朱康文 ， 刘春霞 ， 李月臣 , 周梦甜

(1.重庆师范大学 a.地理与旅游学院，b.三峡生态环境遥感研究所，c.重庆市高校GIS应用研究重点实验室，d.职教师资学院，重庆 401331； 2.重庆市环境科学研究院，重庆 401147)

重庆市DMSP/OLS灯光数据与产业发展及演变的关系

朱康文1a,1b,1c,2， 刘春霞1a,1b,1c， 李月臣1b,1c,1d, 周梦甜1a,1b,1c

(1.重庆师范大学 a.地理与旅游学院，b.三峡生态环境遥感研究所，c.重庆市高校GIS应用研究重点实验室，d.职教师资学院，重庆 401331； 2.重庆市环境科学研究院，重庆 401147)

以重庆市40个区县为研究区域，以2000，2010年为时间节点，结合DMSP/OLS灯光数据、土地利用数据和重庆市企事业单位统计数据库，计算不同时期各区县的DN总值与不同类型产业数量之间的相关系数，分析DMSP/OLS灯光数据的DN总值与不同类型产业数据的关系。研究结果表明：结合影像自校正法和辐射定标法进行数据预处理效果较好；采用DMSP/OLS灯光数据与土地利用数据叠加的方式可以有效避免阈值设置的问题；两个时期的DN总值与不同类型产业数量之间的相关性很高，均通过了显著性检验；DN总值和房地产业之间的相关性最高；随着产业结构升级，对应的相关系数也在增大。DN总值大小在一定程度上可以反映区域产业发展及演变，为研究不同区域的产业结构提供了一种新的方法和依据，是对传统研究方法的有效补充。

DMSP/OLS灯光数据；DN值；产业结构与演变；相关分析；重庆市

0 引言

随着城镇化进程的加快，区域内的二三产业数量基本都呈不断增加的趋势，而二三产业发展及其结构也是反映该区域城镇化水平的主要指标之一，与区域经济发展关系密切[1-2]。常规的LANDSAT，SPOT，NOAA数据都无法反映区域内经济发展状况，美国防卫气象卫星计划(Defense Meteorological Satellite Program，DMSP)军事气象卫星搭载的实用线扫描系统(Operational Linescan System，OLS)传感器为这方面的研究提供了新的方法[3-4]。DMSP/OLS传感器可在夜间工作，能探测到城市灯光甚至更小规模的居民地、车流等发出的低强度灯光，明显区别于黑暗的乡村背景，适合城市发展水平的研究和城镇化进程的动态监测[5-6 ]。

DMSP/OLS灯光数据主要用于城镇扩展、社会经济因子估算以及环境、灾害、渔业、能源等研究领域[7-11 ]，其研究重点和难点是最佳阈值的获取。最佳阈值的获取方法主要有经验阈值法、突变检测法、统计数据比较法、较高分辨率影像数据空间比较法，各种方法均有优劣，较常用且精度较高的方法有统计数据比较法和较高分辨率影像数据空间比较法[12-14]。本研究综合考虑这些方法的优劣，采用辐射定标法和影像自校正法对数据进行预处理，以土地利用数据作为城建用地面积标准，与灯光数据进行叠加分析，有效避免由于阈值设置不当及灯光数据边界过于粗糙所带来的误差。

目前，区域产业结构及其演变分析基本是根据统计数据进行[15-17]，在统计数据缺失情况下的研究则成为难题。DN值(digital number)是遥感影像像元亮度值，记录地物的灰度值，其大小与传感器的辐射分辨率、地物发射率、大气透过率和散射率等有关。本研究通过计算重庆市DN总值与不同类型产业数量之间的相关性，表明DN总值在一定程度上可以反映区域内产业结构，拓宽了DMSP/OLS灯光数据的应用领域，也为区域产业分析提供了新的思考方式和新的数据来源，对DMSP/OLS灯光数据以及产业发展相关研究有重要的现实意义。

