基于夜间灯光和社会经济数据的城市扩张协调性研究

邱春琦，朱怡萱，李玉凤，周诗薇，刘红玉

(南京师范大学海洋科学与工程学院，江苏 南京 210023)

自1978年改革开放以来，我国经济社会飞速发展，尤其是2010年之后，我国经济总量超越日本成为仅次于美国的世界第二大经济体，城镇化水平不断提升[1]。江苏省作为我国人口、经济大省，改革开放后城镇化水平高速增长，人口城镇化率从1978年的13.74%(全国排名第16)增长到2015年的66.51%(全国排名第6)。截至2019年，江苏省人口城镇化率为70.61%，在全国各省份排名第5，大幅缩短了与城镇化率排名靠前省份的差距，较全国平均水平高10个百分点。前人研究表明，人口、经济与土地城镇化的不协调发展已成为当前挑战[2]。一方面，城市扩张带来的土地城镇化和人口城镇化之间的不协调发展，尤其是一些城市超速扩张，造成大量建设用地闲置，土地利用效率较低；大面积扩张占用农业用地导致优质农田资源流失[3]，阻碍了城市的健康可持续发展[4]。另一方面，人口、经济和土地在空间上的不平衡扩张也制约着区域可持续发展[5-6]。长期以来，江苏省作为城市化进程速度较快的省份，一直存在区域经济与人口在空间上不匹配的问题，苏南地区人口集聚度、经济集聚度和城市化进程均呈快速发展趋势[7]，而苏北部分地区城市化进程快速发展，但人口和经济并未得到相应增长[8]。过度集聚导致的空间要素不均衡会降低空间使用效率，加剧就业不平等和增加环境承载压力，从而进一步扩大区域发展的差异[9-10]。因此，维持人口、经济和土地3者协调、均衡的可持续发展是城市化进程可持续发展的重要因素。

当前研究主要从经济、土地和人口3个方面衡量区域尺度上城市发展不平衡的情况[11]。也有将经济、人口与土地利用两两结合进行研究，比如，研究人口城镇化(农村人口转变为城镇人口、农业人口转变为非农业人口)与土地城镇化(土地利用形态由农村形态转变为城市形态)不相匹配的问题[12]，城镇化质量与城镇化规模扩张的协调性问题[13-14]等。国内学者主要从全国和省域2个尺度对人口与经济的空间匹配和空间异质性进行研究，发现各区域经济增长速率普遍大于人口增长[15]，人口城镇化普遍滞后于土地城镇化，从而导致发展不协调。也有部分学者对全国经济、人口及城市用地在时空尺度上的集聚和非均衡特征进行研究[16]。可见，目前相关研究聚焦在人口与经济、人口与城市用地的协调性，以及大尺度经济、人口和城市用地的集聚状态上，而受制于样本可获取性，缺乏针对省域尺度上经济发展情况、人口流动及城市化进程的分析。理论上，经济增长有利于人口集聚，人口集聚又带动区域经济增长，两者应存在协调发展的趋势，但土地资源的有限性却限制了人口集聚和经济增长的上升空间。

因此，人口集聚带来城市面积逐渐扩张，新增加区域是否被完全利用，是否有序扩张成为值得讨论的热点。夜间灯光影像可以有效反映人类在夜间的具体活动区域，可在一定程度上揭示人类活动范围及建筑用地的具体利用情况[17-18]。因此，以江苏省72个县级单元为样本，基于2015和2019年社会经济数据、土地利用数据和夜间灯光数据，对人口、经济、建设用地和人类活动范围的空间集聚情况与协调性进行分析，以期优化江苏省城市扩张，促进区域健康、协调的可持续发展。

1 研究区概况

江苏省地处长江经济带，总面积为10.72万km2，下辖的13个地级市全部进入全国百强城市，是我国唯一所有地级市都跻身百强的省份。江苏省人均GDP、综合竞争力、地区发展与民生指数(DLI)均居中国各省份前列，是中国综合发展水平最高的省份之一，相当于“中上等”发达国家水平。截至2019年末，江苏省常住人口为8 070万人，是中国人口密度第1大省；全省GDP为99 631.52亿元，人均GDP为12万元[19]，位列全国第3，仅次于北京和上海；城镇化率为70.61%，在全国排名第5，较全国城镇化率平均值高10个百分点。选择江苏省作为研究区域，对其城市扩张协调性进行研究，具有代表性和借鉴意义。

