摘要：為了實現(xiàn)社會經濟要素與自然要素的數(shù)據融合、共享與綜合分析，對GDP統(tǒng)計數(shù)據進行空間化，以貴陽為研究對象，基于DMSP/OLS遙感夜間燈光指數(shù)數(shù)據，運用NDVI數(shù)據消除夜間燈光數(shù)據的像元過飽和溢出現(xiàn)象，構建人居指數(shù)HLS，通過人居指數(shù)與GDP的分布規(guī)律，分析人居指數(shù)與GDP的相關性，構建GDP回歸模型。

關鍵詞：夜間燈光指數(shù);GDP;回歸分析;GDP空間化

GDP用于表征區(qū)域經濟發(fā)展水平，廣泛應用于評價和衡量區(qū)域發(fā)展狀況與經濟實力等方面，目前包括GDP在內的社會經濟數(shù)據大多數(shù)都以行政區(qū)劃為統(tǒng)計單元，以行政區(qū)為單元的統(tǒng)計GDP數(shù)據能夠較好地反映區(qū)域整體經濟發(fā)展水平，但不能反映行政區(qū)內部經濟發(fā)展差異，也存在統(tǒng)計單元數(shù)據與其他環(huán)境數(shù)據空間上不匹配等問題，而以像元為單元的GDP數(shù)據既能反映行政區(qū)內部經濟發(fā)展差異，也可以為區(qū)域經濟和GDP產業(yè)結構細化估值提供依據。目前，眾多國內外學者逐漸開始重視GDP空間化，并且提出了多種GDP空間化的方法。

1 研究區(qū)概況

貴陽市位于長江上游，屬于中國西南部地區(qū)，總面積達8.24萬 km2，平均海拔高度多在400 m之間，地勢南北高，中西部低。境內山高谷深，最大高差為2723.7 m，山地面積約為6.26萬 km2，占總面積的76%，丘陵占22%，河谷平壩僅占2%。貴陽是西南地區(qū)最大的綜合性工業(yè)基地，處于經濟快速發(fā)展的東西部結合地帶。2012年，貴陽GDP總量為11409.6億元是2001年GDP總量的4倍，但各區(qū)縣間GDP增長差異大。

2 研究方法與數(shù)據基礎

2.1 數(shù)據源與預處理

研究數(shù)據主要涉及統(tǒng)計數(shù)據和空間數(shù)據兩部分。其中統(tǒng)計數(shù)據有2012年貴陽市GDP數(shù)據（2013年貴陽市統(tǒng)計年鑒）;空間數(shù)據有：2012年貴陽市DMSP/OLS夜間燈光指數(shù)數(shù)據源于美國國家地球物理數(shù)據中心。（http：//www.ngdc.gov/dmsp/downloadV4composites.html）空間分辨率為1 km;2012年MODIS逐月NDVI數(shù)據，空間分辨率為500 m（源于地理空間數(shù)據云MODIS中國合成產品）;DEM數(shù)據（源于國家地球系統(tǒng)科學數(shù)據共享平臺），空間分辨率為1km;2012年貴陽市行政區(qū)劃圖。為了統(tǒng)一運算，所有空間數(shù)據均采用Transverse_Mercator投影。

2.2 構建GDP空間化模型

夜間燈光數(shù)據的原始分辨率比NDVI數(shù)據的分辨率低，而且城市中心的夜間燈光指數(shù)由于經濟發(fā)展水平高還存在像元過飽和現(xiàn)象。所以基于這兩種數(shù)據的互補性，引入NDVI數(shù)據，可有效減緩夜間燈光數(shù)據的過飽和現(xiàn)象，提高人居指數(shù)精度。本文參考Lu等的研究，利用以下公式建立人居指數(shù)（Human Settlement Index，HLS）：

式中，為MODIS NDVI在2012年的最大值， 為2012年經過標準化的夜間燈光指數(shù)數(shù)據（0～1）。對人居指數(shù)進行分區(qū)統(tǒng)計，利用各個區(qū)縣人居指數(shù)的平均值與對應區(qū)縣的GDP統(tǒng)計密度進行線性回歸分析，得到人居指數(shù)平均值與GDP統(tǒng)計密度的回歸方程。根據人居指數(shù)與統(tǒng)計GDP密度的線性關系式y(tǒng) = 40441x - 1994.3來對貴陽市各個區(qū)縣的GDP密度進行模擬，得到初步模擬的GDP密度。

