打开文本图片集

摘要：本研究利用2016年、2018年及2020年六月份NPP-VIIRS夜间灯光数据，运用统计数据比较法提取厦门城市建成区，通过综合分析多维指标，分析了厦门城市扩展的时空动态变化特征。结果表明：厦门市的城市建成区在2016-2020年不断扩展，但扩展速度在减慢、扩展幅度和扩展强度在减小；紧凑度趋于零；分形维数上2016年和2018年小于1.5，图形较简单，2020年大于1.5，图像较复杂；偏移重心在2016-2020年在不断变化。

关键词：夜间灯光数据；统计数据比较法；城市扩展

1 引言

城市作为一个复杂且持续演变的实体，它的动态性与多变性给传统研究手段带来了诸多挑战。城市空间形态的演变是人类对城市土地利用过程和格局的综合反映[1]。利用城市扩展研究成果来为决策提供有力支撑是一个必要的决策手段。

在早期，研究者多依赖于静态的统计数据进行分析，但这些数据往往存在时效性不强、信息不全和难以实时更新等问题，从而影响了分析结果的准确性和研究的深度。遥感技术的发展，为城市扩展研究提供了全新的视角。通过卫星或航空器收集的高分辨率图像，可以揭示城市空间结构的演化，并且大大增强了数据的时效性和覆盖范围，使得研究者能够快速捕捉到城市发展的最新趋势。

夜间灯光数据通过捕捉地面光源的分布和亮度变化，直观反映了人类活动的密度和范围。这一指标虽然简洁，却能有效描绘出城市化的广度和深度。与高分辨率遥感数据相比，夜间灯光数据具有成本低廉、易于获取等优点，这使得它成为研究城市扩展的一个强有力的数据支撑。夜间灯光数据的引入，不仅丰富了城市研究的方法论，也提高了研究的效率和广度。

夜间灯光数据的应用，为监测城市发展脉络提供了新的视角。目前利用夜间灯光数据提取城市建成区的研究方法主要有经验阈值法、突变检测法、支持向量机分类算法、邻域统计分析法、辅助资料比较法等[2]。国际上常用的遥感数据包括美国军事气象卫星计划（DMSP）搭载的OLS传感器、Suomi NPP卫星搭载的可见光/红外成像辐射计（NPP-VIIRS）、中国珞珈一号夜光遥感卫星获取的夜间灯光影像[3]。

在国内研究中，胡毅等[4]人利用了2005-2020年的江西省夜间灯光原始数据，采用参考比较法提取建成区面积，分析江西省各地级市的城市建成区扩展的时间特征；杨柳等[5]人以武汉1992—2020年3类夜间照明数据为数据源，增加突变检测法来提取城市建成区并检验精度；沈静雅等[6]人以重庆市主体规划范围内的主城中心城区为研究对象，利用DMSP/OLS和NPP/VIIRS夜间灯光数据，辅以MODIS NDVI数据和Landsat数据提取该区域内城市建成区的范围。何思远等[7]人基于NPP-VIIRS夜光遥感数据，结合GIS与Fragstats技术分析杭州市城市建成区动态变化以及结构发展演变分析。饶俊等[8]人利用夜光数据进行经验阈值法、聚类阈值法、动态阈值法、统计数据比较法、突变检测法和高分辨率影像数据空间比较法等的城市建成区提取分析。程结海等[9]人基于“类NPP-VIIRS”夜光遥感数据集，采用改进的统计数据比较法提取中原城市群建成区，利用重心迁移指标和典型景观格局指标，分析中原城市群建成区2002-2020年的时空变化特征。

