基于多源遥感数据的武汉市人口空间分布格局演化

基于DMSP/OLS夜间灯光指数和SPOT-VEGETATION逐旬NDVI数据构建人居指数,模拟武汉市2000,2012年人口空间分布。采用空间自相关模型,从时空角度分析2000—2012年武汉市人口的空间分布格局及演变规律。结果表明:1利用夜间灯光强度估算方法可快速准确模拟武汉市人口空间分布。2人口空间分布格局有向武汉市中心城区集聚的趋势,具有"中间高周围低"的特征。3武汉市人口空间分布表现出较强的空间自相关性,根据局部自相关分析,"高-高"类型区主要分布在武昌、硚口、江汉、江岸等中心区,"低-高"类型区主要出现在江河流域附近;随着时间的推移人口分布的"高-高"类型区扩大,表明武汉市人口在向中心城区聚集的过程中远城区也形成了相应的人口集聚中心。     

中国低碳城市评价与空间格局分析

城市是人类生产和消费活动最为集中的区域,带来了大量的能源消耗和碳排放,低碳城市受到国内外学者广泛探讨。本文从低碳开发、低碳经济、低碳环境、城市规模与能源消耗5个方面22个指标构建了低碳城市评价体系,引入遥感影像中的DMSP-OLS夜间灯光数据集与PM2.5浓度反演影像;利用因子分析、聚类分析及空间相关性分析,将2006年及2010年284个地级及以上城市按照低碳水平分为低碳、相对低碳、相对高碳、高碳四类城市;根据驱动力分为环境主导型、居民主导型、城镇化主导型及产业主导型四种城市类型;空间上识别出京津冀、长三角、山东省及珠三角地区具有低碳城市发展集聚效应;低碳城市发展水平受城市行政等级、产业转型等因素影响。     

夜间灯光数据支持下西藏人类活动强度变化对生态系统调节服务的影响

西藏自治区特殊的高寒生态系统对人类活动具有高度敏感性,定量评估系列政策实施下西藏生态系统调节服务对人类活动强度变化的响应有助于西藏生态政策和空间规划的调整完善。本研究基于西藏1980年和2015年土地利用现状数据及1992—2013年DMSP/OLS夜间灯光指数数据,借助GIS空间分析功能分析了居民点用地和夜间灯光强度的变化;并结合生态系统调节服务空间数据,利用相关分析对居民点用地和夜间灯光变化所反映的人类活动强度变化对西藏生态系统水土保持和防风固沙服务的影响进行研究。结果表明：① 1980—2015年,西藏新增居民点用地212.06 km²,减少居民点用地44.99 km²,其中,新增居民点用地中62%为城镇用地,减少的居民点用地中95.88%为农村居民点;居民点用地变化主要发生在藏南河谷区;② 自治区内居民点用地扩张一定程度上直接导致夜间灯光强度增加,“一江两河”流域土地整治工程和农牧民安居工程等促进了当地人类活动强度增加,区内部分乡镇因进城务工和易地扶贫搬迁造成了当地人类活动强度的下降;③ 西藏2015年防风固沙服务较1990年有整体增强趋势,水土保持服务除藏东高山峡谷区外均有大幅度退化趋势;④ 对居民点用地进行的还林、还草整治工程等人类活动有利于促进生态系统防风固沙服务的恢复;人类活动强度的增加极易导致水土保持服务的退化,“一江两河”流域体现最为明显。研究能为西藏国土空间规划和生态政策的制定和调整提供参考。     