2 材料与方法

2.1 数据来源及处理

土地利用数据采用中国科学院遥感与数字地球研究所提供的全球陆地区域2015和2019年30 m精细地表覆盖产品(www.datacasearth.cn)；2015和2019年夜间灯光影像数据采用中国科学院中国遥感卫星地面站陈甫团队开发的“火石”地球夜间灯光数据集(www.satsee.radi.ac.cn)分辨率为1.5 km；江苏省社会经济和人口数据来源于2015和2019年《江苏统计年鉴》及江苏各地级市统计年鉴。

首先对2015和2019年30 m精细地表覆盖产品(www.datacasearth.cn)进行影像校正、镶嵌、剪裁等预处理，将土地利用类型分为耕地、林地、草地、水体、建筑用地和其他用地6类。其次，使用江苏省矢量边界掩膜提取出江苏省夜间灯光数据。

2.2 研究方法

2.2.1城市发展指标构建

城市用地扩张的人口弹性系数是城市建设用地年均增长率与城镇人口年均增长率的比值，可用于描述城市建设用地扩张速度与城镇人口增长速度之间的关系[20]，计算公式为

kj=rj/rpj。

(1)

式(1)中，kj为区域j城市用地扩张的人口弹性系数；rj为区域j城镇用地年增长率，%；rpj为区域j城镇人口年增长率，%。

城市扩张经济弹性系数是二三产业生产总值年平均增长速度与城市建设用地年平均增长速度的比值，可用于衡量城市扩张中新增土地的用地效益[21]，计算公式为

fj=rj/rej。

(2)

式(2)中，fj为区域j城市用地扩张的经济弹性系数；rj为区域j城镇用地年增长率，%；rej为区域j城镇二三产业产值年增长率，%。

夜间平均灯光强度表示一个区域范围内的灯光强度，可用来反映该区域灯光特征[22-23]，计算公式为

(3)

式(3)中，IANL为区域夜间平均灯光强度；n为研究区域栅格总数；Ni为栅格i亮度值。

2.2.2城市扩张各协调度因子及协调度指数的空间自相关

空间自相关指数是探索数值在空间上相关性的一种重要工具，常用的有全局Moran′sI指数和局部Moran′sI指数，前者反映地理信息在整个研究区内的空间关联模式，后者则反映区域内部微观单元与其邻域在某一属性值上的空间相关性[24-25]。

全局Moran′sI指数计算公式为

(4)

局部Moran′sI指数可以揭示各指数在空间上的“热点区”，识别各指数在不同空间位置上的高值集聚和低值集聚，并反映其空间异质性。

(5)

(6)

2.2.3城市扩张协调性分析

参考三元系统的基于离差方法的协调度模型[26]，经数学推导和处理，建立经济-人口-夜间灯光-建筑用地的四元协调度模型，经济(X)、人口(Y)、夜间灯光(Z)和土地利用(T)的离差系数(C)计算公式可以表示为

进一步简化为

3 结果与分析

3.1 城市扩张协调度因子空间格局分析

3.1.1人口分布空间格局分析

通过计算得到研究区72个研究单元的城镇人口数据，将2015和2019年城镇人口数据在矢量图中可视化，得到江苏地区县级城镇人口数量分级图。如图1所示，研究区城镇人口数量高值区主要分布在南京市市区、常州市市区、无锡市和苏州市等地区，低值区主要分布在淮安市和盐城市等地区。2015至2019年各市城镇人口数量整体上呈增长趋势，其中，镇江市、扬州市和徐州市部分区域城镇人口呈下降趋势，这可能是由于这些区域城镇人口向市中心区域务工或定居造成。

图1 2015和2019年研究区城镇人口空间分布

3.1.2经济分布空间格局分析

将2015和2019年72个研究单元的二三产业产值在矢量图中可视化，得到江苏地区县级二三产业产值分级图。如图2所示，研究区二三产业产值高值区主要分布在南京市、常州市、无锡市和苏州市等区域，低值区主要分布在宿迁市、淮安市和盐城市等地。2015至2019年研究区二三产业产值整体分布没有太多变化，除南京市浦口区、高淳区和六合区二三产业产值呈下降趋势外，其他区域均呈增长趋势。

图2 2015和2019年研究区二三产业产值空间分布

3.1.3夜间平均灯光强度分布空间格局分析

各单元平均灯光强度代表区域内人类夜间活动及居住情况。如图3所示，对比2015与2019年平均灯光强度发现，研究区灯光强度分布变化不明显，平均灯光强度高值区主要分布在各市市区区域，其中，苏州市、常州市和无锡市整体平均灯光强度较高，宿迁市和淮安市等地平均灯光强度较低。研究区平均灯光指数总体上呈增长趋势，仅少数区域存在下降趋势。

