毛嘉巍，孫曉莉

（1.昆明市環(huán)境保護聯(lián)合會，云南 昆明 650000 ；2.云南國土資源職業(yè)學(xué)院國土空間信息學(xué)院，云南 昆明 652501）

夜光遙感影像具有覆蓋范圍廣、時間序列長、大部分數(shù)據(jù)可以免費獲取等優(yōu)點，為當(dāng)今社會經(jīng)濟和人類活動等提供了研究資料[1-2]。目前常用的夜間燈光遙感數(shù)據(jù)是DMSP遙感數(shù)據(jù)和NPP遙感數(shù)據(jù)[3]。第4版DMSP衛(wèi)星影像主要由6顆不同型號的衛(wèi)星獲取，其時間跨度為1992－2013年，NPP衛(wèi)星獲取影像時間跨度從2012至今。以昆明市為例，基于DMSP和NPP夜光遙感數(shù)據(jù)對2000－2017年居民收入時空變化進行分析，并選取產(chǎn)業(yè)生產(chǎn)總值[4-5]、人口[6]、燈光總量三大影響因子，對影響居民收入的驅(qū)動力進行分析。

1 研究區(qū)概況

昆明市位于中國西南邊陲、云貴高原中部，東與曲靖市接壤，西與楚雄州相連，南與玉溪市、紅河州毗鄰，北臨四川省。昆明市轄7區(qū)1市6縣，市中心位于102°42′E、25°02′W，市域面積21 012km2。近年來，昆明市穩(wěn)步推進經(jīng)濟結(jié)構(gòu)的戰(zhàn)略性調(diào)整，積極探索實施對外開放戰(zhàn)略，經(jīng)濟發(fā)展迅速，GDP由2000年626.29億元增加到2017年4 857.64億元，昆明市年末常住人口由2000年的480.90萬人增加到678.30萬人。

2 數(shù)據(jù)來源與處理

2.1 數(shù)據(jù)來源

數(shù)據(jù)主要包括夜光遙感影像、行政區(qū)劃、居民收入、人口統(tǒng)計、GDP統(tǒng)計等數(shù)據(jù)。其中夜光遙感數(shù)據(jù)2000－2012年來源于DMSP-OLS數(shù)據(jù)、2013－2017年NPP-VIIRS數(shù)據(jù)來源于中科院版地球夜光數(shù)據(jù)集（代號“火石”）（以下簡稱NPP-VIIRS數(shù)據(jù)）；行政區(qū)劃數(shù)據(jù)來源于中國資源環(huán)境數(shù)據(jù)云平臺；居民收入、人口統(tǒng)計、GDP統(tǒng)計數(shù)據(jù)來源于昆明市統(tǒng)計年鑒。

2.2 數(shù)據(jù)處理

由于第4版DMSP-OLS穩(wěn)定燈光影像F14 2000、F14 2001、F14 2003和F15 2000、F15 2001、F15 2002、F15 2003是由不同的衛(wèi)星（F14、F15）獲得的同一年份的夜間穩(wěn)定燈光遙感數(shù)據(jù)，DMSP不同衛(wèi)星之間OLS傳感器有一定的區(qū)別，導(dǎo)致了不同衛(wèi)星同一時期之間的穩(wěn)定燈光影像的總亮度值不同，且同一時期不同衛(wèi)星的2張穩(wěn)定燈光影像在同一位置影像元所對應(yīng)DN值不一樣。為了最大程度提高DMSP-OLS穩(wěn)定燈光影像數(shù)據(jù)可靠程度和解決同一年份影像的不連續(xù)性，需要對同一衛(wèi)星不同年份的兩期DMSP-OLS夜間穩(wěn)定燈光遙感影像進行相應(yīng)的數(shù)據(jù)處理。

2.2.1 DMSP-OLS數(shù)據(jù)年際校正

使用ArcGIS中柵格計算器，對經(jīng)過重采樣、投影、裁剪的F14衛(wèi)星、F15衛(wèi)星、F16衛(wèi)星DMSPOLS穩(wěn)定燈光影像中2000年到2009年相同衛(wèi)星的同一年份的影像進行年際校正，得到校正后的第4版2000－2012年DMSP-OLS穩(wěn)定燈光影像。

