基于夜间灯光数据的城市经济发展时空格局研究——以重庆市为例

孙 伟 莹

(辽宁师范大学地理科学学院,116029,辽宁,大连)

0 引言

城市经济发展作为衡量其所在区域位序关系的重要方面,一直被认为是城市研究的经典命题。在区域经济发展过程中,由于区位条件、政策扶持、资源条件等方面存在差异,所以区域内部可能会出现经济分异现象[1]。随着城市化进程的快速推进,城市经济发展格局不断发生变化,县域作为区域的重要组成单元,能够直观地反映经济发展的区域特征,对于掌握城市发展规律,提高城市经济发展效率,有重要的现实意义。

国内外学者对于城市经济发展的研究主要集中于时空格局的演变[2-4]、区域间经济差异特征及影响因素[5]。目前,针对地区性经济差异的研究,其数据大部分采用以国民生产总值主的社会统计数据,例如Yamamoto[6]利用GDP数据结合变异系数、基尼系数、泰尔指数方法分析美国人均收入差异;孟召宜等[7]以人均GDP测度为指标,利用锡尔系数和基尼系数的方法分析了江苏省的经济差异空间格局;张改素等[8]基于人均、地均指标经济指数对中部地区经济密度的时空分析进行研究;齐元静等[9]通过分析GDP数据对中国地级行政单元的经济发展及时空演变进行实证研究。但统计口径变化和人为主观因素易使得GDP统计数据存在偏误和争议,影响对经济运行规律的客观合理认识[10]。近年来,随着夜间灯光数据成为当前应用最广泛的数据之一,已经被广泛应用于反演经济增长[11-12]、人口空间化[13]、碳排放[14]、城市建成区[15]等领域,证实了夜间灯光数据表征经济发展水平的客观准确性,为本文探索近年来重庆市经济发展时空变化特征提供了可靠支撑。

重庆居于中西结合部,承东启西、联通南北、辐射周边的优势十分突出,是长江黄金水道、丝绸之路和东南亚国际物流大通道“Y”形结构的交汇点,且作为国家重要中心城市、中西部地区唯一的直辖市、西部开发开放的重要战略平台,区位优势显著,其经济价值在国家和区域发展中占有重要地位。本文综合利用NPP/VIIRS夜间灯光数据及GDP统计数据采用重心转移、标准差椭圆、空间相关性分析等方法,分析重庆市经济格局的动态演化特征,以期为重庆市协调发展与经济高质量发展政策制定提供科学依据和决策支撑。

1 研究区概况及数据源

1.1 研究区概况

重庆市,简称“渝”,是中国四大直辖市之一,下辖26个区、8个县、4个自治县,地跨东经105°11'～110°11'、北纬28°10'～32°13'之间的青藏高原与长江中下游平原的过渡地带,多山地、丘陵地貌发育,别称“山城”。同时重庆市近年来已成为西部大开发重要战略支点,“一带一路”和长江经济带重要联结点,是西南区域重要的经济中心、长江上游地区经济、金融、科创、航运和商贸物流中心,是研究山地城市经济发展时空格局特征的典型代表。

图1 研究区概况图

1.2 数据源及其处理

本研究使用到的数据包括:1)栅格数据为NPP/VIIRS年度V2数据,来源于美国科罗拉多矿业大学EOG小组官网(https://eogdata.mines.edu/products/vnl/),从2013—2021年共计9幅影像,影像覆盖全球区域,对其进行处理生成;2)矢量数据为重庆市的行政区划数据,来源于中国国家基础地理信息中心发布的矢量数据集,用于夜光数据的裁剪及经济重心与标准差椭圆的计算;3)统计数据为2013—2021年重庆市县域GDP来源于《重庆统计年鉴》,用于验证重庆区县GDP与区域夜间灯光相关性。

以重庆市行政区划掩膜,提取得到重庆市NPP/VIIRS年度V2数据,将影像投影至Albers等面积投影坐标系[16],并采用最邻近法重采样至500 m空间分辨率,由于某些年份存在负值的情况,参考已有研究[17-18]的背景噪声处理方式,将NPP/VIIRS数据的负值像元值重新赋予0。异常像元则是由于传感器记录的瞬时灯光会在NPP/VIIRS数据中产生极亮像元,影响灯光峰值的位置。因此,本文选取城市主城区像元最大值作为重庆市NPP/VIIRS数据的像元阈值上限来剔除灯光异常值,同时对于后一年像元值上限大于前一年的情况,选取出现异常值年份的后一年像元最大值作为该年份的像元值上限进行极亮像元的处理。

NPP/VIIRS夜间灯光数据年际校正现采用DMSP/OLS夜间灯光数据的年际校正方法,对2013—2021年的NPP/VIIRS年度数据进行连续性校正[3],如式(1),以保证灯光信息在各年份之间的可比性。

