img

官方微信

遥感技术与应用, 2022, 37(4): 897-907 doi: 10.11873/j.issn.1004-0323.2022.4.0897

灯光遥感专栏

基于夜间灯光的2000—2018年成渝地区城市化过程研究

王晗,1,2, 胡自远,3, 李付全3, 周玉科1,2

1.中国科学院地理科学与资源研究所 生态系统网络观测与模拟重点实验室,北京 100101

2.中国科学院大学,北京 100049

3.山东省地质矿产勘查开发局第七地质大队,山东 临沂 276000

Research on the Spatial-Temporal Process of Urbanization in Chengdu-Chongqing Region based on Nighttime Light from 2000 to 2018

Wang Han,1,2, Hu Ziyuan,3, Li Fuquan3, Zhou Yuke1,2

1.Key Laboratory of Ecosystem Network Observation and Modeling,Institute of Geographic and Nature Resources Research,Chinese Academy of Sciences,Beijing 100101,China

2.University of Chinese Academy of Sciences,Beijing 100049,China

3.No. 7 Geological Brigade,Shandong Bureau of Geology and Mineral Resources Exploration and Development,Linyi 27600,China

通讯作者: 胡自远(1984-),男,江西萍乡人,高级工程师,主要从事矿山生态环境修复研究。E⁃mail:hzy0618@163.com

收稿日期: 2021-11-08   修回日期: 2022-07-04  

基金资助: 国家重点研发计划项目.  2018YFB0505301.  2016YFC0500103

Received: 2021-11-08   Revised: 2022-07-04  

作者简介 About authors

王晗(2000-),女,四川广安人,硕士研究生,主要从事夜间灯光遥感研究E⁃mail:wanghanzora@163.com , E-mail:wanghanzora@163.com

摘要

成渝城市群正逐步成为我国西部经济发展的增长极,探索其城市化时空格局对区域协调发展具有指引作用。基于2000—2018年整合夜光遥感数据提取城市群多期建成区空间范围,运用夜光规模统计、标准椭圆、位序—规模法则以及空间自相关等指标、模型定量分析了成渝区域城市化时空过程。结果表明:①灯光与统计数据配合下的建成区提取多年平均误差为1.27%,重庆、成都和绵阳市提取验证效果好;②19年间成渝各城市夜光规模显著增长,整体累计增长5.6倍,2010年后成渝城市群灯光规模扩张速度显著;③区域内各城市的位序—规模(rank-size)由高位序城市集中发展转向区域协调均衡发展,中小城市均有不同程度的扩张;④城市群规模重心位于四川资阳市安岳县,重心移动整体上以东南方向为主,空间格局整体呈现以“成都—重庆”为轴线沿西北向东南演变,空间范围逐渐扩张,说明以重庆为主的东南都市圈的社会经济形势更显著,对城市群发展更具影响力;⑤成渝城市群扩展的空间集聚程度逐渐加强,冷热点格局整体呈现冷点区占比大,热点区占比低的特征,热点区主要出现在位于成都与重庆主城区及其周边城镇。研究揭示了成渝城市群均衡发展的特征及热点区域,可作为未来城市功能规划和投资决策的参考。

关键词: 夜间灯光 ; 城镇扩展 ; 位序-规模法则 ; 时空演变特征 ; 成渝城市群

Abstract

Chengdu-Chongqing urban agglomeration is gradually becoming the growth pole of economic development in western China. Exploring the spatial and temporal pattern of urbanization in Chengdu-Chongqing urban agglomeration has a guiding role for regional coordinated development. Based on the integrated nighttime light remote sensing data from 2000 to 2018, this paper extracted the spatial scope of multi-stage built-up areas of urban agglomerations, using noctilucent scale statistics, standard ellipse, rank-size rule and spatial autocorrelation and other indicators and models to quantitatively analyze the spatial and temporal process of urbanization in this region. The main conclusions are as follows: (1) the multi-year average error of the built-up area extraction with the combination of light and statistical data is 1.27%, which is effective in Chongqing, Chengdu and Mianyang. (2) In the past 19 years, the scale of noctilucent in Chengdu-Chongqing cities increased significantly, with an overall cumulative increase of 5.658 times. After 2010, the scale of light in Chengdu-Chongqing urban agglomeration expanded significantly; (3) The rank-scale of cities in the region shifted from the concentrated development of high-ranking cities to the coordinated and balanced development of the region, and small and medium-sized cities all expanded to varying degrees; (4) The center of gravity of urban agglomeration is located in Anyue County, Ziyang City, Sichuan Province. The center of gravity movement is mainly in the southeast direction, and the spatial pattern evolves along the axis of "Chengdu-Chongqing" from northwest to southeast, indicating that the southeast metropolitan circle dominated by Chongqing has a stronger radiating and driving role and has more influence on the development of urban agglomeration. (5) The spatial agglomeration degree of Chengdu-Chongqing urban agglomeration is gradually strengthened. The overall pattern of cold hot spots is characterized by a large proportion of cold spots and a low proportion of hot spots. The hot spots are mainly located in the main urban areas of Chengdu and Chongqing and their surrounding towns. This study reveals the characteristics and hotspots of balanced development of Chengdu-Chongqing urban agglomeration, which can be used as a reference for future urban function planning and investment decisions.

