夜光遥感视角下的粤港澳大湾区区域发展时空格局演变分析

詹淇雯，刘传立，敖建锋

(江西理工大学 土木与测绘工程学院，江西 赣州 341000)

0 引言

粤港澳大湾区是世界级大湾区，在政策扶持下，经过近40年的发展，该地区成为世界城镇化、工业化最为迅猛的城市群之一[1-3]。2019年《粤港澳大湾区发展规划纲要》出台，为粤港澳大湾区的发展建设指引了方向，加强了该地区的政治、经济、文化和科技等领域的互联互通。新时代背景下，“人类命运共同体”意识不断增强，区域协同发展成为当今世界经济发展的主题。从经济层面看，粤港澳大湾区核心城市发展相对较快，而以肇庆为代表的中小城市发展相对较慢。因此，研究粤港澳大湾区整体发展规模、内部发展差异及时空格局演变情况，可为政府科学决策提供参考价值。

现阶段利用日间遥感对粤港澳大湾区进行城市群空间结构分析、建成区面积估算和土地利用分类等研究较多[4-5]。夜间人造光源犹如颗颗镶嵌于地表的璀璨明珠，为人类活动提供照明的同时，也反映出经济社会动态的空间分布信息。随着一系列夜间遥感卫星的发射成功，探测夜间地表灯光亮度分布成为可能。DMSP-OLS和NPP-VIIRS等夜光数据不断丰富，数据质量得到极大的提升，被广泛应用于城市化监测、城市群空间结构分析、社会经济参量估算、生态环境效应和区域发展等研究领域[6-7]，能够客观真实地反映出在社会经济驱动下区域发展动态变化，同时便于在宏观尺度下进行时空格局分析，可为研究粤港澳大湾区的发展提供数据支撑。

中共中央、国务院印发《粤港澳大湾区发展规划纲要》文件后，引发众多专家学者对粤港澳大湾区的关注和重视，掀起了基于夜间灯光数据下的粤港澳大湾区的研究热潮。李兴懿等[8]采用DMSP-OLS数据对珠江三角洲建设用地扩张进行监测。陆永权等[9]采用DMSP-OLS与NPP-VIIRS整合数据研究了粤港澳大湾区的核心区建成区的时空动态变化。杨智威等[10]采用NPP-VIIRS数据研究了粤港澳大湾区的城市热岛效应，视角新颖。赵丽娴等[11]采用NPP-VIIRS数据研究了粤港澳城市发展时空格局演变，但校正后的月度数据仍然存在不规则波动。迄今为止，基于DMSP-OLS与NPP-VIIRS月度数据对粤港澳大湾区进行研究的文献较多，且主要研究其城市化以及城市建设引发的生态环境问题，时间跨度不长，鲜有研究采用长时间序列NPP-VIIRS年度数据对粤港澳大湾区区域夜光规模进行动态分析。

综合上述分析，本文利用NPP-VIIRS月度数据合成高质量年度影像，采用数学统计方法、位序-规模法则和标准差椭圆方法揭示粤港澳大湾区夜光规模空间分布特征及演变规律，为其区域协调发展和政府决策提供参考。

1 研究区域与数据来源

1.1 研究区域

粤港澳大湾区(Guangdong-Hong Kong-Macao Greater Bay Area，GBA)地处我国南部沿海开放最前沿(21°50′N～24°39′N，112°02′E～115°42′E)，在“一带一路”建设和国家发展战略中具有重要地位。其包括珠三角九市(广州市、深圳市、珠海市、佛山市、惠州市、东莞市、中山市、江门市、肇庆市)、香港特别行政区和澳门特别行政区。辖区面积56 000 km2，2019年年末人口高达7 264.92万，区域GDP约为11.62万亿元。以全国约5%的人口规模，创造了超过全国12%的GDP。参考《粤港澳大湾区发展规划纲要》文件，将香港特别行政区、澳门特别行政区、深圳市和广州市视为核心地区，其他地区为非核心地区。

1.2 数据来源

NPP-VIIRS包含月度复合和年度复合数据，月度数据自2012年4月起每月一期，年度数据有两版，经过星上辐射定标，辐射范围更广，数据中无饱和效应。故本文选择NPP-VIIRS数据集作为研究数据(https：//payneinstitute.mines.edu/eog/)。

行政区划来源于全国地理信息资源目录服务系统的1∶100万基础地理数据，按照GB/T 13989—2012《国家基本比例尺地形图分幅和编号》进行分幅，包含省、市和县三级行政边界。

经济参量数据来源于《中国统计年鉴》《广东省统计年鉴》等政府公开统计资料。

2 研究方法

2.1 夜光数据处理

虽然NPP-VIIRS数据存档量丰富，但也存在一些问题，月度数据存在负值、背景噪声和不稳定光源等问题，第一版年度数据仅有两期，第二版年度数据刚发布，数据质量有待验证。针对上述问题，众多学者提出过相应的解决办法。Shi等[12]利用DMSP-OLS对NPP-VIIRS月度数据进行修正，进而合成年度数据，但两种数据间存在较大差异性，校正效果受时序影响。周翼等[13]将月度数据求平均合成年度影像，忽略了部分数据中高维度地区灯光缺失问题。在此基础上，胡为安等[14]提出利用部分月度数据合成年度数据的方法，校正方法科学有效。因此，本文采用该方法合成年度数据，其中依据数学统计法求得2012—2020年粤港澳大湾区最大灯光值分别为350.09、371.34、398.62、425.31、452.54、474.87、498.87、521.34、561.26。