(n=2013,2014,...,2021)

(1)

式中,n代表待校正数据的年份,i代表第i个像元,DN(n-1,i)、DN(n,i)、DN(n+1,i)分别代表第n-1年,第n年和第n+1年第i个像元的DN值。

为了验证研究区夜间灯光数据与区域统计数据GDP之间的相关性,本文统计2013—2021年重庆市各区县的灯光累计值与地区GDP数据,利用IBM SPSS Statistics 27软件对二者进行相关性分析,结果显示Pearson相关系数R=0.791**,研究区DN累计值与GDP之间相关性较高,可借助夜间灯光数据估算GDP数据。

2 研究方法

2.1 标准差椭圆分析

标准差椭圆方法在经济上主要用于分析区域经济属性在空间上分布的方向性特征,通过方向角、长轴、短轴、椭圆位置变化和椭圆重心反映区域内经济分布的主趋势方向、在主次方向上的集聚离散程度及经济空间格局变动情况[19],测度重庆市区域内经济发展空间状态及移动趋势。

经济重心的计算式为

(2)

方位角α的计算式为

(3)

X轴标准差σx与Y轴标准差σy的计算公式为

(4)

(5)

2.2 变异系数

变异系数是反映数据内部差异程度的常用统计量之一,其能够反映数据偏移平均值的程度,也能客观衡量年际间区域差异程度,计算公式为

(6)

式中,Cv表示重庆市夜间灯光数据的变异系数,yi是第i区县的夜间灯光总量值,u为该年区域内所有区县的平均灯光强度,n为区市县的个数。

2.3 空间自相关

空间自相关分析可揭示空间地域内研究单元与邻近单元属性值间的相关性与依赖性,包括全局自相关与局部自相关。全局自相关能够识别某属性值在整体空间中是否存在空间集聚效应,而局部空间自相关可用来捕捉局部区域关联特征[20]。Moran’ s I∈[-1,1],Moran’ s I大于0代表正相关,等于0代表不相关,小于0代表负相关。

全局Moran’ s I计算公式为

(7)

局部Moran’ s I计算公式为

(8)

3 结果分析

3.1 空间方向性特征

根据重心和标准差椭圆的计算方法,基于2013—2021年夜间灯光数据计算重庆市经济发展的重心和标准差椭圆,分析重庆市经济发展方向特征,如表1所示。

表1 重庆市经济标准差椭圆参数变化(2013—2021)

图2 2013—2021年重庆市标准差椭圆和经济重心分布

从重心迁移的角度来看,2013—2021年重庆市经济发展重心大致沿西南往东北方向移动,说明随着时间的推移,重庆的经济发展情况有向东北偏移的趋势。重庆地域辽阔,东西、南北跨度大。一个地区的经济发展要受到自然条件、地理位置、资源政策倾斜等诸多因素的影响。2013年,重庆主动融入“一带一路”建设,同时作为长江经济带中心城市,凭借政策优势和经济基础迅速发展,使得重庆市经济发展重心缓慢向东北方向移动。

从标准差椭圆变化的角度来看,2013—2021年,长轴长度从223.47 km逐渐增加到238.46 km,为东北-西南走向分布;短轴长度从48.66 km逐渐增加到54.71 km。相应地,随着长轴和短轴长度的增加,椭圆面积也从34 160.50 km2增加到了38 935.87 km2,椭圆面积的增长反映了随着时间的增长,重庆市经济不断取得健康进步和发展,使得重庆市夜间灯光数据的面积逐渐扩张,亮度逐渐加大。长短轴之比从4.59逐步减小至4.36,意味着重庆市经济格局在西北-东南方向上有扩张趋势,在东北-西南方向上有收缩趋势。近年来,在重庆“一区两群”政策的积极推动下,以大都市区为龙头,带动渝东北、渝东南地区城镇群的协调发展,是经济扩张的重要原因,这也进一步说明重庆市经济发展在不平衡向平衡的趋势缓慢发展。

3.2 经济空间分异特征

参照式(6)计算重庆市各市区县夜间灯光总量,绘制重庆市夜间灯光变异系数变化图,基于变异系数解释重庆市经济发展的差异状况,具体结果如图3所示。首先从整体上看,2013—2021年间,这一时间段内变异系数都处于1.17～1.26的区间范围内,且随着时间发展变异系数呈现波动递减趋势,说明重庆市各县区经济发展水平的相对差异缩小,经济发展失衡态势有所缓解。具体来看,从2013年至2017年,重庆市变异系数变化幅度相对较大,呈下降趋势;2017年至2021年,变异系数相对稳定,一直稳定在1.18左右。经分析,自2013年“一带一路”倡议提出以来,为区域经济发展注入了新的活力,重庆市作为中西部地区唯一的直辖市且作为海上丝绸之路的重要战略节点,交通等基础设施更加完善,对外经济合作增加,渝西、渝东北旅游业等消费潜力上升,这一战略合作促进了重庆市经济协调发展,使得重庆市经济相对差异开始逐渐减小。

