img

官方微信

遥感技术与应用, 2022, 37(4): 929-937 doi: 10.11873/j.issn.1004-0323.2022.4.0929

灯光遥感专栏

利用夜间灯光分析胡焕庸线两侧社会经济发展不均衡状况

邹丹,1, 周玉科,2, 林金堂1, 陈天宇3, 吴志杰1, 王洪1

1.龙岩学院 资源工程学院,福建 龙岩 364012

2.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

3.苏州科技大学 地理科学与测绘工程学院,江苏 苏州 215004

Analysis of Inequality of Socioeconomic Development on both Sides of Hu Huanyong Line Using Nighttime Light

Zou Dan,1, Zhou Yuke,2, Lin Jintang1, Chen Tianyu3, Wu Zhijie1, Wang Hong1

1.School of Resource Engineering,Longyan University,Longyan 364012,China

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

3.School of Geographic Science and Surveying engineering,Suzhou University of Science and Technology,Suzhou 215004,China

通讯作者: 周玉科(1984-),男,山东济宁人,副研究员,主要从事生态遥感和时空大数据挖掘研究。E⁃mail:zhouyk@igsnrr.ac.cn

收稿日期: 2021-06-24   修回日期: 2021-09-30  

基金资助: 福建省自然科学基金项目.  2020J01355.  2020J01361
福建省教育厅中青年科技类项目.  JAT200609
龙岩学院博士启动项目.  LB82018038

Received: 2021-06-24   Revised: 2021-09-30  

作者简介 About authors

邹丹(1986-),女,山东兖州人,讲师,主要从事空间数据挖掘、资源环境遥感研究与测绘教学E⁃mail:chinazoudan@126.com , E-mail:chinazoudan@126.com

摘要

利用遥感技术评估我国东西部社会经济发展情况及差异,对我国制定发展战略和具体实施具有重大意义。研究利用夜间灯光遥感数据表征社会经济发展状况,在县一级分析了胡焕庸线两侧的发展速率、重心转移情况;结合遥感植被指数引入“灯光/植被”比值指数,分析经济发展和绿色空间的动态权衡;将海岸带不同距离缓冲区灯光与西部灯光比重进行对比;利用基尼系数测度东西部发展的不均衡状况。结果表明:全国、东西部社会经济快速发展,灯光重心基本稳定,分别在开封市、淮北市、阿拉善南部地区小范围漂移; 我国海岸带聚集了高强度的社会经济活动,30 km缓冲区内灯光总量基本已经与西部灯光总量相当;东西部基尼系数逐年降低;比值指数的空间自相关分析探测到沿海灯光趋于饱和,相邻的内陆县域为潜在的高强度开发空间。研究结果说明了我国东西部内部经济发展差异仍然显著,但是均衡性趋好,东部发展应进入更加注重绿化维持的阶段,内陆地区也将逐渐进入快速发展阶段。研究结论对我国乡村振兴重点地区的精准识别、生态治理修复规划等都具有借鉴意义。

关键词: 夜间灯光 ; 胡焕庸线 ; 发展不均衡 ; 基尼系数 ; 海岸带

Abstract

Using remote sensing technology to evaluate the social and economic development situation and differences between East and west China is of great significance for China to formulate development strategies and implement them. In this paper, we use remote sensing-derived nighttime light data to characterize the social and economic development, and analyze the development rate and gravity center transfer of East and West (on both sides of Hu Huanyong line) at the county level. Combined with remote sensing vegetation index, the ratio index of "light/vegetation" is introduced to analyze the dynamic trade-off between economic development and green space. The proportion of light in different distance buffer zone of coastal zone was compared with that in the West. Gini coefficient is used to measure the unbalanced development of the East and the West. The results show that: with the rapid development of social economy in the whole country, the East and the west, the lighting center is basically stable, drifting in a small range in Kaifeng City, Huaibei City and the south of Alashan; The coastal zone of China has gathered high-intensity social and economic activities, and the total amount of light in the 30 km buffer zone is almost equal to that in the West; The Gini coefficient in the East and West decreased year by year. The spatial correlation analysis of the ratio index shows that the areas along the Bohai Sea, Yellow Sea and East China Sea are high-intensity development areas tending to be saturated, the adjacent inland counties are potential high-intensity development areas, and the Qinghai Tibet and southwest regions are weak development areas. The results show that the internal economic development difference between the East and the west is still significant, but the balance is getting better. The eastern development should pay more attention to the maintenance of greening trend. Affected by the spillover of coastline development results, the inland areas will gradually enter the stage of rapid development. The conclusions of this study can be used for reference in accurate identification of key areas of Rural Revitalization and ecological restoration planning in China.

