我国城市夜间光环境多尺度时空演变特征分析

刘 鸣，刘小双 ，江 威，栗一伟，雒 童

(1.大连理工大学建筑与艺术学院，辽宁 大连 116000；2.中国水利水电科学研究院，北京 100094)

引言

目前国内外光环境研究中以地面实测为基础的小尺度研究比较成熟，但调研范围有限、效率低，且研究点集中在空间维度，缺乏在时间维度上对光环境演变特征进行研究。而美国国家海洋大气局(NOAA)发射的遥感卫星具有时间连续性强、覆盖全球等优点，可以解决研究长周期序列难题，使得评估光环境演变特征成为可能。本文利用DMSP-OLS和NPP-VIRS两种遥感卫星数据时序性、易获取的特点，分析全国1992—2020年全国城市夜间灯光演变机制，通过一元线性回归分析构建29年以来全国城市夜间灯光的变化趋势分布特征，同时从时间和空间变化两个维度，全国、分区和城市三个尺度分析时空灯光演变特征，以期对未来城市夜间照明规划策略提供数据和理论参考。

1 数据处理和研究方法

1.1 数据来源

本研究使用的遥感影像数据集来自NOAA提供的夜间灯光数据DMSP-OLS和NPP-VIRS，DMSP-OLS卫星数据运行年限为1992—2013年(https://www.ngdc.noaa.gov/ngdc.html)，NPP-VIRS自2012年开始投入运营(https://eogdata.mines.edu/products/vnl/)至今。DMSP-OLS空间分辨率为2.7km，而NPP-VIRS为742 m，后者比前者的分辨率更高，能够捕捉更多灯光细节。2001年，Cinzano等[1]利用DMSL/OLS的夜间灯光图像绘制了全球第一张人工夜空亮度的世界地图集。刘鸣等[2,3]、江威等[4]对遥感影像在光环境领域的应用进行了一些探索，也有些则将遥感影像与人口迁移[5]、监测经济活动[6]、城市群发展[7]、生产总值[8]等研究结合起来，为领域研究提供新思路。

本文研究的时间序列为1992—2020年，因此需要将两颗卫星结合起来，但两颗卫星数据存在不同的问题。DMSP-OLS影像在城市中心区存在过饱和现象，DN值最大值为63，且同一年份不同传感器DN值存在差异性，以及不同传感器不同年份的数据无法进行比较，DN值不连续。NPP-VIRS则存在背景噪声、与DMSP-OLS分辨率不一致等问题。因此需要先在ArcGIS中进行一系列连续性预处理才能提取出具有研究价值的数据集。根据已有研究表明，利用曹子阳等[9]的不变区域法对DMSP图像分别进行不同传感器各年份自修正、年份见连续性修正，可以达到数据形成连续性的目的。随后利用空间回归模型以NPP-VIIRS与DMS-OLSP交叠年份建立修正模型，从而构建了29年全国连续夜间灯光数据库[10]；同时还需要全国省、市级行政区域的矢量数据，数据均来自中国科学院资源环境科学与数据中心(https://www.resdc.cn/)。

1.2 研究方法

采用一元线性回归分析的方法评估中国城市夜间灯光时序变化特征。一元线性回归分析是对每个栅格时间序列的DN值进行拟合，消除异常因素对DN值的影响，反映各栅格像元DN值变化趋势，用来揭示一定时间序列区域时空演变特征[11,12]。针对影像中每个像元的位置，采用该方法计算其变化趋势R值，其中R值为正，表明该像元夜间灯光在29年内是增加趋势，值越大正向趋势越明显；R值为负，表明该像元夜间灯光在29年内是降低趋势，值越小负向趋势越明显，计算公式如式(1)：

(1)