1 研究区概况及数据来源

重庆市位于东经105°17′～110°11′、北纬28°10′～32°13′，处于青藏高原与长江中下游平原的过渡地带，是长江上游最大的经济中心、西南圈工商业重镇和水陆交通枢纽。2015年，重庆市GDP达15 719.72亿元，人均GDP 52 111.58元，略高于全国平均水平，渝北区、九龙坡区和江北区GDP领先，城口县GDP最低；渝中区人均GDP达到147 524.25元，九龙坡区、江北区、南岸区、渝北区、涪陵区、沙坪坝区人均GDP都超过60 000元，巫溪县人均GDP最低，为18 772.38元。

研究数据主要包括：(1)2001，2010年的DMSP/OLS灯光数据，该数据是由美国空军气象局收集、经美国国家地球物理数据中心处理后所获得的产品(http://ngdc.noaa.gov/eog/archive.html)，数据值(DN值)范围在0～63之间，像元大小是0.008 333°；(2)土地利用数据来源于国家环保部门发布的2000—2010年生态遥感评估数据，选取2000，2005，2010年3期数据，数据分辨率为30 m，数据已获得国家环保部认可；(3)产业数据来源于重庆市工商局、统计局的企事业单位统计数据库。

2 研究方法

2.1 DMSP/OLS灯光数据提取

2.1.1 影像自校正。考虑到不同年份之间DN值不稳定，需对影像进行初步处理。首先，采用影像自校正法对1992—2012年数据进行校正。即假设研究区域不会发生逆城镇化的现象，如果一个像元在某年为灯光覆盖区域，那么在次年这个像元也必须是灯光覆盖区域(符合中国的发展模式，即城镇化之后不会发生逆城镇化)，否则判断其为噪声，赋值为0，以此类推。在ArcGIS 10.0中将相邻两期数据中DN=0的区域和DN>0的区域分别赋值，例如1992年分别赋值0，1，1993年分别赋值0，10，栅格计算器进行相加会出现0，1，10，11，值为1表示1992年DN>0且1993年DN=0，该区域就属于噪声，与城镇化区域不会发生逆城镇化相矛盾。

2.1.2 辐射定标。为了使数据在时间序列上保持稳定，以黑龙江省鸡西市F162007灯光数据为样本对重庆市2000，2010年灯光数据进行辐射校正，校正方程为[18-21]：

DN=a×DN02+b×DN0+c。

式中：DN0，DN分别为校正前、后像元的DN值；a，b为回归系数；c为常数。

2.1.3 同年份不同卫星数据的校正。由于2000年有F142000和F152000两期不同的卫星数据，为了消除二者之间的误差，灯光数据校正值采用两期数据的均值。

2.2 企事业单位空间化

重庆市企事业单位统计数据库原始数据为EXCEL表格，通过Google地球和百度地图的坐标拾取工具提取出各企事业单位的经纬度信息，在ArcGIS 10.0软件中生成空间数据，分别提取40个区县不同类型产业包含的企事业单位数量，并采取随机抽样的方式对140 445个企事业单位的地理位置进行精度验证，每1 000个点数据随机抽取100个，验证精度达98%。企事业单位的分类是按照国民经济行业分类代码(2011年版)标准进行，除去第一产业，将23类两位数产业类型作为研究对象，共140 445个企事业单位，分别提取40个区县2000，2010年不同类型产业的企事业单位数量。

2.3 相关性分析

利用SPSS统计分析软件，将40个区县提取出来的DN总值与对应区县内不同产业类型的企事业单位数量进行相关性分析并得到一系列结论。

3 结果与分析

3.1 DMSP/OLS灯光数据

对重庆市F142000，F152000，F182010 3期灯光数据分别进行辐射校正，得到3期灯光数据的校正方程。

F142000：DN=0.003 2×DN02+0.841 7×DN0+1.936 5，

R2=0.84；

F152000：DN=0.006 5×DN02+0.545 2×DN0+3.707 0，

R2=0.81；

F182010：DN=0.008 6×DN02+0.258 5×DN0+3.516 2，

R2=0.87。

对2000年两期灯光数据(F142000，F152000)校正后的结果进行均值化处理并重采样为30 m，并在栅格计算器中将处理后的2000，2010年灯光数据与土地利用数据中的建设用地进行叠加，最终获取融合建设用地信息的2000，2010年灯光数据影像(图1)。

