基于夜间灯光数据的天山北坡城市群第二、三产业GDP空间化模拟

阿孜古丽合尼，高 倩，阿里木江卡斯木

1.新疆师范大学地理科学与旅游学院，乌鲁木齐830054

2.丝绸之路经济带城镇化发展研究中心，乌鲁木齐830054

随着中国城市化进程的不断加速，城市化带来的挑战也越来越多，不同地区间的发展规律和模式突显出越来越大的区域差异[1].国内生产总值(gross domestic product,GDP)是衡量区域社会经济发展状态的重要人文统计数据之一，也是城市发展相关研究的一项重要指标[2].为了科学地分析GDP 对自然环境和社会经济条件的作用，需要对自然环境数据与社会经济数据进行科学的采集处理与合理的统计分析.其中，自然环境数据如高程、土地利用、气候、植被以及土壤等通常是栅格数据，因而必须通过空间化建模的方式使得自然环境数据（栅格数据）具有社会经济指向.实现集成分析，强化人文因素在人地系统中的作用研究，使得集成分析可以通过栅格化的自然环境数据与经济活动数据来实现[3].相比于GDP 统计年鉴数据，空间化后的GDP 密度值具有以下3个优势：1）1 km格网的GDP 密度值既可以反映统计区域的内部GDP 差异，又能够反映区域内经济空间分布特性；2）GDP 空间化结果包含地理空间信息，因而可以通过空间分析功能实现其应用价值，如某区域发生地震灾害后可利用空间分析实时评估灾区的社会经济损失；3）GDP 公里格网的密度值不受行政区域变更影响，可进行长期持续的研究.遥感与地理信息系统技术可以为经济活动提供连续、独立以及相对均匀的数据源[4-5].

近年来，经济学家对社会经济空间化问题展开了深入研究.根据学者在大尺度空间的研究成果可以得出经济活动与夜间灯光分布之间呈现明显相关性[6-9]以及夜间灯光数据应用于经济分析具有可行性[10-12]的结论.文献[13]首次根据1996年和1997年的夜间灯光数据估算了全球各个国家的GDP 空间分布情况.文献[14]编制了第一幅全球尺度的GDP 空间分布图，但并未给出降尺度后的结果.文献[15]采用全球夜间灯光数据验证了中国经济增长以及GDP统计数据的真实性.受自然环境条件的限制，中国西部干旱地区的人类活动集中分布在有限的绿洲区域，县域内的经济与人口要素分布极不均匀.要解决以行政单元为单位的传统统计型资料空间表示与实际情况不符的问题，一个有效的办法即是对统计数据进行格网化表达.因为利用夜间灯光数据分析新疆天山北坡城市群GDP 空间化的研究较少，而通过土地利用数据研究新疆GDP 空间化的模拟较多，所以本文基于DMSP/OLS 夜间灯光数据区分产业建模的思路，采用回归分析和相关分析方法与天山北坡城市群的第二、三产业GDP 数据回归建模.

区域性城市群中每个城市都占据着重要的地位，促使级别越高的城市及其所形成的区域与城市间能更好地构成相对完善的有机整体.城市群（urban agglomerations）是指在特定的自然环境条件下，以1 个或2 个特大的城市为核心，基于便捷的综合运输网和现代化交通工具，借助高度发达的信息网络，使其周围集聚3 个不同性质、规模、类型城市的“集合体”[16].天山北坡城市群是国家“十三·五”期间推动建设的19 个城市群之一，是新疆连接西方、中亚与“丝绸之路经济带”的重要窗口，既是重点建设的两个边疆地区城市群之一,又是“丝绸之路经济带”核心区城市群建设之一.当前，此区域不仅是新疆城镇化的主体区，而且是经济发展的战略核心区.

本文综合分析了中国典型干旱区新疆天山北坡城市群的经济发展规律和DMSP/OLS 夜间灯光数据与新疆天山北坡城市群GDP 的相关性.夜间灯光数据能较好地反映该区域GDP空间分布特征、应用遥感和地理信息系统的空间集成技术、SPSS 软件的分析功能以及经济学原理，实现了GDP 的空间化，构建了适合于干旱区的GDP 空间模型，并在原有密度的基础上进行建模计算出每个栅格的GDP 密度值，得到了2002∼2012年天山北坡城市群1 km×1 km 的GDP 密度分布图，进而反映出该区域的经济发展现状.