Keywords: Nighttime light ; Hu huanyong line ; Development inequality ; Gini coefficient ; Coastal zone

PDF (5091KB) 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

邹丹, 周玉科, 林金堂, 陈天宇, 吴志杰, 王洪. 利用夜间灯光分析胡焕庸线两侧社会经济发展不均衡状况. 遥感技术与应用[J], 2022, 37(4): 929-937 doi:10.11873/j.issn.1004-0323.2022.4.0929

Zou Dan, Zhou Yuke, Lin Jintang, Chen Tianyu, Wu Zhijie, Wang Hong. Analysis of Inequality of Socioeconomic Development on both Sides of Hu Huanyong Line Using Nighttime Light. Remote Sensing Technology and Application[J], 2022, 37(4): 929-937 doi:10.11873/j.issn.1004-0323.2022.4.0929

1 引 言

近30 a来我国社会经济迅猛发展,城市化现象日益显著,在取得巨大建设成就的同时,也出现了区域发展差异较大、生态空间急剧减少等问题1-2,因此,发展的同时也必须注重发展的质量和空间均衡性。另外,兼顾效率和公平、注重生态文明建设也是新时代发展的重要原则。夜间灯光(Night-time light, NTL)遥感技术具有数据获取及时、空间覆盖范围大、采集信息丰富等优点,利用该数据快速、准确的考察我国社会经济发展的区域差异及生态影响,对区域振兴和制定施政方针均具有重大意义。

胡焕庸线(黑河—腾冲线)是我国东西部人口密度和自然资源的关键分界线,是20世纪我国人地关系的重要地理大发现之一3。由于地理区位、资源环境禀赋和方针政策、开放意识等因素的差异,胡线东西两侧社会经济发展也存在显著的不对称性4。2014年11月,李克强总理特别提出我国社会经济发展如何“打破胡焕庸线”的问题,充分体现了国家对胡线东西部均衡发展问题的重视5。目前,针对胡线两侧城镇化、人口和经济发展的研究大多基于统计数据,如胡线两侧人口的空间差异及动态变化6。统计数据的稀缺性和滞后性限制了及时、准确的空间差异信息的获取,因此采用代表社会经济活动的遥感信息变量十分必要。

基于卫星遥感获取的夜间灯光数据能够有效的刻画人类活动在地表的分布和强度,已被广泛用于城市化监测79、社会经济评估10-11、战争和地震灾害评估12-13。大量研究表明在不同行政尺度上,长时序夜光数据与GDP、人口具有显著的相关性1416,因此夜光数据常用做统计数据的替代变量,以快速的评估经济发展情况。近年来,随着大数据挖掘技术的进步,夜光数据也常与POI等互联网数据结合,精细化的评估经济发展空间格局或者人口格网分布17-18。也有学者利用夜光与POI数据进行精细化的贫困探测19,对我国精准扶贫具有现实意义。另外,胡线东西两侧的社会经济差异研究多以GDP、城市面积等指标直接对比,需要进一步利用综合性的指标定量分析。胡线东部地区高强度的城市化,必然会引起绿色空间的缩减,这种建成区和自然区域的空间交互作用,也是研究人地关系的一种生动案例。研究通常利用植被指数分析城市绿色空间的时空演变过程和生态效应,发现绿色空间对减缓热岛效应和维持生态系统稳定具有重要作用20-21

