留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

夜光遥感视角下的中国城市规模的时空演变

徐慧敏 胡守庚

徐慧敏, 胡守庚. 夜光遥感视角下的中国城市规模的时空演变[J]. 武汉大学学报 ● 信息科学版, 2021, 46(1): 40-49. doi: 10.13203/j.whugis20190330
引用本文: 徐慧敏, 胡守庚. 夜光遥感视角下的中国城市规模的时空演变[J]. 武汉大学学报 ● 信息科学版, 2021, 46(1): 40-49. doi: 10.13203/j.whugis20190330
XU Huimin, HU Shougeng. Chinese City Size Evolution Under Perspective of Nighttime Light Remote Sensing[J]. Geomatics and Information Science of Wuhan University, 2021, 46(1): 40-49. doi: 10.13203/j.whugis20190330
Citation: XU Huimin, HU Shougeng. Chinese City Size Evolution Under Perspective of Nighttime Light Remote Sensing[J]. Geomatics and Information Science of Wuhan University, 2021, 46(1): 40-49. doi: 10.13203/j.whugis20190330

夜光遥感视角下的中国城市规模的时空演变

doi: 10.13203/j.whugis20190330
基金项目: 

国家自然科学基金 41671518

国土资源部法律评价工程重点实验室开放基金 CUGFP-1804

武汉大学测绘遥感信息工程国家重点实验室开放基金 18T06

详细信息
    作者简介:

    徐慧敏,博士,副教授,主要从事土地资源管理方面的研究。xuhuimin1985_2008@163.com

    通讯作者: 胡守庚,博士,教授,博士生导师。husg2009@gmail.com
  • 中图分类号: P237

Chinese City Size Evolution Under Perspective of Nighttime Light Remote Sensing

Funds: 

The National Natural Science Foundation of China 41671518

the Open Fund of Key Laboratory of the Ministry of Land and Resources for Law Evaluation Engineering CUGFP-1804

the Open Fund of State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University 18T06

More Information
  • 摘要: 为探究中国城市规模的演变特征,基于总量统计、位序-规模分析和马尔可夫转移矩阵,利用夜光遥感影像分析了1993-2012年中国省级行政区和经济区的城市规模分布规律及演化。总量统计分析结果表明,所有经济区和省级行政区夜光都呈现增长趋势,其中大西南综合经济区、大西北综合经济区夜光增加比例最大,分别达到257%、254%,省级行政区中西藏自治区的夜光增长比例最大,达到842%;位序-规模分析结果表明,除东北综合经济区以外,其他七大经济区的城市聚集程度在不断减弱,其中大西北综合经济区的分散趋势最为明显;马尔可夫转移矩阵分析结果表明,10年间隔内城市规模具备一定的惯性,其中最小城市规模类型保持不变的概率最高(达到82%),同时存在一定的概率发生城市向邻近等级规模城市转换的现象,但发生跨越式规模变迁的概率很低。该结论在长时间序列、多空间尺度揭示了中国城市规模演变的特征,为评估中国城市发展政策提供了依据。
  • 图  1  中国及周边DMSP/OLS夜光遥感影像

    Figure  1.  DMSP/OLS Nighttime Light Image of China and Its Surrounding Area

    图  2  中国大陆31个省级区域夜间灯光增长变化

    Figure  2.  Nighttime Light Growth for the Provincial Regions in Chinese Mainland

    图  3  中国八大经济区夜间灯光增长变化

    Figure  3.  Nighttime Light Growth for the Eight Economic Zones in China

    图  4  1993-2012年中国大陆省级行政区划q值变化

    Figure  4.  q Values of the Provincial Regions in Chinese Mainland During 1993-2012

    图  5  中国大陆省级行政区划的q值变化斜率

    Figure  5.  Slope of q Values of the Provincial Regions in Chinese Mainland

    图  6  1993-2012年中国八大经济区q值变化

    Figure  6.  q Values of the Eight Economic Zones in China During 1993-2012

    图  7  中国八大经济区的q值变化斜率

    Figure  7.  Slope of q Values of the Eight Economic Zones in China

    表  1  1993—2012年中国大陆地级市城市夜光规模演变的马尔可夫转移矩阵

    Table  1.   Markov Transition Matrix for the Evolution of City Size Distribution in Chinese Mainland During 1993-2012

    初始类型 转化次数 转化概率
    类型Ⅰ 类型Ⅱ 类型Ⅲ 类型Ⅳ 类型Ⅰ 类型Ⅱ 类型Ⅲ 类型Ⅳ
    1 063 231 2 0 0.820 2 0.178 2 0.001 5 0
    105 597 134 6 0.124 7 0.709 0 0.159 1 0.007 1
    1 148 611 50 0.001 2 0.182 7 0.754 3 0.061 7
    0 0 102 330 0 0 0.236 1 0.763 9
    下载: 导出CSV
  • [1] Wei Y, Li H, Yue W. Urban Land Expansion and Regional Inequality in Transitional China[J]. Landscape and Urban Planning, 2017, 163: 17-31 doi:  10.1016/j.landurbplan.2017.02.019
    [2] Zipf G K. Human Behavior and the Principle of Least Effort[M].Cambridge:Addision-Wesley Press, 1949
    [3] 邓智团, 樊豪斌.中国城市人口规模分布规律研究[J].中国人口科学, 2016 (4): 48-60 http://cpfd.cnki.com.cn/Article/CPFDTOTAL-SHSL201609001033.htm