1 研究区与数据来源

1.1 研究区概况

天山北坡城市群分布在新疆准噶尔盆地南缘、西北边陲的天山北坡地区，是丝绸之路经济带上的重要支撑点.“一带一路”战略不断促进天山北坡城市群的经济快速发展.新疆天山北坡城市群的核心城市由乌鲁木齐市、昌吉市、石河子市、奎屯市、克拉玛依市、阜康市、乌苏市、玛纳斯县、沙湾县、呼图壁县等城市组成[17-19]，如图1所示.各县市总土地面积约8.7×104km2.到2012年末，工业总产值达1 867 亿元，城镇人口为497.94 万人，总人口为516.47 万人，国内生产总值为4 039 亿元，分别占全疆65.5%、50.7%、23.1%、53.8%.天山北坡城市群的经济发展表现出相对延迟、产业系统不完善、产业经营规模较小、经济发展后劲较大等特点[20].西北干旱区特殊的自然条件造就了人类活动集聚在水土资源较为丰富的的绿洲的格局，因而所产生的经济效益表现出更明显的差异.随着新疆经济的发展以及312 国道、北疆铁路、高速公路等交通基础设施的逐渐完善，天山北坡经济带不仅成为新疆经济交通的主干道，而且已成为一种独特的“临路型”城市群.

1.2 数据来源

研究所使用的数据主要包括：

1）本文采用2002年和2012年的夜间灯光数据，传感器分别为F15 和F18.DN，像元灰度值范围在0∼63 之间，0 意味着没有灯光，数值越大说明灯光亮度值越大.利用新疆天山北坡的矢量数据裁剪出夜间灯光数据，并重采样为1 km大小的栅格数据，如图2所示.DMSP/OLS灯光数据来源于美国国防气象卫星，卫星同步运行轨道高度830 km，扫描带宽3 000 km，回归周期101 min，每天运行14 轨道，并以6 h为间隔监控全球气象信息.所有运行线扫描系统（operational linescan system,OLS）传感器每日都可以获得全球范围内的昼夜图像，提供黎明、白昼、傍晚、夜晚4个时段的观测数据[21].

2) GDP 数据来源于新疆统计年鉴（2003年和2013年）.从年鉴上采集了10 个县市的GDP 数据，运用上述数据建立回归模型并估算结果.

3)天山北坡各个区县行政边界（1:2 500 000）从中国基础地理信息中心网站（http://linebreak gts.sbsm.gov.cn）提取.

图1 研究区示意图Figure1 Map of study area

图2 2002年和2012年天山北坡城市群DMSP/OLS稳定夜间灯光卫星数据Figure2 DMSP/OLS stable nighttime light satellite data for urban agglomeration in northern slope of Tianshan Mountains in 2002 and 2012

1.3 数据预处理

1.3.1 DMSP/OLS 夜间灯光影像校正

本文所用的校正方法可分为以下2 个步骤：

步骤1数据自校正.从灯光数据来看，由于在第2年的DN像元值会存有上一年的DN像元值，采用ArcGIS软件中的空间分析工具去除非稳定DN像元.

步骤2DMSP/OLS 数据辐射定标.DMSP/OLS 夜间灯光数据由平均灯光数据(average visible)、无云观测频数(cloud free coverage)、稳定灯光数据(stable lights)在内的3 种全年平均数据获取，具有不同功能的传感器探测机并随时间推移与自身新陈代谢产生机能衰退，引起数据缺少可比性的后果，因此有必要进行辐射定标.因为需要社会经济稳定发展的区域作为样本，所以鸡西市被选为样本区域，把最高灯光强度的F162007 期数据作为参考标定数据，根据式（1）构建一元二次回归模型对数据进行空间自校正处理

式中，DN 与DNc分别为校正前后的DN值，a、b、c为校正参数.

1.3.2 实际GDP

名义GDP(nominal GDP)指用劳务和生产商品以当年价格计算的所有最终产品的市场价格[22].因为统计年鉴中的GDP 统计数据为名义GDP，并没有考虑劳务价格和商品变化的影响，所以需要把名义GDP 转化为实际GDP，即以各年的可比指数进行计算

式中，R为当年实际GDP，Sq为当年统计GDP，δ表示从作为对比基础的日期算起到当年的各年可比指数.

2 研究方法

2.1 建立天山北坡城市群各县市灯光指数

将天山北坡城市群各县市矢量边界和夜间灯光数据进行叠加分析，分别算出区域内的反映社会经济水平的常用灯光指数夜间灯光总强度、综合灯光指数（compounded night light index,CNLI）、平均灯光强度和灯光面积比，分别用N、CNLI、I和S表示[23-24]，即

式中，DNi和ni分别表示行政单元内第i级灰度像元值和像元数，AN为灯光斑块面积灰度值像元总数，NL为最大灰度值对应的数，NL和AN分别代表行政单元内在[DNmin、DNmax]区间的像元总数和所占面积，A为行政单元面积.