Keywords: Nighttime light ; Urban expansion ; Rank-size rule ; Temporal-spatial evolution characteristic ; Chengdu-Chongqing urban agglomeration

PDF (6891KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

王晗, 胡自远, 李付全, 周玉科. 基于夜间灯光的2000—2018年成渝地区城市化过程研究. 遥感技术与应用[J], 2022, 37(4): 897-907 doi:10.11873/j.issn.1004-0323.2022.4.0897

Wang Han, Hu Ziyuan, Li Fuquan, Zhou Yuke. Research on the Spatial-Temporal Process of Urbanization in Chengdu-Chongqing Region based on Nighttime Light from 2000 to 2018. Remote Sensing Technology and Application[J], 2022, 37(4): 897-907 doi:10.11873/j.issn.1004-0323.2022.4.0897

1 引 言

成渝地区是沟通中国西南、西北的重要经济枢纽且表现出较高的发展潜力,现已规划成为国家级城市群1。历经快速城市化进程后,该地区正面临巨型城市发展格局优化的问题。目前,成渝地区具有发展潜力的城市集中在重庆、成都,城镇化水平约为53.8%,低于全国平均水平2。同时,城市发展导致人口与产业分布密集、生态脆弱区分布广多、人地矛盾等问题愈发严重,资源环境建设压力大3。因此,为促进成渝地区空间结构布局优化、经济与生态环境协调发展,定量分析成渝城市群的长时间序列城市化过程具有重要现实意义。

当前,国内外有关城市群时空过程研究方法主要基于遥感与多种空间分析方法。在众多遥感产品中,夜间灯光遥感(Nighttime Light)亮度因其与GDP、人口等社会经济指标有较强的相关性,加上其时间序列长、易获取的优点,常用于探究城市发展4-6、城市空间结构7-9、城市扩张10-12等城市地理研究。基于夜光遥感的城市化研究关键在于建成区范围提取,其中阈值法运用最为广泛,可概括为3类:经验阈值法、突变检测法与辅助数据法。研究表明辅助数据法,在提取合理的建成区空间范围方面具有优势,如基于统计数据的中国大陆20世纪90年代城市化空间过程研究13。辅助数据法的应用510-1114表明辅以权威的统计年鉴数据可以获取出高精度的建成区提取结果,加以多时相高分辨率遥感数据进行精度评定并合理修正,可以更准确地判断成渝地区在研究年份的城市时空变化特征。

目前,基于夜间灯光数据的成渝区域城市化相关研究发现,该地区呈现明显双核首位特征,建成区扩张速度快且体量大15-16。但多数研究受限于单种夜光数据的时空分辨率,缺乏结合多种夜光数据的长时间序列研究,时序特征观察不足,并且,城市化研究仅基于整体角度,未完全实现基于内部城市的城市分析。综上,成渝城市化过程需要长时序、多源数据结合的研究。本文基于2000—2018年整合夜间灯光影像,基于二分比较—辅助资料法提取城市群建成区空间范围,刻画成渝城市群发展轨迹,揭示城市群规模结构演变特征,以期为该地区完善城市空间结构、构建区域一体化协同发展和政府决策制定提供理论参考。

2 研究区概况

成渝城市群共包括四川省的成都、自贡、泸州等15个地级市与重庆市渝中、万州、黔江等27个区(县)以及开州、云阳的部分地区,总面积达到了1.85×105 km2。成渝城市群地处四川盆地腹地,气候以亚热带季风气候为主,地形多山地丘陵,河流众多,气候适宜,生态系统复杂。2018年成渝城市群实现地区生产总值约5.75×105亿元,年增长率达8.2%,其总值占川渝两地总值的90%;区域人口密度为595人/km²。成渝城市群正逐步成为西部新型经济水平高质量发展的重要增长极,其发展可为推动“一带一路”和长江经济带战略合作、加快中西部地区崛起提供强有力的支撑。

