朱 慧，李 軍,2，陳虹伊

(1. 重慶師范大學 地理與旅游學院，重慶 400047；2. 重慶市高校GIS應用研究重點實驗室，重慶 400047)

?

基于GIS和DMSP/OLS數(shù)據(jù)的重慶市2000—2012年GDP時空分布變化

朱 慧1，李 軍1,2，陳虹伊1

(1. 重慶師范大學 地理與旅游學院，重慶 400047；2. 重慶市高校GIS應用研究重點實驗室，重慶 400047)

重慶市直轄后自2000年經(jīng)濟發(fā)展步入正軌，其GDP時空分布變化具有很高的研究價值。而GDP作為公認的衡量經(jīng)濟發(fā)展水平的最佳指標，多以行政單元的統(tǒng)計數(shù)據(jù)為載體呈現(xiàn)，難以進行經(jīng)濟空間格局及發(fā)展變化方面的研究。本文以DMSP/OLS夜間燈光數(shù)據(jù)為基礎，對2000—2012年重慶市GDP進行空間化研究。將真實GDP與燈光指數(shù)I、S、CNLI進行相關分析，第二產(chǎn)業(yè)GDP的相關系數(shù)在0.883～0.977之間，第三產(chǎn)業(yè)GDP的相關系數(shù)在0.827～0.946之間，第二、三產(chǎn)業(yè)GDP和的相關系數(shù)在0.861～0.970之間，總GDP的相關系數(shù)在0.849～0.966之間。經(jīng)綜合分析選擇指數(shù)I與總GDP回歸分析后得到模型，通過ArcGIS空間分析得到2000—2012年1km×1km的GDP密度圖。結果表明：多年GDP密度渝西高于渝東北，渝東南最低，其中整個渝中區(qū)平均GDP大于1000萬/ha。以主城地區(qū)與萬州區(qū)為兩大經(jīng)濟增長極帶動經(jīng)濟發(fā)展，GDP增長呈現(xiàn)出主城九區(qū)>城市發(fā)展新區(qū)>渝東北>渝東南的格局，其中沙坪壩西部大學城地區(qū)平均GDP增長率最快，達125%以上。

DMSP/OLS；夜間燈光數(shù)據(jù)；GDP；重慶

國內(nèi)生產(chǎn)總值(Gross Domestic Product)常被公認為衡量國家經(jīng)濟狀況的最佳指標，它不但可反映該國的經(jīng)濟表現(xiàn)，更可以反映該國的綜合實力。然而傳統(tǒng)的以行政單元為載體的GDP統(tǒng)計數(shù)據(jù)無法顯示區(qū)域內(nèi)部的差異，多年統(tǒng)計數(shù)據(jù)也無法直觀地顯示經(jīng)濟布局的動態(tài)發(fā)展特征[1-3]。GIS、RS 技術在GDP空間化的應用可以改變信息的表達方式，將信息以空間為載體呈現(xiàn)出來，彌補統(tǒng)計數(shù)據(jù)在區(qū)域內(nèi)均質化的弊端，將統(tǒng)計數(shù)據(jù)分布于地理空間網(wǎng)格中，呈現(xiàn)GDP密度值的分布，應用相關經(jīng)濟學知識去除通貨膨脹，連續(xù)的多年GDP密度空間分布，可以直觀地顯示研究時間段內(nèi)經(jīng)濟拓展變化的空間格局[4-5]。

