基于夜间灯光数据的珠三角地区镇级GDP估算_柴子为

第35卷 第3期

热 带 地 理

V ol.35，No.3

2015年5月

TROPICAL GEOGRAPHY

May ，2015

收稿日期：2015-03-20；修回日期：2015-05-24 基金项目：广东省自然科学基金（2014A030313605）

作者简介：柴子为（1982―），女，甘肃兰州人，工程师，硕士研究生，主要研究领域为生态环境遥感，（E-mail）ziweich@https://www.wendangku.net/doc/056302978.html, 通信作者：乔纪纲（1973―），男，河南新野人，副教授，博士，主要从事遥感与地理信息模型方面的研究，（E-mail）qjg821@https://www.wendangku.net/doc/056302978.html,。

柴子为，王帅磊，乔纪纲．基于夜间灯光数据的珠三角地区镇级GDP 估算[J]．热带地理，2015，35（3）：379-385．

CHAI Ziwei ，W ANG Shuailei ，QIAO Jigang ．Township GDP Estimation of the Pearl River Delta Based on the NPP-VIIRS Night-Time Satellite Data[J]．Tropical Geography ，2015，35（3）：379-385．

基于夜间灯光数据的珠三角地区镇级GDP 估算

柴子为1，王帅磊2，乔纪纲3

（1．广东省环境监测中心，广州 510308；2．中山大学 地理科学与规划学院，广州 510275；3．广东财经大学 地理与旅游学院，广州 510320）

摘 要：高精度地表GDP 分布数据是开展小尺度区域发展相关研究的关键数据，但通常难以获得完整数据序列。文章比较了DMSP-OLS 和NPP-VIRS 两种夜间灯光数据在小尺度单元GDP 估算工作上的适应性，证实NPP-VIIRS 数据在镇级GDP 估算中有更好的性能。利用修正后的NPP-VIIRS 夜间灯光数据建立珠三角地区镇级GDP 估算模型，并通过地区差异系数对估计结果进行校正。对2013年镇级GDP 估算的实验结果总体精度达到85%。估算结果能够用于填补珠三角地区部分镇级GDP 统计数据缺失，为相关研究获取、对比GDP 数据提供技术手段。 关键词：夜间灯光数据；GDP 估算；NPP-VIIRS；珠三角

中图分类号：P237 文献标志码：A 文章编号：1001-5221（2015）03-0379-07

随着我国城市化进程的不断加速，不同地区间

的发展模式、规律呈现出越来越突出的区域差异[1]

。从较小尺度上观察城市内部的分化与增长过程，在探索区域可持续发展规律、促进城市合理增长利用等诸多方面有重要理论和实践应用价值，这也已经

引起研究人员的重视[2]

。GDP 是衡量区域经济发展、社会状态的重要人文统计数据之一，也是城市发展相关研究的一项重要指标。获取准确的乡、镇一级的经济数据对于开展更加精细的区域发展研究十分有价值，而较高分辨率的GDP 地理分布更是在较小尺度开展相关研究的关键数据。然而，获取精细的GDP 地理分布数据并不容易。在当前的实际工作中，受行政区划、统计口径以及各个地方统计政策差异的影响，小尺度GDP 通常存在数据缺失、时效不一致或统计行政区变更等情况。很有必要开发一种较少受地方统计政策、行政区划约束的GDP 估算技术，对镇一级数据进行测算，为相关研究提供数据条件。

珠三角地区是我国改革开放的前沿阵地，自1980年以来，其社会经济与城市化进程一直保持高速发展，到2010年，9个城市的总面积占全国0.43%，常住人口占全国3.28%，但其经济总量却占

到了全国10.3%[3]