图1

图1   研究区域图

Fig.1   Map of the study area


3 数据与方法

3.1 数据源与处理

3.1.1 夜间灯光数据

目前应用最广泛的夜间灯光数据有DMSP/OLS夜光数据与NPP/VIIRS夜光数据。其中DMSP/OLS空间分辨率为1 km,时间范围为1992—2013年,时间序列长;NPP/VIIRS时间分辨率为2012年—至今,空间分辨率为500 m,数据时效性和精准性更高。DMSP/OLS与NPP/VIIRS夜光数据两者有效整合的夜光数据可扩大其时空分辨率,兼具两种数据优点,在监测大时空范围城市格局演变领域中有广泛应用17-18

研究采用的夜间灯光数据为公开发布的1992—2018年全球稳定夜间灯光数据集19,像元灰度值范围为0—63,空间分辨率为1 km×1 km。数据集中包含了DMSP/OLS与NPP/VIIRS两种传感器的夜光影像,两种影像的融合性良好,但NPP/VIIRS夜光数据存在少量极高值现象。本研究通过模拟2013年DMSP/OLS与NPP/VIIRS两种数据之间的回归关系,建立了幂函数相对校正模型(公式(1)),再利用模型对2015年、2018年的NPP/VIIRS夜光数据进行校正,使两种数据源数据具有一致性和科学性,减小了实验误差,最终决定系数(R2)达到了0.898。

Y=a×Xb+c

其中:Y表示NPP/VIIRS数据经校正后类似DMSP/OLS数据的灰度值;X表示NPP/VIIRS影像原始灰度值a、b、c表示回归模型的拟合参数。

图2

图2   DMSP/OLS和NPP/VIIRS数据的拟合关系

Fig.2   Fitting relationship between DMSP/OLS and NPP/VIIRS


3.1.2 统计数据

实验选取的统计数据主要来自《中国城市统计年鉴》、《中国城市建设统计年鉴》等统计年鉴(中国经济社会大数据研究平台http:∥data.cnki.net),数据涵盖2000年、2005年、2010年、2015年、2018年5期共80个城市建成区面积、人口、经济等信息。

因早期统计方法的口径不同等问题,存在后期建成区统计数据低于前期的情况,本研究运用统计数据校正法13公式(2))对年鉴数据进行简单校正。

S(i,j)=S(i,j)'  S(i,j)<S(i,j)'S(i,j),  i=(20002005201020152018)

其中:S(i,j)表示第ij城市的建成区统计面积;S(i,j)'表示第i年上一期对应的j城市的、建成区统计面积。本研究共对80个建成区面积数据中的5个数据进行修正,修正率为6.25%,涉及的城市有德阳、广安、乐山、眉山。

3.2 研究方法
3.2.1 基于二分法的建成区提取

为快速设定提取各市建成区的不同阈值,实验基于二分比较法17辅助统计数据提取城市信息。具体方法分为以下3步:①分别设定各城市市区的阈值(表1)以提取城市用地信息。②比较提取出的建成区面积与统计年鉴记录的真实面积,修改阈值返回第一步,直到二者差距最小为止。③基于最佳阈值提取出80个城市的建成区空间范围。

表1   各城市不同时期建成区提取阈值表

Table.1  The extraction threshold values of built-up areas in different periods of each city

城市建成区划分阈值(DN值)
2000年2005年2010年2015年2018年
成都市46.0050.0055.0053.4152.78
重庆市39.0047.0041.0046.9048.92
德阳市30.0049.0052.0050.8751.52
广安市20.0045.0038.0050.2349.57
乐山市17.0029.0035.0046.9049.57
泸州市22.0031.0024.0041.2444.13
眉山市24.0028.0036.0045.5348.25
绵阳市45.0044.0053.0048.9249.57
南充市32.0045.0046.0049.5752.15
内江市18.0039.0034.0048.2549.57
遂宁市14.0041.0043.0047.5849.57
雅安市19.0024.0030.0042.7046.22
宜宾市22.0040.0031.0043.4246.22
达州市26.0051.0042.0045.5347.58
资阳市22.0038.0039.0044.1350.23
自贡市17.0034.0028.0039.7444.83

新窗口打开| 下载CSV


图3

图3   重庆市与成都市多年建成区提取结果图

Fig.3   Extraction results of built-up areas in Chongqing and Chengdu


对比提取结果与统计结果,验证平均相对误差2000年为0.34%,2005年为-0.47%,2010年为1.41%,2015年为0.7%,2018年为4.39%。基于Google Earth高分辨率影像数据作为检验数据,以重庆、成都、绵阳为例,分别随机抽取2010年与2018年的各城市建成区和非建成区各100个样本点,精度验证两期建成区提取结果。3个城市两期结果生产者精度与用户精度均达到88%以上,总精度均达到93%以上,其中绵阳市2010年总精度最高达到94.5%。

