-
2013年5月,李克强总理在访问巴基斯坦时正式提出“中巴经济走廊远景规划”,其初衷是加强中巴之间交通、能源、海洋等领域的交流与合作,加强两国互联互通,促进两国共同发展。加速推进中巴经济走廊建设,确保经济走廊尽快建设完成,进一步提高中巴两国的综合实力,是中巴两国的一项重要任务[1]。然而,由于受自然、社会经济条件等诸多因素的影响,巴基斯坦在历史上就存在着区域发展不平衡的现象,即东部地区相对发达,西部地区欠发达。在此背景下,中巴经济走廊建设的未来期待与现实发展情况形成了一定反差,因此有必要对巴基斯坦区域发展差异进行深入研究[2-4]。
在区域发展差异研究方面,各国学者主要以社会经济统计数据为基础,采用各种统计方法来分析不同国家的区域发展差异大小及其变动趋势,如文献[5]使用面板数据模型和索罗增长模型等方法研究了中国各省份之间的区域平衡性问题;文献[6]使用多因素指数法,对匈牙利的经济社会发展现状进行时空演变研究,并对匈牙利的经济社会发展演化做出一定程度的规律总结;文献[7]基于全局和局部空间自相关分析,利用甘肃省2004年县域人均国内生产总值(gross domestic product,GDP)数据,对甘肃省县域经济之间的总体和局部空间差异进行了实证分析。随着相关研究范围逐步缩小,国家内部某一地区内的研究成为热点,如文献[8]基于2017年浙江省73个县域的16个经济指标,对浙江省县域经济发展水平及空间分异特征进行了分析;文献[9]基于江苏省人均GDP数据,对1978—2002年江苏省县域总体和局部空间差异的变化趋势、特征与成因进行了初步探索。
在巴基斯坦经济社会研究方面,已有学者针对巴基斯坦的国内安全形势和对外贸易进行了相关研究,如文献[10]以中巴经济走廊规划途经的15个主要节点城市为分析对象,利用数据统计分析和数据关系挖掘分析恐怖袭击数据库,评估巴基斯坦东西部地区总体安全形势;文献[11]运用2008—2013年中国与15个贸易伙伴国相关变量的面板数据,构建时变随机前沿引力模型,从双边贸易和出口贸易两个层面分析中巴贸易效率并测算贸易潜力。
纵观以上研究,不难发现其几乎不能脱离统计数据的支撑,分析对象也不能脱离行政区域单元的界限。随着遥感技术的不断发展,遥感影像这种具有空间连续性的数据源被广泛应用于区域发展研究,夜光遥感影像也为许多问题的解决提供了新的思路。夜光遥感影像不仅和人类活动存在较高的相关性,且具备时空连续、独立客观等优势,可以作为良好的社会经济代理变量,目前已被广泛应用于区域发展[12-18]、城市化监测[19-21]、电力消费估算[22]、灾难和灾害评估[18, 23]等领域。本文使用可见光红外成像辐射仪(visible infrared imaging radiometer suite,VIIRS)夜光遥感影像,分析巴基斯坦2012—2019年区域经济空间演化模式,评估区域经济发展差异,以期对中巴走廊发展提供参考。
-
巴基斯坦,全称巴基斯坦伊斯兰共和国,位于南亚次大陆西北部,南濒阿拉伯海和阿曼湾,拥有1 046 km的海岸线,东部与印度、阿富汗西部、伊朗西部、中国西北部接壤。巴基斯坦(不含巴控克什米尔地区)包括4个省和2个省级直辖地区,即开伯尔-普什图省(开普省)、旁遮普省、俾路支省、信德省、伊斯兰堡和联邦直辖部落地区。
-
本文使用美国科罗拉多矿业学院提供的VIIRS月合成夜光遥感影像(https://eogdata.mines.edu/download_dnb_composites.html),研究区的夜光遥感影像如图 1所示。VIIRS影像与上一代DMSP/OLS(defense meteorological satellite program/operational linescan system)影像相比,不仅具有更高的空间分辨率、更宽的辐射范围,且经过星上辐射定标,能够更为精细地反映地表人类社会经济活动的空间信息[24-26]。VIIRS月合成数据产品包括去除杂散光(VIIRS cloud mask,VCM)和包含杂散光校正(VIIRS cloud mask stray light,VCMSL)两种类型,VCM影像完全去除了受到杂散光影响的像元,而VCMSL影像对受到杂散光影响的像元进行了矫正,覆盖范围较VCM数据更宽,但影像质量相对VCM影像较差。为保证研究结果的准确性,本文选取VCM类型的VIIRS月合成数据。
