□ 王宏莹

（安徽审计职业学院，安徽 合肥 230601）

0.引言

美国军事气象卫星DMSP（DefenseMeteorological SatelliteProgram）是国防部空军太空与导弹系统中心（SMC）负责实施的专用军事气象卫星。卫星设计、建造、发射和维护用于监测气象、海洋和地球物理环境。周期约为101min每天绕地飞行14圈，运行高度约为830Km，是太阳同步近极地轨道。可见光和红外传感器（OLS）采集图像跨越3000Km，提供每天的昼、夜和黎明、黄昏卫星相结合全球覆盖图，可监控全球信息。卫星上搭载的线性扫面业务系统OLS（OperationalLinescan System）上的光电倍增管能够探测到城市灯光甚至小规模居民点、车流等发出的低强度灯光，为大尺度的建设用地估算提供了一种新的信息获取来源[1]。国内外很多学者已经对此数据进行多方面的研究，例如Gallo等[2]用夜间灯光数据评价了热岛效应对气象记录的影像；Elvidge等[3]发现各国灯光面积与国内生产总值高度相关；Raupach等[4]通过夜间灯光数据的空间区域差异研究人口密度和化石燃料CO2的不同；Doll等[5]根据灯光强度绘制出地方生产总值分布图。国内自2000年以来，陈晋、卓莉、何春阳、史培军、徐梦洁、王琪等[6-9]陆续利用DMSP/OLS系列产品，对我国的人口、城市化进程、城市化格局和演变、GDP进行了研究。

1.研究区概况和数据来源

1.1 研究区概况

江苏省位于中国大陆东部沿海中心，介于东经 116°18′～121°57′，北纬 30°45′～35°20′之间。面积1.026×105Km2，占全国的1.06%，常住人口达7939.49万人，居中国第5位。人均国土面积居全国各省末位。人均GDP达到12047美元，居全国各省首位。共辖1个副省级城市、12个地级市。长江横穿江苏省南部，境内有太湖、洪泽湖、骆马湖等大中型湖泊以及大运河等支河，水资源丰富。

图1 2006年江苏省夜间稳定灯光影像

1.2 数据来源

本文采用的DMSP/OLS夜间稳定灯光是由美国国家地球物理数据中心（http://www.ngdc.noaa.gov/eog/dmsp/downloadV4composites.html）提供的，使用每个卫星（F10、F12、F14、F15、F16、F18）在1992—2012年稳定灯光平均可见光全球合成产品，包含了城市、城镇、和其他居民点的持久的灯光，已经去除了云和短暂性的灯光，例如火灾等偶然噪声的影响。背景噪音设置0值，数据值范围是1～63。OLS在数据流中没有车载校准和增益设置，虽然每年复合产品使用的是相同的算法和严格的生产数据选择标准，DN值并不是严格的从上一年到下一年具有可比性。因此在使用数据时根据时间序列先选择合适的数据再进行处理。各市GDP数据来源于中国经济与社会发展统计数据库统计数据分析（http://tongji.cnki.net/kns55/Dig/dig.aspx）。

1.3 数据处理

夜间灯光数据的地理坐标投影是GeographicLat/lon，椭球体为 WGS—84，其像元大小为0.008333度。使用的江苏省市矢量边界图为了便于统一裁剪，将其转换至相同的地理坐标投影和椭球体。

根据Liu等对中国区DMSP/OLS1992—2009数据进行的统计分析[10]，本文也对1992—2012年间全球夜间灯光影像的平均DN值和全球灯光亮值像元数进行分析，图1为2006年江苏省夜间稳定灯光影像，图2为各年间稳定灯光全球范围内DN平均值，图3为各年间为稳定灯光中国范围内亮值像元总数。从图2、图3中可以看出，全球范围内灯光亮值像元数波动较大，中国地区相对较稳定，F18卫星在DN平均值和总亮值像元上突变均比较大，F14、F15、F16对长时间序列数据连续性相对较好，且Liu指出F16卫星2007年数据可以作为参考数据，因此本文选用F16卫星2006年数据提取江苏省各市夜间灯光数据，综合2006年江苏省各市GDP统计资料，估算2007年江苏省各市GDP，人均GDP以及根据各个市的面积计算单位面积GDP。