3.2.2 夜光统计法

夜间灯光总强度(Total Nighttime Intensity,TNI)反映了建成区以及人类社会经济活动强度等信息。夜间灯光平均强度(Mean Nighttime Intensity,MNI)表现了区域人类活动的平均强度,避免仅以夜光的总强度描述城市发展水平带来的偏颇。夜间灯光增量和夜间灯光增长率可用于衡量城市群夜间灯光强度增长特征。相关计算公式如下:

TNI=i=1nxi
MNI=TNIn  
I=Tj-Ti
C=ITj

其中:n表示建成区空间范围内的像元数量;xi表示第i个像元的DN值;TiTj分别代表某时段初期和末期成渝城市群夜间灯光总量;I表示该时段城市群夜间灯光增加的量;C为该时段城市群夜间灯光增长的速度。

3.2.3 标准椭圆法

标准差椭圆是地统计学中的重要分析工具,从全局性的空间角度表征地理要素空间分布的方向性和分布的趋势20。实验引入标准椭圆计算工具定量探究成渝城市群建成区夜间灯光规模的空间集中程度、延展方向及变化趋势。相关计算公式如下:

GX=i=1nwixii=1nwi
GY=i=1nwiyii=1nwi
tanα=(i=1nwi2xi¯2-i=1nwi2yi¯2)+(i=1nwi2xi¯2-i=1nwi2yi¯2)2+4i=1nwi2xi2yi22i=1nwi2xi2yi2
σx=i=1n(wixi¯cosα-wiyi¯sinα)2i=1nwi2
σy=i=1n(wixi¯sinα-wiyi¯cosα)2i=1nwi2

其中:(GXGY)代表椭圆重心;α代表方位角;σxσy分别表示椭圆长短轴的标准差;wi表示权重,本文以夜间灯光数据中像元DN值作为权重;xi表示第i个像元的纬度;yi表示第i个像元的经度。

3.2.4 城市位序—规模法则

Zipf定律以城市人口来表示某一国家或地区内城市的体系的发展状况,反映了城市规模分布的集中与分散情况21-22。该定律为理想化模型,经学者改进21-22。现在具有更普适性的位序-规模法则公式如下:

LgPi=LgP1-qLgRi

其中:i为城市位序;Pi表示位序为i的城市拥有的人口规模;P1为首位城市的人口规模。q为Zipf维数,其值的大小反映了城市规模的集散度。当q大于1时,表明城市规模分布相对集中,中小城市发展不够。当q小于1时,表明城市规模分布相对分散,中小城市发展均衡,城市首位效应不够。当q等于1时,城市规模分布满足位序-规模法则,此时分布最为均衡、合理。

3.2.5 空间自相关法

城市群空间格局中,城市之间距离越近,表明各城市发展联系越紧密,城市群发育程度高;反之则表明各城市独立发展,城市群发育程度低。实验运用全局空间自相关(Global Moran’s I)指数探究总体集聚格局23。公式如下:

Moran's I=ni=1nj=1nWij(Xi-X¯)(Xj-X¯)X2i=1nj=1nWij

其中:Moran's I为全局莫兰指数,取值范围为[-1,1];n为城市群中城市数量;Wij为空间权重矩阵;Xi为城市群中第i个城市建成区扩张面积。

局部空间自相关(Gits-Ord Gi*)指数表现了城市化的局部关联特征,可以用于识别热点区与冷点区的空间分布18。实验为识别成渝城市群在县域尺度上的局部关联模式,根据公式(15)计算Gits-Ord Gi*指数。

Z(Gi*)=nj=1nWij(d)xjj=1nxj

Gits-Ord Gi*指数进行标准化处理得到:

Z(Gi*)=Gi*-E(G)Var(Gi*)

其中:Wij(d)是基于距离的空间权重;xixj分别为城市ij的城市用地面积;E(G)Var(Gi*)分别为Gi*的数学期望和变异系数。

4 结果与分析

4.1 夜光规模变化特征

夜间灯光强度较好地反映城市社会经济及人类活动等信息。研究引入夜光总强度、夜光平均强度、夜光增量、夜光增速定量分析夜间灯光规模变化以探究成渝城市群空间扩展过程。

2000—2018年间,成渝城市群的夜间灯光总强度扩张了约5.5倍,夜间灯光平均强度扩张了约1.2倍,表明城市群经济活动程度不断加强,城市群一直处于快速发育的进程。此外,城市群中16个城市夜光的总强度呈不断上升趋势,平均灯光强度呈波动上升趋势(图4)。表现出研究期间内各城市城市规模在持续扩张,人类活动范围不断扩大。