2.2 夜间灯光统计方法

为反映夜光增长规模及内部差异，构建夜光总量指数TNL和增长率指数r，按式(1)、式(2)求得。

(1)

式中：TNL表示夜光总量；DNi表示第i级像元的DN值；ni表示像元灰度值DNi的数量。

(2)

式中：r表示2012—2020年夜光增长率；TNL2012表示2012年夜光总量；TNL2020表示2020年夜光总量。

2.3 位序-规模法则

位序-规模法则不仅可以有效测度区域发展的差异性和均衡性，也为分析区域发展规模在空间视角的集散识别提供理论支撑。位序-规模法则的表示方法如式(3)所示。对式(3)两边作对数变换，得式(4)。

(3)

lg TNLx=lg TNL1-qlgRx

(4)

式中：TNLx表示第x个地区夜光总量；TNL1表示位序为1的地区夜光总量；Rx表示第x个地区的位序；q为捷夫指数。若|q|>1，表示该地区夜光规模较集中，发展较好的地区发展动力强劲，|q|越大，表明该地区夜光规模越集中；若|q|=1，表明该地区夜光规模达到理想状态；若|q|<1，表明该地区夜光规模较分散，发展较好的地区发展动力不足，|q|越小，表明该地区夜光规模越均衡。

2.4 标准差椭圆方法

标准差椭圆空间分析法可从全局性特征角度有效地研究地理要素的空间分布和空间结构，通过研究要素的地理位置和空间分布特征，全面定性定量地解释研究要素的空间分布中心性、方向性、展布性和空间分布形态。该方法具有很好的直观性和有效性，被广泛应用于城市问题[15]、恐怖袭击[16]、生态健康[17]、居民消费[18]和经济空间化[19]等研究领域。基于ArcGIS平台分析结果为一个椭圆，椭圆包含的主要参数有重心、方位角、椭圆长短轴等。

3 GBA城市灯光分析结果

3.1 合成数据质量验证

合成数据质量直接影响研究的准确性，极有必要对合成数据的可靠性进行验证。未经校正的夜光影像中存在负值、背景噪声和不稳定光源等问题，数据间可比性和连续性较差，这在大量文献中均有提到。图1为经过校正后的合成年度影像集，从整体上展示了合成年度数据夜间灯光规模变化。从时间序列上看，2012—2020年城市灯光规模呈现逐渐扩张趋势，符合该地区夜间灯光规模变化的实际情况。从DN值角度看，校正后的影像解决了负值问题，最小DN值为0，表示非人类活动聚集区，和人类活动区域有效区分开来。

图1 2012—2020年影像集校正结果

为进一步验证合成年度数据更具优势，将合成年度数据与标准年度数据、月度数据进行对比验证，结果如图2所示。由图2可知，合成数据夜光总量呈现持续稳定增长，而标准年度数据和月度数据夜光总量曲线出现不规则波动，合成年度数据对短暂性光源进行剔除，合理地保留了稳定光源，校正后的年度数据间连续性和可比性优于其他数据，且不存在不规则波动。以珠三角九市的GDP和年末常住人口作为评价指标，对比经济参量拟合能力，其中合成年度数据夜光总量与GDP、年末常住人口呈现较好线性相关性，相关系数分别为0.909 6、0.948 7，均优于年度标准数据和月度数据。由此可知，合成年度数据比其他数据更具优势，可用于粤港澳大湾区夜间灯光规模年际变化研究。

图2 夜光数据质量验证对比

3.2 夜光总量结果分析

基于上述合成年度夜光影像进行夜光总量及其变化的统计分析，揭示粤港澳大湾区夜光规模发展变化规律。图3为各子区域夜光总量变化趋势，图4为各子区域夜光总量增长率分布。研究结果表明：所有地区夜光总量均呈现正增长趋势，其中广州市的夜光总量始终稳居第一，其次分别是深圳市、东莞市和佛山市；惠州市2016年后夜光总量超越香港特别行政区位居第五，珠海市2013年后夜光总量超过肇庆市位居第九；增长率超过100%的地区有澳门特别行政区、珠海市、惠州市、江门市和肇庆市。