經(jīng)過年際校正前的第4版DMSP-OLS穩(wěn)定燈光影像中不同衛(wèi)星獲取的影像在2000－2012年時間序列中是相互隔斷的，相同衛(wèi)星在相鄰年份之間獲取的影像總亮度值波動較大，不同衛(wèi)星獲取的影像在同一時期的總亮度值是不相同的。從圖1可以看出，經(jīng)過年際校正后的DMSP-OLS穩(wěn)定燈光影像能夠最大程度保留同一時期由不同衛(wèi)星獲取影像的DN值特性，并且增強了2000－2012年穩(wěn)定燈光影像在時間序列上的連續(xù)性和同一性。

圖1 年際校正后2000－2012年DMSP-OLS穩(wěn)定燈光影像 總亮度值

2.2.2 DMSP-OLS過飽和校正

由于第4版DMSP-OLS穩(wěn)定燈光影像普遍存在像元DN值峰值為63，且像元DN值過飽和的現(xiàn)象，因此需要進行相互校正[7]。2000－2012年第4版的DMSP-OLS遙感影像數(shù)據(jù)缺乏進行輻射定標的必要參數(shù)，且算法復(fù)雜。燈光影像像元DN值過飽和現(xiàn)象導(dǎo)致了研究區(qū)域的亮度值與真實亮度值存在偏差，從而導(dǎo)致使用影像像元亮度值進行相關(guān)研究中，存在數(shù)據(jù)誤差較大, 嚴重影響研究數(shù)據(jù)的準確性，因此需要對穩(wěn)定燈光影像進行過飽和校正。

文中選擇F16 20100111-20101209經(jīng)過輻射定標的昆明市影像作為校正參考對象，然后基于ArcGIS軟件將第4版2000－2012年DMSP-OLS穩(wěn)定燈光影像與F16 20100111-20101209輻射定標影像轉(zhuǎn)換為點文件，在ArcGIS 中每個像元中心都會產(chǎn)生一個點，轉(zhuǎn)換后ArcGIS 會自動提取該點所對應(yīng)像元的DN值。使用ArcGIS 的提取工具對第4版年際校正后2000－2012年的穩(wěn)定燈光影像進行提取，得到該區(qū)域數(shù)據(jù)的DN值。然后使用SPSS軟件設(shè)F16 20100111-20101209穩(wěn)定燈光影像的像元DN值為因變量（y），第4版穩(wěn)定燈光數(shù)據(jù)DN值為（x），建立數(shù)據(jù)散點圖。建立4種回歸模型，該模型為一次回歸模型、二次回歸模型，對數(shù)回歸模型，冪回歸模型。計算數(shù)據(jù)擬合優(yōu)度（R2）后，根據(jù)擬合優(yōu)度（R2）的變化趨勢選擇最合適的函數(shù)進行去飽和校正。經(jīng)過回歸分析后得到線性、對數(shù)、二次、冪回歸模型的平均擬合優(yōu)度（R2）分別為0.725、0.458、0.801、0.779。按照平均擬合優(yōu)度回歸模型排序得出：二次函數(shù)＞冪函數(shù)＞線性函數(shù)＞對數(shù)函數(shù)，應(yīng)選擇二次回歸模型作為回歸校正的函數(shù)。由于文中使用的數(shù)據(jù)為2000－2017年夜光遙感數(shù)據(jù)，需要完成DMSPOLS穩(wěn)定燈光影像和NPP-VIIRS一致性的校正，作為校正對象的DMSP-OLS2012年穩(wěn)定燈光影像就顯得非常重要。從2000－2017年不同模型擬合優(yōu)度來看，2007年以前二次回歸模型的擬合優(yōu)度大于冪回歸模型，2008年之后冪回歸模型的擬合優(yōu)度均高于二次回歸模型，因此最終選取冪回歸模型來對文中DMSP-OLS數(shù)據(jù)進行影像去飽和處理。經(jīng)過SPSS回歸分析后得到冪回歸模型的常數(shù)和校正公式（1）：