图1 重庆市DMSP/OLS夜间灯光数据Fig.1 DMSP/OLS nighttime light data in Chongqing City

3.2 DN总值与GDP的关系

根据2000，2010年灯光数据分别提取重庆市40个区县各年的DN总值，与统计年鉴中各区县GDP进行分析(图2)。2000，2010年各区县的GDP和DN总值之间具有很好的一致性，随着GDP的增加DN总值也相应地增加。相关分析结果显示2000，2010年GDP与DN总值之间的相关系数分别为0.69，0.87，置信水平为0.01，表明二者具有很好的相关性。由此可见，DN总值可以很好地反映区域的GDP水平，而产业结构又是影响GDP的一个重要因素，说明用DN总值反映产业结构是可行的。不同时期的相关系数大小表明由于产业结构的升级会使GDP以及DN总值相应地提高，说明产业结构发展水平是影响DN总值的一个重要因素。

图2 重庆市各区县GDP与DN总值的关系Fig.2 Relationship between GDP and total value of DN of districts and counties in Chongqing City

3.3 产业数据空间化结果

空间化的数据能更直观地反映产业布局的整体趋势。将重庆市140 445个企事业单位数据进行空间表达，得到2000，2010年各区县产业空间分布及数量(图3)。产业集聚程度较高的区域是主城区及周边区县，产业点密度较大的区域分布在主城区和渝西地区、万州区等区域，在渝东北尤其是城口县、巫山县、巫溪县等区域产业分布较少，与重庆市经济发展实际一致。

图3 重庆市产业分布Fig.3 Distribution of the industries in Chongqing City

3.4 DN总值与不同类型产业数量之间的关系

不同的产业与经济发展的一致性程度不同，尤其是第一产业和部分第二、三产业(例如电力、燃气及水的生产和供应业以及卫生、社会保障和社会福利业，这类产业一般在各个区域分布较均匀)与经济发展程度相关性较低。为了分析各类型产业与经济发展之间相关程度的高低，进行DN总值与各类型产业数量之间的相关性分析和拟合优度的计算(表1)。

两个时期各区县DN总值与不同类型产业数量存在不同程度的相关性，在SPSS软件中计算2000，2010年各区县DN总值与各类型产业数量之间的Pearson相关系数(表1)。国际组织(T)由于其特殊性，在研究区域内不存在，故不计算其相关性。

2000年采矿业(A)，电力、燃气及水的生产和供应业(C)，卫生、社会保障和社会福利业(Q)，文化、体育和娱乐业(R)，农、林、牧、渔业(U)为不相关， 水利、环境和公共设施管理业( N)， 公共管理和社会组织( S)为0.05置信水平下相关，其他均为0.01置信水平下相关，2010年采矿业(A)，电力、燃气及水的生产和供应业(C)，卫生、社会保障和社会福利业(Q)，公共管理和社会组织(S)，农、林、牧、渔业(U)为不相关，其他均为0.01置信水平下相关。采矿业(A)，电力、燃气及水的生产和供应业(C)，卫生、社会保障和社会福利业(Q)，公共管理和社会组织(S)，农、林、牧、渔业(U)在两个时期都没有通过显著性检验。采矿业(A)本身与自然资源的分布有很大的关系，一般远离城市发达区，比如渝中区在两个时期此类产业数量都为0，渝中区作为重庆市的CBD，首先没有矿产资源的分布，其次是地理位置决定其主要是发展第三产业。电力、燃气及水的生产和供应业(C)，卫生、社会保障和社会福利业(Q)，公共管理和社会组织(S)与DN总值的相关性较低，主要是由于此类产业与经济发展水平及城镇化关系不大，其主要由管理单元的划分与数量决定，是一个相对比较稳定的产业类型，故与能够反映经济发展水平的DN总值之间相关程度很低。电力、燃气及水的生产和供应业(C)在两个时期都为负相关且有减小的趋势，主要是由于经济发展水平提高，此类产业逐步整合，效率不断提高，比如电力，一个电力企业可能覆盖整个区县甚至还为其他区县提供电力。文化、体育和娱乐业(R)在2000年相关性较低，2010年相关性提高并通过了0.01显著性水平，主要由于人民生活水平提高，人们对于娱乐等追求会相应增加，这与城市发展也是紧密相连的。教育业(P)在两个时期相关性由不相关变为通过0.01置信水平下的显著相关，主要由于教育业(P)产业数量随着经济的发展以及人口的增多都会相应地增加，而且从其空间分布来看，人口密度越大的区域数量越多，人口密度越大，DN总值一般也会越大，二者是一致的，因此随着经济发展及人口的增加，二者相关性也会增大。房地产业(K)为两个时期相关性最高的产业，二者之间相关性在两个时期均达到0.9以上，主要是因为房地产的空间分布和人口、经济空间特征是一致的，一般城镇化水平越高的地区，房地产业占GDP的比例会越高，反之，经济的发展会在很大程度上刺激房地产业发展。