国外研究中，在20世纪末，Elvidge等[10]就利用夜光遥感数据进行了区域内人口的估算。Sutton等[11]提出的人口密度衰减模型，进一步的验证了利用夜光遥感数据对人口估算的可行性。Small等[12]通过设置动态阈值方法实现了全球范围夜间灯光城市制图。Rimal等[13]人基于Landsat影像数据，对1986-2016年尼泊尔塔莱地区城市用地进行提取，发现城市扩展是以牺牲该地区农业用地为代价。Xu等[14]融合夜间灯光、植被指数和地表温度等数据，使用支持向量机法提取中国城市土地面积，并对中国城市扩展进行分析评估，认为城市土地扩展中主要靠占用耕地，后续城市应多重视边缘扩展，以保护耕地。Fang等[15]基于Landsat系列遥感影像数据，获取了1980-2015年长三角城市群6个主要城市近35年的建设用地范围，并通过景观格局等指标定量分析和比较了这6个城市扩展的时空变化规律。

本文基于2016、2018、2020年六月份获取的夜间灯光数据与统计年鉴建成区面积，采用统计数据比较法，提取城市建成区域，运用一系列尺度指标，如城市扩展幅度、速度、强度、紧凑度以及分形维数，剖析城市发展时空动态，对城市扩展的时间和空间特征进行分析。

2 研究区概况

厦门市位于北纬24°23’～24°54’、东经117°53’～118°26’，在中国东南沿海，福建省南部。厦门市属于亚热带海洋性季风气候，气候宜人，四季如春，雨量充沛，被誉为“海上花园”。厦门市地形以滨海平原、台地和丘陵为主，地势由西北向东南倾斜，地势地貌构成类型多样，有中山、低山、高丘、低丘、台地、平原、滩涂等。厦门市2023年地区生产总值（GDP）8066.49亿元，第一、二、三产业增加值分别为27.73、2867.94和5170.81亿元，三次产业结构为0.3：35.6：64.1。

3 数据和数据预处理

3.1 数据

3.1.1 NPP-VIIRS夜间灯光数据

美国国家极轨业务环境卫星系统（National Polar-orbiting Operational Environmental Satellite System，简称NPOESS）在2012年发射了一颗搭载可见光红外成像辐射仪（Visible Infrared Imaging Radiometer Suite，简称VIIRS）的卫星。VIIRS辐射仪所提供的夜间灯光遥感数据，以其高分辨率和准确性，成为了该领域的重要数据来源。首先，NPP-VIIRS的影像分辨率达到了500米，这一精度远超过之前的国防气象卫星计划（Defense Meteorological Satellite Program，简称DMSP）所提供的数据。高分辨率的影像使得研究人员能够更加精细地分析城市化进程、能源消耗模式以及人类活动的分布情况。其次，VIIRS成功解决了以往系统中存在的灯光过饱和问题，这意味着它能够更准确地捕捉到微弱的光源，从而提高了数据的可靠性。再次，VIIRS在不同时相间保持了数据的可比性，这对于长期监测和趋势分析至关重要。这种一致性使得科学家能够跨越不同年份和季节，追踪特定区域的夜间灯光变化，进而研究其与经济发展、社会变迁等因素之间的关系。

科罗拉多矿业学院的佩恩研究所（Payne Institute）在夜间遥感技术领域做出了开创性的贡献。地球观测组（Earth Observation Group，简称EOG）负责收集和处理大量的夜间灯光数据产品，其中包括经过校准的vcmslcfg版本月度无云DNB复合产品（文件扩展名为avg_rade9）。这些产品的数据单位为nW/cm2/sr，图像分辨率为500米，覆盖了2016年、2018年和2020年6月的全国范围，采用WGS-1984地理坐标系。为了解决某些软件包在原始单元中数值过小的问题，原始DNB辐射值已经乘以109进行了转换。这样的处理不仅便于数据的存储和传输，也便于后续的分析和可视化。考虑到研究区范围，在下载影像时选择了75N060W区片。

总之，NPP-VIIRS夜间灯光遥感数据的出现，不仅提升了夜间遥感技术的研究水平，也为相关应用领域开辟了新的可能性。随着技术的不断进步和数据处理能力的提升，未来夜间灯光遥感将在更多领域发挥其独特的价值。