    Deng Zhituan, Fan Haobin. Research on Distribution Law of Urban Population Size in China[J]. Chinese Journal of Population Science, 2016(4):48-60 http://cpfd.cnki.com.cn/Article/CPFDTOTAL-SHSL201609001033.htm
    [4] 李一曼, 孔翔.基于ESDA-GWR的浙江县域生产性服务业时空特征及影响因素分析[J].长江流域资源与环境, 2018, 27(5):969-977 doi:  10.11870/cjlyzyyhj201805004

    Li Yiman, Kong Xiang. Analysis on Time-Space Characteristics and Influence Factors of Producer Services Industry from the Perspective of ESDA-GWR in Zhejiang County[J]. Resources and Environment in the Yangtze Basin, 2018, 27(5):969-977 doi:  10.11870/cjlyzyyhj201805004
    [5] 周鹏超, 杨永芳.中国城市人口和用地规模结构的演变及异速生长关系[J].城市问题, 2018, 6: 4-13 http://www.cnki.com.cn/Article/CJFDTotal-CSWT201806001.htm

    Zhou Pengchao, Yang Yongfang. The Evolution of Urban Population and Land Size Structure and the Allometric Growth Relationship in China[J]. Urban Problems, 2018, 6:4-13 http://www.cnki.com.cn/Article/CJFDTotal-CSWT201806001.htm
    [6] 刘效龙, 张世全, 冯长春.中原城市群城市规模等级的时空演变分析[J].地域研究与开发, 2011, 30(3):29-34 doi:  10.3969/j.issn.1003-2363.2011.03.006

    Liu Xiaolong, Zhang Shiquan, Feng Changchun. Spatio-Temporal Dynamics of City-Size Distribution in Zhongyuan Urban Agglomerations[J]. Areal Research and Development, 2011, 30(3):29-34 doi:  10.3969/j.issn.1003-2363.2011.03.006
    [7] 张杰, 杨先花.中国中部地区城市规模体系分布特征与演变趋势研究——以安徽省为例[J].经济与管理评论, 2017, 33(2):103-108 http://www.cnki.com.cn/Article/CJFDTotal-SDJJ201702014.htm

    Zhang Jie, Yang Xianhua. Research on Urban Size Distribution Characteristics and Evolution Trend of the Central Region—Taking Anhui Province as an Example[J]. Review of Economy and Management, 2017, 33(2): 103-108 http://www.cnki.com.cn/Article/CJFDTotal-SDJJ201702014.htm
    [8] Fan X, Huang L. The Characteristics of City Size Distribution in Beijing-Tianjin-Hebei Urban Agglomeration[J]. Journal of Arid Land Resources and Environment, 2015, 29(9):13-20 http://en.cnki.com.cn/Article_en/CJFDTOTAL-GHZH201509003.htm
    [9] Elvidge C D, Baugh K E, Kihn E A, et al.Mapping City Lights with Nighttime Data from the DMSP Operational Linescan System[J]. Photogrammetric Engineering and Remote Sensing, 1997, 63(6): 727-734 doi:  10.1016/S0924-2716(97)00008-7
    [10] Elvidge C D, Baugh K E, Dietz J B, et al.Radiance Calibration of DMSP-OLS Low-Light Imaging Data of Human Settlements[J]. Remote Sensing of Environment, 1999, 68(1): 77-88 doi:  10.1016/S0034-4257(98)00098-4
    [11] Small C, Elvidge C D, Balk D, et al. Spatial Scaling of Stable Night Lights[J]. Remote Sensing of Environment, 2011, 115(2): 269-280 doi:  10.1016/j.rse.2010.08.021
    [12] Yang X, Yue W, Gao D. Spatial Improvement of Human Population Distribution Based on Multi-sensor Remote-Sensing Data: An Input for Exposure Assessment[J]. International Journal of Remote Sensing, 2013, 34 (15): 5 569-5 583 doi:  10.1080/01431161.2013.792970
    [13] Henderson J V, Storeygard A, Weil D N. Measuring Economic Growth from Outer Space[J]. American Economic Review, 2012, 102(2):994-1 028 doi:  10.1257/aer.102.2.994
    [14] Xie Y H, Weng Q H. World Energy Consumption Pattern as Revealed by DMSP-OLS Nighttime Light Imagery[J]. GIScience & Remote Sensing, 2016, 53(2):265-282 doi:  10.1080/15481603.2015.1124488
    [15] Li X, Li D. Can Night-Time Light Images Play a Role in Evaluating the Syrian Crisis?[J].International Journal of Remote Sensing, 2014, 35 (18): 6 648-6 661 doi:  10.1080/01431161.2014.971469
    [16] He C, Shi P, Li J, et al. Restoring Urbanization Process in China in the 1990s by Using Non-Radiance-Calibrated DMSP/OLS Nighttime Light Imagery and Statistical Data[J]. Chinese Science Bulletin, 2006, 51(13): 1 614-1 620 doi:  10.1007/s11434-006-2006-3
    [17] Zhuo L, Li Q, Shi P, et al.Identification and Characteristics Analysis of Urban Land Expansion Types in China in the 1990s Using DMSP/OLS Data[J]. Acta Geographica Sinica, 2006, 61(2): 169-178 http://en.cnki.com.cn/Article_en/CJFDTOTAL-DLXB200602005.htm
    [18] Bagan H, Yamagata Y. Land-Cover Change Analysis in 50 Global Cities by Using a Combination of Landsat Data and Analysis of Grid Cells[J]. Environmental Research Letters, 2014, 9(6): 064015 doi:  10.1088/1748-9326/9/6/064015
    [19] Letu H, Hara M, Yagi H, et al. Estimating Energy Consumption from Night-Time DMPS/OLS Imagery After Correcting for Saturation Effects[J]. International Journal of Remote Sensing, 2010, 31(16): 4 443-4 458 doi:  10.1080/01431160903277464
    [20] Zhuo L, Chen J, Shi P, et al.Modeling Population Density of China in 1998 Based on DMSP/OLS Nighttime Light Image[J]. Acta Geographica Sinica, 2005, 60(2): 266-276 http://en.cnki.com.cn/article_en/cjfdtotal-dlxb20050200a.htm
    [21] Jiang B, Yin J, Liu Q. Zipf's Law for all the Natural Cities Around the World[J]. International Journal of Geographical Information Science, 2015, 29(3):498-522 doi:  10.1080/13658816.2014.988715
    [22] Bleakley H, Lin J. Portage and Path Dependence[J]. The Quarterly Journal of Economics, 2012, 127(2): 587-644 doi:  10.1093/qje/qjs011
    [23] 罗庆, 李小建.基于VIIRS夜间灯光的中国城市中心的分异特征及其影响因素[J].地理研究, 2019, 38(1):155-166 doi:  10.3969/j.issn.1003-2363.2019.01.029