图2 1992-2012年稳定灯光全球范围内DN平均值

图3 1992-2012年稳定灯光中国范围内亮值像元总数

2.研究方法

江苏省各市夜间灯光数据提取，在ArcGIS平台的支持下，利用江苏省各市矢量边界对F16卫星2006年和2007年夜间灯光影像图进行裁剪进而提取各市夜间灯光强度数据。

2.1 线性相关模型

利用SPSS软件中回归分析功能分析夜间灯光强度与GDP的关系，分别包括各市GDP总量与各市灯光强度总量关系、单位面积GDP与单位面积灯光强度关系、人均GDP与单位面积DN关系。

分析各市灯光亮度总值和GDP总量的线性模型，回归方程形式：y=ax+b，其中x代表各市夜间灯光灰度总值，y代表市GDP总量，线性关系与参数如图4所示，发现两者之间的相关系数R2可达到0.8661，R2越接近于1，说明实际观测点离样本线越近，拟合优度越高。2006年江苏省各市的GDP总量和夜间灯光亮度值的相关系数为0.8661，相关性一般，拟合优度一般。

图4 各市夜间灯光强度总值与GDP总量相关性

对单位面积的灯光强度和单位面积的GDP建立相关性分析如图5所示，其相关系数上升为93.25%，拟合精度得到进一步提高。在单位面积中灯光强度和GDP拟合度较高。

图5 单位面积灯光强度与单位面积GDP相关性

通过进一步地改进，GDP使用人口进行配置均匀，DN值用各市的面积配置，再一次分析其相关性如图6所示，二者的相关系数较之前的方法有了进一步地提升。

图6 单位面积灯光强度与人均GDP相关性

2.2 利用2007年的数据对上述三个模型进行检验

根据上述三种模型将2007年江苏省各个市的GDP预测值与真实值做对比，分别计算其相对误差如表1所示，相对误差是真实值和预测值的残差与真实值的比值，相对误差越接近于0表示预测的精度越高。根据相对误差分布表1可以看出，由单位面积灯光强度预测单位面积GDP虽然其相关系数较高，但是相对误差总体上较差，常州、连云港、盐城、镇江和泰州的相对误差均大于40%，镇江甚至超过100%，严重的数据不相符，模型的可信度较差。由各市总夜间灯光强度预测GDP总值，相关系数为0.8661，但是其相对误差中，常州、苏州和镇江相对误差均在10%左右，南通、扬州、镇江均低于20%，南京、无锡、徐州和淮安低于40%，连云港的相对误差出现异常超过100%。根据模型由单位面积灯光强度预测人均GDP的预测值与真实值的相对误差由表2可以看出，模型可靠性较高，稳定性较好，其中只有盐城的相对误差超过20%，连云港的数据超过30%，其他各市的相对误差均较好，无锡和徐州的相对误差仅有-0.3%和0.26%，盐城和连云港的误差依然相对较大。此模型平均相对误差为17.38%。根据模型由单位面积灯光强度预测单位面积GDP的预测值与真实值的相对误差由表3可以看出，总体稳定性有所改善，但常州、连云港、盐城、镇江和泰州等经济发展较其他城市有所欠缺的城市，相对误差均超过40%。