近年來，GDP空間化技術不斷發(fā)展，可歸納為三類：第一，土地利用類型數(shù)據(jù)模擬。如易玲在基于GIS技術的GDP空間化處理方法中土地利用模擬GDP綜合對比采用人口密度模擬GDP結果，提出土地利用空間化的模擬效果較好[6]。第二，基于要素權重模擬。如黃瑩在進行新疆天山北坡干旱區(qū)GDP時空模擬時，基于土地利用采用面積權重法擬合第一產(chǎn)業(yè)；引入道路信息與第二產(chǎn)業(yè)建立模型；以城鎮(zhèn)規(guī)模為基礎，建立第三產(chǎn)業(yè)的距離衰減加冪指數(shù)模型綜合三產(chǎn)業(yè)得到GDP模擬結果[7]。第三，遙感影像像元反演。如Elvidge等提出DMSP/OLS夜間燈光數(shù)據(jù)與社會經(jīng)濟數(shù)據(jù)有很好的對數(shù)關系，可實現(xiàn)城鎮(zhèn)建成區(qū)面積的提取，人口密度、電力消耗、GDP空間化等并進行了一系列研究，為DMSP/OLS夜間燈光數(shù)據(jù)模擬GDP密度奠定了基礎[8-9]。此后，國內(nèi)學者對全國31個省級行政區(qū)分區(qū)提取夜間燈光指數(shù)，分產(chǎn)業(yè)與夜間燈光指數(shù)建模提出夜間燈光指數(shù)對第二、三產(chǎn)業(yè)有很好的擬合精度，并在此基礎上進行了傳統(tǒng)的分區(qū)統(tǒng)計GDP、土地利用數(shù)據(jù)建模以及利用燈光數(shù)據(jù)進行GDP空間化的對比分析，提出利用燈光數(shù)據(jù)模擬GDP可更準確地反映GDP密度分布趨勢和城區(qū)的GDP密度差異[10]。后有學者利用DMSP/OLS夜間燈光數(shù)據(jù)，建立了適用于廣西壯族自治區(qū)的省域尺度的GDP空間化模型[11]。

重慶市是我國四大直轄市之一，自1997年直轄以來，市內(nèi)行政區(qū)劃做了多次調(diào)整，五大功能區(qū)規(guī)劃實施對經(jīng)濟發(fā)展及分布均有影響，政府倡導各地區(qū)因地制宜發(fā)揮自身優(yōu)勢，國家“一帶一路”戰(zhàn)略確定重慶為中西部對外開放和開發(fā)的高地，使重慶經(jīng)濟得到快速發(fā)展。而重慶市在直轄初期經(jīng)濟基底薄弱、國企改革負擔重等因素限制其經(jīng)濟發(fā)展[12]，故本文未選擇1997年為研究初始時間，而是選取從2000到2012年的13年為研究時間。對重慶市13年間GDP進行空間化及其分析空間變化，可以直觀地研究GDP布局及其拓展變化，盡管目前已經(jīng)有很多研究成果，但關于省域尺度長時間序列的空間布局研究相對缺乏，本研究利用DMSP/OLS夜間燈光數(shù)據(jù)，針對重慶直轄后經(jīng)濟發(fā)展突飛猛進的區(qū)域進行橫向的對比分析與立體的歸納總結，全方位了解重慶市經(jīng)濟時空發(fā)展情況。

基于DMSP/OLS夜間燈光數(shù)據(jù)的漸變性特征反演GDP空間的布局的方式，遙感影像數(shù)據(jù)便于獲取，更適合長研究時間段內(nèi)GDP空間布局變化分析的研究[13-14]。已有的研究表明，夜間燈光數(shù)據(jù)能很好地反映某地區(qū)GDP水平，本研究為省級行政區(qū)域GDP空間化及其長時間序列范圍內(nèi)發(fā)展變化，利用GIS技術、SPSS分析功能以及經(jīng)濟學原理，針對重慶從2000年經(jīng)濟飛速發(fā)展的特殊情況，建立夜間燈光數(shù)據(jù)與區(qū)縣GDP關系模型，以密度為基礎進行建模計算得到每個柵格的GDP密度值，生成重慶市2000—2012年1km×1km的GDP密度分布圖。

一、數(shù)據(jù)來源

(一)夜間燈光數(shù)據(jù)

夜間燈光數(shù)據(jù)是由美國國防氣象衛(wèi)星計劃衛(wèi)星(DMSP)搭載于線性掃描業(yè)務系統(tǒng)(OLS)傳感器的DMSP/OLS夜間燈光數(shù)據(jù)(http:∥ngdc.noaa.gov/eog/dmsp/downloadV4composites.html)。該數(shù)據(jù)獲取方便且數(shù)據(jù)量小，便于長時間序列研究[15-16]。