式中，DN為校正后的影像像元DN值；A為常數(shù)； X為校正前的影像，b為冪，i為第i期的影像。

2.2.3 DMSP-OLS不連續(xù)校正

在2000－2012年之間相鄰年份燈光影像存在總亮度值增長異常的情況，與昆明市經(jīng)濟發(fā)展趨勢相悖，因此需要對影像中異常變化的像元DN值進行校正，使得相鄰時期之間的影像具有可比性，為提高昆明市燈光影像與經(jīng)濟發(fā)展規(guī)律的契合程度，需要進一步對燈光影像進行連續(xù)性校正。

相鄰時期的DMSP-OLS穩(wěn)定燈光影像對應(yīng)的像元DN值有：①前年穩(wěn)定燈光影像像元DN值減后，年穩(wěn)定燈光影像像元DN值為0時，令后年影像像元DN值不變；②前年穩(wěn)定燈光影像像元DN值減后，年穩(wěn)定燈光影像像元DN值小于0時，令后年影像像元DN值不變；③前年穩(wěn)定燈光影像像元DN值減后，年穩(wěn)定燈光影像像元DN值大于0時，令后年影像像元DN值與前年的像像元DN值相同。利用ArcGIS得到DMSP-OLS穩(wěn)定燈光影像不連續(xù)校正公式（2）所示，并對校正后的數(shù)據(jù)進行檢驗，確保數(shù)據(jù)的可 用性。

式中，DNi為后年影像像元的DN值；DNi-1是前年影像像元的DN值。

2.2.4 影像一致性校正

由于NPP-VIIRS影像與DMSP-OLS影像所采用傳感器有很大區(qū)別，因此并不能直接使用，為增強二者在時間上的一致性，需要對其進行一致性校正。具體方法為使用校正好的2012年穩(wěn)定燈光數(shù)據(jù)為因變量，“NPP-VIIRS”燈光影像集為自變量。提取經(jīng)過連續(xù)校正的2013年DMSP-OLS穩(wěn)定燈光影像中，DN值大于0的像元為不變區(qū)域。利用ArcGIS的提取工具分別提取2013－2017年的不變區(qū)域，使用SPSS分別對一次回歸模型、二次回歸模型、冪回歸模型、對數(shù)回歸模型進行回歸分析，并根據(jù)擬合優(yōu)度找出最合適的回歸模型為校正模型。二次回歸模型、線性回歸模型、冪函數(shù)回歸模型、對數(shù)回歸模型的擬合優(yōu)度分別為0.751 6、0.709 8、0.628和0.576。由于擬合優(yōu)度取值范圍沒有一個明確的規(guī)定，建立回歸模型的目的是對因變量的預(yù)測，為保證預(yù)測的精度，一般采用擬合優(yōu)度值高的模型，昆明市地區(qū)影像數(shù)據(jù)建立的散點圖中，數(shù)據(jù)點 均勻分布在二次函數(shù)兩側(cè)，4種回歸模型在x軸為 50時，擬合差異較?。辉趚軸50后冪函數(shù)，對數(shù)函數(shù)，線性擬合差異開始隨x軸變大而變大，殘差也逐漸增大，而二次函數(shù)的擬合差異變化相對較小。因此，文中選擇二次回歸模型作為燈光影像校正的回歸模型，并根據(jù)校正檢驗公式最終得出一致性檢驗后的影像總亮度值，如圖2所示。

圖2 2000－2017年一致性校正后影像總亮度值

2.2.5 夜光遙感影像的閾值分割

由于DMSP-OLS夜光影像的燈光范圍要大于人類活動的范圍，NPP-VIIRS夜光影像存在偶然噪點，需要通過確定一個閾值來對DMSP-OLS影像與NPPVIIRS影像進行閾值分割，從而提高影像總亮度值與居民收入的擬合精度。影像閾值范圍為（0～255），共有256個閾值，確定閾值后可以將影像分割開來。閾值以下或等于閾值的像元為干擾像元，本文將該像元賦予DN為0，且認為該像元沒有人類活動軌跡，閾值以上的像元認為該像元為真實像元。文中選用最大熵來確定閾值，當(dāng)熵最大時，影像前景與背景之間的不確定性最大，該值就是影像最合適閾值。文中對2000－2017年的影像提取像元DN值進行最大熵計算，如公式3所示。

