楊樂(lè)怡,陳潔瑩,張露梓玉,鄭瑩瑩,余楊帆,付迎春

（華南師范大學(xué)地理科學(xué)學(xué)院，廣州510631）

1 引言

城鎮(zhèn)夜光不僅是經(jīng)濟(jì)繁榮的象征，也是光污染的來(lái)源［1］。夜間光污染具有諸多方面的不利影響［2］，對(duì)人居健康的危害需受到關(guān)注，這對(duì)夜間照明的合理規(guī)劃和人們的健康生活具有重要意義。

夜光遙感數(shù)據(jù)具有范圍廣、時(shí)間序列長(zhǎng)、準(zhǔn)確度高等優(yōu)點(diǎn)，被廣泛用于夜間光污染的調(diào)查和研究。Bennie 等［3］利用夜光遙感數(shù)據(jù)檢測(cè)了歐洲大陸的光污染趨勢(shì)；Han 等［4］監(jiān)測(cè)了1992—2012年中國(guó)光污染的變化趨勢(shì)，結(jié)果表明中國(guó)的光污染呈明顯增加的趨勢(shì)；Zheng等［5］監(jiān)測(cè)非洲保護(hù)區(qū)內(nèi)的夜間光污染并探索了人類活動(dòng)對(duì)保護(hù)區(qū)內(nèi)光污染的作用閾值。關(guān)于夜間光污染對(duì)動(dòng)物和人類的影響；Hu 等［6］證實(shí)了夜光能夠改變海龜?shù)闹残袨椋籔edro 等［7］發(fā)現(xiàn)海鷗的飛行路線會(huì)被夜光干擾；Kloog［8］等和Bauer 等［9］的研究揭示了夜間燈光強(qiáng)度與以色列、美國(guó)佐治亞州的乳腺癌發(fā)病率的正相關(guān)關(guān)系；Koo 等［10］證明了高強(qiáng)度的戶外燈光與肥胖以及各種睡眠問(wèn)題有顯著的聯(lián)系；廖書(shū)冰等［11］用夜間燈光數(shù)據(jù)建立模型模擬了2 種老年慢性病患病率的空間分布。幾乎在所有城市，有效治理光污染，還公眾以“暗夜”，成為許多市民的共同心愿［12］。

通過(guò)問(wèn)卷調(diào)查獲取睡眠質(zhì)量數(shù)據(jù)的工作量大，效率低，較少用于大范圍研究。因此，本文以廣州市為研究區(qū)，使用NPP-VIIRS 夜光數(shù)據(jù)作為表征夜間光污染程度的指標(biāo)，通過(guò)建立回歸模型，估算像元尺度上的睡眠質(zhì)量數(shù)據(jù)，在此基礎(chǔ)上，利用聚類分析研究居民睡眠質(zhì)量的分布特征。研究成果為快速得到精細(xì)尺度上的睡眠質(zhì)量數(shù)據(jù)提供參考，有助于相關(guān)部門針對(duì)性地管控光污染。

2 研究區(qū)概況與數(shù)據(jù)來(lái)源

2.1 研究區(qū)概況

廣州市地處廣東省中南部、珠江三角洲中北緣，是粵港澳都市圈的核心城市。地理坐標(biāo)為東經(jīng)112° 57′—114° 3′，北緯22° 26′—23° 56′；總面積7 434.4 km2，下轄11 個(gè)區(qū)。2021年第七次人口普查數(shù)據(jù)顯示，截止至2020年11月1日廣州市擁有常住人口18 676 605 人?！?017年中國(guó)網(wǎng)民失眠地圖》［13］顯示，廣州市以79.37%（曾經(jīng)有過(guò)失眠經(jīng)歷的人占總調(diào)查人數(shù)百分比）位居失眠城市排行榜第二。在此背景下，網(wǎng)媒聯(lián)合發(fā)起了“廣州睡眠調(diào)查”［14］，光污染在導(dǎo)致失眠的環(huán)境因素中名列第三。廣州市光污染對(duì)居民睡眠有顯著影響。