。珠三角已成为我国城镇密度最

大、经济要素聚集度最高的地区之一。除中心城市外，以“专业乡、镇”表现出来的产业集聚现象十分突出。这种小尺度的产业、经济聚集现象已成为珠三角地区城市增长、经济扩张的一个重要特征，在全国范围类也具有典型意义。2013年，9个地级市（不含香港、澳门）共设建制镇346个。受各地统计政策差异的影响，在各地、市的镇级统计数据中，超过1/3建制镇GDP 数据存在缺失或时效、统计行政区不一致等情况。这也为深入开展珠三角地区小尺度的城市经济相关研究带来了困难。在这种情况下，获取全面、准确的珠三角地区镇级GDP 数据有重要意义。

与传统的统计方法相比，遥感数据能提供稳定的技术方法来描述GDP 的空间分布。其中，夜间灯光数据就是一种典型的用于刻画地表经济活动强度

的遥感数据[4-5]。Elvidge 等[6]

研究表明，在国家单元的尺度上，GDP 与光照面积存在显著线性关系；陈

晋等[7]

构建了能够反映区域城市化水平的灯光指

数，并在省级尺度上验证了其相关性；Ghost 等[8]

利用夜间灯光数据对美国各州的经济情况进行了估计，并与官方统计数据进行对比，结果显示其估算

DOI:10.13284/https://www.wendangku.net/doc/056302978.html,ki.rddl.002742

380 热 带 地 理 35卷

精度具有实用价值；韩向娣等[9]

利用灯光数据建立

了全国1 km 2

的GDP 密度分布数据库，该数据库是在县级灯光密度分布上通过网格化得到的分布数据。研究表明，在大、中（国家、省、州）级尺度上，从夜间灯光数据估算的区域GDP 具有较高的精度[10]。早期研究大多使用的是DMSP-OLS 灯光数据，受该数据空间分辨率较低（约为1 km）的约束，在较小的尺度上（县、镇）进行GDP 估算，其精度还

难以提高[11]

。此外，小尺度下的人口、土地利用以及地区差异的也容易导致估算结果失真。近期，由美国大气海洋局（NOAA）发射的Suomi National Polar-orbiting Partnership（Suomi NPP）卫星开始提供NPP-VIIRS 全球夜间灯光观测图像，并由美国国家地球物理数据中心（NGDC）发布。与DMSP-OLS 数据相比，NPP-VIIRS 大幅提高了观测的灵敏度和空间分辨率，其分辨率达到了500 m。但该数据含有短时光照信息以及背景噪音，容易在局部产生较大扰动。目前，利用NPP-VIIRS 进行GDP 估算的

研究工作才刚刚开展[10]

，而在小尺度GDP 估算方面的研究则更为少见。针对镇级GDP 估算的问题，本文试图讨论2种夜间灯光遥感数据——DMSP-OLS 灯光数据和DMSP-OLS 数据对此项工作的适应性，探索适用于珠三角地区的镇级GDP 数据估算的技术方法。寻找适用于较小尺度下的基于VIIRS 数据的GDP 估算技术方法，探索在小尺度下夜间灯光数据与GDP 的空间分布规律，以期为快速获取镇级经济参考数据提供一种有效的技术支撑。

1 研究区与数据来源

1.1 研究区

珠三角地区泛指珠江汇入我国南海的河口三角洲及其周边的平原地区。由于GDP 的统计数据是按行政区划采集，为便于数据匹配，本文的研究区也按照行政区划来确定。此外，香港、澳门地区由于统计标准与内地有较大差异，没有将其列入研究区。本文研究区具体包括：广州、深圳、珠海、佛山、江门、肇庆、惠州、中山和东莞9个地级市的行政区范围（图1）。 1.2 数据来源

使用的数据主要包括：珠三角地区DMSP-OLS 夜间灯光数据、NPP-VIIRS 夜间灯光数据、研究区内的城镇建设用地数据、行政界线的空间数据以及珠三角地区市级经济统计、部分镇级经济统计数据。

研究区域内的9个地级市下辖346个建制镇/街道。从广东省统计信息网（https://www.wendangku.net/doc/056302978.html,. cn/）查找2013年统计年鉴并采集了9个地级市的

