理论教育 测度城市发展质量的非统计方法

测度城市发展质量的非统计方法

时间:2023-06-10 理论教育 版权反馈
【摘要】:目前针对城市发展质量的空间差异的研究中,统计数据是绝大多数研究者的数据来源,其重要优势是基于大面积的基础统计工作,能够为研究提供扎实的数据基础。城市发展质量的评估中,空间集聚状态是一项重要内容。其次是以灯光数据评估长江中游三省的城市经济发展质量。

测度城市发展质量的非统计方法

目前针对城市发展质量的空间差异的研究中,统计数据是绝大多数研究者的数据来源,其重要优势是基于大面积的基础统计工作,能够为研究提供扎实的数据基础。然而,由于目前各方面的研究、评价在空间精细化方面提出了更高的要求,以行政区划为基本单位的统计数据不得不面对目前统计工作在数据公开、统计口径等方面的问题,尤其是在满足空间精细需求方面,统计数据愈发难以满足此类需求。于是,利用遥感与地信技术对社会经济领域的数据进行提取逐渐成为近期区域经济学重要的研究数据补充。在众多前沿研究中,基于夜间灯光的社会经济分析完善城市发展质量研究无疑是目前值得关注的重要手段。

1.灯光数据获取方法

利用灯光数据对城镇发展展开研究最早始于20世纪70年代,美国学者Croft将其解释为人类活动强度的代表。至1989年,Sullivan利用OLS传感器可见光与红外数据制成10km分辨率的全球影像,使得夜间灯光数据可以使用GIS平台对数据进行分析。随后在1992年,国家环境信息中心(NOAA)利用NASA公开的全球影像制成了30″精度的全球DMSP数据库,该数据库成为目前研究者应用最为广泛的一套全球灯光数据来源,并由此形成了一系列关于灯光数据与城市发展的成果,其成果主要集中在人类活动分布、城市经济与能耗研究以及城市布局与规模研究三个方面。在人类活动分布方面,代表性的研究包括李德仁、李熙等2014年利用灯光数据对叙利亚内战前后的夜间灯光变化进行分析,提出内战极大影响了叙利亚全境的人类活动,据此提出国际社会应尽快为叙利亚局势提供必要的人道援助;城市经济与能耗研究方面,Sutton、Elvidge等学者利用灯光数据对从全球到地区不同级别的城市经济与城市能耗进行研究,据此提出了利用灯光数据对统计数据进行校正、补全等工作,从而实现了夜间灯光服务于社会经济研究的转换;在城市布局与规模方面,国内已有大量研究证实灯光数据可以用于对城市发展规模、空间利用强度等内容进行分析,由此形成了人口空间分布、城市经济特征等领域的灯光数据研究手段。

除了常用的DMSP数据外,NOAA还公开了另一种形式的夜间灯光——VIIRS夜间灯光数据,其中公开地去除云量干扰后的合成数据成为经过简单处理后可以直接使用的中分辨率灯光数据来源,在此基础上也利用其对包括人口在内的社会经济参量进行空间分析。由于其分辨率高于DMSP,因此也有部分学者利用其对城市内部空间特征进行分析。从目前研究成果来看,VIIRS数据既能实现中等分辨率人类活动空间分析,又能在处理后获得与DMSP类似的大尺度数据,因此是目前灯光数据研究的另一个重要的数据来源。

本次研究所采用的数据包含由NOAA提供的DMSP与VIIRS两类灯光数据。其中,DMSP夜间灯光获取由OLS传感器的可见光通道、近红外通道与热红外通道三个来源提取获得,其中2006—2013年数据由NOAA直接提供,所获数据像元大小为30″(约0.56km)。DMSP数据中,灯光数据经人工分类工作将DN值转换为0~63区间,其中0代表当地灯光活动为区域内最小值,63为最大值,以该标准对研究区内城市分布进行比较,主要城市(包括武汉、长沙、南昌)中心地区数值为饱和状态,而幕阜山脉至罗霄山脉的三省交界处连片特困区数值基本为最低值。由于DMSP数据目前仅公布至2013年,因此2014年与2015年灯管数据须由VIIRS数据源补充。

另一大数据来源为VIIRS夜间灯光数据,目前,此方面采用数据主要为其一级云降噪合成数据(SVDNB)。有别于DMSP数据,VIIRS的灯光数据目前仍为实测数据,其形式均为年度实测灯光数值,需经过人工数据修正进行降维重分类,使其可以与DMSP数据进行对比。本次研究将2012—2013年数据作为比较样本,尝试与DMSP数据进行比较重分类。经过反复尝试,以指数函数为重分类函数对两年数据进行重分类,转化后DN值拟合优度为0.98,因此以该函数将2014年与2015年数据进行降维重分类,获得两年的DN值数据。(www.daowen.com)

本次研究所用灯光数据为两种形式:用以评价不同城市发展质量空间指标的数据采用DN值空间数据,评价城市发展质量的数据指标为地区灯光数据均值。基于以上两种数据形式,本次研究对城市空间发展的质量与经济发展水平进行评估。

2.基于灯光数据的城市发展质量判断方法

首先是城市发展的空间质量分析。城市发展质量的评估中,空间集聚状态是一项重要内容。目前研究中对于空间集聚状态分析效果最佳的是探索性空间分析方法(ESDA),由于其不预设研究结果,专门针对数据的空间特征进行描述,被广泛应用于各类涉及空间分析的研究。因此,本次研究选用代表全局空间自相关水平的探索性空间分析方法Moran指数为指标,研究长江中游城市发展的空间模式,进而对城市发展的空间质量进行评价。Moran’s I的计算公式为:

式中:n为所选样本城市的各相元点;wij是空间权重矩阵,xi和xj分别表示夜间灯光数据值在单个相元i和j上的数值;xˉ是这些城市内全部相元的灯光数据平均值。计算的Moran’s I如果大于0,那么就表示城市内灯光值分布呈正相关关系,计算结果越接近1就越表明该城市灯光数据分布较为集中,即高值灯光相元间相互邻接、城市空间分布极化情况明显。如果计算结果是小于0,表示城市群各个城市经济发展水平是负相关,结果接近-1时,表明相邻相元间灯光数值相差较大,城市的空间结构分布较为均衡。如果计算结果接近于0则表示不同经济发展水平的城市是随机分布的,各个城市之间没有关联性

其次是以灯光数据评估长江中游三省的城市经济发展质量。已有研究表明,灯光数据与社会经济发展存在密切关系,尤其是区域内灯光均值与地区社会经济的综合指标之间存在密切关系,由此可以利用灯光数据对长江中游三省的城市经济发展质量进行数据的细化与补全,进而细化城市发展质量的空间分析研究。为实现灯光数据对城市发展质量指标的补充,本次研究选用普通最小二乘法(OLS)对灯光数据均值与城市发展质量指标间关系进行拟合,从而实现利用灯光数据反演城市发展质量的目标。拟合公式为:ADN=f(UDi)。式中,ADN值为城市范围内灯光均值,UD为城市经济发展质量指标,i为第i项指标,由此判定各城市的经济发展质量。

免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。

我要反馈