3.1.2 统计数据与矢量数据

（1）统计数据在中华人民共和国住房和城乡建设部（mohurd.gov.cn）获取2016-2020年全国城市建成区统计年鉴。

（2）在阿里云数据可视化平台获取福建省的行政区矢量数据，详细信息可访问：https：//datav.aliyun.com/portal/school/atlas/area_selector，再打开网址（https：//mapshaper.org/）进行矢量地图转化后，即可作为研究区域矢量图使用。

3.2 数据预处理

3.2.1 NPP-VIIRS数据

基于行政区划数据，执行图像的裁剪。为确保得到的结果是正确性和避免因网格变形带来的误差，方便计算影像中灯光亮度像元的面积，将夜间遥感影像数据的投影转化成Asia North Albers Equal Area Conic投影。同时我们将栅格大小设置成500×500。

3.2.2 行政区矢量数据

由于下载的矢量图是JSON File格式，在经过转换后，投影坐标是WGS-1984坐标系，为保证提取的城市建成区面积正确，将行政区划矢量图坐标转换为Asia North Albers Equal Area Conic投影。

4 城市建成区提取

4.1 城市建成区概念

城市建成区，作为一座城市的发展水平和城市化质量的体现，涵盖了集中连片的市区以及与之紧密相连的近郊区域。这些区域不仅完备市政基础设施，亦满足公共服务需求，诸如机场、铁路站点、污水处理设施及通信枢纽等要素皆属于其范畴。通过建成区的广度与完善程度，可以直观洞察城镇化的深度和广度。

4.2 基于统计数据比较法提取城市建成区

夜间灯光的亮度值与人类的活动呈正相关，因此可以通过亮度值大小来判定城市建成区还是农村。统计数据比较法以统计年鉴中的统计面积为参考数据，将经过预处理后的0.5km分辨率NPP/VIIRS夜间灯光遥感影像数据为基础数据提取的建成区面积与参考数据相比较，直至提取的面积最接近统计面积的提取方法，该方法因操作简单，效率高而被研究者广泛使用[16]。通过提取操作后得出2016年、2018年、2020年的厦门市城市建成区，如图所示：

5 福建省建成区时空演变分析

5.1 城市扩展时间特征分析

5.1.1 城市建成区总体情况

根据NPP-VIIRS的夜间灯光数据，提取出厦门市城市建成区。建成区的面积如表所示：

由表5-1可知，2016、2018、2020年通过统计年鉴数据和阈值相结合提取的建成区面积分别为339km²、390.5km²、413.25km²；在此时间段内建成区面积的变化为2016-2018年面积增加了51.5km2，2018-2020年面积增加了22.75km2，建成区面积呈现增长趋势。

5.1.2 城市扩展变化幅度

本文利用城市建成区扩展幅度指数BAEI（Built-up Area Expansion Index）来衡量福建省城市建成区的扩展幅度的变化[17]。公式如下：

式（5-1）中：BAEI为城市建成区的扩展幅度指数，BAE0为指研究时期初的城市建成区面积（km2），BAEt则表示研究时期末城市建成区的面积（km2）。根据公式（5-1）得到研究时段内城市建成区的扩展幅度，计算结果如表：

由表5-2可知厦门市的城市建成区扩展幅度变化情况，2016-2018年厦门的建成区扩展幅度为15.19%，2018-2020年扩展幅度指标数值为5.83%，2016-2018年的扩展幅度约是2018-2020年的幅度指标的3倍。

5.1.3 城市建成区扩展速度

扩展速度是指平均每年城市建成区的扩展面积，直接反映了城市扩展的快慢[18]。扩展速度计算公式：

式（5-2）中，使用”AGA”代表由夜间光照数据提取出的城市建设区域的扩展速度（单位：km2/a），”UAi”代表在第i年由夜间光照数据提取出的城市已建成区域的面积（单位：km2）；”ＵＡ（i＋2）”则表示在接下来的第i+2年，该城市的已建成区域的面积（单位：km2）。此处的“n”代表时间的度量单位，即年。城市建成区扩展速度如表所示：