图1 研究区地理位置

Fig.1

Location of the study area

3期 柴子为等：基于夜间灯光数据的珠三角地区镇级GDP估算 381

市级GDP数据、214个镇的镇级GDP数据（含中心城市的街道），有132个镇缺失GDP统计数据。从214个镇中，选取130个镇数据用来建立回归模型，60个镇的GDP统计数据作为检验数据。地级市的GDP数据用于校正GDP估算结果。

从广东省1∶50 000基础地理信息数据中提取了各个地级市、县、镇行政边界，随后在ArcGIS 系统中生成每个行政区的面对象，并将各个行政单元的GDP值作为属性信息录入，完成经济数据的空间化处理[12-13]。使用区域内的2013年城镇建设用地专题数据，数据分辨率为30 m；行政区划图已与建设用地数据配准，配准精度为30 m。

1.3 灯光数据处理

使用的DMSP-OLS和NPP-VIIRS两种夜间灯光数据均为2013年的年度合成数据。自上世纪末以来，由NOAA/NGDC（https://www.wendangku.net/doc/056302978.html,/eog/viirs. html）提供DMSP-OLS数据就一直是使用最为广泛的夜间灯光数据，其在地表经济估计[8]、能源消耗测算[14]以及城市化过程研究[15]等方面都有成功案例。DMSP-OLS数据的空间分辨率约为1 km，分为3种数据类型——稳定型灯光数据、无云覆盖的灯光数据和未经过滤处理的灯光数据。其中稳定型灯光数据包含来自城市、乡镇和其他场所的持久的灯光，并且是已经除去短时光数据（火灾、火山气体耀斑、极光及背景光等），本文使用稳定型灯光数据部分，用以反映城市夜间长时照明情况。NPP-VIIRS 数据来自美国国家地球物理数据中心（http://ngdc. https://www.wendangku.net/doc/056302978.html,/eog/viirs/）。与OLS传感器相比，VIIRS传感器大幅提高了数据采集的空间分辨率，其星下点分辨率达到400 m，边缘分辨率达到800 m。本文使用的NPP-VIIRS数据分辨率为500 m。VIIRS传感器有更小的瞬间视场和更高的辐射分辨率，采用高、中、低3级动态辐射同步采集平台，能根据辐射量的大小进行有选择性的输出，辐射采集量级可达105。这些特点使NPP-VIIRS数据中亮度饱和溢出量要远小于DMSP-OLS数据，有很高的数据质量[16]。理论上，NPP-VIIRS数据对小尺度地表照明分布的刻画要更为准确。但是，NPP-VIIRS数据类型仅有平均灯光值一种数据，且源数据未作短时光消光处理，也未除去背景噪音[10,17]。

NOAA/NGDC在发布这2种灯光数据时都已经进行了几何校正。实际工作中，将行政区划图与灯光数据变换到同一坐标系下就已经匹配。考虑到建设用地分布与夜间灯光分布有较高的相关性，笔者

也进一步利用建设用地分布数据对灯光数据进行了配准精度检验和微调：利用ArcGIS的聚合工具（Aggregate）将建设用地数据分别降为1000和500 m 的分辨率；人工观察DMSP-OLS数据和NPP-VIRS 数据与相应分辨率建设用地的匹配情况，并进行了手工纠正。由于建设用地数据与行政区划已配准，原始数据精度远高于夜间灯光数据，因此，经过配准检验和微调的夜间灯光数据可以被认为已与行政区划图匹配。根据经验观察，微调后的两灯光数据与行政区划图的配准平均精度都在一个像元以内。