图4

图4   各个城市夜间灯光规模统计图

Fig.4   Statistics on the scale of nighttime light in various cities


从城市群的视角出发,成渝城市群建成区内夜光总强度由2005—2000年的37 464增长到2018—2015年的44 511。需要注意的是,2010—2005年的夜间灯光增速0.4,低于2005—2000年间的1.03。一方面可能是因为2008年全球经济危机的影响,中国整体的经济速度放缓;另一方面可能是因为2008年汶川大地震及其引起的其他次生灾害的发生,地震影响范围大波及广,对四川省、重庆市境内许多地区都有造成不同程度的损害,灾后区域整体经济放缓,区域经济处于逐渐恢复阶段。2015—2010年迅速回暖,并保持较高的灯光增速。2018—2015年3 a间灯光增量大,但增速不高,这与此时间段的年份跨度较短有关系,假设2018年以后均保持此3 a间灯光增长速率(14 837灯光/年)增长,预估2020年的灯光规模将达230 148,2020—2015年间灯光增速达到0.5,这与实际城市群发展速度相符。即2010年后成渝城市群灯光规模保持可观的速度扩张,社会经济活动强度增长形势向好。

从城市群内部城市的视角出发,重庆、成都是成渝城市群灯光规模的两个重要增长极,前者夜光的总强度在研究时段内增量达41 197,后者增量达60 000以上。由此看出城市建成区基础规模大小较大程度决定了建成区的夜光规模增速大小,基础规模越大,城市夜光规模扩张速度越快,对应人类社会经济活动强度增长越快。此外,城市群中各城市灯光增速差别大,其中泸州、达州、广安增速相对较快,德阳市增速最慢(图6)。成都、重庆增速相对处于整个城市群中下游。由此可说明城市基础规模相对较大,灯光规模基数相对较大,增速相对较慢5

图5

图5   成渝城市群夜间灯光增长情况

Fig.5   The growth of nighttime light in Chengdu-Chongqing Urban Agglomeration


图6

图6   各城市夜间灯光累积增速图

Fig.6   The cumulative growth rate of nighttime light in various cities


4.2 成渝城市群城市规模体系

实验以成渝城市群城市建成区灯光总量代替总人口,运用位序—规模法则揭示成渝城市群在2000—2018年的内部城市规模分布规律。2000—2018年间成渝城市群的位序—规模对数拟合的决定系数(R²)均高于0.867,表明二者拟合性好,位序—规模法则可以较好的解释成渝城市群的夜间灯光结构(图7)。总体上看,2000—2018年成渝城市群q值均大于1,且由2000年的1.361下降到2018年的1.290。从q值来看,表明在19 a间成渝城市群呈现首位型分布特征,整体城市规模呈集中分布的特性,以重庆、成都为主的高位序城市发育较好,中小城市发育表现比较不足。从q长时间序列来看,2000—2018年间q值呈逐渐下降趋势,表明在19 a间成渝城市群中心城市对周边地区的辐射带动作用不断加强,中小城市表现出了较强有力的发展劲头,发展速度快,使得城市群城市规模差异减小,城市群内部发展愈加均衡、合理。未来成渝城市群发展应加大对规模相对较小城市的关注与投入,促进中小城市发展,使得城市群规模结构合理化、均衡化发展。

图7

图7   成渝城市群位序-规模双对数变化图

Fig.7   The changes of the rank-scale logarithmic of Chengdu-Chongqing urban agglomeration


4.3 成渝城市群空间演变方向

本研究运用椭圆重心、椭圆面积、椭圆长短轴等标准椭圆计算工具,以夜光强度为权重刻画成渝城市群建成区空间演变方向。从标准椭圆重心位置上看,研究期间成渝城市群标准椭圆重心均位于四川境内,表明四川境内的夜光规模更大,即城市规模更大。从标准椭圆重心迁移轨迹上看,城市群的重心向东南、东北、西北3个方向均有迁移,但整体以东南方向迁移为主,说明成渝城市群东南部地区发展领先于其他地区。从标准椭圆的长短轴变化上看,成渝城市群短轴呈“变短—变长—变短—变长”的波动式变短,长轴则呈“变长—变短—变长”的波动式变长,说明成渝城市群整体在南北方向收缩,在东西方向扩张。从标准椭圆面积变化上看,城市群呈现出了一个“扩张—收缩—扩张”的发展过程,即2000—2010年,标准椭圆面积不断增长表明该时段城市群内部夜光强度不断攀升,超过一定规模向外溢出。2010—2015年,标准椭圆呈现收缩趋势表明该时段城市群在积累夜光规模。2015—2018年,标准椭圆继而扩大表明城市群在积累了一定的夜光基础后,由内部垂直的扩展转向外部扩张。因此,综合来看,2000—2018年成渝城市群以“成都—重庆”为轴线呈西北向东南的趋势发展,以重庆为主的东南都市圈社会经济形势更好且大范围辐射城市群整体的发展。