DMSP/OLS夜間燈光數(shù)據(jù)目前有自1992年到2013年共6個傳感器共34幅影像，本文根據(jù)研究時間選取2000—2012年的13年的非輻射定標夜間燈光強度數(shù)據(jù)，數(shù)據(jù)選取情況如表1。根據(jù)研究區(qū)選用適用于中國的Asia_Lambert_Conformal_Conic投影坐標，轉換DMSP/OLS的數(shù)據(jù)坐標。采用ArcGIS空間分析模塊利用重慶市邊界矢量數(shù)據(jù)為掩膜進行裁剪，考慮到重慶市行政區(qū)劃的變化的特殊性，掩膜裁剪時分年份采取相對應的行政矢量邊界，得到重慶地區(qū)13年間逐年的DMSP/OLS夜間燈光數(shù)據(jù)集，并重采樣為1km×1km分辨率。

表1 DMSP/OLS夜間燈光數(shù)據(jù)選取明細

(二)經(jīng)濟數(shù)據(jù)

本研究使用的GDP數(shù)據(jù)來源于重慶市2000—2012年的統(tǒng)計年鑒，該GDP數(shù)據(jù)為名義GDP，未消除通貨膨脹影響，各年之間數(shù)據(jù)可比性不強，運用經(jīng)濟學原理以2000年為基期將不同年份名義GDP數(shù)據(jù)處理為實際GDP。

(三)數(shù)據(jù)預處理

1.DMSP/OLS影像矯正

數(shù)據(jù)自矯正。燈光數(shù)據(jù)上一年DN像元值應存在于下一年DN像元值內(nèi)，由此利用ArcGIS中的空間分析工具，對非穩(wěn)定DN像元進行剔除。

DMSP/OLS數(shù)據(jù)輻射定標。DMSP/OLS夜間燈光數(shù)據(jù)由多衛(wèi)星獲取，其傳感器性能不同且隨時間推移傳感器自身的新陳代謝，導致傳感器探測性能衰退，獲取數(shù)據(jù)缺乏可比性，需要進行輻射定標[17]。選取社會經(jīng)濟發(fā)展穩(wěn)定的黑龍江雞西市為樣本區(qū)，因F162007期數(shù)據(jù)累積燈光強度最高，故作為標參考標定數(shù)據(jù)，根據(jù)公式(1)建立一元二次回歸模型對數(shù)據(jù)進行空間自矯正[18]。

DNC=a×DN2+b×DN+c

(1)

式中，DNC為矯正后DN值，DN為矯正前DN值，a、b、c為矯正參數(shù)。

2.實際GDP

名義GDP(Nominal GDP)也稱貨幣GDP，是用生產(chǎn)物品和勞務的當年價格計算的全部最終產(chǎn)品的市場價值[19]?？紤]到統(tǒng)計年鑒中的GDP統(tǒng)計數(shù)據(jù)為名義GDP，并沒有考慮物品及勞務價格變動的影響，需將名義GDP轉化為真實GDP?？紤]到2011年雙橋區(qū)與萬盛區(qū)分別劃入大足與綦江，擴大后的大足與綦江2011年后的實際GDP計算采用2011年前各年的可比指數(shù)進行計算：

GDPactual=GDPsta∏ δ

(2)

式中，GDPactual為當年真實GDP，GDPsta為當年統(tǒng)計GDP，δ為基期算起到當年的各年可比指數(shù)。

三、研究方法

(一)建立重慶市各區(qū)縣燈光指數(shù)

將重慶市各區(qū)縣矢量邊界與夜間燈光數(shù)據(jù)進行疊加分析，分別計算出區(qū)域內(nèi)燈光指數(shù)I、S、CNLI，其中I為區(qū)域內(nèi)平均燈光強度，S為燈光面積占區(qū)域總面積的比，CNLI為I與S的乘積[20-22]，即