为了充分利用2类灯光数据的信息，考虑利用DMSP-OLS的稳定光纠正NPP-VIIRS的短时光照亮度，然后建立基于NPP-VIIRS的GDP回归模型。纠正方法如下：提取DMSP-OLS中DN为非0的像元，生成掩膜；将NPP-VIIRS数据中掩膜外数据归为0，即将掩膜外的数据视为非稳定夜间灯光，不参与GDP回归分析；求取NPP-VIIRS中广州、深圳中心城区区域的最大像元亮度值DN max，作为全区域的最大DN阈值。NPP-VIIRS数据中存在部分像元的DN值＞DN max，当该像元落入其他7个城市的中心城区时，该像元按DN max取值；否则按0取值。中心城区的范围是在行政区划的基础上由经验给出。处理后的数据被视为是消除了对GDP估算有重要影响的随机噪声误差和短时光照。图2、3分别给出了DMSP-OLS的稳定灯光数据和经过处理后的NPP-VIRS灯光数据。

2 镇级GDP估算

2.1 估算模型

由于GDP与光照面积与光照强度均存在相关性[4]。采用单位镇的总灯光亮度值DN作为自变量进

图2 DMSP-OLS的稳定灯光分布

Fig.2 Stable light data of DMSP-OLS

亮度值

高：63

低：0 0 35 70 140 km

382 热 带 地 理 35卷

行回归，即：

DN ＝∑dn （1） 式中：dn 为单位镇内某像元的亮度值。 建立线性回归模型：

GDP ＝（a ∑dn ＋b ）×c

（2）

式中：a 是回归系数；b 为截距；c 为地区差异系数，用以调整不同地区的灯光GDP 权重以提高估算精度。在对比2种灯光数据对小尺度GDP 估算的适应性时，可考虑c 取1；此时，只考察数据本身差异所引起的估计误差。

2.2 2种夜间灯光数据对GDP 的预估计

利用130个镇的GDP 统计值，分别对DMSP- OLS 和NPP-VIRS 灯光数据建立回归方程。回归直线与样本分布的情况如图4所示。

回归结果显示：DMSP-OLS 回归模型R 2

＝0.459，镇级GDP 与单位镇灯光总亮度的线性关系

不显著；而NPP-VIRS 回归模型其R 2

为0.798，GDP 与灯光分布显著相关。为比较2种灯光数据的估计精度，利用60个未参加回归的镇进行检验：分别用2种夜间灯光数据预估计GDP [计算时，式（2）中的c 取1]，并考察估计值与统计数据之间的误差分布情况（表1）。

在60个镇中NPP-GDP 误差＜30%的镇数有28个，有19个镇的GDP 估计误差＞50%；而DMSP- OSL 数据估计的GDP 值中，有32个镇存在＞50%的估计误差，超过半数；仅有15个镇的估计误差＜30%（见表1）。对比2种数据的预估结果，可以看

出，NPP-VIIRS 数据较DMSP-OSL 数据更适合进行镇级GDP 估算。但是，从表1中可知，如果不考虑地区经济发展的差异，预估算所得镇级GDP 仍然有较大的误差，还需要修正NPP-VIIRS 估算，进一步提高工作精度。

图4 GDP 估算回归模型（a．NPP-VIIRS 回归模型；b．DMSP-OLS 回归模型）

Fig.4 Regression Model of GDP estimation (a. NPP-VIIRS Regression Model; b. DMSP-OLS Regression Model)

图3 处理后的NPP-VIIRS 灯光数据

Fig.3 NPP-VIIRS processed data

表1 GDP 估计误差分布

Tab.1 Error distribution of GDP estimation

GDP

镇数/个

误差＜30%

误差30%~50%

误差＞50%

NPP-GDP 28 13 19 OSL-GDP

15

13

32

注：NPP-GDP 表示由NPP-VIIRS 数据估计得到的GDP；OSL-GDP 表示由DMSP-OSL 数据估计得到的GDP。

0 35 70 140 km

高：113 低：0

3期 柴子为等：基于夜间灯光数据的珠三角地区镇级GDP 估算 383

2.3 模型修正

在预估算模型中，计算珠三角地区全区域模型系数分布为a ＝314.5，b ＝107 438.3（图3）。考虑珠三角地区经济发展存在的地区差异，各个地级市的灯光DN 值对应的GDP 权重会有所不同。利用市级GDP 数据来修正GDP 估算模型。各个地级市的地区差异系数按式（3）计算：

c ＝GDP city /∑GDP m （3） 式中：GDP city 为某城市市级GDP 统计值；GDP m 为该城市下辖某镇GDP 的估计值（由预估计模型计算得到）。计算得到的各个城市的地区差异系数见表2。 2.4 估算结果及其检验