有研究表明沿海岸线100 km内的区域集中了40%的世界人口22,人类的大部分社会经济活动也发生在海岸带区域23。我国具有漫长的海岸线,海岸带区域良好的自然环境和交通优势吸引了我国优势的农业和工业聚集,因此也会引起东西部之间的经济发展差异。然而,由于海岸带经济统计数据时效性和精度问题,我国海岸带相对于胡线西部地区的优势尚缺乏定量化的分析,而夜光数据的发展为海岸线狭长范围内的经济状况分析提供了机遇。

综上,根据夜间灯光数据与城市化、GDP、人口等社会经济指标的显著相关性,研究在县域尺度,从灯光和绿度总量、趋势、空间格局、不均衡性等角度,利用基尼系数等定量方法,考察了胡线两侧的社会经济发展差异的变化动态和空间格局。

2 数据与方法

2.1 夜间灯光和植被指数数据

研究采用DMSP-OLS(Defense Meteorological Satellites Program-Operational Linescan System)和VIIRS(Visible Infrared Imaging Radiometer Suit)两种传感器合成的夜间灯光数据集24。最早一代灯光遥感数据是基于美国军事气象卫星DMSP-OLS传感器,其时间范围为1992—2013年,空间分辨率为1 000 m。2011年发的新一代对地观测卫星Suomi NPP搭载的可见光/红外辐射成像仪VIIRS能够获取新的夜间灯光遥感影像(Day/Night Band,DNB波段),并降低了散射光源和背景噪声的影响,其空间分辨率为500 m。本研究采用公开发布的DMSP和VIIRS时序合成数据集(1992—2018),该数据集通过两种灯光的稳定数据采样,并建立sigmoid函数关系,并从空间格局(直方图)和时间趋势上验证了观测数据和融合数据的一致性24-25。合成数据集为年度数据,空间分辨率为1 000 m,像素值(DN值)代表地表夜间灯光辐射亮度。对于胡线穿越的县域,根据该县大部分(50%以上)灯光分布的位置确定其东西部归属。

绿色国土空间以归一化差异植被指数(NDVI)表征,采用NASA的GIMMS NDVI3g V1.0数据集26,其时间范围为1982—2015年,时空分辨率分别为15 d、8 km。为保证实验数据时间范围一致,研究选取1992—2015年间 NDVI和灯光数据。年度的NDVI数据采用年平均值表示,用于计算与灯光数据的年际相关性。由于空间自相关指数要求区域必须空间连通,因此研究范围仅限中国大陆范围。

2.2 探索性数据分析

2.2.1 发展趋势分析

在县级单位尺度,计算辖区范围内年度灯光总值,然后采用线性回归方法分析1992—2015年间灯光发展趋势,以线性回归的斜率表征社会经济发展的年际变化。斜率Slope通过最小二乘法求得:

Slope=nt=1ntXt-t=1ntt=1nXtnt=1nt2-t=1nt2

其中:n为研究年份1992—2015,Xt是第t年份的夜间灯光数值。正(负)的斜率表示县域灯光呈现增长(衰减)趋势。

2.2.2 空间自相关分析

采用空间自相关(spatial autocorrelation)理论体系中的聚类和异常值分析(Local Moran's I)方法27,探索县域灯光在同一个分布区内潜在的相互依赖性,并发现空间上的热点聚集区域和异常区域。该方法的一项重要应用是用来探明区域中的富裕区和贫困区之间的最清晰边界位置28,因此适用于研究中社会经济发展状况的空间格局探索。本文县域变量的莫兰指数计算中的空间关系采用反距离方法、欧式距离,距离阈值采用100 km(可选项)。空间自相关系数I的计算方法如下:

Ii=xi-X¯Si2j=1,jinwi,j(xj-X¯)

其中:xi是要素i的属性(本文为灯光);X¯是属性对应的平均值;wi,j是要素ij之间的空间权重;n为要素总数目,并且有:

S2=j=1,ijn(xj-X¯)2n-1

2.2.3 灯光—植被比值指数

在县域级别求取灯光总值(NTLsum)与植被指数总值(NDVIsum)的比值(R),用于衡量城市发展与绿化区域的博弈状况。比值可以反映城市化进程的建成区与植被覆盖区域的动态交互过程。R值越大,说明县域范围内灯光区域占比越大,反之说明绿化区域比例较大,生态环境较好。