式中，R为灯光像元DN值回归方程的斜率，DNi为第i年的DN的值，n为研究的时间跨度，此处为29。

2 结果分析

2.1 全国尺度夜间灯光时空演变特征

2.1.1 空间演变特征

利用一元线性趋势回归法得到中国夜间光环境变化特征，R值数值范围为-3～3。如图1所示，其中红色表示该区域1992—2020年间夜间灯光亮度逐年增加，R值大于0，蓝色表示该区域夜间灯光亮度降低，R值小于0，黑色表示夜间灯光亮度不变区和非夜间灯光区两种，R值约等于0。

图1 1992—2020年中国夜间光环境变化趋势Fig.1 The changing trend of night light environment in Chinafrom 1992 to 2020

图1显示了1992—2020过去29年中国城市夜间光环境变化特征，从图1(红色区域代表人工夜光增加，蓝色区域表示人工夜光减少)可知：

1)中国夜间城市过亮呈现加剧的趋势，且地区分布比较集中，灯光增加趋势多集中在东部沿海区域以及中西部省会城市，仅有少部分区域存在下降趋势。夜间灯光不变区域存在两种情况，一种是非夜间灯光区，即那些人类活动稀少的区域，缺乏基础的照明设施，如山地、丘陵、河流等不适宜人类居住的地貌特征；另一种是位于城市核心区域，由于遥感影像DN值存在过饱和现象，在达到饱和DN值之后一直保持高饱和亮度状态未发生变化，所以被定义为灯光未发生变化区域。

2)中国城市夜间灯光变化具有明显的地区差异性，灯光亮度增加区多集中在珠三角、长三角、京津冀等东部沿海城市群以及省会城市，亮度降低区域多集中在山西、内蒙古、陕西、黑龙江、新疆和云南，其中山西下降最集中，黑龙江、新疆北部下降也十分显著。2005年以来国家节能减排政策逐步实施，一些以重工业为主要经济支柱的省份经济增长缓慢，以及煤矿类重工业企业存在倒闭现象，导致灯光亮度降低，即在中部区域灯光影像图中出现蓝色表示灯光减少的现象。

3)在中东部城市中，由省会城市或经济发达的城市灯光亮度变化趋势呈现由中心向四周辐射的现象，有明显扩张趋势，如四川省成都市最明显，城市周边存在部分灯光增加的区域。

为了更加全面地分析城市夜间灯光演变特征，将演变研究分为时间变化和空间现状分布两个维度，再将每个维度的研究层次分为全国、中东西部、19个典型沿海城市共三个层次逐步深入探究灯光的分布特征，也即宏观、中观、微观层次。时间变化是指利用一元线性回归分析获得的1992—2020年全国灯光演变趋势，即R值，在ArcGIS中采用自然间断法将R值重分类分为5个层级，包括-3～-2、-2～0、0、0～1、1～3，由于R值大于0表示灯光增长趋势，R值小于0表示灯光减少，绝对值越大，增长或减少的幅度越大，因此将R值的5个等级按照数值大小依次分为显著减少、轻微减少、基本不变、轻微增长、显著增长5种不同灯光变化程度。

空间分布是指预处理过的2020年夜间灯光栅格影像(图2)，像元DN值范围为0～63，采用同样重分类方法将2020年的灯光栅格影像像元DN值分为5个等级，包括0、0～12、12～27、27～47、47～63，DN值越大表示夜空越亮，因此将DN值的5个等级按照数值大小依次分为较低亮度、低亮度、中等亮度、高亮度、较高亮度5种不同灯光亮度程度。如图5、图6将每部分等级所占面积占全国总面积的比例以饼图的形式呈现，更加清晰地表明夜间光环境的时间变化和空间分布特征。

图2 2020年全国灯光栅格影像图Fig.2 2020 national lighting raster image map

图3 1992—2020年全国5种R值面积占比分布图Fig.3 Distribution map of the area proportions of the five R-values nationwide from 1992 to 2020

图4 2020年全国5种灯光DN值面积占比分布图Fig.4 Distribution map of the DN value area of 5 kinds of lights in the country in 2020