圖1 研究區(qū)示意圖Fig.1 Sketch map of study area

2.2 數(shù)據(jù)來(lái)源

2.2.1 夜間燈光數(shù)據(jù) NPP-VIIRS 夜間燈光數(shù)據(jù)能夠清晰地反映出城市內(nèi)部的細(xì)節(jié)信息，本文的NPP-VIIRS 夜光數(shù)據(jù)來(lái)源于NOAA/NGDC 平臺(tái)（https：/ngdc. noaa. gov/eog/viirs/download_ut_mos.html）。原始數(shù)據(jù)的坐標(biāo)系為WGS 84 地理坐標(biāo)系，對(duì)原始數(shù)據(jù)進(jìn)行掩膜提取后重新投影為Albers正軸等面積割圓錐投影，并重采樣為250 m分辨率。

2.2.2 睡眠質(zhì)量數(shù)據(jù) 睡眠質(zhì)量數(shù)據(jù)通過(guò)問(wèn)卷調(diào)查的方式獲取。問(wèn)卷內(nèi)容設(shè)計(jì)參考了匹茲堡睡眠質(zhì)量表，共收集225 份有效數(shù)據(jù)，具體包括兩部分：一是居民睡眠質(zhì)量調(diào)查，二是居民對(duì)周邊光污染的感知。根據(jù)被調(diào)查者的回答計(jì)算其睡眠質(zhì)量指數(shù)（Sleep Quality Index，SQI），SQI 的取值范圍為0—21，SQI值越高，表示睡眠質(zhì)量越差。

2.2.3 相關(guān)輔助數(shù)據(jù) 主要為從天地圖廣州市地理信息公共服務(wù)平臺(tái)上（http：//guangdong.tianditu.gov.cn/guangzhou/）獲取的廣州市區(qū)縣行政邊界數(shù)據(jù)。

3 研究方法

3.1 空間相關(guān)分析

在衡量地理變量之間的關(guān)系時(shí)，應(yīng)使用空間相關(guān)分析。對(duì)于兩個(gè)地理變量X和Y，其空間相關(guān)系數(shù)表示為式（1）：

式中：W為空間權(quán)重矩陣，且矩陣需要先進(jìn)行行標(biāo)準(zhǔn)化，而WX和WY就稱為X和Y的空間滯后。ρ的取值介于-1到1之間，正值表示正線性相關(guān)，負(fù)值表示負(fù)線性相關(guān)，絕對(duì)值越接近1表示線性相關(guān)程度越強(qiáng)。

3.2 睡眠質(zhì)量空間回歸模型

絕大多數(shù)空間數(shù)據(jù)都具有空間自相關(guān)性，打破了經(jīng)典回歸分析中觀測(cè)值相互獨(dú)立的基本假設(shè)。因此，本文使用考慮了空間效應(yīng)的空間回歸模型，從而可以更加精確地對(duì)睡眠質(zhì)量進(jìn)行估算。空間回歸模型的一般形式如式（2）所示。

式中：Y為睡眠質(zhì)量指數(shù)；X為研究單元內(nèi)的燈光指數(shù)；ρ為X的空間自回歸系數(shù)；W1和W2分別是睡眠質(zhì)量、殘差的空間權(quán)重矩陣；β為燈光指數(shù)的空間回歸系數(shù)；μ為殘差項(xiàng)；λ為殘差項(xiàng)的空間回歸系數(shù)；ε為隨機(jī)誤差。

根據(jù)ρ、β和λ的取值情況，可構(gòu)建出不同類型的空間回歸模型：①當(dāng)λ=0，ρ=0 時(shí)，為普通線性回歸模型（Ordinary Linear Regression Model，OLRM）；②當(dāng)λ=0，ρ≠0，β≠0 時(shí)，為空間滯后模型；③當(dāng)ρ=0，β≠0，λ≠0 時(shí)，為空間誤差模型。本文通過(guò)對(duì)比，選擇精度更高的空間回歸模型。