-
本文的辅助数据包括地方人类发展指数数据集(https://globaldatalab.org/shdi/)与巴基斯坦行政区划矢量数据(https://gadm.org/data.html)。地方人类发展指数数据集包含了健康水平、收入水平和教育水平3大方面在内的9项指标的省级数据,本文使用其中的巴基斯坦省级人均国民总收入(gross national income,GNI)数据和省级人口总量数据,其中GNI指数是基于平价购买力(purchasing power parity,PPP)的GNI指数。巴基斯坦行政区划矢量数据包含了省级行政区划矢量数据和地区级行政区划矢量数据。
-
在降水频发地区,由于降水或云层的影响,VIIRS月合成夜光遥感影像中有部分像元存在数据缺失的情况,在使用之前需要对这些像元进行补值。本文使用Savitzky-Golay(SG)滤波算法对缺失像元进行修复,该滤波算法已被广泛用于遥感时序数据的拟合与重建[27-29]。通过多次实验对比后,本文使用多项式阶次为3、滑动窗口大小为7的SG滤波法对研究区域进行夜光影像的质量修复。不同地区的SG滤波像元修复效果如图 2所示。从图 2可以看出,像元的原始值曲线中存在着大量不规则波动,经过SG滤波拟合后,各月份之间原始值的差距被缩小,曲线变得更为平滑,噪声带来的影响也显著减小。图 3为2019年5月本奴地区补值前后VIIRS遥感影像对比,从图 3可以看出,城市中心数据缺失区域得到了填补。
图 3 本奴地区夜光遥感影像补值前后对比
Figure 3. Comparison Before and After Complement of Nighttime Light Remote Sensing Image in Bennu
从图 2可以看出,VIIRS月度数据时间序列存在一定程度的季节波动,其产生主要是受地表面反射率、植物物候学和大气成分的季节性变化的影响[30]。科罗拉多矿业学院只公布了2012年4月之后的VIIRS月合成夜光遥感影像,为了避免季节波动对研究结果的影响,本文首先对2012—2019年间每年4月—12月的VIIRS月合成夜光遥感影像求平均值,生成巴基斯坦VIIRS年度夜光遥感影像;然后将行政区划矢量数据、夜光遥感年均值影像投影至古德陆地等面积投影坐标系,并将夜光遥感年均值影像重采样至500 m分辨率。此外,由于VIIRS数据产品并未去除陆地反射月光,在重采样后还需要去除VIIRS影像的背景值,本文依照经验设定0.5 nW·cm-2·sr-1为一个较为合适的阈值,将影像上所有像元的夜光值均减去此值,并将夜光值为负的像元归为0。
由于巴基斯坦官方未公布各省/直辖地区的GDP总量,本文将地方人类发展指数数据集中的巴基斯坦省级人均GNI和省级人口总量进行相乘,估算巴基斯坦各省级区域2012—2019年的省级GNI总量,以GNI总量为经济指标来评价巴基斯坦的经济发展情况。
-
为了证明夜光对于反映巴基斯坦的经济情况是一个有效的代理变量,本文将巴基斯坦6个省级区域的夜光总量作为自变量
,GNI总量作为因变量 ,进行一次线性拟合。其中,夜光总量和一次线性拟合的计算式分别为:式中,i为区域内的像元编号(i=1,2…m);m为区域内的像元总数;Li为区域内第i个像元的夜光辐亮度值;a、b分别为一次线性模型的常数项,且a≠0。
-
为了定量分析2012—2019年巴基斯坦不同区域的夜光变化程度,本文使用夜光变化率N进行评估,计算式为:
式中,
分别表示某区域在2012年和2019年的夜光总量。当 时,表示该地区在2012—2019年夜光总量增长;当 时,表示该地区在2012—2019年夜光总量下降,意味着该区域可能出现了衰退。 -
夜光变化率的计算只涉及研究时间的起始年份和结束年份的信息,忽略了时段内的信息。因此,作为夜光变化率的有效补充,本文使用MK趋势检验法分析2012—2019年巴基斯坦的月度夜光总量的变化趋势。MK趋势检验能有效区分某一自然过程是处于自然波动还是存在确定的变化趋势[31]。MK检验中,统计量Z的计算式为:
式中,sign()为符号函数;
和 分别为某区域k和t年份的灯光总量,它们可以是像素的辐亮度,也可以是一定区域内的像素辐亮度之和。对于置信水平 ,若 ,则夜光总量时间序列存在明显变化趋势,Z为正值,表示上升趋势,负值表示下降趋势。 -