图8

图8   成渝城市群重心迁移情况

Fig.8   Center of gravity migration in Chengdu-Chongqing urban agglomeration


4.4 成渝城市群时空演变格局

通过莫兰指数的计算,前两个时间段内成渝城市群在该时段内空间上呈离散分布(莫兰指数为负值),城市群内部的城市之间发展尚未形成有效协同(表2)。在后两个时间段内,莫兰指数为正值,城市群城市扩展呈现出正向空间分布,空间集聚特征明显。整体上看,2000—2018年成渝城市群城市扩展的莫兰指数值呈现持续增大的趋势,说明随着时间发展城市群城市扩展的空间集聚程度逐渐加强,建成区的空间聚类分布特征愈加明显,城市空间扩展处于有序增长的状态。

表2   成渝城市群不同时期城市扩展全局自相关指数

Table.2  Global autocorrelation index of urban expansion in Chengdu-Chongqing urban agglomeration in different periods

城市群Moran’s I
2000—20052005—20102010—20152015—2018
成渝城市群-0.430-0.0080.0830.134

新窗口打开| 下载CSV


为了进一步探究成渝城市群城市扩展的空间格局演变特征,计算城市群城市阔扩展的局部空间自相关指数,完成热点分析。通过自然断裂法对Z得分由低到高分为5个等级(图9)。

图9

图9   成渝城市群城市空间扩展热点分析

Fig.9   Analysis on hot spots of urban space expansion in Chengdu-Chongqing urban agglomeration


2000—2018年间,成渝城市群热点区占比较低,冷点区比重较高。热点区的数量呈现出先增加后减少的趋势,变化幅度小。冷点区呈现出减少—增多—减少的趋势。总体上看,成渝城市群空间扩展格局比较稳定。2000—2005年,出现以重庆、成都省会城市为中心的热点区,两核城市之间存在明显冷点区,表明成渝城市群在该阶段城市群特征尚不明显,城市发展主要发生在双核城市及其周边地区。2005—2015年,以重庆为核心的城市扩展成为主导模式,辐射周边城镇发展使得周围中值区与热点低值区不断扩大,扩展热点交替出现在城市群的北部和中部,绵阳、达州、资阳、遂宁、达州、广安、自贡等地区均得到不同程度的发展,此时段Z得分增高说明城市群集聚特征也逐渐变强。2015年后,城市群内中小城镇快速发展,热点区和不显著区开始增多,冷点区减少,成渝城市群重现以重庆、成都为核心的两大都市圈发展的局面。总体来看,城市群东北部与西南部地区长期处于冷点区与中值区的交替变迁中,热点区主要出现在位于城市群西北部的成都与东南部的重庆主城区及其周边城镇地区,即德阳南部、广安东南部、眉山东部、泸州东北部、宜宾东部、自贡东南部、内江东南部地区。绵阳、遂宁、南充、乐山、雅安、达州、资阳长期处于冷点区与中值区。同时,热点区Z得分出现波动上升的趋势,表明成渝城市群扩展格局集聚特征日益明显。

5 讨 论

以成渝城市群作为研究区域,通过整合的DMSP/OLS、NPP/VIIRS两种夜间灯光数据完成了城市建成区提取,分析了城市群及内部城市的规模变化、结构体系以及集聚格局分异等特征,揭示了城市群在2000—2018年的发展规律。验证了生成的长时间序列夜光遥感数据满足大尺度地理空间范围动态监测的研究需求。但实验仍存在不足,主要包括以下两个方面:①整合的夜间灯光数据运用于小城镇尺度研究精度略显不足,未来可引入珞珈一号等高分辨率夜间灯光数据或土地资料数据辅助提取建成区。②在整合两种夜光数据过程中,发现NPP/VIIRS夜光数据质量会有所下降,如何构建更为高质量的长时间序列的夜光遥感数据也是未来需要重点关注的研究方向。后期会辅以其他高分辨率影像,进行小尺度区域研究。

6 结 论

本文基于2000—2018年整合夜间灯光数据,基于二分比较—辅助资料法提取成渝城市群建成区空间范围,采用夜光计量、位序—规模法则、标准椭圆、莫兰指数、热点分析等方法、模型定量开展了成渝城市群城市化过程的研究,为成渝城市群未来合理规划建设提供了理论参考。结果表明:

(1)利用幂函数拟合实现2013年DMSP/OLS和NPP/VIRRS两种夜光数据的整合,R²为0.893,数据拟合性较好。城市群建成区面积提取结果平均误差为1.273%,随机采样验证总精度达92.9%。