式中， MAX(H)為最大熵；HF為背景熵；HQ為前景熵。

通過計算得到2000－2017年閾值分割后的影像總亮度值，如圖3所示。

圖3 2000－2017年閾值分割后影像總亮度值

3 結(jié)果與分析

3.1 居民收入時空變化分析

昆明市城市居民人均可支配收入、農(nóng)村居民人均純收入2000－2017年間分別由7563元增加到 39788元、2220元增加到13698元，17 a內(nèi)增速分別為426%和517%。從統(tǒng)計年鑒等數(shù)據(jù)分析中可將2000－2017年昆明市居民收入分為3個發(fā)展階段，其中2000－2003年為平穩(wěn)增長階段，該階段城市居民人均可支配收入的增長率均不超過10%；2003－2011年為快速發(fā)展時期，該階段增長率最高為19%，最低為6%；2012－2017年可支配收入增長開始逐漸降低，之后逐漸趨于穩(wěn)定?？蓪?000－2017年農(nóng)村居民人均純收入分為3個發(fā)展階段，其中2000－2003年為緩慢增長階段，增長率不超過5%；2004－2011年為快速增長階段，增長率最高為20%、最低為8%；2011年后收入增長率開始逐漸降低，而后逐步趨于穩(wěn)定，如圖4所示。

圖4 2000－2017年昆明市居民收入圖

利用統(tǒng)計數(shù)據(jù)可以從時間上對昆明市2000－2017年收入進行直觀準確的研究和分析，但由于缺失昆明市各縣（市、區(qū)）部分年份的收入和人口數(shù)據(jù)，進行昆明市各縣（市、區(qū)）居民收入在不同年份的時空變化就顯得較為困難。本文利用居民收入數(shù)據(jù)和夜光遙感數(shù)據(jù)呈線性相關(guān)的特性，對昆明市收入數(shù)據(jù)和像元DN值擬合，得到的影像亮度值實際代表的是DN收入。從而經(jīng)過擬合得到2000－2017年昆明市各縣（市、區(qū)）收入數(shù)據(jù)的空間分布圖，并對進行擬合后的2000－2017年昆明市各縣（市、區(qū)）居民收入空間分布圖進行分析。利用ArcGIS中圖像分類的自然間斷點分級法把昆明市2017年擬合影像的收入像元分為4個級別，分別為低收入像元、中收入像元、中高收入像元、高收入像元，如表1所示。

表1 收入分段表

由于傳統(tǒng)的收入數(shù)據(jù)分析需要基于各縣（市、區(qū)）行政單元進行分析，但在收集所有年份數(shù)據(jù)時存在一定的困難，該擬合方法可以將研究單元細化到各縣（市、區(qū)），并繪制昆明市居民收入分布圖，從而進行各縣（市、區(qū)）居民收入時空變化分析，如圖5～8所示。

在2006－2011年期間，昆明市居民收入由479.515提升至1094.412億，收入增長約128%。從圖5～8中可以看出，與2000年相比，2006年昆明市內(nèi)出現(xiàn)中低收入?yún)^(qū)域主要為昆明市主城區(qū)和安寧市；從2011年昆明市居民收入擬合圖看出，昆明市主城區(qū)出現(xiàn)中高收入地區(qū)，該區(qū)域由之前的2006年收入擬合圖的中收入?yún)^(qū)域發(fā)展而來，且中、中高收入?yún)^(qū)域呈現(xiàn)向周圍擴散現(xiàn)象。其中主要得益于昆明市城市規(guī)劃發(fā)展，呈貢大學(xué)城由2005年開工建設(shè)到2011年大體建設(shè)完成，該區(qū)域經(jīng)濟、人口相比之前有較大程度的發(fā)展。從2011收入擬合圖中看出呈貢區(qū)出現(xiàn)中高收入地區(qū)。相比2006年昆明市東川、尋甸、祿勸縣在原來中收入?yún)^(qū)域逐漸擴增出中高收入地區(qū)，并且中收入地區(qū)也有一定程度的擴增，該區(qū)域低收入地區(qū)向東北方向增加。富民、嵩明、宜良、石林縣也出現(xiàn)了中高收入?yún)^(qū)域，其中低收入?yún)^(qū)域在原有基礎(chǔ)范圍上有所擴增。安寧市中高收入?yún)^(qū)域范圍增加僅次于主城區(qū)，該區(qū)域也出現(xiàn)了較明顯的收入?yún)^(qū)域分層現(xiàn)象。