将9个城市的地区差异系数分别其带入式（2），最终得到珠三角地区镇级GDP 估算的修正模型。例如东莞市下辖镇的GDP 估算方程如式（4）；其他地级市下辖镇GDP 估算方程也可以按同样方法得到，此处不逐一列出。

GDP ＝（314.5×DN ＋107 438.3）×1.250 （4） 计算全部346个镇的总光照DN 值，并按照所属城

市各自带入估算方程计算GDP 值。得到最终估算结果，将各个镇的GDP 估计值分级量化，并利用质底法制图表达，结果如图5所示。

再次利用60个镇的统计数据进行检验。结果表明修正模型的GDP 估计精度有大幅提高：60个镇中有52个镇的GDP 估计误差＜30%，6个镇的估计误差介于30%~50%，而仅有2个镇的估计误差＞

表2 地区差异系数

Tab.2 Regional difference coefficients 地级市 地区差异系数

肇庆 0.518 佛山 1.339 广州 1.523 惠州 0.677 东莞 1.25 深圳 2.291 中山 1.089 珠海 0.973 江门

0.66

图5 镇级GDP 估算结果

Fig.5

Result of township GDP estimation

384 热 带 地 理 35卷

50%。60个镇的GDP估计值的平均偏差为15%，总体估计精度达到85%。NPP-VIIRS夜间灯光数据能较为准确地估算出珠三角地区的镇级GDP，估算结果可用于对比统计数据。

3 结论与讨论

小尺度GDP数据在许多领域都有重要应用价值，但是通常难以获取大范围区域的完整数据。建立夜间灯光遥感数据与地表经济活动总量间的相关关系，能为大范围镇级GDP估算提供很好的支持。由于VIIRS传感器具有较高的空间分辨率和较宽的动态辐射采集范围，能够有效降低像元亮度饱和溢的现象，也使得NPP-VIIRS灯光数据数据能够用于较小尺度的GDP估算工作。

本文通过比较传统的DMSP-OLS数据和NPP- VIRS数据在镇级GDP估算工作中的性能，实验结果表明NPP-VIIRS数据要更为可靠，证实了光照总量与镇级GDP间的线性相关关系，R2达到0.798。为提高NPP-VIIRS数据的估算精度，利用DMSP- OLS稳定光数据对NPP-VIIRS数据进行遮罩和掩膜处理，综合了2种数据的优势信息。随后进一步考虑研究区域内的地区差异，利用市级GDP修正估算模型，实现了对珠三角地区的镇级GDP估算。总体工作精度达到85%，表明本文方法是一种有效提高估算精度的技术手段，估算精度能支持与统计数据的对比分析工作。

大尺度的社会经济活动（如国家级、省级）与夜间光照情况有较强的相关关系。但在较小尺度下（如县级、镇级），这种相关性受地区经济发展差异的影响较大，可能存在更为复杂的相关关系（如非线性相关）。随着研究尺度的缩小，地表自然要素或经济要素的空间差异，对估算结果的扰动也将变得更为复杂。如何控制或消除区域差异带来的扰动，是提高GDP估算精度的主要工作方向。本文使用了简单的线性回归模型，利用市级GDP数据对估算模型进行了校正，但这种工作方法能否推广到其他地区还有待更多的检验。 参考文献：

[1] 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．地理学报[J]．2005，60（3）：409-417．