表5-3，我们发现厦门市建成区的扩展动态显著。在2016-2018年间，其年均扩展速率达到了25.75km2/a，而2018-2020年这一数字减缓至11.375km2/a。值得关注的是，前一阶段的扩展速度几乎是后一阶段的两倍，揭示了城市化进程在时间推移中的变化趋势。

5.1.4 城市建成区扩展强度

扩展强度是指某一时期内，研究期内城市扩展的面积占扩展前的城市面积的百分比[18]。公式如下：

式（5-3）中，UII代表建成区的扩展强度，Uａ和Uｂ分别代表研究时段内的初期和末期建成区面积（km2），TLA代表研究区土地的总面积（km2），t为时间间隔，单位为年。

由表5-4知2016-2018年厦门的建成区扩展强度为0.18%，2018-2020年数值为0.08%，2016-2018年的扩展强度比2018-2020年高10%。

5.2 城市扩展空间特征分析

5.2.1 城市扩展空间紧凑度

紧凑度是衡量城市建成区空间饱和度和空间形态离散程度的重要指标，表示了城市外围轮廓形态在空间上的集聚程度[19]。此数值体现城市空间布局的特性，介于0至1之间。数值趋近于0，则意味着城市建成区在地理结构上展现出较为分散、宽松的态势；相反，当数值逼近于1，表明城市建成区形态愈趋圆润紧密，在空间规划中显现出高效、集约的特征。公式如下：

由表5-5可知，2016年、2018年、2020年厦门市的城市建成区的紧凑度分别是0.208、0.228、0.189，总体趋向于分散。

5.2.2 分形维数

城市建成区空间形态的曲折与复杂程度，由分形维数表述。在分形理论中，D值的取值范围在1～2之间，D值越大则建成区的图形越复杂；当D<1.5，建成区的图形则趋于简单；D=1.5时，则说明建成区的图形稳定性较差；当D>1.5时，说明建成区的图形更复杂[20]。公式如下：

由表5-6可知，厦门市2016、2018、2020年建成区空间上的分形维数分别为1.497、1.455、1.516，建成区图形总体趋向于复杂。。

5.2.3 城市重心变化分析

重心的概念来自于力学，是使物体在空间上受力均匀的平衡点，单块物体的重心即为该物体的几何中心点，多块物体的重心由各个单个物体重心按面积加权计算得出[21]。城市重心作为量化城市扩展态势的指标，映射了城镇发育的核心区位。利用Arcgis 10.4软件对2016、2018、2020年的厦门市夜间灯光数据进行处理，获取各时期城市建设区域的空间分布核心，如图：

由图5-1可知，在2016-2018年，城市的重心由湖里区向西北方向的集美区偏移，2018-2020年重心在集美区内向东南方向偏移。

6 结论

本研究以2016-2020年NPP-VIIRS夜间灯光影像和相关统计数据，提取了研究区城市成区范围。然后，针对城市扩展的程度、速度、强度、紧凑性、分形维度及其重心变动进行分析。结果表明，利用夜间灯光遥感数据，可以研究城市城市建成区的时间变化和空间特征，研究成果对于城市管理具有一定的参考意义。

参考文献：

[1]王成新， 窦旺胜， 程钰， 刘凯. 快速城市化阶段济南城市空间扩展及驱动力研究[J]. 地理科学， 2020， 40（09）： 1513-1521.

[2]刘舒悦， 闫妍， 胡宝清. 基于NPP-VIIRS夜间灯光数据的广西西江流域城市扩张时空格局演变研究[J]. 南宁师范大学学报（自然科学版）， 2023， 40（01）： 195-204.

[3]刘鸣， 刘郁川， 郝庆丽， 等. 基于卫星灯光遥感图像数据的全球典型国家夜间光环境分布评估[J]. 照明工程学报， 2021， 32（02）： 126-134.