(3)

(4)

CNLI=I×S

(5)

式中，DNi表示區(qū)域內(nèi)第i級像元灰度值，ni為區(qū)域內(nèi)該灰度像元總數(shù)，P為去除誤差的閾值，DNM為最大可能灰度值，該數(shù)據(jù)最大灰度值為63，NL、AreaN分別為區(qū)域內(nèi)滿足條件DNM≥DN≥P的像元總數(shù)和占據(jù)的總面積，Area為整個區(qū)域面積。

(二)建立GDP空間化模型

GDP與燈光指數(shù)的對數(shù)關系明顯。本文借鑒相關研究方法[23]，將三種燈光指數(shù)I、S、CNLI與GDP1、GDP2、GDP2+3、GDP3以及總GDP密度取對數(shù)在SPSS平臺中進行回歸分析，并建立模型：

ln(GDP)=a+ln(index)

(6)

由公式(6)變形得到公式(7)：

GDP=exp(a)×(index)b

(7)

式中，a為常數(shù)項，b為相關系數(shù)，index為I、S、CNLI中與GDP數(shù)據(jù)相關性最強的燈光指數(shù)。

(三) GDP空間化的技術流程

圖1 GDP空間化的技術流程

四、GDP空間化過程及結果分析

(一)GDP空間化的建模過程

將2000—2012年分區(qū)燈光指數(shù)I、S、CNLI與13年總GDP、第一產(chǎn)業(yè)GDP、第二產(chǎn)業(yè)GDP、第三產(chǎn)業(yè)GDP以及第二、三產(chǎn)業(yè)GDP和分別取對數(shù)后進行相關分析，相關系數(shù)見圖2。

由圖2可見，第一產(chǎn)業(yè)GDP與燈光指數(shù)關系均較差，相關系數(shù)R在0.515到0.761之間，第二產(chǎn)業(yè)GDP與三種燈光指數(shù)的相關系數(shù)很高，在0.883到0.977之間，第三產(chǎn)業(yè)GDP與三種燈光指數(shù)的相關關系在0.827到0.946之間，第二、三產(chǎn)業(yè)GDP和與三種燈光指數(shù)相關關系在0.861到0.970之間，總GDP與三種燈光指數(shù)的相關系數(shù)在0.849到0.966之間。除第一產(chǎn)業(yè)與夜間燈光指數(shù)的相關性較弱，第二、三產(chǎn)業(yè)均較強，表明夜間燈光數(shù)據(jù)可以很好地模擬第二產(chǎn)業(yè)，第三產(chǎn)業(yè)，第二、三產(chǎn)業(yè)和以及總GDP。且三個燈光指數(shù)中I指數(shù)與總GDP的相關關系最高，其次為CNLI，相關關系最差的為S。

圖2 2000—2012年燈光指數(shù)與GDP相關系數(shù)

本研究模擬2000—2012年總GDP的空間分布，選用13年間總GDP與該年燈光指數(shù)I，在SPSS軟件中進行回歸分析，并建立模型。

由表2可知，13年間GDP空間模型的擬合優(yōu)度R值均很大，在0.949以上，2002年達到最大值0.966，13年顯著性標志Sig.值均小于0.001，極顯著，模型擬合效果極佳說明DMSP/OLS夜間燈光數(shù)據(jù)可以很好地反映GDP空間分布。

表2 2000—2012年GDP空間化模型

其中P、β分別為GDP密度和I的Ln值

(二)檢驗與矯正

1.誤差分析

利用統(tǒng)一回歸模型模擬38個區(qū)縣的GDP必然會有誤差，用LnGDP密度真實值減去模擬值得到每年各區(qū)縣誤差。

圖3 2000—2012年各區(qū)縣LnGDP平均誤差

由圖3中可知，大部分地區(qū)誤差控制在-0.45到0.45之間，總體模擬誤差較小，渝中、合川、城口誤差大于0.45，其燈光無法真實反映該地區(qū)GDP水平，導致模擬值大于真實值。渝北、璧山誤差小于-0.45，表明其兩區(qū)燈光強度高于其GDP水平。