图3 2014—2021年研究区夜间灯光变异系数

3.3 空间相关性特征

为更好地揭示重庆市经济发展的内部空间特征,本文通过ArcGIS 10.8软件统计县域元的夜间灯光值总量,运用夜间灯光数据可避免传统统计年鉴数据存在的数据缺失、GDP均匀分布、样本少等缺陷[2],结合全局Moran’s I指数、局部LISA分阶段对重庆市空间集聚形特征进行分析,结果见表2。

表2 2013—2021年重庆市经济全局Moran’s I指数

从数据结果来看,全局Moran’s I 检验结果显著,说明重庆市县域单元夜间灯光数据呈现正的空间自相关。从Moran’s I 指数年际变化来看,2013年至2017年Moran’s I降低0.14,说明这一阶段重庆市县域夜间灯光空间关联度整体逐渐下降,2017年至2021年Moran’s I 指数并未发生大的波动,说明该阶段重庆市总体经济格局表现为较为稳定的空间关联度。总体来说,重庆市县域夜间灯光数据的空间关联度随时间变化呈现稳定的态势。

进一步对县级行政单元的夜间灯光数据的局部空间自相关方法进行分析,结果如图4。从年际变化上看,2013—2021年间,高高聚集类型区数量呈现出随时间变化先减少后增加并逐渐稳定的趋势,符合重庆市全局 Moran’s I指数特征,高高聚集区虽然在2017年相对减少,但总体上相对稳定,集中分布于渝北区、江北区、巴南区、长寿区等地,是重庆市重要经济核心区,这些区域与经济发展条件较好的县域相吻合,在经济扩散效应作用下,构成了重庆市重要的经济发展轴;低低聚集类型区的空间分布相对稳定,主要集中于渝东北与渝东南地区,由于受到地理区位及生态环境保护压力的影响,经济发展缓慢,低低聚集区由2013年的4个县区到2017年减少为3个,主要得益于政府的战略支持,渝东北郑渝铁路的全线运营、万开隧道的投入使用、渝东南酉阳高级中学的成立、酉阳新城医院的建立,加快构建了渝东北“一心、一廊、五片”带状网络化城镇体系、渝东南武陵山区城镇群山城特色化城镇体系,虽然处于经济“洼地”,但仍在缓缓发展;高低聚集与低高聚集类型区分布数量较少,高低聚集分布的主要为经济发展潜力较大、速度较快的县域,以2021年万州区为例,作为渝东北城镇群发展的中心城市,其GDP总量为1 087.94亿元,GDP增速为12%,比周围开州区、梁平区等高出很多;相同低高聚集类型区分布数量少,特征不明显。

4 结论与讨论

本文基于2013—2021年重庆市NPP/VIIRS夜间灯光数据作为数据源,在对夜间灯光数据进行预处理后,采用重心转移、标准差椭圆、变异系数及空间自相关分析等方法,从经济发展方向、经济分异性特征及空间集聚性三个方面分析重庆市2013—2021年经济发展特征,主要结论如下。

由标准差椭圆结果可知,重庆市经济重心逐渐向东北方向缓慢移动,经济总体方向呈现出西南-东北空间分布格局;重庆经济标准差椭圆面积增加而长短轴之比不断缩小,这表明重庆市经济发展区在不断扩张的同时内部差异逐渐减小。

研究期内,重庆市经济随着时间发展变异系数呈现波动性减小的趋势,说明重庆市各县区经济发展水平的相对差异有所缩小,经济发展不平衡的局面得到缓解。

2013—2021年间,从年际变化上看,高高聚集类型区数量呈现出随时间变化先减少后增加的趋势,符合重庆市全局 Moran’s I指数特征,空间格局总体上稳定;低低聚集类型区空间分布相对稳定。从空间分布特征来看,高高聚集主要分布在重庆主城都市区等发达县域;高低聚集为经济发展潜力较大、速度较快的县域;而低低聚集类型区则主要分布在渝东北、渝东南经济发展缓慢地区。

以往的研究大部分是基于传统的统计数据来分析区域经济发展的时空动态特征,存在数据缺失、GDP均匀分布、样本少等缺陷,而采用夜间灯光数据则克服了这一系列问题,且利用NPP/VIIRS数据还能在更小地理单元上获取相关信息。近年来,随着珞珈一号等新一代夜光遥感影像的发展,其分辨率可达130 m,更加适合于城市区域尺度的经济社会活动的研究。同时,只利用夜间灯光数据具有一定的局限性,例如,人口增加可以增加灯光强度,即使是在经济低迷时期[21]。因此,下一步可以考虑建立人口、城镇用电情况等数据的综合指标更能全面揭示城市的经济格局。