图3 2015和2019年研究区平均灯光强度空间分布

3.1.4土地利用数据分布空间格局分析

采用建设用地代表江苏省城市扩张情况。如图4所示，研究区建筑用地分布密集区主要位于长江沿岸及长江以南苏南区域，长江以北区域建筑用地密集区主要集中在各市市区。对比2015与2019年土地利用情况，其中，建筑用地面积变化最显著，尤其在南京市、苏州市、无锡市和常州市区域更为明显。

图4 2015和2019年研究区土地利用空间分布

整体上来看，2015—2019年江苏省城镇人口、二三产业产值、平均灯光强度和建筑用地面积均呈现增长趋势，部分区域城镇人口数量下降可能是人口外出务工，或向市区流动所致[27-28]。城镇人口数量增多，但第一产业从业人员减少，而第二三产业从业人员增多，这反映区域产业结构有所调整，二三产业产值随之增多。其中，南京市浦口区、高淳区和六合区二三产业产值降低，其原因可能是南京市整体产业结构调整造成。平均灯光指数代表人类在夜间的真实活动轨迹，部分市区区域平均灯光指数有所下降，可能是由于人口密度增加，人们在夜间的活动轨迹重叠以及人们居住习惯改变[29]。

3.2 江苏省人口、GDP、夜间灯光和建设用地的空间格局分析

3.2.1人口、GDP、夜间灯光和建设用地的空间全局自相关结果

如表1所示，2015、2019年江苏省城镇人口、二三产业产值、建设用地和平均灯光强度的Moran′sI指数均在1%显著性水平上显著，拒绝原假设，表明城镇人口、经济(二三产业产值)、建设用地和平均灯光强度存在空间自相关，在空间上存在交互作用，并不是随机分布。同时，2015和2019年城镇人口、二三产业产值、建设用地和平均灯光强度的Moran′sI指数均为正，表明4者均呈空间正相关，即高值与高值集聚，低值与低值集聚。2015—2019年间，江苏省城镇人口、夜间灯光的Moran′sI指数增大，二三产业产值、建设用地的Moran′sI指数减小，表明人口和平均灯光指数的空间集聚程度加强，而二三产业产值和建设用地的空间集聚程度减弱。

表1 2015和2019年江苏省人口、GDP、夜间灯光和建设用地的全局Moran′s I指数

2015—2019年各市区区域对周围区域人口持续产生虹吸效应，人口持续向市区集聚，城镇人口持续增长，相对应的平均灯光指数也随之增加，导致区域这2个指标整体空间集聚程度处于上升状态。而随着城市发展，各区域建设用地面积和二三产业产值均呈整体快速增长，导致这2个指标整体空间集聚程度有所下降。

3.2.2人口、GDP、夜间灯光和建设用地的空间局部自相关结果

对2015和2019年江苏省城镇人口、二三产业产值、建设用地和平均灯光强度进行局部空间分析，进一步分析其在空间上是否存在显著集聚情况。如图5所示，2015和2019年有3个区域城镇人口在空间上存在显著集聚，其中，苏州市市区和无锡市市区为高-高聚类，表明这2个区域城镇人口数量较多，且其周边地区城镇人口也较多；南京市市区为高-低聚类，表明该区域城镇人口数量较多，而周边地区城镇人口较少。2015年有7个区域二三产业产值在空间上呈显著集聚，且均为高-高聚类，分别为常州市市区和江阴市、无锡市市区以及苏州市市区、常熟市、昆山市和吴江区。相较于2015年，2019年二三产业产值也有7个区域在空间上呈显著集聚，其中，常州市市区和江阴市、无锡市市区以及苏州市市区为高-高聚类；南京市市区为高-低聚类，表明南京市市区二三产业产值较高，而周边区域较低；南京市浦口区和六合区为低-高聚类，表明这2个区域二三产业产值较低，而周围区域较高。