4 結(jié)果分析

4.1 睡眠質(zhì)量空間回歸模型構(gòu)建

4.1.1 夜間燈光指數(shù)與睡眠質(zhì)量指數(shù)相關(guān)性分析 目前，夜光遙感在城市研究中大多使用總燈光強(qiáng)度指數(shù)（total nighttime light，TNL）和平均燈光強(qiáng)度指數(shù)（average nighttime light，ANL），以表示研究區(qū)的燈光特性。一般認(rèn)為燈光越強(qiáng)的區(qū)域夜間光污染越嚴(yán)重。具體計(jì)算方法如下所示：

式中：DNi為區(qū)域內(nèi)像元值；n為區(qū)域內(nèi)像元數(shù)。

衡量睡眠質(zhì)量指數(shù)與夜間燈光指數(shù)的關(guān)系前，先采用全局莫蘭指數(shù)（Moran’s I），檢驗(yàn)變量的空間自相關(guān)性。結(jié)果如表1所示，各指數(shù)都具有不同程度的空間自相關(guān)。其中，SQI在95%的顯著性水平下，呈現(xiàn)較強(qiáng)的離散分布，TNL 和ANL 在90%的顯著性水平下，呈微弱的聚集分布。

表1 空間自相關(guān)檢驗(yàn)結(jié)果Tab.1 Test of spatial autocorrelation

通過(guò)相關(guān)性分析，對(duì)比睡眠質(zhì)量與兩種夜間燈光指數(shù)的相關(guān)性，選擇最佳的夜間燈光指數(shù)。結(jié)果如表2所示，睡眠質(zhì)量與TNL具有良好的相關(guān)性（r＞0.6）。因此，本文選取總燈光強(qiáng)度指數(shù)（TNL）與睡眠質(zhì)量（SQI）進(jìn)行回歸。

表2 燈光指數(shù)與睡眠質(zhì)量的相關(guān)性分析Tab.2 Correlation analysis between light index and sleep quality

4.1.2 空間回歸模型精度比較 睡眠質(zhì)量與總燈光強(qiáng)度指數(shù)具有良好的相關(guān)性。因此，本文采用總燈光強(qiáng)度（TNL）作為自變量，睡眠質(zhì)量（SQI）作為因變量，進(jìn)行空間回歸模型的比較，選擇最優(yōu)的空間回歸模型。

SLM、SEM模型的回歸結(jié)果見(jiàn)表3，LM-Lag統(tǒng)計(jì)量在10%的顯著性水平下拒絕了原假設(shè)，因此，從統(tǒng)計(jì)意義上應(yīng)選擇空間滯后模型。但空間滯后模型的擬合優(yōu)度較低（R2＜0.6）。并且總燈光強(qiáng)度與睡眠質(zhì)量的關(guān)系在全局范圍是非線性的（圖2），因此采用局部函數(shù)模擬二者關(guān)系，以較好地減少空間異質(zhì)性帶來(lái)的影響。

表3 SLM、SEM模型的回歸結(jié)果Tab.3 Regression results of SLM and SEM

由圖2發(fā)現(xiàn)，研究區(qū)內(nèi)不同區(qū)域的空間相關(guān)性不同。因此，將研究區(qū)劃分為中心城區(qū)（越秀、荔灣、海珠、天河）和非中心城區(qū)（從化、南沙、黃埔、花都、白云、番禺和增城）兩組，分別進(jìn)行一元線性回歸，結(jié)果如表4所示。

圖2 TNL與SQI的散點(diǎn)圖Fig.2 Scatter plot between TNL and SQI

由表4可知，廣州市中心城區(qū)和非中心城區(qū)的睡眠質(zhì)量與總燈光強(qiáng)度的擬合效果較好（R2均大于0.8），中心城區(qū)的R2值較非中心城區(qū)更大，說(shuō)明中心城區(qū)內(nèi)自變量TNL 對(duì)因變量SQI 的解釋能力更高，即中心城區(qū)的模型擬合效果優(yōu)于非中心城區(qū)。將一元線性回歸模型與空間滯后模型進(jìn)行優(yōu)度比較，結(jié)果如表3。