[2] 袁艺，史培军，刘颖慧，等．快速城市化过程中土地覆盖格局研究

——以深圳市为例[J]．生态学报，2003，23（9）：1832-1840． [3] 周诗．经济增长视角下的产业结构演进研究[D]．上海：上海社会科

学院，2010．

[4] ELVIDGE C D，BAUGH K E，KIHN E A，et al．Relation between

satellite observed visible near infrared emissions，population，economic activity and electric power consumption[J]．International Journal of Remote Sensing，1997，18（6）：1373-1379．

[5] GHOST T，POWELL R，ELVIDGE C D，et al．Shedding light on the

global distribution of economic activity[J]．The Open Geography Journal，2010（3）：148-161．

[6] ELVIDGE C D，IMHOFF ML，BAUGH K E，et al．Night-time lights of

the world：1994-1995[J]．ISPRS Journal of Photogrammetry and Remote Sensing，2001，56（2）：81-99．

[7] 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．

[8] GHOST T，SUTTON P，POWELL R，et al．Estimation of Mexico's

informal economy and remittances using nighttime lights data

[C]//ELVIDGE C．Satellite Observed Nighttime Lights Urban Remote

Sensing Event．Shanghai：IEEE，2009：1-10．

[9] 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，2012，1（14）：128-134．

[10] SHI K，YU B，HUANG Y，et al．Evaluating the ability of NPP-VIIRS

nighttime light data to estimate the gross domestic product and the electric power consumption of China at multiple scales：A comparison with DMSP-OLS data[J]．Remote Sensing，2014，6（2）：1705-1724．[11] 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）：11-18．

[12] 刘红辉，江东，杨小唤，等．基于遥感的全国GDP 1km格网的空

间化表达[J]．地球信息科学，2005，7（2）：120-123．

[13] 闫庆武，卞正富．基于GIS的社会统计数据空间化处理方法[J]．云

南地理环境研究，2007，19（2）：92-96．

[14] 杨续超，康丽莉，张斌，等．基于多源遥感信息的电力消费量估算

与影响因素分析——以浙江省为例[J]．地理科学，2013，33（6）：718-723．

[15] 卓莉，李强，郑璟，等．基于夜间灯光数据的中国城市用地扩展类

型[J]．地理学报，2006，61（2）：169-178．

[16] 李昊，李萍，白衡．OLS/VIIRS微光成像原理和应用[C]//王冰梅，

褚万江．2009第五届苏皖两省大气探测、环境遥感与电子技术学术研讨会．扬州：江苏省气象学会、安徽省气象学会，2009：378-382．[17] 郑辉，曾燕，王勇，等．基于VIIRS夜间灯光数据的城市建筑密度

估算——以南京主城区为例[J]．科学技术与工程，2014，14（18）：69-75．

3期 柴子为等：基于夜间灯光数据的珠三角地区镇级GDP估算 385 Township GDP Estimation of the Pearl River Delta Based on the

NPP-VIIRS Night-Time Satellite Data

CHAI Ziwei1，WANG Shuailei2，QIAO Jigang3

（1．Guangdong Environmental Monitoring Center，Guangzhou 510308，China；2．School of Geography and Planning，Sun Y at-sen University，Guangzhou 510320，China；3．School of Geography & Tourism，Guangdong University of Finance & Economics，Guangzhou 501320，China）

Abstract: Though the high resolution data of GDP distribution is difficult to collect, it is very important for small scale regional development research. Night-time satellite images can be used to estimate GDP of administrative unit. In this paper, DMAP-OLS and NPP-VIIRS are used to estimate township GDP of the Pearl River Delta district: DMAP-OLS data are employed to modify NPP-VIIRS data, and then regression model about GDP and NPP-VIIRS Pixel brightness are built to estimate township GDP. Regional difference coefficients are employed to adjust the township GDP based on city level GDP data. Experiments show that the estimating accuracy of township GDP value in 2013 a reaches to 85%, and NPP-VIIRS data is valid data resource for township GDP estimation.

Key words: night-time satellite data; GDP estimation; NPP-VIIRS; the Pearl River Delta