R=NTLsumNDVIsum

2.2.4 基尼系数

以县为研究对象,分析全国、胡线东部、胡线西部各县夜间灯光分布的基尼系数。 基尼系数广泛用于分析居民收入平等程度,也可以将基尼系数引入地理学以表征城市规模差异,后发展成为城市基尼系数29

G=D2T(n-1)

其中:D表示区域内各个县灯光规模差值的绝对值之和;n表示县数量;T表示区域夜间灯光总值;G表示城市基尼系数,数值范围在0—1之间。当基尼系数值越趋近于1时,表示各县社会经济规模差异越明显,县域发展向中心区域靠拢,各县发展不均衡。反之,则表示县社会经济规模差距越小,发展越平均。

3 结果与讨论

3.1 夜间灯光与绿色空间的时空格局

1992—2015年间,中国大陆范围的夜间灯光平均总量为2.29×107(DN值),东部和西部的灯光多年平均总量分别为1.8×107、4.5×106(DN值)东部和西部的NDVI多年平均总量分别为25 408和15 800。夜间灯光主要分布在京津冀、环渤海、长三角、珠三角、成渝等大都市圈(图1(a));东北地区灯光主要集中在沈阳、长春、哈尔滨等大城市;西北地区灯光分布较少,主要在新疆西北部(乌鲁木齐、石河子等城市);中部地区灯光主要聚集西安、洛阳等都市区。全国范围内,全国多年平均的NDVI值为4.4×104。以植被为主要特征的绿化区域分布与胡线格局显著匹配(图1(b))。华南、西南地区自然植被生长茂盛,绿度最显著;其次为华中地区,良好的水热条件有利于自然植被和农作物生长;再次为华北、京津冀和东北农作物区,农作物季节性显著,绿度较少。另外,东北地区长白山和兴安岭森林区绿度较好。对比全国灯光与NDVI的空间分布,农业和工商业发达区域灯光分布密集,自然植被覆盖较好、高原、荒漠区域基本无灯光聚集,反映出人类活动与绿色空间博弈的空间关系。

图1

图1   多年平均(1992—2015年)夜间灯光和NDVI数据空间分布

审图号:GS(2016)2889

Fig.1   Spatial distribution of multi-year average night light and NDVI data (1992—2015)


利用线性回归模型对长时间序列的灯光和NDVI数据进行趋势分析(图2),表明全国灯光每年的增加速率为106/a(R2 = 0.92, p < 0.01),东部和西部灯光的年增长速率分别为106/a(R 2 = 0.96, p < 0.01),3.75×105/a(R 2 = 0.96, p < 0.01)。全国NDVI每年的增加速率为83.7/a(R2 = 0.49, p < 0.05),东部和西部NDVI的年增长速率分别为64.5/a(R 2 = 0.50, p < 0.05),19.1/a(R 2 = 0.22, p < 0.05)。增强趋势说明全国、胡线东部和西部的灯光、NDVI均处于增长态势,但是两种指标在东部地区的增长最为显著,且主导了全国性的增长。东部地区灯光和NDVI同步增长,说明东部地区自然环境的禀赋优越,也间接表明东部社会经济活动总量增长的同时,发展模式更加注重生态质量。西部NDVI增长幅度较小且时间相关性较弱,说明西部绿化范围有限,与其自然环境条件较差有关。

图2

图2   全国、胡线东部和西部的夜间灯光和NDVI的多年变化趋势分析

Fig.2   Analysis of the multi-year trend of nighttime light and NDVI in China, east and west of Hu Line


在2006年前全国和东部地区NDVI基本呈现稳定式的波动发展,之后呈现持续的增长趋势。西部地区NDVI总量较低,也在2006年以后呈现恢复增长趋势。后期植被的整体趋好,也可能与全球植被生长停滞期恢复有关30