2.2 建立GDP 空间化模型

第一产业由农业、林业、牧业、渔业等产业部门组成，主要存在于农村地区.因为农、林、牧、渔的灯光亮度极低，所以灯光指数关系、土地面积以及人口空间分布与灯光辐射亮度的相关性均很低.基于第一产业与夜间灯光相关度不大的事实，本文选取各县市、第二产业GDP2和第三产业GDP3在SPSS 软件中分析相关性，以GDP 空间化方法[25]处理5种灯光指数N、I、S、AN、CNLI 后获得各产业灯光指数的相关系数R2，依次选择与其相关性最大的灯光指数作为最佳灯光指数，然后对天山北坡城市群的最佳灯光指数进行回归分析，其计算公式如下：

式中，GDPi表示第二、三产业，A0和Bi为回归模型系数，b为相关分析中选取的最佳夜间灯光指数的系数，Qj分别为N、I、S、AN、CNLI.上述方法的整个技术流程如图3所示.

图3 GDP 空间化的技术流程Figure3 Technical process of GDP spatialization

3 GDP 空间化结果

3.1 夜间灯光指数与GDP 统计数据的回归模型建立

把2002年与2012年的第二产业GDP、第三产业GDP 与两年灯光指数N、I、S、AN、CNLI依次进行线性回归分析，结果显示GDP2、GDP3与对照的相关性最大的最佳灯光指数为夜间灯光总强度.研究区夜间灯光总强度与GDP 回归分析结果如图4所示.

为了模拟2002年和2012年各产业GDP 的空间分布，选择两个时期的国内生产总值与灯光总强度N，并在SPSS 软件中进行回归分析.从图4所反映的2002年和2012年的夜间灯光总强度与各产业的GDP 关系来看，两个时期夜间灯光指数与第二、三产业值具有明显的相关性，第二产业的R2为0.75、0.83；第三产业的R2为0.86、0.87.模型拟合效果极佳说明夜间灯光数据可以较好地反映出GDP 空间分布.

图4 全区夜间灯光总强度与GDP 回归分析结果Figure4 Regression analysis results for total intensity of nighttime lighting and GDP

3.2 社会经济数据格网化

社会经济数据格网化是社会科学研究与自然科学研究交叉、融合的关键过程之一[26].格网化的社会经济数据不但能够更加接近实际并直观反映现实，同时也为经济、自然和社会数据的融合提供了统一的空间基准.首先提取各年份DMSP/OLS 夜间灯光栅格数据的每个独立格网面单元，然后根据GDP 统计数据回归模型中DN 值与社会经济类数据值的相关关系，将每格网面单元对应的GDP 空间分布数量代入Python 程序进行计算并赋值，实现研究区GDP 空间分布的格网化.数据格经网化处理后，不仅使夜间灯光数据的原始像元属性得以保留，而且也将GDP 统计数据与1 km×1 km 格网面文件进行了整合分析.

3.3 GDP 统计数据的空间化

3.3.1 GDP 密度图的制作

ArcGIS 10.3 软件利用模型进行空间化处理，将GDP 统计数据按模型分配到每个像元，

利用县市GDP 统计数据作为线性调整基准来校正每个像元值，最后根据式(8)制作1 km×1 km 天山北坡城市群两期第二、三产业GDP 密度图，分别如图5和6 所示.

式中，GDP 表示使用统计数据得到各县市纠正后的GDP 密度，GDP模拟为每一个栅格的模拟GDP 密度值，GDP统计为该区县统计GDP 值，GDP23为该区县三产业的产值预测值.

图5 模拟的天山北坡城市群第二产业GDP 密度变化分布图Figure5 Distribution map of simulated GDP density of the second industry in northern slope of Tianshan Mountains urban agglomeration

图6 模拟的天山北坡城市群第三产业GDP 密度变化分布图Figure6 Distribution map of simulated GDP density of tertiary industry in northern slope of Tianshan Mountains urban agglomeration

3.3.2 GDP 空间分布状况分析

利用地理信息系统空间分析技术得到2002年和2012年的GDP 空间分布（图5和6，图例中不同年份相同颜色代表不同GDP 产值），分别反映了天山北坡城市群GDP 空间分布变化状况.以研究区各产业生产值的空间分布模拟图（图5）为例，两期的第二产业空间分布具有沿着交通线分布在主要节点上焦距的特征.天山北坡公路、铁路干线的枢纽城市如乌鲁木齐市、克拉玛依市、奎屯市、石河子市等便捷的交通使天山北坡城市群在发展建筑业、高新技术产业等行业上具有明显的优势.如图6所示，这两时期的第三产业产值趋向是城市越从中心向外发散，城市规模越大，区域间的差异越大，单位面积上的第三产业产值越高[27].