图5 2015和2019年研究区城镇人口、二三产业产值、夜间灯光强度和建设用地面积的LISA集聚图

对比2015和2019年建设用地局部Moran′sI指数分布发现，2015年有9个区域在空间上呈显著集聚，其中，武进区、江阴市、张家港市、无锡市市区、苏州市市区、吴江市和昆山市为高-高聚类，常州市市区为低-高聚类，洪泽区为低-低聚类；2019年存在6个区域在空间上呈显著集聚，江阴市、无锡市市区、苏州市市区和吴江市为高-高聚类，常州市市区为低-高聚类，洪泽区为低-低聚类。2015年夜间平均灯光强度指数存在10个显著区域，其中，武进区、常州市市区、无锡市市区、江阴市、张家港市、南通市市区、常熟市、太仓市和昆山市为高-高聚类，金湖县为低-低聚类。与之相比，2019年夜间平均灯光强度指数也有10个区域在空间上呈显著集聚，但高-高聚类减少了南通市市区，高-低聚类增加了淮安市市区。整体上来看，城镇人口、二三产业产值、建筑用地面积和平均灯光指数的高-高集聚均发生在苏州市和无锡市周围，表明该区域各项指标整体发展较快。

3.3 城镇人口、二三产业产值、夜间灯光和建设用地的协调性分析

3.3.1城市用地与人口弹性系数和城市用地与二三产业产值弹性系数

江苏省72个区域城市用地与人口规模弹性系数和城市用地与二三产业产值弹性系数见图6。城市用地扩张的人口弹性系数可用于评价城市建设用地扩展的合理性，国际上公认的合理比例为1∶1.12[30]。如图6所示，以1∶1.12为界，将所有区域弹性系数划分为2个部分，经统计，有7个区域弹性系数在1.12之下，表明这7个区域土地城镇化速率小于人口城镇化，分别为南京市江宁区、六合区，徐州市沛县、邳州市，镇江市丹徒区、丹阳市，以及宿迁市泗洪县；其他65个区域城镇用地扩张的人口弹性系数大于1.12，表明这些区域土地城镇化速度大于人口城镇化，土地利用效率过低。

如图6所示，城市二三产业产值增长率与城市用地增长率之比以1∶1为分界线分为2个部分，据统计，有24个区域城市用地与二三产业产值的弹性系数大于1，表明这些区域土地利用效率较低，呈低密度无序扩张，其中，扬中市弹性系数超过10，表明该区域城市用地扩张存在浪费现象。其他48个区域城市用地与二三产业产值弹性系数小于1，表明这些区域土地利用效率很好，呈有序扩张。整体上来看，大部分区域建筑用地与二三产业产值的弹性系数较好，城市用地效率良好。

图6 2015—2019年研究区基于城镇人口和二三产业产值的城市用地规模弹性系数

3.3.2城市扩张协调性分析结果及空间分析

为了对经济-人口-夜间灯光-建筑用地协调度做出客观合理评价，参考其他对协调度划分的研究成果[31]，将协调度划分为10个等级(表2)。

表2 城市扩张协调度指数等级划分

根据上述划分依据，对2015和2019年研究区经济-人口-夜间灯光-建筑用地协调度指数进行分类。如图7所示，2015年江苏省各区域均处于协调状态，其中，7个区域处于中度协调，21个区域处于良好协调，其他44个区域处于优质协调，研究区整体上协调水平较好。2019年江苏省有1个区域处于濒临失调状态，1个区域处于勉强协调状态，1个区域处于初级协调状态，6个区域处于中度协调状态，29个区域处于良好协调状态，其他34个区域处于优质协调区域。整体上来看，江苏省大部分区域处于协调状态，但相较于2015年，优质协调区域数量有所下降。

图7 2015和2019年研究区经济-人口-夜间灯光-建筑用地协调度指数空间分布

如图8所示，2015—2019年30个区域协调度指数增加，42个区域协调度指数下降，研究区协调度指数整体呈下降趋势。其中，苏南大部分地区协调度处于增加状态，而苏北大部分地区处于下降状态。自从江苏省提倡苏北振兴计划以来，苏北地区一直处于高速发展状态，苏北各市城市化进程稳定快速发展，随之也带来了发展不协调、不匹配的问题。因此，城市化进程中不仅要考虑城市化进程速率，同时也要考虑城市化进程所带来的不协调发展问题。