表1 DN总值与各类型产业数量之间的相关系数、拟合优度及显著性Tab.1 Corelation coefficients, goodness of fit and significance between total value of DN and number of different types of industry

说明：A代表采矿业；B代表制造业；C代表电力、燃气及水的生产和供应业；D代表建筑业；E代表交通运输业；F代表仓储和邮政业；G代表信息运输、计算机服务和软件业；H代表批发和零售业；I代表住宿和餐饮业；J代表金融业；K代表房地产业；L代表租赁和商务服务业；M代表科学研究、技术服务和地质勘查业；N代表水利、环境和公共设施管理业；O代表居民服务和其他服务业；P代表教育；Q代表卫生、社会保障和社会福利业；R代表文化、体育和娱乐业；S代表公共管理和社会组织；T代表国际组织；U代表农、林、牧、渔业。其中第一产业包括U，第二产业包括A，B，C，D，第三产业包括E，F，G，H，I，J，K，L，M，N，O，P，Q，R，S，T。

整体上DN总值与不同类型产业数量之间的相关性都较高，其中与房地产业(K)相关性最高，说明DN总值与房地产业(K)之间的关系最密切。采矿业(A)，电力、燃气及水的生产和供应业(C)，教育业(P)，卫生、社会保障和社会福利业(Q)，公共管理和社会组织(S)，农、林、牧、渔业(U)相关性较低或不相关，其余产业相关性都较好，与第二产业、第三产业以及产业总数之间的相关性较好。

通过DN总值与不同产业类型数量之间的拟合优度(表1)可以看出，DN总值与大多数类型产业之间R2较高，说明它们之间的拟合效果较好，与房地产业(K)在2000，2010年的R2分别达到了0.875，0.897，仅与采矿业(A)，电力、燃气及水的生产和供应业(C)，公共管理和社会组织(S)等少数产业拟合程度较低，与农、林、牧、渔业(U)之间的相关性很低主要是由于第一产业在市场中的地位逐渐弱化，并且第一产业的企业数量相对较少。DN总值与其他产业之间的拟合程度较好，仅少数类型产业显著性水平在0.01以下，表明用DN总值来反映区域产业结构的发展状况是可信的并且可以取得良好的效果。

3.5 DN总值与产业结构演变的关系

第二产业在2000，2010年的相关系数均高于第三产业，表明DN总值更能反映第三产业的分布情况。这与重庆市城镇化现阶段的“退二进三”政策相符，大量的第二产业开始从中心城区迁出，被第三产业所替代。结果分析发现建筑业(D)的相关性在2010年有所降低，拟合优度降幅较大，这与区域发展政策有密切的关系。我国由于城镇化进程加速，城市发展迅速，人们对于住房以及商业建筑的修建需求上升，但是经过了欧洲次贷危机之后国内市场受到了一定的冲击，对国内建筑业造成了一定的影响，导致其对经济发展贡献度的下降，与市场实际环境一致。结果与城市的实际发展相符，表明DN总值与城市发展水平、区域地理条件以及区域产业政策有很大的关系，随着产业结构的优化升级，对应的相关系数也在增大。

