刘泽平

（华东师范大学地理科学学院）

1 引言

近年来，中国进入快速城市化阶段，城镇扩张趋势十分明显，然而城市的过度扩张以及无序扩张会导致区域不平衡发展与城市病的加重，进而影响发展战略规划的实施以及城市经济发展[1]。上海作为国际化大都市，城市发展驱动力多样，因此探索上海市近些年城市空间动态变化，评估上海市城市发展战略的实施效果，进而探究城市变化背后的驱动力，从而把握上海市发展方向，这些将有助于上海市的公共决策与城市发展[2]。

夜间灯光遥感为城市空间变化分析提供了便捷的途径[3]。以NPP-VIIRS为代表的夜间灯光数据可以较为精准的捕获城市、居民地、渔船等夜间灯光信号[4]，进而实现了城市边界与其发展情况等信息的提取。在我国许礼华[5]以长三角城市群为研究区域，使用NPP-VIIRS数据探究城市扩张变化，证明了数据准确性。和秀娟等[6]通过对夜间灯光数据进行热点分析，指出成渝城市群扩张经历了“点状扩张-点环扩张-点轴扩张-轴带辐射”的格局转变过程。这说明夜间灯光数据在城市扩张研究中具有一定可靠性。

关于城市发展驱动力的分析，国内外有大量学者开展了相关研究。Mundia[7]认为经济增长和交通影响了城市扩张，城市主要沿着道路呈线性扩张；胡德勇等[8]通过分析长沙市城市扩张演变，认为人口增长是其主要驱动力；冯庆功[9]对人口，地租，生态指标，金融产业区位熵等因素与夜间灯光强度做拟合，指出金融集聚效应是长三角城市群发展的主要动力。

综合以上方法，笔者将采用2012年～2019年NPP-VIIRS夜间灯光数据，分析上海市城市空间变化，之后统计上海人口与经济指标，结合夜间灯光亮度，分析上海市城市发展的主要驱动力，最终把握上海市城市发展的情况。

2 研究区域

上海市位于我国东部沿海，毗邻长江与黄浦江，属于长江入海口地区，区域地势平坦，是我国优良的河口港。同时上海市经济腹地广阔，经济发达，是长三角城市群的中心城市，也是国际化金融中心城市。

3 数据源

3.1 夜间灯光数据

NPP-VIIRS夜间灯光数据(以下简称NPP)来源于美国国家海洋和大气管理局（NOAA/NGDC），数据为全球每月夜间灯光数据，时间序列为2012年～2019年。

3.2 统计指标数据

本文所用的相关统计指标均来自于2012年～2019年各年度的上海市统计年鉴。

4 研究方法

4.1 NPP-VIIRS年度数据校正

NOAA/NGDC发布的NPP数据属于未经预处理的原始数据，数据存在异常值，同时由于不稳定光源的存在，NPP连续观测数据也存在一定的不稳定性。因此需要对数据进行异常值剔除与稳定化处理。

4.1.1 异常值剔除

理论上灯光辐射值应大于等于零，因此笔者采取网站提供的2015年与2016年已校正的年度NPP数据为基准，2012年～2014年NPP数据DN值小于零的像元点用2015年NPP数据对应像元点替换；2017年～2019年则以2016年数据替换。

由于可能存在反射率较高的表面，从而导致夜间灯光数据存在亮度异常高值，远大于实际情况，需要剔除。本文采用均值滤波算子（图1）对极大值进行剔除。

在防治玉米病虫害期间，可以利用化学除草的方式，在播种后可以进行封闭灭草，每亩用玉米草净100ml，并且兑水25kg，在播种之后的三天之内进行封闭灭草，另外土壤墒情较好时也可以采用播后苗前土壤封闭除草。

表1 变量汇总及说明表

图1 均值滤波算子

4.1.2 稳定化处理

对于不稳定光源和背景噪声，本文参考胡卫安等[10]提出的方法，以2015年和2016年两期官方稳定NPP数据为基准，采用如下方法进行去除：

首先将2015和2016年两期NPP数据进行二值化处理(0与1)，即公式(1):

式中DN表示校正后夜间灯光亮度值。

之后将两期二值数据合成并对原始数据进行掩膜，去除掉了不稳定光源与背景噪声。

同时本文认为NPP数据后一年的亮度值大于前一年的亮度值，本文以2019年度NPP数据为基准数据，对其它年份进行校正。

4.2 城市建成区提取

城市建成区的提取本质上是二值分类的问题，即确定一个合适的亮度阈值用于划分建成区和非建成区。在夜间灯光领域，阈值的确定主要有经验阈值法[11]，突变检测法[12]，统计数据比较法[13]以及TM影像比较法[14]。舒松等[15]通过对以多上海市建成区提取的研究，指出突变检测法的精度更优。因此本文采用突变检测法划分阈值。