表4 總燈光強(qiáng)度與睡眠質(zhì)量的一元線性擬合方程Tab.4 One-dimensional linear fitting equation between TNL and SQI

從表3可看出，一元線性回歸模型與空間滯后模型均通過(guò)10%的置信水平檢驗(yàn)，前者的R2較后者更大，且AIC、SC 值也更小，表明一元線性回歸模型的擬合結(jié)果更好。綜合比較后，選擇分區(qū)一元線性回歸模型對(duì)廣州市居民睡眠質(zhì)量進(jìn)行估算。

4.1.3 睡眠質(zhì)量空間回歸結(jié)果精度檢驗(yàn) 為了檢驗(yàn)回歸模型的擬合效果，以11 個(gè)市轄區(qū)為單元，將表4模型得到的睡眠質(zhì)量估算值與調(diào)查值進(jìn)行比較，計(jì)算兩者的均方根誤差和平均相對(duì)誤差，結(jié)果如表5，再將兩者進(jìn)行線性擬合，結(jié)果如圖3所示。

表5 睡眠質(zhì)量估算殘差Tab.5 Estimated sleep quality residual in counties

由表5結(jié)果可以看出，中心城區(qū)總燈光強(qiáng)度與睡眠質(zhì)量的擬合精度高于非中心城區(qū)的擬合結(jié)果；由圖3可以看出，調(diào)查的睡眠質(zhì)量指數(shù)與估算的睡眠質(zhì)量指數(shù)線性擬合較好，R2均大于0.8，說(shuō)明根據(jù)研究單元總夜間燈光強(qiáng)度與睡眠質(zhì)量指數(shù)建立的模型比較理想，總體保持較好的精度，可用來(lái)估算廣州市居民睡眠質(zhì)量的空間分布。

圖3 分市轄區(qū)的回歸結(jié)果檢驗(yàn)Fig.3 Test of regression results in municipal district level

4.2 睡眠質(zhì)量空間分布特征

像元尺度下的睡眠質(zhì)量空間分布能夠更詳細(xì)展現(xiàn)居民睡眠質(zhì)量的分布特點(diǎn)，將該模型應(yīng)用到像元尺度時(shí)，公式中的截距需做相應(yīng)的變化。本文參考了前人［15～16］的做法，將表5 模型的常數(shù)項(xiàng)轉(zhuǎn)化為各個(gè)研究單元中像元的平均值，構(gòu)建了像元尺度下的睡眠質(zhì)量模型（表6）。

表6 像元尺度下的睡眠質(zhì)量擬合方程Tab.6 Fitting equation of sleep quality on pixel scale

另外，考慮到回歸模型誤差的影響，參考武娜等［17］的研究，引入像元尺度下睡眠質(zhì)量模擬的修正系數(shù)mij，對(duì)各格網(wǎng)單元的回歸結(jié)果進(jìn)行調(diào)整，使模擬出的睡眠質(zhì)量更接近實(shí)際情況，修正系數(shù)的計(jì)算方法如下式所示：

式中：mij為像元i所在的區(qū)域j的模擬值修正系數(shù)；SQIj為該區(qū)域經(jīng)表5 公式計(jì)算得出的睡眠質(zhì)量模擬值；SQI′j為該區(qū)域睡眠質(zhì)量的實(shí)際調(diào)查值；SQIij為像元i經(jīng)表8 公式計(jì)算得出的睡眠質(zhì)量模擬值；SQI′ij為修正后像元i的睡眠質(zhì)量值。

由此得到了修正后廣州市內(nèi)250 m×250 m 格網(wǎng)單元的睡眠質(zhì)量情況，如圖4（a）所示。

由圖4（a）可以看出，廣州市中心城區(qū)居民的睡眠質(zhì)量普遍較低，非中心城區(qū)中除局部經(jīng)濟(jì)中心外，居民的睡眠質(zhì)量普遍較高。