(2)从城市群夜光规模变化上看,研究期间成渝城市群城市规模不断扩张,各城市发展迅速。2010年后成渝城市群灯光规模保持可观的速度扩张,社会经济活动强度增长形势向好。

(3)从城市群规模体系上看,成渝城市群Zipf系数始终大于1并呈现持续下降的趋势,说明城市群呈首位型分布,且由高位序城市集中发展转向区域协调均衡发展,中小城市规模不断增强,城市空间体系差距减小。

(4)从城市群空间演变方向上看,城市群重心均位于四川境内,重心迁移方向整体向东南,空间格局整体呈现以“成都—重庆”为轴线沿西北向东南演变,城市群空间范围逐渐扩张。

(5)从空间自相关的角度上看,成渝城市群城市扩展的空间集聚程度逐渐加强,城市空间扩展处于有序增长的状态。城市群冷热点空间格局呈现出热点区占比较低、冷点区占比较高的特征,且热点区波动增加,冷点区波动减小。

参考文献

Xinhua News Agency.

Xi Jinping Presided over the Sixth Meeting of the Financial and Economic Commission of the Central Financial and Economic Commission: Emphasizing ecological protection and high-quality development of the Yellow River Basin and vigorously promoting the construction of Chengdu-Chongqing Economic Circle

[J]. Contemporary Party Member, 20202): 11.

[本文引用: 1]

新华社.

习近平主持召开中央财经委员会第六次会议强调:抓好黄河流域生态保护和高质量发展大力推动成渝地区双城经济圈建设

[J]. 当代党员,20202): 11.

[本文引用: 1]

Research Group of Institute of Land Development and Regional Economy, Chinese Academy of Macroeconomic Research, GaoGuoli, LiuBaokui, et al.

Study on the evolution characteristics and trend of Chinese urbanization spatial form

[J]. Revolution, 20209):128-138.

[本文引用: 1]

中国宏观经济研究院国土开发与地区经济研究所课题组高国力刘保奎.

我国城镇化空间形态的演变特征与趋势研判

[J]. 改革,20209): 128-138.

[本文引用: 1]

State Council of the People's Republic of China.

Approval of the State Council on the development plan of Chengdu-Chongqing Urban Agglomeration

[J]. Bulletin of the State Council of the People's Republic of China, 201612):27-28.

[本文引用: 1]

中华人民共和国国务院.

国务院关于成渝城市群发展规划的批复

[J]. 中华人民共和国国务院公报,201612):27-28.

[本文引用: 1]

Li JunfengPan Jinghu.

Spatial expansion of cities at county-level in Gansu Province from 1992 to 2012 based on DMSP nighttime images

[J]. Journal of Glaciology and Geocryology, 2016383): 829-835.

[本文引用: 1]

李俊峰潘竟虎.

基于夜间灯光的1992-2012年甘肃省城市空间扩展研究

[J]. 冰川冻土, 2016383): 829-835.

[本文引用: 1]

Zhang Dacheng.

Research on the development trajectory of Hangzhou bay urban agglomeration based on nighttime remote sensing

[D]. HangzhouZhejiang University2019.

[本文引用: 2]

张大成.

基于夜光遥感的杭州湾城市群发展轨迹研究

[D]. 杭州浙江大学2019.

[本文引用: 2]

Gao BHuang Q XHe C Yet al.

Dynamics of urbanization levels in China from 1992 to 2012: Perspective from DMSP/OLS nighttime light data

[J]. Remote Sensing, 201572): 1721-1735. DOI: 10.3390/rs70201721 .

[本文引用: 1]

Wang HuaZheng BohongWang Zhiyuan.

A study of the evolution characteristics of built-up areas in Chang-Zhu-Tan urban agglomeration based on DMSP/OLS data

[J].Remote Sen-sing for Land & Resources, 2020324):175-184.

[本文引用: 1]

汪华郑伯红王志远.

基于DMSP/OLS数据的长株潭城市群建成区演变特征研究

[J]. 国土资源遥感,2020324):175-184.

[本文引用: 1]

Zhu Shunjuan.

Spatial structure and optimization of Changsha-Zhuzhou-Xiangtan urban agglomeration

[D]. ChangshaCentral South University2012.

朱顺娟.

长株潭城市群空间结构及其优化研究

[D]. 长沙中南大学2012.

Qiu Yaqian.

Spatial-temporal pattern evolution analysis of urban agglomeration in the middle reaches of the Yangtze River based on nighttime light remote sensing image

[D]. WuhanWuhan University2019.

[本文引用: 1]

仇雅倩.

基于夜光遥感影像的长江中游城市群时空格局演变分析

[D]. 武汉武汉大学2019.

[本文引用: 1]

Li GuihuaFan JunfuZhou Yukeet al.