3.2 夜间灯光重心时空分布

“经济重心”的概念借鉴了物理学中的“重心”概念,是指区域空间上存在某一点,在该点前后左右各个方上的力量对比保持相对均衡。以夜间灯光代表经济状况,利用加权方式计算了多年的不同尺度重心点分布(图3),从总体上探测全国及区域的灯光总量的集聚点。中国大陆地区的灯光重心主要集中在开封市及北部区域附近,重心最北分布到濮阳市(1993年),后期重心基本呈现波动式、南移的发展趋势,如2014、2015年重心点移动到洛阳市内。西部灯光重心主要集中在阿拉善盟的南部,早期重心分布在宁夏北部,2014年和2015年重心偏向张掖市。东部地区灯光重心集中在宿州市和淮北市交界一带,总体上重心轨迹有南移的趋势。

图3

图3   全国、东部、西部的经济重心变化轨迹图

审图号:GS(2016)2889

Fig.3   Trajectories of economic center of gravity in China, the east and the West


从3个尺度的灯光重心点分布轨迹可以发现,西部地区重心紧靠胡焕庸线,全国和东部地区重心有远离胡线的趋势,说明东部地区(尤其是海岸带区域)社会经济活动强度和总量均占很大比重。灯光重心随时间推荐的空间漂移并不显著,说明经济重心偏向东部地区的趋势依然很严重,南北社会经济发展格局也未有大的改观。因此,引入了海岸带灯光的定量分析以及与西部灯光的对比。

3.3 发展不均衡状况

3.3.1 海岸带与西部夜间灯光对比

以我国大陆区域海岸线为基础,向大陆内侧做缓冲区(距离分别为10、20、30、40、50和100 km),利用ArcGIS区域统计方法获得区域内灯光总量。对于胡线西部的县域年度灯光值,采用位序-规模(rank-size)的方式进行排序,然后对于每年的数据,计算与海岸带灯光总量相当的西部县数量n,用n除以西部县总数得到表1,表示海岸带灯光相当于多少个西部县域灯光。结果表明随着缓冲距离的增加,海岸带灯光占比快速升高,到30 km缓冲距离时,东部海岸带灯光已基本相当于西部全部县域灯光。10—30 km缓冲带内 ,随着时间推移,海岸带灯光占西部地区灯光的比例有所降低,可能因为西部灯光总量增加显著、增量部分发展较快。沿海100 km缓冲带内,除2014年和2015年,灯光已经完全超过西部省份。

表1   海岸带灯光与胡线西部县域灯光对比分析表

Table 1  Comparative analysis table of coastal zone lights and western county lights of Hu Line

新窗口打开| 下载CSV


我国海岸带强烈的灯光聚集效应与全球其他国家的海岸线—内陆差异情况相似,如波罗的海指数之所以能够做为全球经济的晴雨表,这与海岸带航运的便利条件有关,再如我国早期的改革开放区域主要集中在东南沿海,与易于吸引国外投资有关。沿海地区的区位优势极大的促进了社会经济的发展,如开放的交通环境和优越的自然条件,内地自然资源禀赋较差,发展的承载力不足,加之虹吸效应导致人口、资源向沿海地区流动,进一步加剧了沿海与内陆的发展失衡。

3.3.2 基尼系数分布情况

以县为单位,分别计算全国、东部和西部多年的基尼系数并形成时间序列(图4)。结果表明在研究时间段的前期和中期,我国县级经济发展的不均衡状况比较严重(Gini index>0.5)。中国大陆县级基尼系数下降速率为0.01/a(R2=0.93,p<0.01),东部和西部地区的基尼系数下降速率为0.008/a(R2=0.84, p<0.01),0.007/a(R2=0.77, p<0.01)。

图4

图4   基尼系数变化曲线

Fig.4   Change curve of Gini coefficient


从多年变化动态分析,各个尺度的基尼系数均呈现逐年下降的趋势,说明我国社会经济政策在调节区域发展不均衡和不充分方面起到了显著作用。西部大开发、东北振兴、中原崛起、精准扶贫和乡村振兴等国家重大决策不但提升了经济总量,而且促进了区域协同发展。