总体来说，DN总值与不同产业类型之间存在不同程度的相关性，表明用DN总值来反映区域不同类型产业结构状况具有很好的效果，两个时期的数据分析可以发现，随着产业数量增加和产业结构升级，对应的相关系数也在增大，说明DN总值大小在一定程度上可以反映区域产业的发展及演变。

4 结论与讨论

4.1 结论

采用影像自校正法与辐射校正法相结合有效提高了DMSP/OLS灯光数据精度，灯光数据与30 m分辨率的土地利用数据叠加融合更能反映实际城建用地区域的灯光值。通过研究DN总值与不同类型产业数量之间的关系发现：DN总值与不同类型产业之间存在不同程度的相关性，其中相关性最高的是房地产业(K)，相关程度较低的是采矿业(A)，电力、燃气及水的生产和供应业(C)，教育业(P)，卫生、社会保障和社会福利业(Q)，公共管理和社会组织(S)，农、林、牧、渔业(U)；建筑业(D)的相关性在2010年有所降低，与区域实际情况一致，DN总值的改变与城市的发展水平、区域地理条件以及区域产业政策有很大的关系；随着产业结构的升级，DN总值也在增大，DN总值可以很好地反映区域产业结构的发展及演变，DN总值可以反映区域产业发展水平，反之区域产业发展也是影响DN总值的一个重要因素。本研究为区域产业结构发展与演变分析提供了一种新的方法和依据，是对传统研究方法的有效补充。

4.2 讨论

目前也有很多学者进行DMSP/OLS数据提取城建用地的研究，但研究尺度或方法的缺陷导致提取结果不太理想，结果与实际情况不符，多是阈值的设置不当导致某些不该被去除的区域被剔除，从而使很多学者认为DMSP/OLS只适用于大范围内的中心城区的提取，不适用于中小尺度研究，在经过较为严谨的预处理后将灯光数据与较高分辨率城建用地融合，为以后的DMSP/OLS数据运用提供了很好的思路，与产业数据之间的关系研究进一步扩大了DMSP/OLS数据的应用范围。如果样本足够多，可以依据DN总值和产业结构情况进行分类，从而找出DN总值大小和产业结构类型之间的对应关系，据此来分析和反映区域产业结构发展及演变。

[1] 高更和,李小建.产业结构变动对区域经济增长贡献的空间分析——以河南省为例[J].经济地理,2006,26(2):270-273.

[2] 孙东琪,朱传耿,周婷.苏、鲁产业结构比较分析[J].经济地理,2010,30(11):1847-1853.

[3] Imhoff M L,Lawrence W T,Stutzer D C,etal.A Technique for Using Composite DMSP/OLS “City Lights” Satellite Data to Accurately Map Urban Areas[J].Remote Sensing of Environment,1997,61(3):361-370.

[4] 陈晋,卓莉,史培军,等.基于DMSP/OLS数据的中国城市化过程研究——反映区域城市化水平的灯光指数的构建[J].遥感学报,2003,7(3):168-175.

[5] Sutton P.Modeling Population Density with Nighttime Satellite Imagery and GIS[J].Computers,Environment and Urban Systems,1997,21(3):227-244.

[6] 何春阳,李景刚,陈晋,等.基于夜间灯光数据的环渤海地区城市化过程[J].地理学报,2005,60(3):409-417.

[7] Imhoff M L,Lawrence W T,Elvidge C D,etal.Using Nighttime DMSP/OLS Images of City Lights to Estimate the Impact of Urban Land Use on Soil Resources in the U.S[J].Remote Sensing of Environment,1997,59(1):105-117.

[8] 卓莉,陈晋,史培军,等.基于夜间灯光数据的中国人口密度模拟[J].地理学报,2005,60(2):266-276.

[9] 曹丽琴,李平湘,张良培.基于DMSP/OLS夜间灯光数据的城市人口估算——以湖北省各县市为例[J].遥感信息,2009,24(1):83-87.

[10] 李通,何春阳,杨洋,等.1995—2008年中国大陆电力消费量时空动态[J].地理学报,2011,66(10):1403-1412.