图8 城市扩张协调度指数变化

3.3.3城市扩张协调性的空间相关性检验及分析

(1)全局空间相关性检验与分析

计算江苏省72个区域内2015—2019年经济-人口-夜间灯光-建筑用地协调度的Moran′sI指数，分析其全局自相关性，其中，Moran′sI指数从2015年的0.186 1增长至2019年的0.210 5，Z值从2015年的0.006 9增长至2019年的2.803 7。Z值代表空间分析的显著性情况，2015年经济-人口-夜间灯光-建筑用地协调度的Moran′sI指数在5%显著性水平上显著，2019年Moran′sI指数在1%显著性水平上显著，均拒绝原假设。这表明2015—2019年研究区经济-人口-夜间灯光-建筑用地协调度存在空间自相关，即在空间上并不是随机分布，各区域间存在交互作用。同时，2015—2019年Moran′sI指数呈增加趋势，表明江苏省各区域经济-人口-夜间灯光-建筑用地协调性的空间依赖性增强，各区域之间联系更加密切。区域发展变化主要受到区域内部政策及周围区域的辐射影响，一个区域协调性增加或减少也会在一定程度上影响其周围区域协调度增加或减少。

(2)局部空间自相关分析

LISA集聚图可用来分析区域内是否存在空间集聚，并可以直观表现各区域显著性水平。如图9所示，2015年江苏省有7个区域经济-人口-夜间灯光-建筑用地协调度呈显著水平，其中，5个区域为低-低集聚，1个区域为低-高集聚，1个区域为高-高集聚。2019年江苏省有5个区域协调度呈显著水平，其中，3个区域为低-低集聚，2个区域为低-高集聚。与2015年相比，2019年协调度低-低集聚区域数量减少，低-高集聚区域数量增加，说明整体上江苏省协调度呈增加趋势。

图9 2015和2019年协调度指数LISA集聚图

4 结论

以江苏省72个县级单元为研究对象，对2015—2019年夜间灯光数据、经济、人口和城市规模扩张的空间差异性及异质性进行分析，并采用协调性耦合分析了2015—2019年经济-人口-夜间灯光-建筑用地耦合协调度，得到如下主要结论：

(1)江苏省2015—2019年各县级经济、人口、夜间灯光和建设用地指标均呈现整体上升趋势。在空间分布上，江苏省南部区域人口存在显著高-高集聚和高-低集聚；二三产业产值集聚程度有所降低，2015年南部地区主要呈高-高集聚，2019年部分地区出现高-低集聚和低-高集聚；建筑用地和平均灯光强度均在南部区域出现高-高集聚，中部地区出现少量低-低集聚。整体上来看，各指数在空间上均存在集聚状态，且高-高集聚较多，主要分布在江苏省南部区域。这主要是由于人口与经济分布的不协调和不匹配，苏南地区毗邻上海、浙江、安徽，二三产业发达，是长三角地区经济腹地，较容易接收到周边上海、杭州等经济领先城市的发展辐射，经济和人口的虹吸效应明显。与苏南相比，苏北地区地理优势较差，与其接壤的是经济相对较弱的安徽北部和山东南部，接收到的有效经济辐射也相对较弱[32-33]。

(2)从建筑用地和城镇人口年均增长率来看，2015—2019年72个县级单元中有10%的区域土地城镇化增长速度小于人口城镇化，其他90%的区域土地城镇化增长速度大于人口城镇化，整体来看，江苏省土地城镇化快于人口城镇化。而33%的城市土地城镇化增长速率高于二三产业产值，说明这些区域土地利用效率非常低，属于低密度无序扩张，新扩张的建设用地并没有为城市带来相应的经济增长。其他67%的城市土地城镇化增长速率低于二三产业产值，说明这些区域土地利用效率很好，属于有序扩张，新扩张的建设用地为城市带来相应的经济增长。整体上来看，大部分区域建筑用地面积与二三产业产值之间的弹性系数较好，城市用地效率良好。虽然江苏省整体城镇化水平在全国排名靠前，土地城镇化率高，但土地利用集约程度不够也会导致新型城镇化快速发展过程中出现一系列城市问题，例如“鬼城”“空城”等[34]。

(3)从经济-人口-夜间灯光-建筑用地协调度来看，2015—2019年95%的县级单元处于协调发展状态，其中，有40%的区域协调度指数处于增长趋势，其他60%的区域处于下降趋势，整体上来看，研究区协调度指数处于下降趋势。其中，协调性最好的区域大部分出现在苏南地区，出现这种现象的原因可能是苏南地区经济建设连续多年发展较快，城市扩张过程中外来人口的进入为其带来了经济增长。而对比2015与2019年各地区协调性变化情况发现，苏中地区主要呈现协调性增长趋势，说明苏中地区城市扩张过程中受到苏南地区经济辐射，使该地区城市扩张协调性有所增长[35]。