1、第 48 卷第 1 期2023 年 2 月Vol.48 No.1Feb.2023测绘地理信息Journal of Geomatics基于土地利用分类的夜间灯光和 GDP分量相关性研究厉芳婷1，2 胡菡2 张亮2 郑南31 武汉大学测绘遥感信息工程国家重点实验室，湖北 武汉，4300792 湖北省测绘工程院，湖北 武汉，4300743 广东工业大学管理学院，广州 广东，510520Correlation Research Between Night Light Data and GDP Component Based on Land Use ClassificationLIFangting1，2
2、 HUHan2 ZHANGLiang2 ZHENGNan31 State Key Laboratory of Information Engineering in Surveying，Mapping and Remote Sensing，Wuhan University，Wuhan 430079，China2 Hubei Institute of Surveying and Mapping，Wuhan 430074，China3 School of Management，Guangdong University of Technology，Guangzhou 510520，China摘要：传统
3、国内生产总值（gross domestic product，GDP）核算是基于统计手段的一种基础经济核算方法，为弥补统计方法带来的内生误差，利用遥感夜间灯光技术进行 GDP 测算的研究已取得相关成果。为提高估算精度，提出了一种基于多源遥感信息的经济指数估算方法。利用高分辨率光学遥感数据进行土地利用分类，在分析各类用地范围内夜光遥感数据的基础上，研究不同土地利用类型的灯光与 GDP 之间的关系。此外，为了修正相关模型，确定夜间灯光和 GDP分量相关的显著程度，对中国不同省份 20122019年共 8年间的面板数据进行了回归检验。结果表明，夜间灯光与第一产业 GDP 相关性弱，城镇用地的灯光与第二
4、产业和第三产业GDP显著相关。关键词：多源遥感；国内生产总值（gross domestic product，GDP）；VIIRS-NPP；回归分析中图分类号：P208；P237文献标志码：AAbstract：The traditional gross domestic product（GDP）calculation is a basic economic calculation method based on statistical methods.To compensate for the endogenous errors brought by statistical methods，th
5、e research on GDP calculation using remote sensing night light technology have achieved relevant results.We proposed an economic index estimation method based on multi-source remote sensing information to improve the estimation accuracy.We use high-resolution optical remote sensing data for land use
6、 classification.Based on the analysis of luminous remote sensing data of various land use areas，we study the relationship between lighting and GDP of different land use types.In addition，we conduct a regression test on the panel data of different provinces in China from 2012 to 2019 to modify the re
7、levant model and determine the significance of the correlation between night light and GDP components.The results show that the correlation between night light and GDP of primary industry is weak，and the lighting of urban land is significantly correlated with GDP of secondary industry and tertiary i
8、ndustry.Key words：multi-source remote sensing；gross domestic product（GDP）；VIIRS-NPP；regression analysis国内生产总值（gross domestic product，GDP）是目前公认的衡量国家经济状态的最佳指标1。传统的 GDP 主要通过统计方法核算，主要有支出法、收入法、生产法等，这些统计方法主要基于统计报表资料核算，核算结果依赖于报表数据的真实性，在统计和核算过程中存在内生性误差。基于夜间灯光数据的社会经济指数研究已经取得了相关成果，通过美国军事气象卫星计划/线性扫描 系 统（Defens