[11] 韩向娣,周艺,王世新,等.夜间灯光遥感数据的GDP空间化处理方法[J].地球信息科学学报,2012,14(1):128-136.

[12] 杨眉,王世新,周艺,等.DMSP/OLS夜间灯光数据应用研究综述[J].遥感技术与应用,2011,26(1):45-51.

[13] He C Y, Ma Q, Li T,etal.Spatiotemporal Dynamics of Electric Power Consumption in Chinese Mainland from 1995 to 2008 Modeled Using DMSP/OLS Stable Nighttime Lights Data[J].Journal of Geographical Sciences,2012,13(1):125-136.

[14] 王鹤饶,郑新奇,袁涛.DMSP/OLS数据应用研究综述[J].地理科学进展,2012,31(1):11-19.

[15] 罗若愚,赵洁.成渝地区产业结构趋同探析与政策选择[J].地域研究与开发,2013,32(5):41-45.

[16] 秦琴,李长春.重庆市产业结构与就业结构协调性测度研究[J].地域研究与开发,2013,32(5):46-50.

[17] 安士伟,刘珂,万三敏.区域产业集聚度演变及对承接产业转移的启示——以河南省为例[J].地域研究与开发,2013,32(4):54-58.

[18] Liu Z,He C,Zhang Q,etal.Extracting the Dynamics of Urban Expansion in China Using DMSP-OLS Nighttime Light Data from 1992 to 2008[J].Landscape and Urban Planning,2012,106(1):62-72.

[19] 刘沁萍,杨永春,付冬暇,等.基于DMSP-OLS灯光数据的1992—2010年中国城市空间扩张研究[J].地理科学,2014,34(2):129-136.

[20] 吴健生,赫胜彬,彭建,等.基于DMSP-OLS数据的城市发展空间特征研究[J].地理与地理信息科学,2014,30(2):20-25.

[21] 邹进贵,陈艳华,田径,等.基于ArcGIS的DMSP/OLS夜间灯光影像校正模型的构建[J].测绘地理信息,2014,10(4):33-37.

Relationship between DMSP/OLS Lights Image Data and the Development and Evolution of Industries in Chongqing City

Zhu Kangwen1a,1b,1c,2, Liu Chunxia1a,1b,1c, Li Yuechen1b,1c,1d, Zhou Mengtian1a,1b,1c

(1a.CollegeofGeographyandTourism, 1b.InstituteofEco-environmentRemoteSensinginThreeGorgesReservoir, 1c.KeyLaboratoryofGISApplication,ChongqingNormalUniversity, 1d.CollegeofVocationalEducationTeachers,Chongqing401331,China; 2.ChongqingAcademyofEnvironmentalScience,Chongqing401147,China)

In order to study regional industrial layout, this paper construct the fitting equation between the total value of DN and the number of different types of industry according to 40 districts and counties of Chongqing. This study based on DMSP/OLS lights image data, land use data and enterprises statistics database in Chongqing in 2000 and 2010. The result shows that the improved dichotomy method used in this paper may effectively improve the quality of nighttime light data. Combining self-correction method and radiometric calibration method to data pre-processing have good results. The total value of DN and the number of different types of industry has good correlation, and passed the significant test by the confidence level of 0.01. The highest correlation between the total value of DN and the number of real estate industry. The corresponding correlation coefficient also increased with the upgrading of industrial structure. The total value of DN used to reflect the different types of the structure and evolution of industrial has a good effect. This study not only extends the application of DMSP/OLS nighttime light data, but also provides a reliable method and a basis for the study on regional industrial development, and was an effective complement to traditional research methods.

DMSP/OLS lights image data; value of DN; structure and evolution of industrial; correlation analysis; Chongqing City

2015-04-27；

2016-08-15

国家自然科学基金项目(41571419)；重庆市博士后科研项目(xm201102001)

朱康文(1990-)，男，湖南张家界市人，工程师，硕士，主要从事GIS应用研究，(E-mail)zhukangwen0927@163.com。

刘春霞(1975-)，女，山东淄博市人，副教授，硕士，主要从事产业发展与规划研究，(E-mail)liuchunxia_2004@163.com。

F129

A

1003-2363(2016)05-0036-05