2.GDP線性校正

在ArcGIS中利用模型進行空間化，根據(jù)公式(7)將GDP統(tǒng)計數(shù)據(jù)分布到空間柵格中，利用區(qū)縣的GDP統(tǒng)計數(shù)據(jù)進行線性校正，將GDP誤差限制于區(qū)縣范圍內(nèi)，具體公式如下：

GDP=GDPm×(GDPs/GDPall)

(8)

式中，GDP為線性校正后GDP密度，GDPm為模擬GDP密度值，GDPs為該區(qū)縣統(tǒng)計GDP值，GDPall為該區(qū)縣預測GDP值。得到2000年到2012年GDP密度空間分布，由于篇幅限制此處只列舉2000、2004、2008、2012年結果，見圖4所示。

圖4 2000年、2004年、2008年和2012年GDP密度分布圖

(三)GDP密度時空分析

1.空間布局

基于2000—2012年模型利用GIS空間分析技術得到13年平均GDP密度分布圖5，反映13年平均GDP密度分布狀況。

總體分布格局為：渝西高于渝東北，渝東南最低，并以主城九區(qū)為聚集中心向四周擴散。具體來說，渝西范圍內(nèi)：渝中區(qū)為13年平均GDP密度最高地區(qū)，大于1000萬/ha；其次平均GDP密度大于100萬/ha，大致分布于除渝中以外的都市功能核心區(qū)及合川、江津的城區(qū)的中心地帶；都市功能拓展區(qū)及城市發(fā)展新區(qū)平均GDP密度大于50萬/ha，大致分布于沙坪壩南部、渝北西南部、江北中部、南岸中部、巴南區(qū)西北部以及各區(qū)縣的建成區(qū)所在地。渝東北生態(tài)涵養(yǎng)發(fā)展區(qū)總體呈現(xiàn)以萬州為主導各區(qū)縣珠串狀發(fā)展的特點。平均GDP密度大于100萬/ha的地區(qū)僅有萬州城區(qū)中心地帶；其次為開縣、云陽、梁平、墊江、豐都、忠縣、奉節(jié)的城區(qū)中心地帶平均GDP密度大于50萬/ha；平均GDP密度大于10萬/ha的地區(qū)分布于石柱、巫山、巫溪、城口的城區(qū)中心地帶以及渝東北其他區(qū)縣城區(qū)外圍大部。渝東南生態(tài)保護發(fā)展區(qū)，僅黔江的城區(qū)中心地帶平均GDP密度大于50萬/ha，平均GDP密度大于30萬/ha的地區(qū)大致分布于秀山、彭水、武隆的城區(qū)中心地帶及黔江城區(qū)外圍；平均GDP密度大于30萬/ha的地區(qū)大致分布于各區(qū)縣城區(qū)外圍地區(qū)。

圖5 重慶市13年平均GDP密度

2.經(jīng)濟增長特征

經(jīng)濟增長率的計算公式為

(9)

式中γ為GDP增長率，Ee為報告期水平，Es為基期水平，e和s分別為報告年份和基期年份。

根據(jù)經(jīng)濟學原理，GDP增長率用來分析2000年到2012年的GDP增長狀態(tài)，得到自2000年到2012年的平均GDP增長率(見圖6)。