3.4 灯光与绿化区域交互作用状况

通过比较NTL与NDVI比值指数的时空变化特征,可以揭示人类活动和植被绿化区域的相互作用关系。时间序列上,如果NTL/NDVI指数呈下降趋势,说明绿化范围增加强于人类活动侵占,反之说明人类活动持续的侵占绿化区域。县域一级的NTL/NDVI指数发展速率具有较明显的地域特征(图5),自然分类法的结果表明:NTL/NDVI指数增加最迅速区域在环渤海、苏南—长江入海口聚集最显著,珠三角和山西中部、北疆地区有少量聚集;次一级的增长区域在靠近沿海区域的腹地,如华北和华东连片区,东北沈阳—吉林—哈尔滨片区;指数增长较慢甚至负增长的区域主要在青藏高原、内蒙和东北的北部、湖南湖北江西内部区域,这些地区人类活动较少、自然环境较好。未来黄色区域较有可能成为高强度开发带,符合我国发达地区城市建设饱和,资源外溢的情况。黄色区域分布在华南、西南、东南的内陆地区和东北、西北零散分布,为各省的欠发达县市,因此有很大的社会经济发展空间。

图5

图5   NTL/NDVI 变化斜率

审图号:GS(2016)2889

Fig.5   Change slope of NTL/NDVI


利用局部莫兰指数分析了NTL/NDVI指数多年平均值的空间聚集度(图6(a)),发现京津冀、山东半岛、江苏、长三角为显著的“高—高”聚集区域,说明高强度开发区域相关性非常显著。“高—高”聚集区域西侧的边缘为“低—高”相关的异常区域,说明这些区域紧靠高强度区域,但是自身尚未达到高开发强度。由于空间距离靠近,“低—高”异常区域具有较大的开发概率和上升空间,是未来城镇化的潜力区域。“低—低”聚集区域集中分布在青藏高原、西南地区和东南内陆地区,对应植被覆盖较好、人类活动较少的区域。新疆北部、宁夏、山西、河北南部一带无显著的空间相关性。“高—低”聚集地区最少,零散的分布于东北、华中和西南区域。基于Getis-Ord Gi*方法探索了NTL/NDVI指数的空间热点/冷点分布(图6(b)),其空间格局与聚集度相似,但是更加显著的特出了华北、华东的高强度开发和绿色空间压力,内蒙古中部和新疆乌鲁木齐经济带也是突出的热点;冷点主要在西南部和东北部植被覆盖度高地区。

图6

图6   NTL/NDVI指数聚集和热点/冷点分布图 审图号:GS(2016)2889

Fig.6   NTL/NDVI index aggregation and hot/cold spot distribution


NTL/NDVI指数空间相关性分析精准识别了我国人类活动最强、绿色空间最紧迫的区域:渤海—黄海—东海(部分)的沿海地区。这些海岸带地区多年的发展比较充分,但是向内地延伸发展的腹地仍然欠发达,具有较大的发展潜力。特别发现福建沿海除福州、厦门外,其他海岸区域发展强度并不显著,原因可能是经济水平不够发达,同时植被覆盖较好导致NTL/NDVI指数存在一定的不确定性。

4 结 论

本文基于长时间序列的夜间灯光数据,采用基尼系数、灯光/绿度比值方法,探索了胡焕庸线两侧的社会经济发展不均衡状况。研究发现近30 a来胡线西部灯光总量增长迅速,但是速度和量级与胡线东部差距仍然较大;东部和西部区域内的发展不均衡状况逐步缓和,说明我国经济发展兼顾了区域公平性。根据资源环境禀赋和灯光量级,西部地区应注意绿色空间维持和扩展,东部地区在兼顾绿色空间和建成区协调的同时增加城市植被。利用夜间灯光数据可以快速、准确的衡量社会经济发展的时空格局和质量,对我国产业政策制定和成效评估具有重要意义。

参考文献

Wu RuijunZhu Baoshu.

The unbalanced distribution of population in China and the stability of Heihe-Tengchong Line

[J]. Chinese Journal of Population Science, 2016361):1424.

[本文引用: 1]

吴瑞君朱宝树.

中国人口的非均衡分布与“胡焕庸线”的稳定性

[J]. 中国人口科学,2016361):1424.