图3 各子区域夜光总量变化趋势

图4 各子区域夜光总量增长率分布

综上可知，从夜光总量变化空间分布差异性来看，广州市、深圳市、香港特别行政区和澳门特别行政区四大核心地区夜光总量保持平稳增长态势，而较边缘地区夜光总量增长率明显高于广州市等核心地区，说明近年在广州市等四大核心地区辐射带动作用下，周边地区得到快速发展，发展潜力得到有效挖掘。其中最明显的是珠海市，夜光总量增长率高达172%，其2012、2020年GDP分别为1 583.66、3 481.94亿元，增长率为119.87%，这得益于优越的地理位置，且丰富的旅游资源和舒适的生活环境为珠海市快速发展创造了有利条件。2021年9月5日，中共中央、国务院印发《横琴粤澳深度合作区建设总体方案》，其作为《粤港澳大湾区发展规划纲要》的重点举措，必将有利于粤港澳地区更加紧密地联系起来，实现更快更好发展。

3.3 位序-规模法则结果分析

2012—2020年粤港澳大湾区夜光体系位序-规模双对数与|q|值时间序列如图5所示，2012年和2020年双对数位序与双对数夜光总量呈较好线性相关性，P值小于0.01，通过显著性检验。

图5 夜光规模位序-规模双对数与|q|值时间序列图

从长时间序列来看，|q|值在1上下浮动，说明粤港澳大湾区夜间灯光规模遵循位序-规模法则。2012年|q|值大于1，此时夜光规模表现较集中，核心地区夜光规模发展动力大于其他地区；2012—2018年|q|值不断下降且小于1，核心地区垄断地位不断减弱，但向周边地区辐射带动作用逐步增强，发展潜力不断得到释放；2019—2020年|q|值略有回升，主要原因是《粤港澳大湾区发展规划纲要》的出台，核心地区战略地位得到提升，但|q|值依然小于1，夜光规模分散趋势大于集中趋势，核心地区对周边区域影响逐渐增强。总体而言，粤港澳大湾区区域发展规模差异性逐步减小，非核心地区呈现较快发展，核心地区保持稳定发展，整体发展规模逐渐趋向平衡。

3.4 标准差椭圆结果分析

图6为2012—2020年粤港澳大湾区夜光规模标准差椭圆及其重心移动轨迹，夜光规模时空格局表现为“西(略偏北)-东(略偏南)”。

图6 粤港澳大湾区标准差椭圆及其重心移动轨迹

从整体角度来看，2012—2020年，粤港澳大湾区灯光规模标准差椭圆呈现空间扩张，面积由11 837.70 km2增大至12 886.68 km2，增长率为8.86%，方位角由102.42°减少至97.30°，长轴增幅较小，短轴增幅7.24%，扁率减小，表明粤港澳大湾区发展体系夜间灯光演化的主要拉动力量来自东北和西南，夜光规模体系的方向性趋向分散。2012—2014年椭圆重心向东南方向移动距离最大，直线位移距离为2.80 km，主要原因是深圳市的快速崛起，根据第四次全国经济普查显示，深圳市2012年GDP反超广州市，成为第三大经济城市，跻身一线城市行列；2012—2018年椭圆重心向东南方向直线平移2.17 km。这与图4所示情况相吻合，主要原因是周边地区的崛起，如西南方向的珠海市、江门市与东北方向的惠州市，夜光规模的权重增大。

从局部角度来看，表1展现了粤港澳大湾区及其子区域的标准差椭圆变化情况。从标准差椭圆面积变化来看，所有地区夜光规模标准差椭圆面积均表现为空间扩张。四大核心地区扩张趋势明显，其中澳门特别行政区因地区小、经济发达，标准差椭圆面积增长率高达21.82%，位居首位；珠三角九市中广州市标准差椭圆面积增长幅度最大，增长率为8.79%，珠海市其次。从重心移动方向来看，四大核心地区重心偏移方向呈现向周边地区辐射形态，说明核心地区已经发挥“极点”作用，增强了对周边地区发展的辐射带动作用；2012—2020年，多数子区域标准差椭圆重心移动距离呈现逐渐减小趋势，说明“核心-边缘”地区发展模式正在逐渐得到改善，区域发展体系层级差距正在逐步缩小，整个地区的发展规模体系趋向平衡。

表1 粤港澳大湾区和子区域标准差椭圆变化

4 结束语

本文首先利用NPP-VIIRS月度数据合成年度数据，通过将其与两版标准年度数据、月度数据进行质量对比，表明合成数据质量在连续性和经济参量拟合能力方面均优于其他数据，可用于粤港澳大湾区年际变化研究。然后采用数学统计方法、位序-规模法则和标准差椭圆空间分析方法，对粤港澳大湾区区域夜光规模进行时空格局分析。2012—2020年间，粤港澳大湾区的灯光总量逐年稳定增长，增长率为90%，夜光时空演化特征不断向东北和西北方向扩张。其中核心地区保持平稳增长，非核心地区夜光规模增长十分明显，以核心地区为极点向周边非核心地区辐射作用不断加强，内部差异性不断减弱，各地区发展规模趋向平衡。然而本文仍存在局限性，NPP-VIIRS空间分辨率在一定程度上影响了分析结果的准确性，吉林一号和珞珈一号等夜光影像分辨率更高、质量更好，比DMSP-OLS和NPP-VIIRS数据更具应用潜力[20]，可考虑将吉林一号或珞珈一号夜光数据应用于以后的研究中。