3 結果分析與精度評價

3.1 結果分析

主城區(qū)域夜燈值高、NDVI值低，使得主城及周邊地區(qū)人居指數(shù)高。從2012年貴陽市GDP分布來看，主城及周邊地區(qū)由于經濟發(fā)展水平比渝東南和渝東北的大部分區(qū)縣高，所以GDP高的區(qū)域主要集中在主城以及主城周圍的區(qū)縣。由此可得出人居指數(shù)與GDP分布之間的空間對應關系：在人居指數(shù)高的區(qū)域，GDP水平高，在空間分布上具有正相關。運用區(qū)縣GDP統(tǒng)計值除以面積，得到各個區(qū)縣GDP密度，從2012年貴陽市GDP密度分布來看，都市區(qū)以及周邊地區(qū)由于經濟發(fā)展水平高GDP密度普遍高于東南和東北區(qū)縣的GDP密度。

3.2 精度評價

利用人居指數(shù)HLS與貴陽市各區(qū)縣統(tǒng)計GDP密度進行線性回歸分析構建GDP空間化模型，利用模型模擬GDP密度，得到GDP模擬密度與GDP統(tǒng)計密度之間的相對誤差為18%，從各區(qū)縣GDP密度分布的模擬結果來看，有60%的區(qū)縣GDP密度模擬的誤差小于20%，其中有10個區(qū)縣的模擬結果的絕對誤差小于15%，誤差最小的是榮昌縣，與統(tǒng)計的GDP密度僅相差0.3%。模擬誤差較大的多為渝東南翼和渝東北翼邊界的幾個區(qū)縣，其中城口GDP密度模擬的相對誤差較大，這幾個地區(qū)的模擬誤差較大的主要原因是這些地方的地勢相較于其他區(qū)縣海拔較高，地形復雜，對模擬結果進行柵格分區(qū)統(tǒng)計時，在對邊界取舍的過程中容易造成細節(jié)部分的缺失，從而在對貴陽進行GDP密度模擬時造成誤差偏大的結果。

4 結論

將傳統(tǒng)以行政區(qū)劃為計算單元的GDP密度轉變?yōu)橛嬎憧臻g離散的格網，使GDP密度的空間分布精確到行政區(qū)內部且更具有實際的研究分析意義。對于貴陽這種地形復雜的地區(qū)來說，GDP空間化就有更加實際的作用了，由于貴陽的各個區(qū)縣所處的地形和地勢差異較大，各區(qū)縣的發(fā)展水平差異較大，將GDP空間化有利于分析貴陽經濟發(fā)展水平較低的區(qū)縣內部的經濟發(fā)展差異，從而為制定精確的地區(qū)內部經濟發(fā)展戰(zhàn)略提供輔助判斷依據。由于研究中的DMSP/OLS夜間燈光指數(shù)數(shù)據比MODIS逐月 NDVI數(shù)據比DMSP/OLS夜間燈光指數(shù)數(shù)的空間分辨率低，所以將兩種數(shù)據進行融合處理可以有效減少夜燈數(shù)據像元過飽和現(xiàn)象，也在一定程度上緩解了夜燈數(shù)據像元溢出問題。但研究中對GDP分布的影響因素分析不足，以后的研究中能夠進一步對影響因素進行深入分析，從而提升GDP模擬模型的精度。

參考文獻：

[1] 韓向娣，周藝，王世新，等.夜間燈光遙感數(shù)據的GDP空間化處理方法[J].地球信息科學學報，2012（01）.

[2] 劉紅輝，江東，楊小喚，等.基于遙感的全國GDP 1km格網的空間化表達[J].地球信息科學，2006（02）.

[3] TOBLER W，DEICHMANN U，UOTTSEUEN J. World population in a grid of spherical quadrilaterals[J]. International Journal of Population Ueography，1997.

[4] DOBSON J E，BRIUHT E A，COLEMAN P R. LandScan：A global population database for estimating population at risk[J].Photogrammetric Engineering and Remote Sensing，2001（09）.

[5] 易玲，熊利亞，楊小喚.基于GIS技術的GDP空間化處理方法[J].甘肅科學學報，2006（02）.

[6] 黃瑩，包安明，陳曦，等.新疆天山北坡干旱區(qū)GDP時空模擬[J].地理科學進展，2009（04）.

[7] 黃瑩，包安明，陳曦，等.記憶綠洲土地利用的區(qū)域GDP公里格網化研究[J].冰川凍土，2009（01）.

作者簡介：楊正蘭（1996—），女，在讀研究生，研究方向：生態(tài)環(huán)境遙感。

（作者單位：成都理工大學）