区域发展的非均衡性一直是区域研究的重点,传统的基尼系数、泰尔系数等方法主要是测度区域发展差异,难以反映区域发展规模是否均衡分布。位序-规模法则最早用来考察城市规模的分布规律,体现的是城市规模从大到小的位序与规模的关系,不仅可以测度区域发展差异,也为发展程度的空间分布集散识别提供了模型支撑。本文使用位序-规模法则来度量巴基斯坦整体的区域发展是否均衡,同时也度量省级区域的发展是否均衡。
在实证分析中,通常对位序-规模函数两边取对数,表达式为:
式中,j为地区编号(j=1,2…n);
为j地区的夜光总量;Tmax为研究区范围内首位地区的夜光总量;Rj为j地区夜光总量在研究区域内的位序;q为帕累托指数。q > 1表示研究区域内区域发展规模分布集中,说明大城市较为发达,小城市发展不足,q值越大,城市规模分布越集中;q < 1表示研究区范围内区域发展规模分布均衡,说明城市规模分布较为分散,大城市发展不够突出,小城市发展较好,q值越小,城市规模分布越均衡。 -
图 4为巴基斯坦6个省级区域的夜光总量与GNI(单位:USD(United States dollar))线性拟合结果。由图 4可知,年度GNI和夜光总量的拟合R²皆大于等于0.680(P < 0.01)。因此,夜光总量是巴基斯坦社会经济参数的合理代理变量,可以使用夜光总量作为数据源,对巴基斯坦的区域发展差异进行评估。
-
巴基斯坦6个省级区域和十大城市的夜光变化数据分别见表 1、表 2。由表 1可知,2012—2019年各区域的夜光总量都有一定程度增长,这意味着在这8年间巴基斯坦整体经济有一定程度的发展。旁遮普省的夜光增长率遥遥领先,其次分别为伊斯兰堡、联邦直辖部落地区、俾路支省、开普省和信德省。由表 2可知,所有十大城市的夜光总量在2012—2019年均呈现出增长的态势,古杰兰瓦拉的夜光增长率遥遥领先,高达128.81%,其次分别为费萨拉巴德(88.90%)、拉瓦尔品第(87.63%)、拉合尔(75.86%)、伊斯兰堡(64.25%)。
表 1 巴基斯坦6个省级区域2012—2019年夜光变化数据
Table 1. Nighttime Light Change Data of 6 Provincal Zones in Pakistan from 2012 to 2019
区域 夜光总量/(nW·cm-2·sr-1) 夜光增长规模
/(nW·cm-2·sr-1)夜光变化率/% 2012年 2019年 旁遮普省 71 497.5 133 256.9 61 759.4 86.38 伊斯兰堡 8 436.1 13 856.3 5 420.2 64.25 联邦直辖部落地区 293.2 396.4 103.2 35.18 俾路支省 9 827.1 12 723.7 2 896.5 29.47 开普省 13 939.8 17 548.8 3 609.0 25.89 信德省 72 646.3 83 572.9 10 926.6 15.04 合计 176 640.0 261 354.9 84 714.9 47.96 表 2 巴基斯坦十大城市2012—2019年夜光变化数据
Table 2. Nighttime Light Change Data of Top Ten Cities in Pakistan from 2012 to 2019
城市 2017年人口数/人 省份 夜光总量/(nW·cm-2·sr-1) 夜光增长规模
/(nW·cm-2·sr-1)夜光变化率/% 2012年 2019年 古杰兰瓦拉 2 027 001 旁遮普省 2 439.1 5 580.8 3 141.7 128.81 费萨拉巴德 3 204 726 旁遮普省 5 500.6 10 390.5 4 889.9 88.90 拉瓦尔品第 2 098 231 旁遮普省 7 002.7 13 139.3 6 136.6 87.63 拉合尔 11 126 285 旁遮普省 15 624.9 27 477.3 11 852.4 75.86 伊斯兰堡 1 009 832 伊斯兰堡 8 436.1 13 856.3 5 420.2 64.25 木尔坦 1 871 843 旁遮普省 4 283.8 6 637.1 2 353.3 54.93 奎达 1 001 205 俾路支省 4 161.0 5 740.7 1 579.8 37.97 卡拉奇 14 916 456 信德省 25 083.3 31 618.5 6 535.2 26.05 白沙瓦 1 970 042 开普省 4 569.1 5 118.2 549.1 12.02 海得拉巴 1 734 309 信德省 9 231.6 7 377.5 -1 854.1 -20.08 从表 2可以发现,从夜光增长规模差异性的角度来看,本身经济发展水平较高的省级区域,如旁遮普省和伊斯兰堡,其夜光增长规模明显优于本身经济发展水平一般或较落后的区域,如联邦直辖部落地区、俾路支省和开普省。