Development and characteristics estimation of Shandong peninsula urban agglomeration using VIIRS night-light data

[J]. Remote Sensing Technology and Application, 2020356): 1348-1359.

[本文引用: 2]

李桂华范俊甫周玉科.

基于VIIRS夜间灯光数据的山东半岛城市群发展特征研究

[J]. 遥感技术与应用, 2020356): 1348-1359.

[本文引用: 2]

Dong ChenweiCao YuTan Yongzhong.

Urban expansion and vegetation changes in Hangzhou bay area using night-light data

[J]. Chinese Journal of Applied Ecology, 2017281): 231-238.

[本文引用: 1]

董晨炜曹宇谭永忠.

基于夜间灯光数据的环杭州湾城市扩张及植被变化

[J]. 应用生态学报, 2017281): 231-238.

[本文引用: 1]

Alahmadi MAtkinson P M.

Three-fold urban expansion in Saudi Arabia from 1992 to 2013 observed using calibrated DMSP-OLS night-time lights imagery

[J]. Remote Sensing, 20191119): 2266. DOI:10.3390/rs11192266 .

[本文引用: 1]

He ChunyangShi PeijunLi Jingganget al.

Reconstruction of the spatial process of urbanization in the 1990s in mainland China based on DMSP/OLS night-light data and statistics

[J]. Chinese Science Bulletin,2006517):856-861.

[本文引用: 2]

何春阳史培军李景刚.

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, 2006517):856-861.

[本文引用: 2]

Zhang WenbinZhang ZhibinZhou Yiet al.

Temporal-spatial evolution characteristics of Lanxi urban agglomeration based on night-light data

[J]. Remote Sensing Information, 2020356): 38-43.

[本文引用: 1]

张文斌张志斌周翼.

基于夜间灯光数据的兰西城市群时空演变特征

[J]. 遥感信息, 2020356): 38-43.

[本文引用: 1]

Yang RenfeiLuo HongxiaZhou Shenget al.

Restoring and analyzing the space forming process of Chengdu-Chongqing urban agglomeration by using DMSP/OLS night-light data

[J]. Journal of Geo-information Science,2017195):77-85.

[本文引用: 1]

杨任飞罗红霞周盛.

夜间灯光数据驱动的成渝城市群空间形成过程重建及分析

[J]. 地球信息科学学报,2017195):77-85.

[本文引用: 1]

Liang RubingChen QingtaoXia Zhiyeet al.

Monitoring and analysis of urbanization process in Chengdu-Chongqing region using VANUI index

[J]. Geomatics and Mapping Information, 202146S1): 210-215.

[本文引用: 1]

梁茹冰陈庆涛夏至业.

利用VANUI指数监测成渝地区的城市化进程与分析

[J]. 测绘地理信息, 202146():210-215.

[本文引用: 1]

Dai Z XHu Y FZhao G H.

The suitability of different nighttime light data for GDP estimation at different spatial scales and regional levels

[J]. Sustainability, 201792):305. DOI:10.3390/su9020305 .

[本文引用: 2]

Shi K FHuang CYu B Let al.

Evaluation of NPP-VIIRS night-time light composite data for extracting built-up urban areas

[J]. Remote Sensing Letters, 201454-6): 358-366. DOI:10.1080/2150704X.2014.905728 .

[本文引用: 2]

Li X CZhou Y YZhao Met al.

A harmonized global nighttime light dataset 1992-2018

[J]. Scientific Data, 202071). DOI: 10.1038/s41597-020-0510-y .

[本文引用: 1]

Sun QinkeZhou LiangShen Ruruet al.

Spatial heterogeneity of urban land use in Yangtze River economic belt based on DMSP/OLS data

[J]. Remote Sensing Information, 2019344): 79-86.

[本文引用: 1]

孙钦珂周亮申如如.

基于DMSP/OLS数据的长江经济带城市用地空间分异特征

[J]. 遥感信息, 2019344):79-86.

[本文引用: 1]

Sun Lingwei.

Discussion on urban expansion in Shandong Province based on Landsat data and DMSP/OLS night-light data

[D]. ChongqingChongqing Normal University2017.

[本文引用: 2]

孙凌蔚.

基于Landsat数据和DMSP/OLS夜间灯光数据的山东省城市扩张探讨

[D]. 重庆重庆师范大学2017.

[本文引用: 2]

George K. Human behavior and the principle of least effort: An introduction to human ecology[M]. Cambridge, Mass.: Addison-Wesley1949. DOI: 10.1126/science.110.2868.669 .

[本文引用: 2]

Miller H J.

Tobler's first law and spatial analysis

[J]. Annals of the Association of American Geographers, 2004942): 284-289. DOI:10.1111/j.1467-8306.2004.09402005.x .

[本文引用: 1]

/