研究区域的边缘地区.

4.2 夜光数据强度值高于POI核密度值的耦合关系分析

图6 POI核密度值与夜光数据强度值的空间耦合关系图Fig.6 Spatial coupling between nighttime light data intensity value and POI kernel density value

夜光数据强度值高于POI核密度值的区域分布图如图7所示. 由图7可知，这些区域数量不是很多，但更能识别城市的空间结构细节特征，这些区域主要分布在城镇的边缘地带，尤其是城镇向农村过渡的中间地带，大部分区域存在夜光数据“溢出”现象，探测的灯光范围通常比实际人们活动的范围要大. 盘龙区几乎无夜光数据强度值高于POI 核密度值的区域存在，而官渡区夜光数据强度值高于POI 核密度值的区域较多，其中低-中耦合关系占了大部分，低-中、低-高耦合关系区域主要分布在长水国际机场附近，这些区域因灯光较强，且POI大多为餐饮等服务类型，同质性较强，所以出现两种数据对城市区域不合理的表达. 因此可以利用POI核密度值与夜光数据强度值相结合的方法，对机场、新区等区域进行空间结构分析，弥补彼此的不足. 另外，西山区的海口街道、碧鸡街道，五华区的普吉街道，呈贡区的大渔街道、马金铺街道均出现了一些新开发兴建的小区与商业中心，这些新建区域的夜光强度较强，但相关配套设施又少，故呈现出部分低-中耦合格局. 呈贡区的吴家营街道、西山区的滇池国家旅游度假区、五华区的黑林铺街道以及红云街道出现了部分中-高耦合区域，也是因为这些区域有一些房地产开发的热点区域，而相关配套设施又不匹配，所以出现了一些夜光数据强度值高于POI 核密度值的区域.

4.3 夜光数据强度值低于POI核密度值的耦合关系分析

夜光数据强度值低于POI核密度值的区域分布图如图8所示. 由图8可知，这些区域虽然城镇化水平不高，但局部区域形成了商业的聚集圈. 高-中耦合关系的区域围绕昆明市中心区域主要分布在昆明市二环附近区域以及彩云北路附近区域，呈现带状或环状分布；从城市功能区的角度看，这些区域属于一些次热的商业中心，如：南市区的世纪城片区、新亚洲体育城片区，东市区的青云街道片区，北市区的云坊商业区、世博园片区，西市区的西三环片区等. 高-低耦合关系的区域较少，主要分布在城郊结合带，呈零星点状分布. 中-低耦合关系的区域环绕在高-中耦合关系区域的周边，主要分布在乡镇中心地带，这些区域城镇化水平较低，又形成了区域的商业服务中心，因此导致这些区域的POI核密度值高于夜光数据强度值.

图7 夜光数据强度值高于POI核密度值的耦合关系图Fig.7 Coupling relation diagram of nighttime light data intensity value higher than POI kernel density value

图8 夜光数据强度值低于POI核密度值的耦合关系图Fig.8 Coupling relation diagram of nighttime light data intensity value lower than POI kernel density value

5 结论

本研究通过对选定的昆明市主城区五个区域的POI核密度值和珞珈一号夜光数据强度值的耦合关系进行分析，探讨了这两种数据耦合相一致或相异的空间分布特征，并对相异区域的特点及原因进行了分析，主要结论如下：

1）研究区域的POI核密度值与珞珈一号夜光数据强度值的整体耦合性良好，有将近90%的相一致区域，能很好地反映选定的昆明市主城区五个区域的空间结构特征，对于城市空间结构等研究均具有很好的适用性. 高-高耦合部分主要分布在研究区域中心的三环区域内；中-中耦合部分主要围绕在研究区域中心的外围及呈贡区中心的外围，呈现空心环状分布；低-低耦合部分则分布在研究区域的边缘地区.

2）POI核密度值与珞珈一号夜光数据强度值耦合相异的部分，对城市空间结构细化有着重要的作用，如在经济开发区、城郊结合带、城市商业中心、大范围的同质性区域，两者都有一定的相异区域. 其中POI在机场附近的同质性较高、数量偏少，在新开发区、城郊、乡村地带数量也偏少，这是因为这些区域城镇化发展水平较低，而在乡镇中心具有一定数量的分布，且在研究区域的市区中心或者有影响力的商业片区内数量较多；夜光数据在研究区域中心地带、城镇中心以及机场灯光较强，且存在一定的灯光“溢出”现象，而夜光数据对远离城市的边远地区表达有限，说明夜光数据与POI对人类社会经济活动的探索各有优缺点，以夜光数据为基础进行研究时与POI数据相结合，更能弥补彼此的不足.

本研究虽对选定的昆明市主城区五个区域的城市空间结构进行了初步探讨与分析，但也有一些不足，如研究中仅用两种数据耦合，且定性研究居多，今后需拟结合更多数据，如：手机定位数据、微博签到数据、人口数据等，采用定性和定量相结合的方法，进一步研究城市的空间结构特征.