这些本身经济发展水平较差的区域受自然条件或社会经济条件、地缘政治、国内政治宗教结构的原因等诸多因素的影响,在历史上就存在着区域发展相对落后的问题,因而这些省级区域在2012—2019年长达8年的时间内,虽有一定发展,但发展速度较慢。
此外,值得注意的是,巴基斯坦的电力供应不足问题已困扰巴基斯坦经济发展多年,根据《巴基斯坦国家电力政策(2013年)》有关数据,2012年巴基斯坦全国电力缺口为4 500~5 000 MW,很多地区每天停电12~16 h,伊斯兰堡、拉合尔等大城市每天也要多次拉闸限电。巴基斯坦首都伊斯兰堡每天停电4 h、拉合尔6 h、拉瓦尔品第6 h、费萨拉巴德4~8 h、古杰兰瓦拉7 h、白沙瓦7 h、木尔坦7 h[32-33]。由此可见,表 2中夜光总量基数(2012年)和夜光增长规模较低的城市,如古杰兰瓦拉、拉瓦尔品第、木尔坦和白沙瓦,夜光总量较低可能是因为经常受到电力短缺的影响。
基于巴基斯坦规划、发展与改革部公布的实时项目数据,并参考中国学者关于中巴经济走廊节点城市研究成果[32-34],中巴经济走廊东、西规划线路一共途经15个主要节点城市,其中东线城市6个(曼瑟拉、伊斯兰堡、拉合尔、木尔坦、海得拉巴、卡拉奇)、西线城市8个(阿伯塔巴德、米扬瓦利、巴奴、德拉伊斯梅尔汗、佐布、奎达、胡兹达尔、本杰古尔)、东线和西线最终交汇的节点城市1个(瓜达尔港)。东线主要经过巴基斯坦东部的信德和旁遮普两省及首都伊斯兰堡地区,西线主要经过俾路支省和开普省。本文从巴基斯坦国内6个省级区域出发,将东线途经的东部3个省级区域称为东部地带,将西线穿越的西部两个省级区域及联邦直辖部落地区称为西部地带。巴基斯坦东、西部地带的夜光总量变化如图 5所示,东、西部地带和15个主要节点城市的夜光变化数据见表 3。
表 3 中巴经济走廊15个节点城市的夜光变化数据
Table 3. Night-time Change Ratio of 15 Node Cities of China-Pakistan Economic Corridor
线路 主要城市 夜光总量
/(nW·cm-2·sr-1)夜光变化率/% 2012年 2019年 西线 阿伯塔巴德 615.216 1 131.6 83.93 米扬瓦利 1 550.6 2 563.7 65.33 德拉伊斯梅尔汗 612.9 855.4 39.56 奎达 4 161.0 5 740.7 37.97 佐布 73.3 100.6 37.25 巴奴 599.4 638.2 6.47 胡兹达尔 428.1 407.1 -4.91 本杰古尔 198.6 52.8 -73.40 东线 曼瑟拉 239.8 478.1 99.41 拉合尔 15 624.9 27 477.3 75.86 伊斯兰堡 8 436.1 13 856.3 64.25 木尔坦 4 283.8 6 637.1 54.93 卡拉奇 25 083.3 31 618.5 26.05 海得拉巴 9 231.6 7 377.5 -20.08 交汇点 瓜达尔港 142.0 322.3 126.94 东部地带 152 579.9 230 686.1 51.19 西部地带 24 060.2 30 668.8 27.47 瓜达尔港作为东西两线的交汇点,是巴基斯坦最重要的贸易港口之一。它可以为中亚及东亚国家内陆地区提供出海通道,又是影响到印度洋航道的重要战略支点。瓜达尔港的灯光变化率高达126.94%,为15个节点城市之最。瓜达尔港本是一个人口不足10万人、时常缺水断电、基础设施较为欠缺的渔业小镇,自2015年中巴双方大力建设瓜达尔港以来,港口所有重要组件得以翻新,电力系统得以升级,项目建设正如火如荼、有条不紊地进行,呈现出一派欣欣向荣的景象[35],这种快速发展也从瓜达尔港的夜光变化率上得以体现。总体来看,巴基斯坦东部地带的夜光增长速度明显大于西部地带。2012—2019年,西部地带的夜光增长率为27.47%,东部地带的夜光增长率为51.19%,几乎快达到西部地带夜光增长率的2倍。此外,15个节点城市的夜光规模也不是完全一致的正增长,从表 3可见,西线的胡兹达尔、本杰古尔以及东线的海得拉巴都出现了夜光衰减,而其他12个夜光规模正增长城市的夜光变化率也高低不同,说明东、西线路的发展出现了一定程度的发展不均衡。