    Luo Qing, Li Xiaojian. The Spatial Differentiation and Influencing Factors of Urban Centers in China Based on VIIRS Night Light[J]. Geographical Research, 2019, 38(1):155-166 doi:  10.3969/j.issn.1003-2363.2019.01.029
    [24] 许伟攀, 李郇, 陈浩辉.基于城市夜间灯光数据的中美两国城市位序规模分布对比[J].地理科学进展, 2018, 37(3):385-396 http://www.cnki.com.cn/Article/CJFDTotal-DLKJ201803009.htm

    Xu Weipan, Li Xi, Chen Haohui. A Comparative Research on the Rank-Size Distribution of Cities in China and the United States Based on Urban Nighttime Light Data[J]. Progress in Geography, 2018, 37(3): 385-396 http://www.cnki.com.cn/Article/CJFDTotal-DLKJ201803009.htm
    [25] Zhang Q, Pandey B, Seto K C. A Robust Method to Generate a Consistent Time Series from DMSP/OLS Nighttime Light Data[J]. IEEE Transactions on Geoscience and Remote Sensing, 2016, 54(10): 5 821-5 831 doi:  10.1109/TGRS.2016.2572724
    [26] 蒲英霞, 马荣华, 马晓冬, 等.长江三角洲地区城市规模分布的时空演变特征[J].地理研究, 2009, 28(1):161-172 doi:  10.3321/j.issn:1000-0585.2009.01.017

    Pu Yingxia, Ma Ronghua, Ma Xiaodong, et al. Spatio-Temporal Dynamics of City-Size Distribution in Yangtze River Delta[J]. Geographical Research, 2009, 28 (1):161-172 doi:  10.3321/j.issn:1000-0585.2009.01.017
    [27] Xu H, Yang H, Li X, et al.Multi-scale Measurement of Regional Inequality in Mainland China During 2005—2010 Using DMSP/OLS Night Light Imagery and Population Density Grid Data[J]. Sustainability, 2015, 7(10): 13 469 doi:  10.3390/su71013469
    [28] 李熙, 薛翔宇.基于波士顿矩阵的夜光遥感电力消费估算方法[J].武汉大学学报·信息科学版, 2018, 43 (12):1 994-2 002 doi:  10.13203/j.whugis20180334

