1 引 言
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［7–9］、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［14–16］，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］。
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：
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
其中：
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。
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］。
其中：
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
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
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
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
The unbalanced distribution of population in China and the stability of Heihe-Tengchong Line
［J］.
中国人口的非均衡分布与“胡焕庸线”的稳定性
［J］.
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］.
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］.
Further discussion on the geographical connotations of the Hu Huanyong Line
［J］.
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］.
Spatial heterogeneity and its changes of population on the two sides of Hu Line
［J］.
胡焕庸线两侧人口的空间分异性及其变化
［J］.
The population distribution and trend of urbanization pattern on two sides of Hu Huanyong population line： A tentative response to Premier Li Keqiang
［J］.
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］.
Study on the stability of Hu Line and different spatial patterns of population growth on its both sides
［J］.
“胡焕庸线” 的稳定性及其两侧人口集疏模式差异
［J］.
Urban land extraction using VIIRS nighttime light data： An evaluation of three popular methods
［J］.
Quantitative estimation of urbanization dynamics using time series of DMSP/OLS nighttime light data： A comparative case study from China’s cities
［J］.
Correlations between urbanization and vegetation degradation across the world’s metropolises using DMSP/OLS nighttime light data
［J］.
Potential of NPP-VIIRS nighttime light imagery for modeling the regional economy of China
［J］.
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］.
Satellite-observed nighttime light variation as evidence for global armed conflicts
［J］.
Ongoing conflict makes Yemen dark： From the perspective of nighttime light
［J］.
The suitability of different nighttime light data for GDP estimation at different spatial scales and regional levels
［J］.
A simple method to improve es-timates of county-level economics in China using night-time light data and GDP growth rate
［J］.
Exploring factors affecting the relationship between light consumption and GDP based on DMSP/OLS nighttime satellite imagery
［J］.
Urban nighttime leisure space mapping with nighttime light images and POI data
［J］.
Using wavelet transforms to fuse nighttime light data and POI big data to extract urban built-up areas
［J］.
Identifying and evaluating poverty using multisource remote sensing and Point Of Interest （POI） data： A case study of Chongqing， China
［J］.
Study on temporal and spatial evolution of urban green space and its correlation with ecological environment effect
［D］.
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］.
Review of urban green space spatial-temporal evolution and its ecological effects based on remote sensing
［J］.
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］.
Millennium ecosystem assessment
［J］.
Assessing economic activity in coastal areas： A shift‐share approach
［J］.
A harmonized global nighttime light dataset 1992-2018
［J］.
Assessing spatiotemporal characteristics of urbanization dynamics in Southeast Asia using time series of DMSP/OLS nighttime light data
［J］.
GIMMS 3g NDVI set and global NDVI trends
［J/OL］.
Local Indicators of Spatial Association—LISA
［J］.
Use of local Moran’s I and GIS to identify pollution hotspots of Pb in urban soils of Galway， Ireland
［J］.
The Estimation of the Lorenz Curve and Gini Index
［J］.
No trends in spring and autumn phenology during the global warming hiatus
［J］.