4.3 城市发展驱动力分析

本文以城市发展程度为被解释变量，以金融集聚，人口因素，生态指标，第一产业产值，第二产业产值和第三产业产值作为解释变量，进行驱动力分析，各变量的说明如表1所示。

最小二乘法（OLS）因为简单直观的特点，被广泛用于应用于经济数据的回归，本文采用OLS回归方法，所用公式如下所示：

式中β为一般回归系数，ε为残差项。

5 结果

5.1 夜间灯光数据校正结果

本文对夜间灯光数据进行异常值剔除与稳定化处理，校正得到了上海市2012-2019年城市夜间灯光影像，其中2019年夜间灯光数据如图2所示。

5.2 城市建成区提取结果

本文提取得到的2012-2019年上海市建成区划分阈值如图3所示。

图2 夜间灯光数据校正后结果(2019年)

图3 上海市建成区划分阈值变化情况

可以发现阈值基本围绕其平均值16.17波动，故最终选取16.17作为划分城市建成区与非建成区的阈值。

之后采用该值提取得到2012年～2019年上海市建成区范围变化(图4)，发现2012年～2019年上海市建成区以老城区为核心，沿东南-西北轴线方向发展，城区主体部分空间碎片化特征减弱，建成区斑块化特征更加明显。崇明三岛建成区的变化呈现以原建成区为核心，向四周不均匀发展的特点，考虑到崇明三岛城市化水平较低，本文在此部分仅考虑上海主体区域。

图4 上海建成区空间范围变化(图中黑色框选指建成区变化较为明显的区域)

此外，从图4可以发现上海市东南部分城市扩张程度更为明显，以图中黑色框选出来的区域为代表，采用百度地图坐标拾取系统进行地理坐标的反查，最后得到该区域的真实情况，结果如下表2所示。

由表2可知，上海市东南方向建成区的飞速扩张主要原因为政策加持，高科技产业的集聚作用以及外资的引入。临港新城由于北邻浦东机场，南接洋山国际枢纽港，因此具有得天独厚的交通条件，同时在上海市相关政策的大力支持下，其近年来的发展变的极为显著。而申江科创园与奉贤经济开发区作为21世纪新成立的高新技术园区，其内部集聚了大量的高科技产业，从图4可以发现它们不仅自身发展迅速，而且也带动了周边地区的经济活动。这说明高科技产业的集聚作用产生了规模经济效应和空间外溢作用。其中规模经济主要作用于产业园区内的企业，降低了企业生产成本，而空间外溢作用主要体现在信息技术的溢出以及人才溢出等方面，科创园与开发区的信息溢出带动了周边其它产业的发展，也带动了周边经济的发展。

而上海迪士尼作为外资投资的典范，它的落成也显著带动了周边经济的活动，这说明要素投入对经济活动区位的影响是极为显著的。

最后统计2012年～2019年每年的建成区面积，其波动情况如图5所示。

表2 扩张变化突出区域中心坐标与区域名称

图5 上海市建成区面积变化情况

由图4可知上海市建成区上升趋势显著，线性拟合后总体变化趋势为72.13km2/年。分段来看，其变化主要分为两个阶段，分别是2012年～2015年与2016年～2019年，前者建成区变化趋势为108.53km2/年，而后者则为76.79km2/年，可见上海市近几年建成区扩张速度放缓，有趋于稳定的迹象。

5.3 城市发展驱动力分析

对表1各因子进行OLS线性拟合，拟合方程如下：

y=186.50FA-0.36PD-0.000027EE-0.12PI+0.0012SI-0.00077TI+71.03 (5)

从各个拟合参数来看，金融产业区位熵对上海市城市发展具有显著的促进作用(说明金融集聚的对区域经济的发展具有积极影响，即金融集聚是推动上海区域经济发展的主要因素之一。而人口密度与第一产业产值的系数为负，且通过了10%显著性检验，说明这两个变量对上海市的发展具有显著抑制作用。究其原因，是因为人口的过度拥挤会增加生活成本从而拉底经济效率。而第一产业的过快增长会挤占其它高利润产业的生存空间，不利于城市的现代化发展。

此外，生态指标和第二、第三产业产值对上海市发展没有显著性影响，本文认为是因为上海市第二、第三产业发展仍不完善，对区域经济的发展的促进作用并不明显，有待进一步发展。而绿地生态作为城市的便民福利，更多的是改善了人文环境，对经济的直接作用并不明显。

6 结语

本文首先使用经过校正后的NPPVIIRS夜间灯光数据，逐年采用大津法突变检测阈值，最终确定了2012-2019年上海市夜间灯光数据区分建成区的合理阈值。之后，用阈值法提取多年城市建成区，从时间角度来看，上海市建成区面积以72.13km2/年的速度增加，但是近5年建成区面积增长趋势减缓。从空间角度看，上海市主要向东南方向扩张，扩张原因主要是因为政府政策扶持，高科技产业集聚带来的规模经济与空间外溢以及外资引入对区域经济的影响作用，这与李旭辉等[16]通过对京津冀城市群产业集聚演化的研究所得到的研究结果类似。

最后本文采用OLS线性回归方法对上海市发展驱动力进行分析，研究发现金融集聚对上海市城市发展具有促进作用，而第一产业产值与人口密度对上海市发展具有抑制作用，这与冯庆功[9]的研究结果相似。