    Li Xi, Xue Xiangyu. Estimation Method of NightTime Light Images' Electric Power Consumption Based on the Boston Matrix[J]. Geomatics and Information Science of Wuhan University, 2018, 43(12):1 994-2 002 doi:  10.13203/j.whugis20180334
  • [1] 程钢, 李岩林, 赵宗泽, 杨杰, 卢小平, 原东方.  顾及邻近关系的NPP/VIIRS序列影像时空插值方法 . 武汉大学学报 ● 信息科学版, 2022, 47(2): 252-260. doi: 10.13203/j.whugis20200019
    [2] 刘权毅, 詹庆明, 李建松, 杨晨, 刘稳.  珞珈一号夜间灯光影像在建设用地提取中的应用:以武汉市为例 . 武汉大学学报 ● 信息科学版, 2021, 46(1): 30-39. doi: 10.13203/j.whugis20190376
    [3] 厉飞, 闫庆武, 邹雅婧, 刘保丽.  利用夜间灯光POI的城市建成区提取精度研究——以珞珈一号01星和NPP/VIIRS夜间灯光影像为例 . 武汉大学学报 ● 信息科学版, 2021, 46(6): 825-835. doi: 10.13203/j.whugis20190266
    [4] 伍亿真, 施开放, 余柏蒗, 李川龙.  利用NPP-VIIRS夜间灯光遥感数据分析城市蔓延对雾霾污染的影响 . 武汉大学学报 ● 信息科学版, 2021, 46(5): 777-789. doi: 10.13203/j.whugis20200455
    [5] 谢金运, 涂伟, 李清泉, 常晓猛, 马承林, 李追日, 黄练.  大规模浮动车流数据并行地图匹配方法 . 武汉大学学报 ● 信息科学版, 2017, 42(5): 697-703. doi: 10.13203/j.whugis20140847
    [6] 陈正生, 吕志平, 崔阳, 王宇谱.  大规模GNSS数据的分布式处理与实现 . 武汉大学学报 ● 信息科学版, 2015, 40(3): 384-389.
    [7] 陈景广, 佘江峰, 宋晓群, 王铁成.  基于多核CPU的大规模DEM并行三维渲染 . 武汉大学学报 ● 信息科学版, 2013, 38(5): 618-621.
    [8] 涂 伟, 李清泉, 方志祥.  一种大规模车辆路径问题的启发式算法 . 武汉大学学报 ● 信息科学版, 2013, 38(3): 307-310.
    [9] 一种大规模车辆路径问题的启发式算法 . 武汉大学学报 ● 信息科学版, 2013, 38(3): 307-.
    [10] 尹长林, 詹庆明, 许文强, 张鸿辉.  大规模三维地形实时绘制的简化技术研究 . 武汉大学学报 ● 信息科学版, 2012, 37(5): 555-559.
    [11] 姜卫平, 赵倩, 刘鸿飞, 杨凯.  子网划分在大规模GNSS基准站网数据处理中的应用 . 武汉大学学报 ● 信息科学版, 2011, 36(4): 389-391.
    [12] 陈宪冬.  Ambizap方法在大规模GPS网处理中的应用及结果分析 . 武汉大学学报 ● 信息科学版, 2011, 36(1): 10-13.
    [13] 靳海亮, 卢小平, 刘慧杰.  利用可编程GPU硬件进行大规模真实感地形绘制 . 武汉大学学报 ● 信息科学版, 2010, 35(2): 143-146.
    [14] 李健, 李建伟.  一种面向大规模基准站网的网格计算理论模型 . 武汉大学学报 ● 信息科学版, 2009, 34(8): 992-995.
    [15] 胡希军, 胡伏湘, 何平, 沈守云.  基于马尔可夫链的城市景观结构演化模拟及预测 . 武汉大学学报 ● 信息科学版, 2009, 34(10): 1159-1162.
    [16] 周旋, 周晓中, 吴耀平, 翟景秋.  利用MODIS数据监测夜间雾 . 武汉大学学报 ● 信息科学版, 2008, 33(6): 581-583.
    [17] 许妙忠.  大规模地形实时绘制的算法研究 . 武汉大学学报 ● 信息科学版, 2005, 30(5): 392-395.
    [18] 苗作华, 刘耀林, 王海军.  耕地需求量预测的加权模糊-马尔可夫链模型 . 武汉大学学报 ● 信息科学版, 2005, 30(4): 305-308.
    [19] 贾华, 祝国瑞.  土地利用规划中农作物单产预测的灰色-马尔可夫链方法 . 武汉大学学报 ● 信息科学版, 1998, 23(2): 149-152.
    [20] 黄桂兰, 郑肇葆.  一种基于马尔可夫随机场的影像纹理分类方法 . 武汉大学学报 ● 信息科学版, 1996, 21(3): 232-236,241.
  • 加载中
图(7) / 表(1)
计量
  • 文章访问数:  447
  • HTML全文浏览量:  97
  • PDF下载量:  111
  • 被引次数: 0
出版历程
  • 收稿日期:  2020-08-09
  • 刊出日期:  2021-01-05

夜光遥感视角下的中国城市规模的时空演变

doi: 10.13203/j.whugis20190330
    基金项目:

    国家自然科学基金 41671518

    国土资源部法律评价工程重点实验室开放基金 CUGFP-1804

    武汉大学测绘遥感信息工程国家重点实验室开放基金 18T06

    作者简介:

    徐慧敏,博士,副教授,主要从事土地资源管理方面的研究。xuhuimin1985_2008@163.com

    通讯作者: 胡守庚,博士,教授,博士生导师。husg2009@gmail.com
  • 中图分类号: P237

摘要: 为探究中国城市规模的演变特征,基于总量统计、位序-规模分析和马尔可夫转移矩阵,利用夜光遥感影像分析了1993-2012年中国省级行政区和经济区的城市规模分布规律及演化。总量统计分析结果表明,所有经济区和省级行政区夜光都呈现增长趋势,其中大西南综合经济区、大西北综合经济区夜光增加比例最大,分别达到257%、254%,省级行政区中西藏自治区的夜光增长比例最大,达到842%;位序-规模分析结果表明,除东北综合经济区以外,其他七大经济区的城市聚集程度在不断减弱,其中大西北综合经济区的分散趋势最为明显;马尔可夫转移矩阵分析结果表明,10年间隔内城市规模具备一定的惯性,其中最小城市规模类型保持不变的概率最高(达到82%),同时存在一定的概率发生城市向邻近等级规模城市转换的现象,但发生跨越式规模变迁的概率很低。该结论在长时间序列、多空间尺度揭示了中国城市规模演变的特征,为评估中国城市发展政策提供了依据。

English Abstract

徐慧敏, 胡守庚. 夜光遥感视角下的中国城市规模的时空演变[J]. 武汉大学学报 ● 信息科学版, 2021, 46(1): 40-49. doi: 10.13203/j.whugis20190330
引用本文: 徐慧敏, 胡守庚. 夜光遥感视角下的中国城市规模的时空演变[J]. 武汉大学学报 ● 信息科学版, 2021, 46(1): 40-49. doi: 10.13203/j.whugis20190330
XU Huimin, HU Shougeng. Chinese City Size Evolution Under Perspective of Nighttime Light Remote Sensing[J]. Geomatics and Information Science of Wuhan University, 2021, 46(1): 40-49. doi: 10.13203/j.whugis20190330
Citation: XU Huimin, HU Shougeng. Chinese City Size Evolution Under Perspective of Nighttime Light Remote Sensing[J]. Geomatics and Information Science of Wuhan University, 2021, 46(1): 40-49. doi: 10.13203/j.whugis20190330
  • 目前中国正处于高速城市化阶段,在城镇化发展过程中,城市规模的发展及空间分布极为不均衡,这在一定程度上阻碍了区域的协调发展[1]。因此,深入探究中国城市规模的增长及分布规律,有助于因地制宜地制定城市发展政策,推动城市的有序发展,从而促进区域的协调发展。