-
对巴基斯坦6个省级区域划分5 km地理格网,使用MK趋势检验进行更加细微尺度的定性分析,巴基斯坦6个省级区域的地理格网夜光变化趋势统计见表 4,旁遮普省是拥有夜光总量上升趋势格网最多的省(1 905个),而信德省是拥有夜光总量下降趋势格网最多的省(388个)。
表 4 巴基斯坦地理格网夜光变化趋势统计
Table 4. Statistics of Nighttime Light Change Trend of Spatial Grids in Pakistan
省份 上升趋势 下降趋势 无明显趋势 格网总数/个 格网数/个 占比/% 格网数/个 占比/% 格网数/个 占比/% 旁遮普省 1 905 23.06 59 0.71 6 297 76.23 8 261 信德省 297 5.27 388 6.89 4 948 87.84 5 633 开普省 220 7.26 44 1.45 2 767 91.29 3 031 俾路支省 117 0.85 45 0.33 13 676 98.83 13 838 伊斯兰堡 34 97.14 0 0.00 1 2.86 35 联邦直辖部落地区 14 1.39 13 1.29 978 97.31 1 005 根据目前中巴能源合作已建设完成的电力项目资料[36]可知,已建设完成并投入生产的发电站有7个,都位于旁遮普省和信德省,其中旁遮普省的2个发电站分别位于萨希瓦尔市和巴哈瓦尔普尔市,信德省的5个发电站中有4个位于卡拉奇市,1个位于达塔县。但是信德省的5个发电站并没让整个信德省都“亮”起来,而是让卡拉奇首先“亮”了起来,其原因可能为:(1)卡拉奇作为巴基斯坦人口最多的城市,发电站主要还是要保证其城市内部的正常运转;(2)巴基斯坦电网建设和监管落后,输电损耗和窃电损失巨大,在整体电网建设没有完善之前,电力不能远距离输送,这使得其他城市并不能很好地共享卡拉奇的电站资源[36],从而卡拉奇以外的地区供电能力没有得到明显提升;(3)自2007年爆发电力系统“三角债”之后,巴基斯坦电力缺口逐年增大,部分城市地区每天停电高达12 h,农村地区高达18 h(http://obor.nea.gov.cn/pictureDetails.html?id=2567)。
使用Google Earth对信德省夜光总量下降趋势的格网进行目视检验,发现这些夜光总量下降的格网大部分位于信德省的农村区域。对中心坐标为(67°47′56″E,26°58′30″N)的地理格网进行夜光动态变化分析,结果如图 6所示,再次证明了信德省农村地区存在严重的电力短缺问题。
-
对巴基斯坦东、西部地带的城市规模进行位序-规模法则分析,结果如图 7所示。从图 7可以看出,巴基斯坦的城市规模分布经历了一个从城市发展规模分布相对集中到城市发展规模分布均衡的过程,西部地带的城市发展规模分布演变情况与全国一致,而东部地带的城市发展规模分布则从均衡向更均衡发展。
上述结果表明,巴基斯坦东部地带的各城市原为弱位次型分布,随着中巴合作的各大项目多于东部地带先后落地并建设完毕,东部地带的城市得到了普遍的发展,城市经济极化减轻,城市规模分布趋于更加均衡,由位次型逐渐转为更为均衡的强位次型分布;在西部地带,因中巴合作项目建设相对缓慢,且受地缘政治和政治宗教结构等诸多因素的影响,西部地带容易出现发达和落后两种城市经济,如发达的边境城市奎达和落后的内陆城市本杰古尔,具体数据见表 3。总的来说,西部地带内城市规模分布从偏均衡分布转为首位型分布,由于各种政策的影响,随后又转为了偏首位型的分布。综合东部和西部地带不同的城市规模分布的分析结果,巴基斯坦全国的城市规模分布趋于更加均衡。
-
本文以巴基斯坦6个省级区域为研究区域,通过SG滤波方法改善了时间序列VIIRS夜光遥感影像的质量,并在此基础上通过多种分析方法对2012—2019年巴基斯坦的区域发展差异进行了分析。研究发现:
1)从宏观上看,巴基斯坦的6个省级区域的夜光总量均呈现出增长的态势,原本经济发展水平较高的区域夜光增长率较高。此外,巴基斯坦内部经常受到电力短缺的影响,许多中大型城市的夜光增长率并没有显著提升。
2)从微观上看,旁遮普省是拥有夜光增加的地理格网最多的省,而信德省是拥有夜光总量下降的地理格网最多的省。结合中巴能源合作完成电力项目的情况,旁遮普省分散分布的2个电站可以均匀服务于旁遮普省内的电力供应,使得旁遮普省内夜光总量上升趋势的格网没有形成明显的空间集聚。而信德省的电站集中分布于卡拉奇市,使得信德省内卡拉奇及周边的格网呈明显的夜光总量上升趋势,形成了比较集中的空间集聚。
3)从城市结构上看,东部地带的城市规模分布由弱位次型逐渐转为强位次型,西部地带内城镇规模分布从偏均衡分布转为首位型分布,又转为了偏首位型的分布。整体来看,巴基斯坦城市结构层次间的差距正在逐渐缩小,整个地区的规模发展日趋平衡。
本文研究结果有助于掌握巴基斯坦的区域发展动态,可以为中巴经济走廊建设提供科学支持,但依然存在局限性,如VIIRS的过境时间晚于夜间12时,使用夜光反映电力供应存在一定的局限性。此外,本文并未定量分析中巴经济走廊对VIIRS夜光亮度的影响等,这些问题有待于在以后的研究中进一步讨论。
Analysis on Disparity of Regional Development in Pakistan Under Perspective of Nighttime Light Remote Sensing
-
摘要: 获得巴基斯坦的区域发展规律对于支持中巴经济走廊建设具有参考意义。基于可见光红外成像辐射仪(visible infrared imaging radiometer suite,VIIRS)月度夜光遥感影像,分别使用夜光变化率、Mann-Kendall(MK)趋势检验法和位序-规模法则3种方法研究巴基斯坦省级/城市级、格网级以及东西地带3个地理尺度下的夜光变化规律。分析显示,2012—2019年巴基斯坦的夜光增长率为47.96%,各省级区域均有不同程度的发展,其夜光增长率均大于15%;根据MK趋势检验,在5 km格网尺度下,旁遮普省拥有夜光上升趋势格网最多(1 905个),信德省拥有夜光总量下降趋势格网最多(338个);根据城市夜光的位序-规模分析,东部地带和西部地带的帕累托指数都在逐步缩小,说明巴基斯坦城市结构层次间的差距正在逐渐缩小,整个地区的城市规模发展日趋平衡。此外,缺乏稳定的电力供应可能是部分地区夜光亮度偏低的原因。在长时间序列、多空间尺度下揭示巴基斯坦的区域发展规律,可以为中巴经济走廊的规划提供一定的科学依据。Abstract:
Objectives It is important to know the pattern of Pakistan's regional development for the construction of China-Pakistan Economic Corridor. Methods We used visible infrared imager radiometer suite(VIIRS) nighttime light remote sensing image as the main data source, and implemented Savitzky-Golay(SG) filtering algorithm to repair the missing values of the images. Night time light change ratio (NLCR), Mann-Kendall(MK) trend test method and rank-size rule were carried out to study the nighttime light change patterns of province level, city level, geographic grid level, and east-west zone in Pakistan. Results The analysis result of NLCR shows that from 2012 to 2019, NLCR of the entire Pakistan