圖6 重慶市13年平均GDP密度增長率

由圖6可知，主城地區(qū)與萬州區(qū)為兩大經(jīng)濟增長極并帶動經(jīng)濟發(fā)展。經(jīng)濟增長情況為，主城九區(qū)>城市發(fā)展新區(qū)>渝東北>渝東南，且主要分布于各區(qū)縣城區(qū)所在地周邊。具體來說，主城九區(qū)GDP增長率大部分地區(qū)均為100%以上，其中由于2003年沙坪壩區(qū)西部開始大學城建設，該地區(qū)13年的GDP增長率最快，達125%以上；其次為沙坪壩西部、渝北西南部、江北大部及南岸中部地區(qū)，13年的GDP平均增長率為120%到125%；環(huán)都市功能核心區(qū)連片地帶13年平均GDP增長率在110%至120%之間。城市發(fā)展新區(qū)最高經(jīng)濟增長率分布于永川區(qū)內(nèi)，2006年永川撤市改區(qū)，政府投入增多，使永川部分地區(qū)GDP增長大于120%；其次為榮昌、涪陵、長壽、大足、銅梁及合川部分地區(qū)的最高GDP增長率為115%至120%之間；其他地區(qū)最高GDP增長率為100%至110%。渝東北地區(qū)經(jīng)濟增長率達125%以上的區(qū)域分布于萬州江南新區(qū)的核心部位，增長率在120%以上地區(qū)分布于萬州區(qū)江南新區(qū)；開縣、奉節(jié)、梁平、墊江、豐都等地城區(qū)所在地經(jīng)濟增長率最高，在115%至120%之間；其余縣增長率最高在110%至115%之間。渝東南地區(qū)僅黔江、武隆小部分地區(qū)增長率達到110%以上，其余縣增長率則多在100%至110%之間。

五、結語

以GIS為研究手段，通過重慶市2000—2012年的GDP統(tǒng)計數(shù)據(jù)及夜間燈光數(shù)據(jù)，分年構建GDP密度模型，建立重慶市2000—2012年的GDP密度圖。利用DMSP/OLS夜間燈光數(shù)據(jù)進行GDP空間化消除行政單元內(nèi)分布均值化的弊端以便真實反映GDP的分布，長時間序列的GDP空間化研究，真實地呈現(xiàn)GDP變化的空間布局與程度。夜間燈光數(shù)據(jù)便于獲取適合長時間序列GDP空間化研究，估算結果可以較好地研究重慶市GDP時空變化，但整個模型的精細定量化研究不足，可進行深入研究。

一方面，夜間燈光數(shù)據(jù)對總GDP及第二、三產(chǎn)業(yè)GDP相關性較好，與第一產(chǎn)業(yè)的相關性較低?？梢砸胪恋乩脭?shù)據(jù)分耕、林、草、水域分別對第一產(chǎn)業(yè)農(nóng)、林、牧、漁業(yè)GDP進行細致模擬，以提高以第一產(chǎn)業(yè)為主的農(nóng)村地區(qū)GDP空間化精度。另一方面，由模型誤差分析過程可知，經(jīng)濟發(fā)展極好或者極差的地區(qū)的誤差均比較大。下一步研究以鄉(xiāng)鎮(zhèn)數(shù)據(jù)為基礎，提高模型適應性，建立適合各區(qū)的模擬水平更高的模型。

綜上所述，利用夜間燈光指數(shù)與經(jīng)濟統(tǒng)計數(shù)據(jù)建立回歸模型從而實現(xiàn)重慶市GDP的空間化以研究多年區(qū)域經(jīng)濟發(fā)展變化具有一定的意義，值得下一步引入細致的鄉(xiāng)鎮(zhèn)數(shù)據(jù)及土地利用數(shù)據(jù)進行更為精細的定量化研究。

[1]楊小喚,江東,王乃斌,等.人口數(shù)據(jù)空間化的處理方法[J].地理學報,2002,57(增刊):70-75.

[2]江東,楊小喚,王乃斌.基于RS GIS的人口空間分布研究[J].地球科學進展,2002,17(5):734-738.

[3]廖順寶,李澤輝.基于人口分布與土地利用關系的人口數(shù)據(jù)空間化研究———以西藏自治區(qū)為例[J].自然資源學報,2003,18(6):659-665.

[4]卓莉,陳晉,史培軍,等.基于夜間燈光數(shù)據(jù)的中國人口密度模擬[J].地理學報,2005,60(2):266-276.

[5]李飛,張樹文,楊久春,等.社會經(jīng)濟數(shù)據(jù)空間化研究進展[J].地理與地理信息科學,2014,30(4):102-107.