    关于城市规模分布的分析方法主要包括城市首位律、城市集中度、城市金字塔、分形理论和位序-规模法则。目前,应用最为广泛的方法是位序-规模法则,文献[2]将各城市位序与城市规模分布联系起来,揭示了两者之间的统计关系,也被称为齐普夫定律。诸多学者将其用于研究城市人口规模、土地规模、产业规模与城市经济发展阶段之间的关系[3-4],以及它们之间的协同发展关系[5]。从研究尺度来讲,现有研究多集中于东北地区、中部地区[6]、长三角[7]、京津冀[8]等区域。虽然现有研究使用的数据大多基于土地、人口以及GDP(gross domestic product)等统计数据,但此类数据存在统计口径和范围不统一、数据存在客观或者主观导致的误差、行政统计单元的局限性问题,此外,社会经济统计数据存在一定的时空缺失,因此研究全国范围内多尺度下的长时间序列的城市规模演化成为难题。

    20世纪60年代发射的美国军事气象卫星的线阵扫描传感器(defense meteorological satellite program/operational linescan system,DMSP/OLS)可以探测到夜间城镇发光[9-10],而这些发光与诸多社会经济因子存在关联,因此被广泛应用于城市发展[11]、人口分布[12]、经济发展[13]、能源消耗[14]、人道主义灾难[15]等诸多研究领域。特别在城市研究领域,夜光遥感被广泛用于城市化进程[16-18]、城市能源消耗[19]、城市人口分布[20]。地球夜间灯光主要来自城市,夜间灯光越多的地方,城市的规模也往往更大,夜间灯光增加的地方,城市规模一般也对应着增长。文献[11]发现,夜间灯光数据集合了人均收入和人口密度两个维度的信息,具有极好的信息显示性,证明了夜光遥感可用于城市规模分布研究。文献[9]运用夜间灯光数据,采用不同阈值提取城市建成区,并以此指代城市规模,结果发现全球及各大洲均服从齐普夫定律,且齐普夫指数的范围在0.95~1.11,开创性地利用夜光遥感研究了城市规模分布。文献[21]使用多阈值分割夜间灯光影像,以此界定自然城市的范围,并通过实证研究发现自然城市在全球及国家尺度上基本符合齐普夫定律,首次在全球的多尺度层次开展了基于夜间灯光的城市规模研究。文献[22]运用夜间灯光数据分析了长时间段美国的经济活动空间分布及其变迁,验证了城市经济集聚活动空间的路径依赖性,并指出夜间灯光数据能够准确识别地理空间中的经济集聚点,这是传统经济数据难以实现的。文献[23]基于可见光红外成像辐射仪(visible infrared imager radiometer suite,VIIRS)夜间灯光数据,通过阈值设定构建了城市中心的识别方法体系。文献[24]以城市夜间灯光总量代表城市规模,分别在国家和省、州尺度上对中、美两国的城市规模位序进行比较,并指出中国需要进一步提高城市经济活动的聚集程度。

    本文利用DMSP/OLS夜光遥感数据,从城市位序-规模及时间演化特征方面分析了1993-2012年中国大陆省级行政区及八大经济区的城市时空分布及演化特征,为中国未来城市规模的科学布局以及区域协调发展的实现提供依据。

    • 本文研究区分为两个空间尺度:(1)中国大陆地区的省级行政区;(2)依照国务院机构发布的《地区协调发展的战略和政策》,将全国划分为八大经济区,即东北综合经济区、北部沿海综合经济区、东部沿海综合经济区、南部沿海经济区、黄河中游综合经济区、长江中游综合经济区、大西南综合经济区、大西北综合经济区。

    • 本文采用的夜光遥感数据源为美国耶鲁大学城市实验室提供的相对辐射定标后的DMSP/OLS年平均产品(https://urban.yale.edu/data)[25],部分年份具有两颗DMSP卫星及对应的影像产品,需要将这两幅影像进行平均获得该年的夜光亮度值。由于传感器和数据处理的局限性,DMSP/OLS影像存在着灯光溢出、城市中心饱和、受到月光污染等问题。本文研究时间为1993-2012年,图 1为1993年和2012年的中国及周边夜光遥感影像。

      图  1  中国及周边DMSP/OLS夜光遥感影像

      Figure 1.  DMSP/OLS Nighttime Light Image of China and Its Surrounding Area

    • 本文分别针对省级行政区和经济区,首先统计不同行政区域夜间灯光总量的变化;然后利用位序-规模法则分析各区域内的城市规模分布及演变;最后利用马尔可夫转移矩阵分析不同规模的城市在整个研究期间的动态变化。

    • 对研究区域的夜光影像进行逐年提取统计,分别计算各经济区及省级行政区的夜间灯光总量L

      $$ L = \mathop \sum \limits_{i = 1}^n {x_i} $$ (1)

      式中,xi为第i个像元的灰度值;n为该区域的像元个数。在此基础上,计算夜间灯光增长率r

      $$ r = \frac{{{L_{2012}} - {L_{1993}}}}{{{L_{1993}}}} \times 100{\rm{\% }} $$ (2)