[本文引用: 1]

Zhong Maochu.

How to characterize regional ecological carrying capacity and ecological environment quality?: on the redistribution of the ecological carrying capacity of the East, Central and West with the meaning of Hu Huanyong Line

[J]. Journal of China University of Geosciences (Social Sciences Edition), 2016161): 19.

[本文引用: 1]

钟茂初.

如何表征区域生态承载力与生态环境质量?——兼论以胡焕庸线生态承载力涵义重新划分东中西部

[J]. 中国地质大学学报: 社会科学版, 2016161): 19.

[本文引用: 1]

Wang KaiyongDeng Yu . Can new urbanization break through the Hu Huanyong Line?

Further discussion on the geographical connotations of the Hu Huanyong Line

[J]. Geographical Research, 2016355): 825835.

[本文引用: 1]

王开泳邓羽.

新型城镇化能否突破 “胡焕庸线”——兼论 “胡焕庸线” 的地理学内涵

[J]. 地理研究, 2016355): 825835.

[本文引用: 1]

Li JiamingLu DadaoXu Chengdonget al.

Spatial heterogeneity and its changes of population on the two sides of Hu Line

[J]. Acta Geographica Sinica, 2017721): 148-160.

[本文引用: 1]

李佳洺陆大道徐成东.

胡焕庸线两侧人口的空间分异性及其变化

[J]. 地理学报, 2017721): 148-160.

[本文引用: 1]

Chen MingxingLi YangGong Yinghuaet al.

The population distribution and trend of urbanization pattern on two sides of Hu Huanyong population line: A tentative response to Premier Li Keqiang

[J]. Acta Geographica Sinica, 2016712): 179-193.

[本文引用: 1]

陈明星李扬龚颖华.

胡焕庸线两侧的人口分布与城镇化格局趋势——尝试回答李克强总理之问

[J]. 地理学报, 2016712):179-193.

[本文引用: 1]

Qi WeiLiu ShengheZhao Meifeng.

Study on the stability of Hu Line and different spatial patterns of population growth on its both sides

[J]. Acta Geographica Sinica, 2015704): 551-566.

[本文引用: 1]

戚伟刘盛和赵美风.

“胡焕庸线” 的稳定性及其两侧人口集疏模式差异

[J]. 地理学报, 2015704): 551-566.

[本文引用: 1]

Dou YLiu ZHe Cet al.

Urban land extraction using VIIRS nighttime light data: An evaluation of three popular methods

[J]. Remote Sensing,201792). DOI:10.3390/rs 9020175 .

[本文引用: 1]

Ma TZhou CPei Tet al.

Quantitative estimation of urbanization dynamics using time series of DMSP/OLS nighttime light data: A comparative case study from China’s cities

[J]. Remote Sensing of Environment, 201212499107. DOI:10.1016/j.rse.2012.04.018 .

Liu YWang YPeng Jet al.

Correlations between urbanization and vegetation degradation across the world’s metropolises using DMSP/OLS nighttime light data

[J]. Remote Sensing, 201572): 20672088. DOI:10.3390/rs70202067 .

[本文引用: 1]

Li XXu HChen Xet al.

Potential of NPP-VIIRS nighttime light imagery for modeling the regional economy of China

[J]. Remote Sensing, 201356): 30573081. DOI:10.3390/rs5063057 .

[本文引用: 1]

ShiKYu BHuang Yet 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, 201462): 17051724. DOI:10.3390/rs6021705 .

[本文引用: 1]

Li XChen FChen X.

Satellite-observed nighttime light variation as evidence for global armed conflicts

[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing,201365):2302-2315. DOI:10.1109/JSTARS. 2013.2241021 .

[本文引用: 1]

Jiang WHe GLong Tet al.

Ongoing conflict makes Yemen dark: From the perspective of nighttime light

[J]. Remote Sensing, 201798). DOI:10.3390/rs9080798 .

[本文引用: 1]

DaiZHu YZhao G.

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

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

[本文引用: 1]

Ji XLi XHe Yet al.