基于2种夜间灯光影像亮度修正指数的城市建成区提取研究

夜间灯光影像容易受到道路灯光、水面散射等影响而产生背景噪声,这一定程度上影响了利用夜间灯光数据提取建成区的精度。本文基于夜间灯光影像的DN（Digital Number）值与路网密度正相关、与EVI指数（Enhanced Vegetation Index,增强型植被指数）呈负相关的规律,提出了2种可用于建成区提取的夜间灯光亮度修正指数：EVI夜间灯光亮度修正指数EANI (EVI Adjusted Nighttime Light(NTL) Index)和基于道路网密度与EVI指数的夜间灯光亮度修正指数REANI (Road Density & EVI Adjusted NTL Index),并利用珞珈1号卫星（LJ1-01,分辨率约130 m）影像和NPP-VIIRS影像（分辨率约 500 m） 2种不同空间分辨率夜间灯光遥感影像进行验证。以2018年徐州市建成区为研究对象,分区域（主城区、外围区）利用阈值法对2种原始夜间灯光影像、经EANI指数和REANI指数处理后的影像进行建成区提取,得到6种建成区提取的结果。研究表明： ① EANI指数和REANI指数能够有效抑制夜间灯光影像的背景噪声,建成区提取的结果均优于直接利用原始影像的结果,特别是对于城市化水平较低地区的建成区提取效果更佳;② 相较于NPP-VIIRS影像,利用LJ1-01影像提取建成区的效果提高6%左右,说明我国的LJ1-01夜间灯光影像在建成区提取方面有广阔的应用前景。EANI和REANI为建成区提取提供了有效工具,并可应用于城市规划和城市扩张等研究领域。     

基于DMSP-OLS与NPP-VIIRS整合数据的中国三大城市群城市空间扩展时空格局

通过拟合最优幂函数模型,将NPP-VIIRS影像模拟为DMSP-OLS影像,构建了京津冀、长江三角洲（简称长三角）和珠江三角洲（简称珠三角）三大城市群1992—2017年长时间序列夜间灯光影像集。参考城市建成区统计数据确定夜间灯光最佳阈值提取城市范围,有效剥离统计数据中包含的经济活力不足的城市空间,识别出不属于统计范围的低等级、高活力城镇区,创新了数据应用视角。研究表明：① 县级城镇和市级以上城市对三大城市群城市范围的贡献度不同。京津冀腹地广阔,县级城镇是区域经济活力的重要组成部分,整体上贡献度最大;1990s初期长三角部分县级城镇经济活力较强,大量撤县设市后县级城镇数量减少,逐渐在2005年后低于京津冀;珠三角受到社会经济发展条件和行政单元划分的影响,县级城镇对城市范围的贡献在3个城市群中始终最小。② 三大城市群城市扩展非均衡性特征存在差异。京津冀城市扩展为京、津主导下的“双核”模式,非均衡性显著,尚未形成完善的城市规模体系;长三角和珠三角城市集聚特征明显,均衡性更强。重心迁移的路径、方向和距离反映各城市群不同的扩展强度和作用模式。③ 城市空间扩展格局整体均呈现热点区不断扩大、冷点区不断缩小的特征。其中京津冀热点和冷点区相对稳定,热点区向心集聚作用较强;长三角和珠三角空间格局变化较大,区域核心城市带动作用较强。     

静夜

在城市的边缘,一列缓缓前进的火车上,我度过了一个不眠之夜。当卧铺车厢熄灯时,车窗外,隐藏在黑暗之中的点点繁星突然显露出她们的光辉。首先映入眼帘的是北斗七星,没有灯光的影响,开阳双星是那样的清晰可见。接下来是北极星、仙王座、仙后座……北天极附近的星空都亮了起来,给这一片敬夜增添了些许的灿烂。     

哈尔滨城市扩展特征及驱动力分析

利用两种夜间灯光数据作为数据源,通过提取哈尔滨市1992年、1997年、2002年、2007年、2012年和2017年6个年份的建成区范围,计算扩展速度、圆度、紧凑度和分形维数等指标,并对城市扩展的驱动力进行分析。结果显示：1992—2017年,哈尔滨市建成区形态特征变化较大,紧凑度减小。城市扩展的驱动力主要来自经济发展、人口增长和政策规划等方面。     

基于城市夜间灯光数据的中美两国城市位序规模分布对比

工业革命以来,人类开启了大规模的城市化进程。城市随着交通和通讯技术的发展不断突破原有的规模限制,城市规模不断变大。以人口为指标的城市规模分布服从齐普夫法则。不同城市化发展阶段,其城市位序规模分布存在差异。城市夜间灯光数据一般可用来衡量城市的经济活动、建成区面积、人口密度、发展水平等。本文以同源的城市夜间灯光数据代表城市规模,在国家尺度和省州尺度研究中美两国城市规模位序分布,并比较其异同。研究表明,在国家尺度,2013-2016年间,中美两国城市规模均变得集聚,而中国城市规模分布比美国更为分散,齐普夫指数相差约0.1。在省州尺度,不同省州的城市规模分布存在差异,中国和美国分别有44%和84%的省份或州的齐普夫指数大于1,中国城市规模分布分散型省份占一半以上,而美国的集中型的州则占有84%,总体而言,中国城市的规模分布更为分散。中美两国高位序城市实际值远低于拟合值,理论上仍然具备很大的发展潜力。中国高位序城市需要进一步提高城市经济活动的聚集程度,使得城市规模体系更趋完善与成熟。     