[6]易玲,熊利亞,楊小喚,等.基于GIS技術的GDP空間化處理方法[J].甘肅科學學報,2006,18(2):54-58.

[7]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,2009,28(4):494-502.

[8]Elvidge,C. D.,Baugh,K. E.,Kihn,E. A.,Kroehl,H. W,Davis,C. Relation Between Satellite Observed Visible-Near Infrared Emissions,Population and Energy consumption [J]. International Journal of Remote Sensing. 1997,18:1373-1379.

[9]Elvidge,C. D.,Baugh,K. E.,Hobson,V.H.,et al.Satellite Inventory of Human Settlements Using Noctumal Radiation Emission:A Contribution for the Clobal Toolchest [J]. Global Change Biol. 1997,3:387-791.

[10]韓向娣,周藝,王世新,等.基于夜間燈光和土地利用數(shù)據(jù)的GDP空間化[J].遙感技術與應用,2012,27(3):396-405.

[11]楊妮,吳良林,鄧樹林,等.基于DMSP/OLS夜間燈光數(shù)據(jù)的省域GDP統(tǒng)計數(shù)據(jù)空間化方法——以廣西壯族自治區(qū)為例[J].地理與地理信息科學,2014,30(4):108-111.

[12]乘直轄東風而起 化危機逆勢而揚——重慶市直轄以來經(jīng)濟的發(fā)展的回顧與展望[J].決策導刊,2009(11):6-7.

[13]Ma T,Zhou C H,Pei T,et 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,2012,124:99-107.

[14]楊洋,何春陽,趙媛媛,等.利用DMSP/OLS穩(wěn)定夜間燈光數(shù)據(jù)提取城鎮(zhèn)信息的分層閾法研究[J].中國圖像圖形學報,2011,16(4):666-673.

[15]卓莉,張曉帆,鄭璟,等.基于EVI指數(shù)的DMSP_OLS夜間燈光數(shù)據(jù)去飽和方法[J].地理學報,2015,70(8):1339-1359.

[16]楊眉,王世新,周藝,等.DMSP/OLS夜間燈光數(shù)據(jù)應用研究綜述[J].遙感技術與應用,2011,26(1):45-51.

[17]王曉慧.基于DMSP/OLS夜間燈光數(shù)據(jù)的中國近30年城鎮(zhèn)擴展研究[D].南京:南京大學,2013.

[18]鄒進貴,陳艷華,田徑,等.基于ArcGIS的DMSP/OLS夜間燈光影像校正模型的構建[J].測繪地理信息,2014,8(39):33-37.

[19]高鴻業(yè).西方經(jīng)濟學:宏觀部分[M].北京:中國人民大學出版社,2007:10-17.

[20]卓莉,史培軍,陳晉,等.20世紀90年代中國城市時空變化特征——基于燈光指數(shù)CNLI方法的探討[J].地理學報,2003,58(6):893-902.

[21]陳晉,卓莉,史培軍,等.基于DMSP/OLS數(shù)據(jù)的中國城市化過程研究:反應區(qū)域城市化水平的燈光指數(shù)的構建[J].遙感學報,2003,7(3):168-176.

[22]朱康文,李月臣,劉春霞,等.基于DMSP/OLS夜間燈光數(shù)據(jù)的縣域建成區(qū)的提取方法研究——以重慶市為例[J].重慶師范大學學報(自然科學版),2015,32(6):61-67.

[23]韓向娣,周藝,王世新,等.夜間燈光遙感數(shù)據(jù)的GDP空間化處理方法[J].地球信息科學學報,2012,14(1):128-136.

[24]何春陽,李景剛,陳晉,等.基于夜間燈光數(shù)據(jù)的環(huán)渤海地區(qū)城市化過程[J].地理學報,2005,60(3):409-417.

[責任編輯 劉江南]

2016-06-16

朱慧(1991— )，河北邯鄲人，碩士研究生，研究方向：地圖學與地理信息系統(tǒng)。通訊作者：李軍，副研究員。

F129.9

A

1008-6390(2016)06-0159-07