      式中,L1993为1993年的夜光总量;L2012为2012年的夜光总量。

    • 本文采用地级市的夜光总量来描述城市规模,这与文献[24]的城市规模计算方法一致。根据位序-规模法则,城市位序与规模分布之间的关系为:

      $$ {P_i} = {P_1}{R_i}^{ - q} $$ (3)

      经过对数变换得到:

      $$ {\rm{ln}}{P_i} = {\rm{ln}}{P_1} - q{\rm{ln}}{R_i} $$ (4)

      式中,Pi为第i位城市夜光总量规模;P1为夜光总量第一的城市对应的夜光总量;Ri是第i位城市的位序;q是齐普夫指数。若q=1,则说明城市规模分布最优,各个规模等级城市数量比例合理;若q < 1,则说明城市夜光总量规模分布较为分散,首位度较低,中小城市规模大于大城市,中间位序的城市发育较好,称为位次型分布;若q>1,则说明城市夜光总量规模分布较为集中,首位度较高,大城市发展快于中小城市,首位城市的影响力较大,称为首位型分布。

      对每个行政区,将年份作为自变量,q值作为因变量进行线性回归,得到:

      $$ q = at + b $$ (5)

      式中,t为年份;ab为回归系数。当a>0时,1993-2012年间区域内的城市发展趋势偏向大城市;当a < 0时,区域内的城市发展向中、小城市集中;当a=0时,区域内的大、中、小城市以同样的速度增长。

    • 位序-规模分析只涉及区域内的城市规模分布,因此本文利用马尔可夫转移矩阵研究不同规模的城市在整个研究期间的长期动态变化。马尔可夫转移矩阵被广泛用于城市人口规模、土地面积、GDP演变规律研究[26]。考虑到夜光总量能够很好地表征城市规模,本文提出将马尔可夫转移矩阵与夜光总量结合,研究城市规模演变的规律。

      文献[26]将每年所有城市夜光总量的均值作为基准,把所有城市从小到大划分为Ⅰ、Ⅱ、Ⅲ、Ⅳ 4种类型。本文基于灯光亮度值进行相关运算和区间划分,城市规模的划分如下:

      $$ {R_{j, t}} = \left\{ {\begin{array}{*{20}{l}} {Ⅰ, {L_{j, t}} \le 0.5{M_t}}\\ {Ⅱ, 0.5{M_t} < {L_{j, t}} \le {M_t}}\\ {Ⅲ, {M_t} < {L_{j, t}} \le 2{M_t}}\\ {Ⅳ, {L_{j, t}} > 2{M_t}} \end{array}} \right. $$ (6)
      $$ {M_t} = \frac{{\sum\limits_{j = 1}^N {{L_{j, t}}} }}{N} $$ (7)

      式中,Rj, t是第t年中第j个城市的类型;Mt为第t年全体城市的平均夜光总量;N为城市数量;Lj, t为第t年中第j个城市的夜光总量。参考已有的研究,不同规模等级(Ⅰ、Ⅱ、Ⅲ、Ⅳ)之间的转移一共分为16种:Ⅰ→Ⅰ、Ⅰ→Ⅱ、Ⅰ→Ⅲ、Ⅰ→Ⅳ、Ⅱ→Ⅰ、Ⅱ→Ⅱ、Ⅱ→Ⅲ、Ⅱ→Ⅳ、Ⅲ→Ⅰ、Ⅲ→Ⅱ、Ⅲ→Ⅲ、Ⅲ→Ⅳ、Ⅳ→Ⅰ、Ⅳ→Ⅱ、Ⅳ→Ⅲ、Ⅳ→Ⅳ。考虑到如果间隔年份过短,夜间灯光数据受到天气等误差因素的影响可能会较大,因此本文以10年作为一个转换期。研究时间段为1993-2012年,所以对于每个城市需要计算10次。首先计算该城市第t年向第t+10(t=1993,1994,1995…2012)年间的类型转换次数;然后计算全国338个城市在1993-2012年实现每种转移类型的总次数,并转化为每种转移类型的概率;最后得到中国338个城市规模演变的马尔可夫转移矩阵。

    • 本文基于1993-2012年的夜光遥感影像进行夜光总量变化的统计分析,揭示了不同省份和区域20年的发展规律。中国大陆31个省级行政区和八大经济区的夜间灯光增长量和增长率如图 23所示。研究发现:(1)所有的省份和区域夜间灯光都呈现增长趋势,平均增长率超过200%,总体来说,夜间灯光总量增长量最大的区域包括黄河中游和东部沿海综合经济区,这些区域里城市的夜间灯光平均增长量最大、最为突出的省份是江苏、山东、广东和浙江这些经济较为发达的省份。(2)大西北和东北综合经济区的增长量是最低的,其中西藏、青海和宁夏地区的增长量最低。(3)增长率的角度看,增长最快的区域从大到小依次为大西南、大西北、长江中游和东部沿海综合经济区,其中西藏、四川、云南、贵州等以往相对落后的地区增长率最高,这意味着这些区域在经济上得到了较大的改善,这与文献[27]中关于中国区域经济更加协调发展的结论一致。尤其是西藏的灯光增长率高达800%,这体现了国家西部大开发战略有效地推动了西藏基础设施的建设,带来了西藏经济的快速增长。(4)增长率最低的是东北综合经济区和北部沿海综合经济区,且东北综合经济区的夜间灯光增长量也相对较低,这表明该经济区在研究期间经济增长过缓,人口流失。其中,吉林、山西、辽宁以及河北这些省份增长率最低。