is 47.96% and all provincal regions has developed to a certain degree with NLCR larger than 15%. NLCR of Gwadar Port is 126.94%, which is the highest in 15 node cities on east and west lines of China-Pakistan Economic Corridor. Additionally, the development of 15 node cities on east and west lines of China-Pakistan Economic Corridor was unbalanced. The results of MK trend test show that at the geographic grid scale of 5 km, there are 1 905 grids with the total nighttime light upward trend in Punjab and 338 grids with the total nighttime light downward trend in Sindh. It is found that most grids with the total nighttime light downward trend are located in rural areas of Sindh, which is consistent to the fact that there is a serious power shortage problem in rural areas of Sindh. The analysis results of rank-size rule show that the Pareto indexes of both eastern and western zones are gradually decreased, indicating that the distribution of urban size in Pakistan becomes more balanced. And the lack of stable power supply may be the reasons for the low brightness of nighttime light in some areas. Conclusions The regional development patterns of Pakistan under long-term time series and multiple spatial scales can provide a certain scientific basis for the planning of China-Pakistan Economic Corridor. -
表 1 巴基斯坦6个省级区域2012—2019年夜光变化数据
Table 1. Nighttime Light Change Data of 6 Provincal Zones in Pakistan from 2012 to 2019
区域 夜光总量/(nW·cm-2·sr-1) 夜光增长规模
/(nW·cm-2·sr-1)夜光变化率/% 2012年 2019年 旁遮普省 71 497.5 133 256.9 61 759.4 86.38 伊斯兰堡 8 436.1 13 856.3 5 420.2 64.25 联邦直辖部落地区 293.2 396.4 103.2 35.18 俾路支省 9 827.1 12 723.7 2 896.5 29.47 开普省 13 939.8 17 548.8 3 609.0 25.89 信德省 72 646.3 83 572.9 10 926.6 15.04 合计 176 640.0 261 354.9 84 714.9 47.96 表 2 巴基斯坦十大城市2012—2019年夜光变化数据
Table 2. Nighttime Light Change Data of Top Ten Cities in Pakistan from 2012 to 2019