A simple method to improve es-timates of county-level economics in China using night-time light data and GDP growth rate

[J]. ISPRS International Journal of Geo-Information,201989). DOI:10.3390/ijgi 8090419 .

Wu JWang ZLi Wet al.

Exploring factors affecting the relationship between light consumption and GDP based on DMSP/OLS nighttime satellite imagery

[J]. Remote Sensing of Environment,2013134111-119. DOI:10.1016/j.rse. 2013.03.001 .

[本文引用: 1]

Liu JDengYWang Yet al.

Urban nighttime leisure space mapping with nighttime light images and POI data

[J]. Remote Sensing, 2020123). DOI:10.3390/rs12030541 .

[本文引用: 1]

He XZhou CZhang Jet al.

Using wavelet transforms to fuse nighttime light data and POI big data to extract urban built-up areas

[J]. Remote Sensing, 20201223): 120. DOI:10.3390/rs12233887 .

[本文引用: 1]

Shi KChang ZChen Zet al.

Identifying and evaluating poverty using multisource remote sensing and Point Of Interest (POI) data: A case study of Chongqing, China

[J]. Journal of Cleaner Production,2020255. DOI:10.1016/j.jclepro. 2020. 120245 .

[本文引用: 1]

Li Tingting.

Study on temporal and spatial evolution of urban green space and its correlation with ecological environment effect

[D]. ChongqingSouthwest University2018.

[本文引用: 1]

李婷婷.

城市绿色空间时空演变及其对生态环境效应的关联性研究

[D]. 重庆西南大学2018.

[本文引用: 1]

Su LeiLi JunyingFan Mengxue.

Review of urban green space spatial-temporal evolution and its ecological effects based on remote sensing

[J]. Yunan Geographic Environment Research, 2018306):1-8.

[本文引用: 1]

苏雷李俊英樊梦雪.

基于遥感的城市绿色空间时空演变与生态效应研究综述

[J].云南地理环境研究,2018306):1-8.

[本文引用: 1]

Max Finlayson C.

Millennium ecosystem assessment

[J]. The Wetland Book: I: Structure and Function, Management, and Methods,2018355-359. DOI:10.1007/978-90-481-9659-3_81 .

[本文引用: 1]

Mulkey DHackett W BGordon J R.

Assessing economic activity in coastal areas: A shift‐share approach

[J]. Coastal Zone Management Journal, 1982101–2): 7996. DOI:10.1080/08920758209361911 .

[本文引用: 1]

Li XZhou YZhao Met al.

A harmonized global nighttime light dataset 1992-2018

[J]. Scientific Data, 202071):1-9. DOI:10.6084/m9.figshare.12312125 .

[本文引用: 2]

Zhao MCheng WZhou Cet al.

Assessing spatiotemporal characteristics of urbanization dynamics in Southeast Asia using time series of DMSP/OLS nighttime light data

[J]. Remote Sensing, 2018101). DOI:10.3390/rs10010047 .

[本文引用: 1]

Pinzon J ETucker C J.

GIMMS 3g NDVI set and global NDVI trends

[J/OL]. Second Yamal Land-Cover Land-Use Change Workshop, 2010(March). .

URL     [本文引用: 1]

Anselin L.

Local Indicators of Spatial Association—LISA

[J]. Geographical Analysis, 1995272):93-115. DOI:10.1111/j.1538-4632.1995.tb00338.x .

[本文引用: 1]

Zhang CLuo LXu Wet al.

Use of local Moran’s I and GIS to identify pollution hotspots of Pb in urban soils of Galway, Ireland

[J]. Science of the Total Environment, 20083981-3): 212-221. DOI:10.1016/j.scitotenv.2008.03.011 .

[本文引用: 1]

Gastwirth J L.

The Estimation of the Lorenz Curve and Gini Index

[J]. The Review of Economics and Statistics, 1972543): 306. DOI:10.2307/1937992 .

[本文引用: 1]

Wang XXiao JLi Xet al.

No trends in spring and autumn phenology during the global warming hiatus

[J]. Nature Communications, 2019101): 2389. DOI:10.1038/s41467-019-10235-8 .

[本文引用: 1]

/