在1992—2020年全国5种R值面积占比分布图中可以发现(图3)，R值为0的面积占总面积的96.62%，即在1992—2020年间全国有96.62%的面积灯光变化保持基本不变(灰色部分)，这是由于我国地域面积宽阔，以及区域间发展不平衡的原因。显著减少、轻微减少、轻微增长、显著增长4种灯光变化程度的面积占比分别为0.01%、1.01%、1.88%、0.48%，1992—2020年间灯光增长的面积占比2.36%，实际面积约等于24.66万km2。

在2020年全国5种灯光DN值面积占比分布(图4)图中呈现与R值相同的面积占比情况。2020年在全国范围内灯光DN值为0和0～12的面积占比为94.16%，即低亮度区面积，高亮度区面积总占比为3.08%，R值5种变化趋势面积占比数值和2020年DN值5种灯光亮度面积占比大致相同。对比图2中浅色区域和图1中黑色区域，以及图2中深色区域和图1中红色区域可以发现，两者分布情况基本相同，与面积占比数值保持一致。

2.1.2 时间演变特征

根据一元线性回归分析得到的是全国每个栅格像元DN值研究年份内演变趋势，这计算过程中会消除一些干扰因素，让回归结果更加精确。本部分从统计全国每年DN均值方面研究宏观尺度的全国夜间灯光演变特征，因此从1992—2020年全国年均DN值的年际变化图可以发现(图5)，研究年份内每年的DN均值呈现逐年增长的趋势，DN均值年平均增长值为0.309 1，年平均DN值为6.103。

图5 1992—2020年全国夜间灯光DN均值年际变化Fig.5 Inter-annual change of national night light DN mean value from 1992 to 2020

图6 1992—2020年全国夜间灯光DN均值增速年段变化Fig.6 Changes in the average growth rate of the national night light DN from 1992 to 2020

以5年为时间间周期分析灯光亮度的变化可以发现(图6)，不同年段的DN值增速差异性比较大，2004—2009年段灯光DN均值增速最缓慢为0.1169，查阅资料可知，这是由于2008年的金融危机冲击全球经济陷入低迷，许多企业面临生存问题，整个社会生产力水平降低，再加上我国积极响应全球低碳节能政策，限制了一些重工业的生产，当时国内生产总值主要是依靠钢铁、煤炭等重工业，所以金融危机和节能政策极大限制这一时期我国的产能，进而灯光亮度减少，也因此出现灯光增速缓慢的现象。2016—2020年段DN增速最快为0.5845，1992—2003年两个年段增速大致相同，2009年以后灯光增速逐年增加，且增长趋势较之前更快。

2.2 分区尺度夜间灯光时空演变特征

利用全国行政边界矢量数据将全国划分为东、中、西三部分，即分区尺度(图7)。三个区域的1992—2020年每年DN均值变化图中(图8)可以发现，东部区域的DN均值增长趋势是最快的，且中部、西部与东部的灯光DN均值差距越来越大，代表了区域经济发展的差异性。采用上文提到的同样的数值重分类方法，分别将三个区域的R值和DN值按照自然间断法分为5种不同的灯光变化和不同灯光亮度程度，即中东西部1992—2020年灯光时间变化和2020年灯光空间分布，且同样将每部分等级所占面积占每个区域总面积的百分比以饼图的形式呈现，清晰地表明三个区域夜间光环境的时间变化和空间分布特征。

图7 中东西部分区分布图Fig.7 Distribution map of central and eastern parts

在东、中、西部的1992—2020年5种灯光时间变化面积占比分布中(图9)，可以看出东部区域灯光高增长趋势面积所占比重均比中部和西部高增长面积占比多，西、中、东部灯光高增长面积占比分别为0.18%、0.47%、3.93%，东部比其他两个区域多3.00%左右；同样的西部区域灯光趋势基本不变面积占比最大，为98.70%，中部区域93.6%居中，东部面积占比最小为86.11%。从2020年中东西部区域夜间灯光DN值分区面积占比中(图10)可以明显发现，东部区域灯光高亮度区面积占比比较高为8.06%。占比比西部高7.52%，比中部高6.12%，三部分区域灯光低亮度区域普遍占比比较多，但东部区域的低亮度区面积占比值最低为74.12%，这与上文全国宏观层次分析中结论相同。

