基于夜间灯光数据的哈大齐工业走廊城市空间扩展特征分析

刘亚亭

(山东科技大学 测绘科学与工程学院, 山东 青岛 266590)

0 引言

改革开放以来,以黑龙江省为代表的老工业地区多以发展重工业为主,随着生态环境严重破坏,可持续发展面临巨大挑战。“哈大齐工业走廊”是黑龙江省选择老工业基地振兴的先行区[1]。科学、准确、有效地对城市空间扩展进行分析,可以为东北地区经济发展提供科学参考。遥感技术的蓬勃发展和遥感数据成为各行业分析研究的重要数据源,结合遥感技术和遥感数据对城市空间扩展演变的研究更加可靠、便捷、直观。相比于其他遥感数据,美国国防气象卫星计划线性扫描系统(Defense Meteorological Satellite Program-Operational Linescan System，DMSP-OLS)和夜光传感器可见光近红外成像辐射搭载国家极轨卫星(Nation Polar Orbiting Partnership-Visible Infrared Imaging Radiometer Suite，NPP-VIIRS)夜间灯光数据具有分辨率低、数据量小、辐射范围广、数据发行早等特点[2]。

利用夜间灯光数据对城市空间格局分析已取得一些成果。张茹霞等基于两种夜间灯光数据对东北三省城市空间格局变化特点以及造成的原因的探究,利用支持向量机的分类方法提取城市灯光斑块[3]。路春燕等基于夜间灯光数据综合利用地理信息系统空间分析能力、城市空间扩展速率指数及标准差椭圆等方法对环渤海城市群时空演变过程进行研究[4]。基于植被校正的城市夜间灯光指数(Vegetation Adjusted NTL Urban Index，VANUI)空间分辨率较低,容易混淆城市边缘的建筑、水体,因此，刘智丽等对VANUI做出改进,利用分水岭分割算法提取建成区[5]。张大成等对杭州湾城市群时空演变规律和发展趋势进行研究,选取标准差椭圆、灯光总量、首位度等多种模型指标对城市发展轨迹进行分析[6]。丁月等运用空间统计分析方法,对山东县域经济发展的时空特征进行分析,结果表明区域国内生产总值(Gross Domestic Product，GDP)与灯光数据具有显著的相关性[7]。舒松等以上海为例,通过对比四种建成区提取方法,发现统计数据法精度较高[8]。

本文对哈尔滨、大庆、齐齐哈尔长时间序列夜间灯光数据进行研究,应用两种夜间灯光遥感数据,解决了长时间序列不同数据的可比性问题。并运用多种指标对哈大齐城市扩展特征进行评价,进而探讨城市扩展的驱动机制,分析人口因素、经济因素、政策规划因素对城市扩展的贡献占比大小,实现对城市空间扩展的动态分析,以期对未来黑龙江省发展规划及政策制定有一定参考价值。

1 研究区概况

“哈大齐工业走廊”是由哈尔滨市途径大庆市到齐齐哈尔市用地总面积为837.1 km2的新型工业经济园区。建设“哈大齐工业走廊”的决策,于2004年经黑龙江省委常委会提出,是黑龙江省全面建设小康社会和振兴老工业区的重大战略部署。计划用15 a时间建成,将分三步发展,2005—2006年开发100～150 km2,2008—2010年开发255 km2,2020年完成其余400多km2的开发计划。整个走廊以能源、化工、装备、汽车、食品、高新技术六大板块为主框架,构筑现代产业带。

2 数据来源

本文选择DMSP-OLS和NPP-VIIRS数据来源于美国国家海洋和大气管理局国家地球物理数据中心(National Oceanicand Atmospheric Administration/National Geophysical Data Center,NOAA/NGDC)官方网站。根据哈大齐工业走廊的建设规划时间,选择的2005、2008、2010年的DMSP-OLS稳定灯光数据,该数据空间分辨率低于1 km,DN值范围0～63存在饱和现象。为了研究的实时性选择了最新数据2019年份的NPP-VIIRS数据,该数据空间分辨率可达500 m。行政区划图数据在中国专业IT社区(Chinese Software Deve-loper Network，CSDN)网站上免费获得的,用于提取城市的边界。研究所用统计数据包括年末人口数、GDP、城镇固定资产投资额、城市建设用地面积,统计数据来源于《黑龙江省统计年鉴(2005—2019)》,主要应用于城市建成区光斑提取、城市空间扩展特征分析以及驱动力分析。