      图  2  中国大陆31个省级区域夜间灯光增长变化

      Figure 2.  Nighttime Light Growth for the Provincial Regions in Chinese Mainland

      图  3  中国八大经济区夜间灯光增长变化

      Figure 3.  Nighttime Light Growth for the Eight Economic Zones in China

    • 本文对1993-2012年间,中国大陆地区省级行政区划进行城市位序-规模分析,由于直辖市只包含一个城市,无法开展分析,因此本文剔除北京市、重庆市、上海市、天津市4个直辖市,对27个省级行政区的334个地级市进行分析。根据式(4)采用最小二乘法进行估计,获得所有省级区划在所有年份的q值,除了海南省的结果不显著(p=0.2),其他所有省级行政区的q值回归均显著(p < 0.01),这是因为海南省仅有4个地级市,回归样本太小,难以获得较高的显著性。图 4列出了所有省级行政区在研究期间每年的q值变化曲线。

      图  4  1993-2012年中国大陆省级行政区划q值变化

      Figure 4.  q Values of the Provincial Regions in Chinese Mainland During 1993-2012

      图 4可以发现:(1)1993-2012年,海南、西藏、青海的q值维持在1以上,其中海南呈略微上升趋势,而西藏和青海则呈现较明显的下降趋势,这意味着研究期间海南的规模分布是首位型分布,中、小城市的发展势头强于大城市,但对于西藏和青海而言,这种趋势在不断变弱,而海南中小城市的发展势头相对于大城市在不断增强。(2)四川、贵州、云南、甘肃、宁夏和新疆都经历了q值由大于1转变为小于1的过程,说明这些省份及自治区在研究期间均存在由首位型分布向位次型分布转变的情况。其中,贵州和甘肃均是从1995年开始发生转变,新疆和云南分别于2002年和2005年开始,四川和宁夏分别于2000年和2001年开始转入稳定的位次型分布阶段,而陕西在首位型和位次型分布之间来回转换。(3)其余省级行政区在研究期间的q值均小于1,具有位次型分布特征。辽宁、吉林、黑龙江、山东、河南、江西、湖南的q值均经历了小幅下降后又提高的过程,说明这些省份的位次型分布特征先逐渐增强,但随后又转而呈现出大城市发展更快的趋势。江苏和浙江自1995年以后q值均稳定维持在较低的水平,这说明这两个省的中小城市发展较好,且与大城市间的规模差距不大。除了海南省以外,历年各省及自治区的规模位序q值均已通过0.01水平的显著性统计检验。(4)各省级行政区年份和q值的回归均已通过0.01水平的显著性检验,表明所有行政区的q值变化都存在显著性趋势,各省的q值变化斜率(式(5)中的系数a)如图 5所示。1993-2012年期间,除了江西、海南、吉林、黑龙江、山东、江苏6个省以外,其它各省的回归系数均为负值,说明研究期间只有这6个省的城市规模呈集中的趋势,其中海南的集中趋势最为明显,其次是黑龙江和吉林省。而其他省级行政区的回归系数为负,这意味着q值整体上呈减小趋势,城市规模分布的分散趋势日趋明显,大城市辐射作用不断增强,加速了中小城市的发展,从而使首位特征总体上呈降低趋势。因此总体而言,中国大部分省份在研究期间内城市的规模分布是位次型分布,且这种特征日趋明显。

      图  5  中国大陆省级行政区划的q值变化斜率

      Figure 5.  Slope of q Values of the Provincial Regions in Chinese Mainland

    • 本文对1993—2012年中国大陆地区的八大经济区的城市夜光规模的特征及演化进行分析,分析方法和§3.2一致。各经济区历年的q值如图 6所示,历年各经济区的位序-规模回归均已通过0.01水平的显著性统计检验。为了分析经济区夜光规模分布的整体发展趋势,根据式(5),本文对八大经济区1993-2012年进行了年份和q值的回归分析,发现回归结果均已通过0.01水平的显著性统计检验。中国八大经济区的q值变化斜率如图 7所示。

      图  6  1993-2012年中国八大经济区q值变化

      Figure 6.  q Values of the Eight Economic Zones in China During 1993-2012

      图  7  中国八大经济区的q值变化斜率

      Figure 7.  Slope of q Values of the Eight Economic Zones in China

      图 67可知,除了东北综合经济区以外,其他七大经济区的q值在整个研究期间总体上呈缓慢降低趋势,说明这七大经济区的城市规模分布均逐渐分散,各个经济区内中小城市的夜光强度扩大,与大城市和特大城市的差距逐渐缩小,首位度降低,各经济区内城市夜光规模分布的分散趋势大于集中趋势,其中北部沿海、黄河中游、东部沿海、长江中游综合经济区的q值在研究期间均小于1,说明在研究期间这几个经济区均为位次型分布,且分散特征日趋明显。

      大西北综合经济区在研究期间q值均大于1,且不断减小,说明该区域在研究期间的城市夜光规模分布为首位型分布,但总体上讲,这种城市分布的集聚特征存在不断减弱的趋势。大西南综合经济区的q值从1995年开始由大于1转为小于1,并且随着时间推移不断减小,说明该区域的城市夜光规模分布从1995年开始由首位型转为位次型,并且随时间演变分散特征日趋明显。南部沿海综合经济区2000年以前的q值均大于1,2000年以后,随着时间的推移,q值不断在1左右徘徊,也就是说该区域在2000年之前是首位型分布,从2001年开始,该区域的城市夜光规模分布在首位型和位次型之间转换。而东北综合经济区的q值在研究期间虽然均小于1,但呈缓慢增加的趋势,这表明该经济区内的城市夜光规模分布在研究期间内呈位次型,但其特征总体上有弱化趋势,也就是说该经济区内大中城市逐渐发展起来。