[4]胡毅， 况旭. 夜光数据下江西省地级城市建成区扩张特征分析[J]. 长江信息通信， 2024， 37（04）： 133-137.

[5]杨柳， 梁俊红， 丁凯焱， 何庆芳. 从夜间灯光数据中提取城市建成区的改进方法[J]. 地理空间信息， 2024， 22（01）： 24-28.

[6]沈静雅， 翁季. 基于夜间灯光数据的重庆市主城区城市扩展分析[J]. 灯与照明， 2024， 48（01）： 34-37+45.

[7]何思远， 王佳楠， 朱凯. 基于NPP-VIIRS夜光遥感的杭州市建成区结构发展变化分析[J]. 测绘与空间地理信息， 2023， 46（S1）： 138-141.

[8]饶俊， 丁海萍， 许朋朋， 李敏. 基于珞珈一号的上海市建成区提取研究[J]. 江西科学， 2023， 41（02）： 261-265.

[9]程结海， 胡盼， 袁占良. 基于夜光遥感数据的中原城市群建成区时空变化分析[J]. 测绘通报， 2022， （09）： 39-44.

[10]Elvidge CD ， Baugh K E ， Kihn E A ， et al. Mapping city lights with nighttime data from the DMSP Operational Linescan System[J]. Eng & Remote Sens， 1997， 63（6）： 727-734.

[11]Sutton P ， Roberts D ， Elvidge C ， et al. A Comparison of Nighttime Satellite Imagery and Population Density for the Continental United States[J]. American Society for Photogrammetry and Remote Sensing， 1997（11）.

[12]SMALL C， POZZI F， ELVIDGE C D.S patial analysis of global urban extent from DMSP-OLS night lights[J]. Remote Sensing of Environment， 2005， 96（3-4）： 277-291.

[13]Rimal B， Zhang L F， Stork N， Sloan S， Rijal S. Urban expansion occurred at the expense of agricultural lands in the Tarai region of Nepal from 1989 to 2016[J]. Sustainability， 2018， 10（05）： 1341.

[14]Xu M， He C Y， Liu Z F， Dou Y Y. How Did Urban Land Expand in China between 1992 and 2015？ A Multi-Scale Landscape Analysis[J]. Plos One， 2016， 11（5）： e0154839.

[15]Fang C Y， Zhao S Q. A comparative study of spatiotemporal patterns of urban expansion in six major cities of the Yangtze River Delta from 1980 to 2015[J]. Ecosystem health and sustainability， 2018， 04（04）： 95-114.

[16]Zou Y H， Peng H Q， Liu G， Yang K D， Xie Y H， Wei Q H. Monitoring Urban Clusters Expansion in the Middle Reaches of the Yangtze River， China， Using Time-Series Nighttime Light Images [J]. Remote Sensing， 2017， 9（10）： 1007.

[17]樊勇， 何宗宜， 张梦琪， 高军波. 基于夜间灯光数据的武汉市建设用地扩展规律研究[J]. 信阳师范学院学报（自然科学版）， 2016， 29 （04）： 546-550.

[18]徐杰佳， 臧淑英. 哈尔滨城市扩展特征及驱动力分析[J]. 测绘通报， 2019（9）： 68-72.

[19]朱文龙， 孙乾翔， 秦萧， 等. 基于夜间灯光数据的淮海城市群空间扩展及驱动力研究[J]. 西北师范大学学报（自然科学版）， 2019， 55（5）： 106-113．

[20]张跃茹， 王莉雯. 基于NPP/VIIRS夜光灯光数据的沈阳市建成区扩展分析[J]. 绿色科技， 2023， 25（20）： 224-228.

[21]宁旭辉， 云子恒， 于昊生. 基于多源数据的南宁市建成区数据提取及变化分析[J]. 湖北民族大学学报（自然科学版）， 2023， 41（03）： 414-420.

基金项目：福建省自然科学基金项目（2020J01361）。

作者简介：林金堂，副教授，主要从事遥感应用研究。