基于NPP-VIIRS灯光数据对收缩背景下县级城镇规模分布特征及演变分析——以黑龙江省为例

城镇体系是人口、经济、资源等集聚的空间载体,在城镇收缩背景下,对区域规模分布特征及演变趋势进行探讨是促进区域协调发展的前提.本文以黑龙江省为例,基于2012—2019年校正后NPP-VIIRS夜间灯光数据,利用首位度指数、Zipf位序-规模法则等方法探究收缩背景下县级城镇规模分布特征及其演变趋势.结果表明:1)省内县级城镇规模分布处于相对集中、稳定的状态.从演变趋势上看,城镇体系朝着合理缓慢转变.2)哈尔滨市自身规模的上涨以及省内第二大城市大庆的明显收缩,导致省内首位度指数占比已远超于理想状态,进入剥夺周边城镇资源、自身无序扩张的恶性循环.3)哈尔滨市外的高位序城市,与中、低位序城镇间规模差距正在减小,但大、中、小城镇规模差距依旧明显,短期内无法缩小,省内同时还存在中等规模过度城镇数量断层现象.     

基于夜间灯光数据估算安徽省县级尺度城镇化水平

城镇化是地区经济发展和社会进步的重要标志,研究城镇化水平对城镇科学发展和政府高效决策具有重要意义。夜间灯光数据包含了人类活动和经济社会发展等信息,弥补了指标法的不确定性和滞后性等不足,可以更加直观地反映城镇化水平,为城镇化研究提供了新的思路。现有的研究,已经有用夜间灯光数据分析宏观尺度的城镇化水平,但由于DMSP-OLS数据和NPP-VIIRS数据的时间范围均较短,且2种数据的时间尺度不连续,且空间分辨率和辐射分辨率不一致,因此目前主要集中于使用一种夜间灯光数据研究城镇化水平,且研究的时间跨度较短。此外,虽然已有研究表明,大尺度的社会经济活动与夜间光照情况有较强的相关关系,但在较小尺度下,这种相关性受地区经济发展以及灯光数据分辨率的影响较大,对估算精度有更高的要求,因此需要使用实际数据证明使用夜间灯光数据估算县级城镇化水平的合理性。本文使用DMSP_OLS和NPP_VIIRS夜间灯光数据,估算了2006—2015年安徽省县级尺度城镇化水平,为夜间灯光数据在长时间序列的城镇化研究中提供理论支撑。首先分别计算DMSP-OLS和NPP-VIIRS平均夜间灯光指数,以NPP-VIIRS灯光指数为自变量,以DMSP-OLS灯光指数为因变量,对2012年和2013年的2种灯光指数年数据进行曲线拟合,建立2种灯光数据的对应关系,得到2006—2015年安徽省各区县的DMSP-OLS平均夜间灯光指数;然后从人口、经济、社会生活和农业机械化4个方面选取城镇化指标,使用层次分析法计算基于统计数据的城镇化水平;最后将灯光指数与基于统计数据的城镇化水平进行相关性分析和线性回归分析,讨论了安徽省各区县灯光指数和基于统计数据的城镇化水平的时空分布的异同点,分析了同时使用两种灯光指数估算长时间序列城镇化水平的合理性。研究结果显示,灯光指数和基于统计数据的城镇化水平在县级尺度上具有高度相关性,相关系数为0.91（P<0.05）,线性回归的拟合优度R²=0.82。灯光指数和基于统计数据的城镇化水平的时空分布基本一致,空间上,安徽省城镇化水平整体分布不均衡,呈现出东高西低的规律;时间上,2006—2015年城镇化水平呈现逐年增长的趋势,合肥市辖区、马鞍山市辖区等发达城区的城镇化水平增长速度较快,而霍丘县、寿县等经济欠发达地区增长较缓慢。