為進(jìn)一步分析居民睡眠質(zhì)量的空間分布特征，對(duì)廣州市居民睡眠質(zhì)量進(jìn)行聚類與異常值分析，結(jié)果如圖4（b）。高聚集區(qū)多分布在中心城區(qū)及其周圍地區(qū)，包括越秀、海珠、天河區(qū)，以及番禺、黃埔的部分地區(qū)，這些地區(qū)居民睡眠質(zhì)量較差，應(yīng)成為夜間光污染的重點(diǎn)治理區(qū)域。低聚集區(qū)主要分布在南沙區(qū)和增城的大部分地區(qū)，這些地區(qū)光污染程度較低，居民睡眠質(zhì)量較好。低高聚集區(qū)主要分布在花都區(qū)和白云區(qū)，這些地區(qū)居民的睡眠質(zhì)量較好，但其周邊地區(qū)居民的睡眠質(zhì)量較差，該區(qū)域應(yīng)重視光污染現(xiàn)狀及發(fā)展趨勢(shì)，提前做好管控，維持良好的夜間光環(huán)境。

圖4 廣州居民睡眠質(zhì)量可視化Fig.4 Spatial distribution of sleep quality in Guangzhou

5 結(jié)論

本文基于廣州市范圍的NPP-VIIRS 夜光數(shù)據(jù)和各區(qū)縣的睡眠質(zhì)量數(shù)據(jù)，分區(qū)建立了夜間燈光總強(qiáng)度指數(shù)與居民睡眠質(zhì)量的空間回歸模型，模型估算精度較高，可反映居民睡眠質(zhì)量的空間化。具體結(jié)論如下：

（1）總燈光強(qiáng)度指數(shù)與居民睡眠質(zhì)量的相關(guān)性較強(qiáng)，且回歸擬合精度比較理想，能較精確地反映出廣州市居民睡眠質(zhì)量的空間分布特征。

（2）廣州市中心城區(qū)居民的睡眠質(zhì)量普遍較低，非中心城區(qū)居民的睡眠質(zhì)量普遍較高。中心城區(qū)夜間經(jīng)濟(jì)活躍，人口密度大，夜間光污染程度高，該區(qū)域居民夜晚睡眠受光污染影響較大，相關(guān)部門應(yīng)重視其夜間光污染的問(wèn)題。而非中心城區(qū)主要為農(nóng)林用地或未開(kāi)發(fā)地區(qū)，人類夜間活動(dòng)強(qiáng)度較弱，人口密度小，該區(qū)域居民夜晚睡眠受光污染影響較小，僅經(jīng)濟(jì)中心和周邊的零星區(qū)域?yàn)榈退哔|(zhì)量聚集區(qū)，但也應(yīng)關(guān)注其光污染的防控，以保持良好的夜晚光環(huán)境。

6 展望

目前，國(guó)家和一些地方出臺(tái)了有關(guān)道路、夜景等類型照明管理的標(biāo)準(zhǔn)，但大多只是簡(jiǎn)單的原則性規(guī)定，操作性不強(qiáng)。借由國(guó)際天文學(xué)家提出的暗夜保護(hù)概念，我國(guó)一些城市（如成都、杭州）提出了在城市劃定暗夜保護(hù)區(qū)的計(jì)劃。城市的暗夜保護(hù)主要針對(duì)城市建設(shè)用地，依據(jù)不同功能用地在夜間的人群活動(dòng)、生產(chǎn)、生活狀況，識(shí)別城市照明建設(shè)的重點(diǎn)和亮點(diǎn)［18］，是有效推動(dòng)光污染治理的新方式。下一步將研究城市暗夜保護(hù)區(qū)的規(guī)劃問(wèn)題，探究如何劃分光污染控制區(qū)， 以有效地解決大城市光污染問(wèn)題。