圖5 2000年居民收入擬合圖

圖6 2006年居民收入擬合圖

圖7 2011年居民收入擬合圖

圖8 2017年居民收入擬合圖

3.2 居民收入驅(qū)動力分析

文中主要選取三大產(chǎn)業(yè)GDP數(shù)據(jù)、人口數(shù)據(jù)、影像總亮度值等作為居民收入的驅(qū)動因子，借助SPSS軟件對所選取的影響因子進行驅(qū)動力分析。

3.2.1 三大產(chǎn)業(yè)GDP驅(qū)動力

借助SPSS軟件對昆明市第一產(chǎn)業(yè)（農(nóng)業(yè)）、第二產(chǎn)業(yè)（工業(yè)）、第三產(chǎn)業(yè)（服務(wù)業(yè)）GDP對居民收入影響進行研究，擬合度分別為0.988、0.977、0.994。從分析結(jié)果可以得出昆明市三大產(chǎn)業(yè)均對居民收入具有驅(qū)動作用，且相關(guān)系數(shù)和擬合優(yōu)度差距較小，其中服務(wù)業(yè)對昆明市居民收入的驅(qū)動作用最大。近年來昆明市利用自身環(huán)境優(yōu)勢大力發(fā)展旅游業(yè)，隨之帶來的是昆明市景區(qū)、商城等發(fā)展迅速，服務(wù)業(yè)生產(chǎn)總值占比相對應(yīng)的增加。經(jīng)過多年的發(fā)展，農(nóng)業(yè)在生產(chǎn)總值上起基礎(chǔ)作用，而工業(yè)是三大產(chǎn)業(yè)發(fā)展的中樞，且工業(yè)占比也較大。由于三大產(chǎn)業(yè)擬合優(yōu)度均大于90%，因此三大產(chǎn)業(yè)均為居民收入的主要驅(qū)動力之一，如圖9所示。

圖9 2000－2017年昆明市三大產(chǎn)業(yè)占比圖

3.2.2 人口數(shù)據(jù)和影像總亮度值驅(qū)動力

使用2000－2017年人口總量和影像總亮度值對居民收入數(shù)據(jù)進行相關(guān)性分析和回歸分析，得出人口總量與居民收入數(shù)據(jù)Pearson值為0.825，影像總亮度值與居民收入數(shù)據(jù)Pearson值為0.937，二者均與居民收入顯著相關(guān)，進行回歸分析后人口數(shù)據(jù)與居民收入的擬合優(yōu)度為0.681，影像總亮度值與居民收入的擬合優(yōu)度為0.877。從散點圖上看人口與居民收入的數(shù)據(jù)點分布距離擬合線較遠且較離散，影像總亮度值與居民收入的數(shù)據(jù)點距離擬合線較近，數(shù)據(jù)在擬合線上下均勻分布且殘差較小，因此認為影像亮度值和人口數(shù)據(jù)對居民收入也具有驅(qū)動力，但是驅(qū)動效果相對 較小。

4 結(jié) 語

1）文中基于DMSP-OLS和NPP-VIIRS夜光遙感數(shù)據(jù)對昆明市居民收入進行時空變化分析，具有一定的可行性。

2）選取不同的影響因子來研究居民收入變化，進行相關(guān)性和回歸分析后得出三大產(chǎn)業(yè)GDP為昆明市居民收入的主要驅(qū)動力，而人口和影像總亮度值也是昆明市居民收入的驅(qū)動力，但是其驅(qū)動強度要弱于三大產(chǎn)業(yè)GDP和影像總亮度值，其驅(qū)動力大小順序為第三產(chǎn)業(yè)GDP＞第一產(chǎn)業(yè)GDP＞第二產(chǎn)業(yè)GDP＞影像總亮度值＞人口。

3）由于對夜光遙感數(shù)據(jù)采用的校正方法不同，以及受到獲取遙感影像時使用的傳感器差異等因素影響，導(dǎo)致最終處理的數(shù)據(jù)結(jié)果可能會存在一定的差異，但隨著傳感器性能以及校正方法精度的不斷提高，夜光遙感數(shù)據(jù)的應(yīng)用范圍也會越來越廣泛。