9、e Meteorological Satellite Program/Operational Linescan System，DMSP/OLS）夜光遥感数据证明了夜间灯光与国家层面的经济活动的相关性。之后越来越多学者研究夜光遥感数据与区域经济之间的关系。有学者基于夜光遥感数据对GDP的空间化处理方法进行研究，研究在不同的空间尺度上，夜间光照图像与 GDP 的相关性，并根据DOI：10.14188/j.2095-6045.2022088文章编号：2095-6045（2023）01-0082-04引用格式：厉芳婷，胡菡，张亮，等.基于土地利用分类的夜间灯光和 GDP 分量相关性研究 J.测绘地理信
10、息，2023，48（1）：82-85（LI Fangting，HU Han，ZHANG Liang，et al.Correlation Research Between Night Light Data and GDP Component Based on Land Use Classification J.Journal of Geomatics，2023，48（1）：82-85）基金项目：国家自然科学基金（41901345）。第 48 卷第 1 期厉芳婷等：基于土地利用分类的夜间灯光和 GDP分量相关性研究导出的关系绘制了 5 km 分辨率的经济活动图2，利用时序夜光遥感数据进行 GDP建
11、模和估算，获得了较高的整体精度，同时建立了不同国家和区域的GDP贫困指标3-6。考虑到影响经济的因素的多样性和各个国家地区的社会特有属性，有学者引入了人口、发展程度、农业和非农业等因子来修正夜间灯光数据对 GDP的估算模型，有效提高了模型精度7。随着夜光遥感卫星的更替，从 DMSP/OLS 数据发展到 VIIRS-NPP 数据和“珞珈一号”夜光遥感卫星数据，更多学者提出应根据区域的社会属性分区域建立夜间灯光数据对 GDP的估算模型，在经济发展区域、省域、贫困区域等不同的区域建立相应的估算模型，并进行了实证8-13。越来越多的实证研究表明了夜间灯光数据和区域经济之间的密切关系。然而，不同土地利用
12、范围内的夜间灯光和 GDP的相关性，夜间灯光在何种程度、哪些角度上可以更有效地反演 GDP的真实情况并不清晰。本文关注中国在省域、地级市域层面上的经济情况，基于 Landsat、VIIRS-NPP 等遥感数据，引入土地利用因子，讨论夜间灯光数据和 GDP的相关性，同时研究夜间灯光在不同 GDP分量上的贡献。1 研究区域及数据本文获取了时间连续性较好的 20122020 年的统计数据。根据统计数据的完整性和土地利用数据的覆盖情况，本文研究范围为全国除港澳台地区以外的 31个省（自治区、直辖市）。1.1GDP统计数据经济统计数据来自国家统计局网站 中国统计年鉴，本文提取了各省域 20122020
13、年的地区生产总值、三次产业值（第一产业、第二产业、第三产业）、分行业值（工业、建筑业、批发和零售业、交通运输仓储和邮政业、住宿和餐饮业、金融业、房地产业）等经济数据。其中，2019年的分行业经济数据统计不完全，因此，只提取 2019年的生产总值、第一产业值、第二产业值、第三产业值 4类经济数据进行处理和分析。1.2遥感土地利用数据遥感土地利用分类数据来源于中国科学院资源环境科学与数据中心（https：/ 2015 年中国土地利用现状遥感监测数据和2018 年中国土地利用遥感监测数据。2015 年的数据是在 2010年数据的基础上更新的，基于 Landsat 8遥感影像，通过人工目视解译生成。2
14、018年中国土地利用数据是在 2015 年土地利用遥感监测数据的基础上，基于 Landsat 8 遥感影像，通过人工目视解译生成的。土地利用类型包括 6个一级类型及 25个二级类型，具体信息见表 1。1.3夜间灯光数据国 内 外 夜 间 灯 光 研 究 中 的 主 要 数 据 源 包 括DMSP/OLS 影像、由 Soumi-NPP 卫星获取的夜间灯光遥感数据，以及由国产遥感卫星“珞珈一号”获取的夜间灯光数据。DMSP/OLS 数据具有较长的时间序列，但空间分辨率较低；VIIRS-NPP 数据在质量上有了明显提高，消除了日光、月光、杂散光等污染，并且具有更高的空间分辨率（约 740 m）；“珞
15、珈一号”数据具有目前最高的空间分辨率，星下点分辨率在 130 m 左右，并且提供自 2018年起经过了辐射校准的夜间灯光数据集。本文的研究时间为 20122019 年，土地分类数据源空间分辨率为 1 km，综合考虑时间序列、空间分辨率及数据质量的适应性，本文选择 VIIRS-NPP 数据作为数据源提取区域夜间灯光。表 1土地利用分类Tab.1Land Use Classification一级类编号123456一级类名称耕地林地草地水域城乡、工矿、居民地未利用土地二级类编号11122122232431323341424344454651525361626364656667二级类名称水田旱地有林地
16、灌木林疏林地其他林地高覆盖草地中覆盖草地地覆盖草地河渠湖泊水库坑塘永久性冰川雪地滩涂滩地城镇用地农村居民点其他建设用地沙地戈壁盐碱地沼泽地裸土地裸岩石质地其他83测绘地理信息2023 年 2 月2 研究方法2.1数据处理数据处理流程见图 1。遥感土地利用分类数据为 1 km 格网的栅格数据。为保证数据源空间分辨率的一致性，先将获取的 1 km 格网栅格数据重采样；再根据分类编码将土地利用分类数据提取为城镇用地（51）、农村居民地（52）、其他建设用地（53）及其他用地（其余土地利用分类）4类；最后采用二值法对分类提取的栅格数据进行矢量化，从而提取分类边界的矢量数据。目前，VIIRS-NPP 数据提供了 2012 年至今的日数据和月度合成数据。为避开冬季雨雪覆盖和避免季节性误差，本文选取每年 4月至 9月的月度合成数据作为数据源进行数据处理。理论上，夜间灯光数据不存在负值，因此要对每年 4月至 9月的月度合成数据进行负值消除，即存在负值的像元取 0。消除负值后，将月度数据进行均值合成，即对每期月度数据的像元DNi值取平均值，并将其作为年度像元灯光亮度值DNy。对合成后的年度数据进行背景去