通过对比分析研究区2002年和2012年GDP 空间分布的模拟结果可以发现：在2002年，第二产业与第三产业GDP 密度低于20 万元的区域分别占研究区总面积的84.78%、85.59%；GDP 密度在20 万∼40 万元之间的区域分别占9.8%、9.58%；40 万元以上的区域约占5.42%、4.83%；在2012年，第二产业和第三产业GDP 密度低于80 万元的区域分别占研究区总面积的76.54%、81.3%；GDP 密度在80 万∼160 万元之间的区域分别为11.01%、9.43%；160 万元以上的区域约为12.45%、9.27%.在2002～2012年期间，天山北坡城市群经济发展迅速.要培育发展天山北坡城市群，必须着眼于西部大开放的战略格局，其中新型工业化的克拉玛依市是国家主要的石油石化基地，其第二产业产值占GDP 总产值的比例较大.凭借独有的资源禀赋和区位优势，乌鲁木齐、石河子和克拉玛依三市的人口不断增加，从而带来城市化水平逐年上升，促进第三产业迅速发展.由图5和6 可知，第二、三产业产值的高值区主要集中在乌鲁木齐-昌吉-石河子-奎屯-克拉玛依一线，各县市内部GDP 密度由城市核心向周围辐射递减，建成区GDP 密度显著高于城郊和农村地区.

天山北坡城市群是丝绸之路经济带上发展基础最好、经济实力最强、城镇化水平最高的地区.2002年，全区大力推进工业生产，逐步完善铁路、公路等交通基础设施，同时开始运营主要的交通线路.研究区的GDP 空间分布呈现出沿交通线发展布局，首府乌鲁木齐市逐渐呈现两个中心发展的趋向.至2012年，加快新型工业化进程、推动新型城镇化建设、加快推动经济建设、加强基础设施与生态环境建设、使得天山北坡城市群各县市的第二、三产业迅速发展，各县市GDP 水平均有明显提高，GDP 的空间分布开始面状扩散，各城市中心也逐渐出现经济集聚发展趋势.

3.4 GDP 空间化结果检验

由于验证GDP 空间化精度缺少乡镇级别单元的行政边界数据，其数据的获取比较困难.因此，本文尝试分产业对其精度进行检验，即利用各产业GDP 空间分布格网单元中的模拟值与实际值进行对比分析，以便验证统计型经济数据的空间化精度.

表1对比了天山北坡城市群第二、三产业GDP 统计值与模拟值结果，可以看出研究区域在两个时期内的GDP 模拟效果较好，其统计值与模拟值之间的相对误差均在0.1%以内，验证了本文中的GDP 空间分布模拟的可靠性以及第二、三产业模拟的合理性.

4 结 语

DMSP/OLS 夜间灯光数据易于获取，能够在一定程度上反映各县市经济和第二、三产业产值的空间分布情况.目前，基于DMSP/OLS 数据对新疆GDP 空间化的研究相对较少，本文在新世纪全面推动“一带一路”建设的环境下以新疆天山北坡城市群为研究区，基于2002年和2012年的GDP 统计数据及其夜间灯光数据并借助GIS 分两期构建GDP 密度模型，最终建立了2002年和2012年的天山北坡城市群1 km×1 km GDP 密度图.

表1 天山北坡城市群GDP 模拟结果分产业精度验证Table1 Accuracy verification by industrial of GDP simulation results for urban agglomeration in northern slope of Tianshan Mountains

研究区各县市2002年和2012年GDP 数据的空间化模拟结果准确性较高，与统计值相比误差均小于0.1%.第二、三产业产值及GDP 的空间分布模拟比较真实地印证了天山北坡城市群的经济发展特征，通过两期的GDP 空间化模拟结果直观地展现出区域经济与动态发展过程，同时更好地突出了建成区以及建成区内部与周边乡镇的经济差异.本文挖掘了DMSP/OLS 夜间灯光数据与天山北坡城市群GDP 空间分布的潜在规律，为天山北坡城市群GDP 研究提供了一种新的技术方法.夜间灯光数据的GDP 密度分布图可以反映GDP 在每一个像元的值，消除了平均分配GDP 所产生的边界不连续问题，更加清晰真实地反映了GDP 分布特征与GDP 分布规律，对研究区内的宏观经济规划具有一定的参考价值并且丰富了中国城市群经济动态变化的研究.

本文证实了利用DMSP/OLS 反演新疆天山北坡城市群第二、三产业GDP 分布空间化模拟是可行而可靠的，但考虑到影响社会经济空间分布的因素较为复杂，后期还需一定数量的乡镇级数据来检验GDP 数据空间化精度，因而夜间灯光数据的GDP 分布空间化在微观尺度的充分性校验亟待进一步探讨.建立更加精准、可操作性更强的结果检验标准，进一步强化GDP 统计数据空间化的实用性是今后研究的内容之一.