    • 通过马尔可夫转移矩阵原理得到1993-2012年中国大陆338个地级市不同城市类型(Ⅰ型、Ⅱ型、Ⅲ型、Ⅳ型)之间的马尔可夫转移概率矩阵,结果见表 1。表中第2~5列表示从每一类初始状态分别转移为Ⅰ型、Ⅱ型、Ⅲ型、Ⅳ型的总次数;第6~9列表示不同城市类型之间的转化概率,其矩阵的对角线元素表示保持相同状态的概率值,非对角线元素表示相邻年份不同类型之间的转移概率。例如,类型Ⅰ向类型Ⅱ的转化总次数为231次,而类型Ⅰ中有0.178 2的概率会转化为类型Ⅱ。

      表 1  1993—2012年中国大陆地级市城市夜光规模演变的马尔可夫转移矩阵

      Table 1.  Markov Transition Matrix for the Evolution of City Size Distribution in Chinese Mainland During 1993-2012

      初始类型 转化次数 转化概率
      类型Ⅰ 类型Ⅱ 类型Ⅲ 类型Ⅳ 类型Ⅰ 类型Ⅱ 类型Ⅲ 类型Ⅳ
      1 063 231 2 0 0.820 2 0.178 2 0.001 5 0
      105 597 134 6 0.124 7 0.709 0 0.159 1 0.007 1
      1 148 611 50 0.001 2 0.182 7 0.754 3 0.061 7
      0 0 102 330 0 0 0.236 1 0.763 9

      表 1中可以得出结论:(1)城市规模类型存在较大的惯性。对角线上的概率值明显高于非对角线上的概率值,均大于0.7,其中相对较低的是Ⅱ→Ⅱ的概率(0.709 0),最高的是Ⅰ→Ⅰ的概率(0.820 2)。这说明中国大多数地级市的城市夜光规模随着中国城市总体夜光规模的变化而变化,在夜光规模类型上具有较高的惯性,其状态和夜光规模等级较为稳定,且最小城市夜光规模类型的稳定程度最高。(2)城市存在一定的向相邻规模等级城市转化的概率。在两个间隔10年的年份附近出现状态变化时,首先存在较小城市规模类型向更高一个级别转移的情况,如Ⅰ→Ⅱ、Ⅱ→Ⅲ和Ⅲ→Ⅳ,其转移概率分别为0.178 2、0.159 1、0.061 7,这说明城市规模等级越低,越容易发育为较高等级的城市。其次,也存在较大城市规模类型向较小一个级别转移的情况,如Ⅱ→Ⅰ、Ⅲ→Ⅱ、Ⅳ→Ⅲ,其转移概率分别为0.124 7、0.182 7、0.236 1,规模等级越高,其向较低等级转移的概率越高,这意味着城市规模等级较高的城市较易出现相对停滞发展的状况。对比低等级向高等级转移的情况,总体来说,这种高等级向低等级转移的概率更高,也就是说,相对于低等级城市向高等级的跃迁,更容易发生的是高规模等级城市的停滞发展。(3)存在较低概率的跨类型转移。例如Ⅰ→Ⅲ、Ⅱ→Ⅳ和Ⅲ→Ⅰ,其转移概率分别为0.001 5、0.007 1、0.001 2,说明在研究期内,随着时间的推移,只有较少的城市在10年内发生跨越式的规模升级,极少数城市发生跨越式的规模地位下降。

    • 本文基于1993-2012年DMSP/OLS夜间灯光影像,利用位序-规模分析和马尔可夫转移概率分析法,分别对中国大陆地区省级行政区和八大经济区的城市规模分布及演化进行了分析。主要结论如下:

      1) 揭示了中国城市增长情况的区域差异性。总体来看,从1993-2012年中国所有省份和区域夜间灯光都呈现增长趋势,增长最快的区域分别是西南、西北。

      2) 揭示了不同尺度的城市规模的位序-规模分布规律及演变特征。例如,黄河中游、长江中游、北部沿海、东部沿海综合经济区以及南部沿海经济区整体上聚集程度不断减弱。

      3) 发现了不同等级规模城市的相互转换规律。以10年为一个转换期,全国范围内各地级市相对平稳,最小城市规模类型的稳定性最高,发生跨越式规模变迁的概率非常低。

      本文仍存在一定的局限性,需要在今后的研究中进行更加深入的研究:(1)考虑多时间尺度的马尔可夫转移矩阵分析,更加深入地揭示中国城市发展的演变规律;(2)本文基于耶鲁大学公布的辐射定标后的1993-2012年DMSP/OLS数据集进行分析,该数据集没有延伸到现在,对于研究中国城市规模研究缺乏一定的时效性,因此需要利用VIIRS夜光遥感影像(2012年至今)对该数据进行补充,如何最优地利用两类数据集来分析中国城市规模的发展规律是今后研究的重点方向;(3)夜间灯光虽然能够较好地表征城市规模,但是也存在少量的灯光来源不属于城市的情况,此外,DMSP/OLS产品中存在月光等噪声,如何更加精准地提取城市灯光也是今后需要解决的一个问题;(4)本文的工作集中在揭示中国城市规模的变迁,但没有定量揭示规律背后的机制,今后的研究将采用计量经济模型刻画城市规模与地理区位、能源消耗[28]、人口、国家政策之间的关系,从而更加深入地理解中国城市化进程。

参考文献 (28)

目录

    /

    返回文章
    返回