3 研究方法

3.1 数据预处理

为解决多时期、不同数据的可比性问题,需对两类数据进行相互校正。首先对DMSP-OLS与NPP-VIIRS夜间灯光数据进行预处理,预处理使得数据在提取城市灯光斑块时可以获取更高的精度。DMSP-OLS和NPP-VIIRS数据预处理主要包括研究区裁剪、投影变换、重采样、相互校正。为避免影像网格形变带来的影响及方便计算影像中灯光值像元的面,需统一影像的投影坐标系,都转换为Albers投影,并对影像中的网格重采样为1 km。相互校正过程中应用不变目标区域法。本文参考曹子阳等夜间灯光数据的校正方法,构建一元二次回归模型并得到校正参数[9],如表1所示。

表1 一元二次回归模型校正参数

为延长时间序列的可比性。利用处理后的2013年的DMSP-OLS数据对相同年份NPP-VIIRS进行回归分析建模校正,再用校正后的2013年的NPP-VIIRS数据对2019年的NPP-VIIRS数据建立一元二次回归分析模型,得到校正参数如表2所示。

表2 基于DMSP-OLS数据校正NPP-VIIRS数据模型参数

3.2 城市灯光斑块提取

目前利用夜间灯光数据提取城市建成区的方法有4种,其中经验阈值法具有较强的主观性,得到的结果因研究人员的不同而有差异;突变检测法具有较强客观性,但数据处理较为繁琐;较高分辨率影像数据空间比较法需要TM(Thematicmapper)影像作为辅助数据,研究成本高,数据处理过程较为复杂;参考比较法受统计数据准确性的限制,但相较于其他方法数据处理过程较为方便。本文应用参考比较法,即基于一系列灯光阈值提取出城市建成区面积与统计数据中建成区面积进行对比,把误差最小的阈值作为最佳阈值来提取城市建成区范围。各年份各城市的灯光阈值(CN值)如表3所示。

表3 基于参考比较法得到的最佳灯光阈值

3.3 数学模型

以夜间灯光数据为数据源,提取城市建成区范围,建立空间测算分析模型。主要从分形维数、紧凑度、扩展速度、城市重心4个数学模型进行城市扩展规律分析。

3.3.1分形维数

分形维数表示城市建成区对于空间的填充能力和边界不规则的复杂程度,分形维数S是描述分形体的重要参数,其公式为[1]:

(1)

式中,A、P分别为城市建成区的面积、周长。

在某段时间内城市的分形维数增加,则说明形状越复杂,表明城市空间扩展模式以向外扩展为主[10];城市分形维数减小,说明城市边界形状越简单,城市空间扩展模式以边缘填充为主[10]。若城市分形维数保持稳定,则城市扩展相对稳定主要以向内填充。

3.3.2紧凑度

紧凑度是反映城市空间形状的重要指标,用于描述城市空间的聚集程度[1]。其公式为:

(2)

式中,B为紧凑度；A、P分别为城市建成区的面积、周长。紧凑度越大城市建成区越紧凑表明城市受外界干扰小[10]。紧凑度越大的城市,平面形状越接近圆形,单位空间所占面积越大,因此,紧凑度越大的城市越有利于城市基础设施的统筹安排[11]。

3.3.3扩展速度

根据空间扩展速度来量化城市空间扩展特征。扩展速度表示某段时间内建成区面积和周长的增长率,用于比较不同时间段内建成区扩展的趋势与快慢。其公式为:

(3)

(4)

式中,a为面积增长率；p为周长增长率；A1、A2和P1、P2分别为建成区首末年份的面积和周长。

3.3.4城市重心

重心理论是从全局的角度定量化解释地理空间实体在空间的中心性、方向性和空间形态等特征[2]。重心坐标位置和重心迁移的距离可以表示城市的扩展趋势和轨迹[1]。其公式为:

(5)

(6)

式中,(X,Y)为重心坐标；D为重心迁移距离；n为区域像元总数；(xi,yi)为第i个像元的坐标；Ni为第i个像元的灰度值。

4 城市空间扩展过程分析

4.1 城市建成区光斑

提取出2005、2008、2010、2019年哈尔滨、大庆、齐齐哈尔城市建成区范围,如图1所示。三座城市建成区在不同程度的向外延伸。

图1 2005—2019年城市建成区光斑

4.2 城市建成区光斑

本文统计2005—2019年建成区光斑的面积和周长,计算分形维数和紧凑度。如表4～5所示。

表5 2005—2019年哈大齐城市形态测度

哈大齐三城市的面积和周长的增速表明城市建设用地扩展速度持续增大。相比其他两座城市,大庆市在2005—2008年建成区面积和周长增速都为负增长,城市出现时空收缩现象。哈尔滨在分形维数值上有一定幅度的波动,而紧凑度呈现相反的幅度波动。在建成区面积增加的同时，分形维数的减小和紧凑度的增加,使得城市表现为向内部和边界填充的扩展趋势。而分形维数的增加和紧凑度的减小,使得城市表现为向外快速扩张的趋势。随着时间推移,大庆市的紧凑度呈现波动式变化,而分形维数在持续减小。表明城市主要以填充式发展为主,紧凑度的大小变化决定了城市是向内发展还是向边缘发展。齐齐哈尔相对于其他城市两个指标变化单一,城市处于平稳向外发展。

根据公式(5)～(6)计算城市空间重心参数,得到2005—2019年哈大齐城市重心位置示意图,如图2所示。重心偏移距离如表6所示。

表6 哈大齐城市重心偏移距离 单位：km

图2 哈大齐城市重心位置示意图

2010—2019年间哈尔滨和齐齐哈尔偏移距离较大，为5 km左右,三个时间段大庆市偏移距离相对均匀,故在各方向发展较均匀。结合重心位置示意图,哈尔滨总体重心趋势向东北偏移,主要由松北区、群力新区等地区在近年来的高速发展所致。大庆在三个时段重心先向西北方向移动,再向西南方向移动,最后向东北方向移动,回到最初点附近,总体趋势向西北偏移。齐齐哈尔在2010—2019年间城市重心向西南方向偏移距离较大为5.08 km,总体趋势向西南移动。

5 城市空间扩展驱动力分析

对于城市空间扩展的驱动因素主要有人口因素、经济因素、政策规划因素。城市规划建设越好的地方人口密度越大,同样经济也就越发达,而国家的政策支持更是具有导向作用。本文选取年末人口数、GDP、城镇固定资产投资额3个指标来代表人口因素、经济因素、政策规划因素对城市空间扩展的相关性进行分析[10]。在SPSS软件中进行相关性分析,计算城市建成区面积与所选取的3个统计指标的相关性,得到表7[10]。

表7 建成区面积与统计指标相关系数矩阵

可以看出人口数、GDP、城镇固定资产投资额3个指标对建成区面积的扩大都具有显著的相关性,因此,定量分析了人口、经济、政策规划因素的影响程度。

6 结束语

本文为给振兴东北地区等老工业基地提供理论依据,对哈大齐工业走廊城市时空格局演化进行研究。利用两种夜间灯光遥感影像所获得的研究区4期城市建成区光斑,通过计算建成区光斑面积、周长、分形维度、紧凑度、扩展速度、城市重心等数学指标分析城市2005—2019年的空间扩展过程。并依据城市人口数量变化、经济发展状况、城市建设规划政策等，对城市建成区面积进行相关性分析。

本研究仍然存在一些问题和不足。一方面由于NPP-VIIRS完整的年份数据从2015年才开始发行,使得数据自身的问题对研究过程带来了一定误差,影响了数据的可靠性。另一方面,在利用不同分辨率的两种数据进行研究时,相互校正的理论依据相对欠缺,导致长时间序列数据的可用性存在一定误差。在未来的研究中,应加强两种数据相互校正方法的研究,延长时间序列的数据可比性,为城市空间扩展研究提供更精准可靠的研究数据。