表1 2007年总DN预测出总GDP值与真实值相对误差

表2 2007年单位面积DN预测人均GDP值与真实值相对误差

表3 2007年单位面积DN预测单位面积GDP值与真实值相对误差

3.结果验证与分析

本文采用预测吻合度[11-12]（Goodnessof prediction,G）作为单位面积夜间灯光强度与人均GDP模型预测精度的衡量指标，其计算公式如下：

上述的模型中，不论是总灯光强度预测总GDP还是单位面积灯光强度预测人均GDP，总体趋势上，苏州、南京、无锡等较为发达的城市的相对误差偏小，连云港、宿迁等经济相对落后的城市误差较大，尤其是连云港。根据统计数据可以看出，连云港市的面积为7446Km2，在全省13个市中排名第7，但是连云港的总人口482.23万人，排名第11位，连云港市的GDP为618.2亿元，排名第12位。虽然连云港是个占地面积比较大的城市但是其经济发展滞后，GDP甚至只有无锡GDP（3879.7亿元）的六分之一。而夜间灯光是对整个市进行统计的，由于本文中并没有对灯光强度做阈值限定，理论上面积较大的城市，即使是乡村发出的低强度的灯光也是算入总值中的，但是并不是所有的灯光都是对GDP有贡献的。况且连云港的农耕意识比较强[13]，在经济发达，以工业经济为主的江苏省中，GDP差距过大，与总体数据相对比来说，为异常值。将连云港异常值删除后，再次进行线性回归和预测吻合度由图7可以得出，其预测吻合度为96.61%。

图7 将连云港异常值删除后单位面积灯光强度与人均GDP相关性

4.结束语

经过2007年数据进行检验，可以看出当使用单位面积灯光强度预测单位面积GDP虽然有一定的相关性，但是相对误差较大，模型稳定性不高。每个市夜间灯光强度总量和GDP总量之间线性相关，除去个别相对误差较大的城市，总体上可以用来预测。考虑到每个市的面积和人口，得出单位面积的灯光强度和人均GDP的相关性较好，并且相对误差均较小，预测吻合度也较高，在对异常值连云港的数据进行处理后，发现不仅相关性提高0.84%，预测吻合度也提高了0.65%。结果表明，利用夜间灯光数据，对于城市级别的GDP采用不同的方法进行预测可以有效地估算城市的GDP。

参考文献：

【1】何春阳,史培军,李景刚,等.基于DMSP/OLS夜间灯光数据和统计数据的中国大陆20 世纪90年代城市化空间过程重建研究[J].科学通报,2006,51(7):856-861.

【2】Gallo K P, Tarpley J D, McNab A L, et al. Assessment of urban heat islands: a satellite perspective[J].Atmospheric Research,1995,37(1):37- 43.

【3】Sutton P, Roberts D, Elvidge C, et al. A comparison of nighttime satellite imagery and populationdensity for the continental United States [J].Photogrammetric Engineering and Remote Sensing, 1997, 63(11):1303- 1313.

【4】Raupach M R, Rayner P J, Paget M. Regional variations in spatial structure of nightlights, populationdensity and fossil- fuelCO2 emissions[J]. Energy Policy,2010,38(9): 4756- 4764.

【5】Doll C N H, Muller J P, Morley J G. Mapping regional economic activity from night- time lightsatellite imagery[J]. Ecological Economics,2006,57(1):75- 92.

【6】陈晋,卓莉,史培军.基于DMSP/0LS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.

【7】何春阳,史培军,李景刚,等.基于DMSP/OLS夜间灯光数据和统计数据的中国大陆20世纪90年代城市化空间过程重建研究[J].科学通报,2006,51(7):856-861.

【8】徐梦洁,陈黎,刘焕金,等.基于DMSP/OLS夜间灯光数据的长江三角洲地区城市化格局与过程研究[J].国土资源遥感,2011,23(3):106-112.

【9】王琪,袁涛,郑新奇.基于夜间灯光数据的中国省域GDP总量分析[J].城市发展研究,2013,20(7):44-48.

【10】Liu Z, He C, Zhang Q, et al. Extracting the dynamics of urban expansion in China usingDMSP- OLS nighttime light data from 1992 to 200[J].Landscape and Urban Planning,2012,106(1):62- 72.

【11】米晓楠,白林燕,谭雪航,等.基于DMSP/OLS数据的城市中心城区提取新方法[J].地球信息科学学报,2013(2):255-261.

【12】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(1):83-87.

【13】孙培松.连云港经济滞后的文化拖累[J].大陆桥视野,2005(6):38-40.