图8 1992—2020年东、中、西部DN年均值变化图Fig.8 Changes in the annual average value of DN in the east, middle and west from 1992 to 2020

图9 东、中、西部1992—2020年5种R值面积占比分布图Fig.9 Distribution map of the area proportions of five R values in the east, middle and west from 1992 to 2020

图10 东、中、西部2020年5种灯光DN值面积占比分布图Fig.10 Distribution map of the area proportions of the DN values of 5 types of lights in the east, middle and west in 2020

2.3 典型城市尺度夜间灯光时空演变特征

由于东部区域无论是灯光增速、1992—2020年灯光增长趋势、2020年灯光DN值高亮度区都是三部分区域中最高的，因此选择东部区域19个典型沿海城市作为微观层次的研究对象。包括广州、厦门、上海、青岛、天津、大连等19个城市，涉及到1个广西壮族自治区，天津、上海共2个直辖市，山东、辽宁、江苏、浙江、福建、广东、河北省共7个省。

图11 1992—2020年滨海城市灯光均值变化Fig.11 Changes in the mean value of lights in coastal cities from 1992 to 2020

图12 1992—2020年滨海城市灯光增速Fig.12 The growth rate of coastal city lights from 1992 to 2020

图11为东部19个典型沿海城市1992—2020年每年夜间灯光DN均值柱形图，深圳市、上海市作为珠三角和长三角城市群的代表性城市，夜间灯光DN均值也是逐年增长，并且DN均值在19个城市中排名比较靠前，湛江市灯光DN均值排名最后。在1992—2020年灯光DN均值增速图(图12)中，广州市和上海市的增速最快，分别为1.272%、1.104%，秦皇岛市增速最慢为32.2%。并且DN均值增速排名与1992—2020年每年夜间灯光DN均值排名大致相同，排在前面的城市多为东南部的长三角、珠三角城市群，城市按照增速由高到低的排列顺序也是地理位置由南到北分布。综上可知，东南沿海区域不仅是高亮度区，更是高增长区域。

3 结论

本文利用遥感影像构建一元线性回归方程，得到全国1992—2020年城市夜间灯光变化趋势，从时间和空间两个维度，宏观、中观、微观三个层次分层级讨论城市夜间光环境演变的特征。结果表明：

1)全国夜间灯光变化趋势呈现明显的地域差异性，灯光增加多集中在东部沿海城市以及省会中心城市，灯光减少多集中在山西、内蒙古、陕西、黑龙江、新疆和云南等中西部省份，其中山西下降最集中，黑龙江、新疆北部下降也十分显著，大部分城市灯光变化不明显。

2)1992—2020年全国平均夜间灯光DN值呈现逐年增长的趋势，以5年为时间段进行分段分析增速变化时发现在2004—2009年间灯光增速最慢，这与当时国内的发展环境和政策相关，金融危机以及国际节能减排政策影响下，社会生产力下降，灯光增速相对放缓。2016—2020年段增速最快为0.584。

3)中东西部灯光时空演变中，东部区域灯光高亮度区、高增长区面积占比最高，可能与地理优势带来的经济发展相关。中部区域中灯光增加区以省会城市中心向外辐射延伸，但中部存在集中灯光减少的区域，可能与经济发展以及近些年重工业产业占比下降以及政策限制相关。西部由于远离经济发展中心，属于内陆区域，虽然有国家20多年的西部大开发战略支撑，但人烟稀少且开发进程差异，与东部区域的差距还是很大。

4)19个沿海城市时空演变中，灯光增长趋势和亮度值大小的高低顺序很明显呈现由南到北的地理差异性，南部有珠三角，中间有长三角，北部有京津冀代表。