城市 2017年人口数/人 省份 夜光总量/(nW·cm-2·sr-1) 夜光增长规模
/(nW·cm-2·sr-1)夜光变化率/% 2012年 2019年 古杰兰瓦拉 2 027 001 旁遮普省 2 439.1 5 580.8 3 141.7 128.81 费萨拉巴德 3 204 726 旁遮普省 5 500.6 10 390.5 4 889.9 88.90 拉瓦尔品第 2 098 231 旁遮普省 7 002.7 13 139.3 6 136.6 87.63 拉合尔 11 126 285 旁遮普省 15 624.9 27 477.3 11 852.4 75.86 伊斯兰堡 1 009 832 伊斯兰堡 8 436.1 13 856.3 5 420.2 64.25 木尔坦 1 871 843 旁遮普省 4 283.8 6 637.1 2 353.3 54.93 奎达 1 001 205 俾路支省 4 161.0 5 740.7 1 579.8 37.97 卡拉奇 14 916 456 信德省 25 083.3 31 618.5 6 535.2 26.05 白沙瓦 1 970 042 开普省 4 569.1 5 118.2 549.1 12.02 海得拉巴 1 734 309 信德省 9 231.6 7 377.5 -1 854.1 -20.08 表 3 中巴经济走廊15个节点城市的夜光变化数据
Table 3. Night-time Change Ratio of 15 Node Cities of China-Pakistan Economic Corridor
线路 主要城市 夜光总量
/(nW·cm-2·sr-1)夜光变化率/% 2012年 2019年 西线 阿伯塔巴德 615.216 1 131.6 83.93 米扬瓦利 1 550.6 2 563.7 65.33 德拉伊斯梅尔汗 612.9 855.4 39.56 奎达 4 161.0 5 740.7 37.97 佐布 73.3 100.6 37.25 巴奴 599.4 638.2 6.47 胡兹达尔 428.1 407.1 -4.91 本杰古尔 198.6 52.8 -73.40 东线 曼瑟拉 239.8 478.1 99.41 拉合尔 15 624.9 27 477.3 75.86 伊斯兰堡 8 436.1 13 856.3 64.25 木尔坦 4 283.8 6 637.1 54.93 卡拉奇 25 083.3 31 618.5 26.05 海得拉巴 9 231.6 7 377.5 -20.08 交汇点 瓜达尔港 142.0 322.3 126.94 东部地带 152 579.9 230 686.1 51.19 西部地带 24 060.2 30 668.8 27.47 表 4 巴基斯坦地理格网夜光变化趋势统计
Table 4. Statistics of Nighttime Light Change Trend of Spatial Grids in Pakistan
省份 上升趋势 下降趋势 无明显趋势 格网总数/个 格网数/个 占比/% 格网数/个 占比/% 格网数/个 占比/% 旁遮普省 1 905 23.06 59 0.71 6 297 76.23 8 261 信德省 297 5.27 388 6.89 4 948 87.84 5 633 开普省 220 7.26 44 1.45 2 767 91.29 3 031 俾路支省 117 0.85 45 0.33 13 676 98.83 13 838 伊斯兰堡 34 97.14 0 0.00 1 2.86 35 联邦直辖部落地区 14 1.39 13 1.29 978 97.31 1 005 -
[1] Khan I U H. CPEC: Opportunities & Challenges[J]. Defence Journal, 2018, 20(8): 19-28 [2] 田仲福. 巴基斯坦国情与中巴经济走廊建设[J]. 中阿科技论坛, 2020(11): 1-4 https://www.cnki.com.cn/Article/CJFDTOTAL-ZAKJ202011002.htm Tian Zhongfu. The Impact of Pakistan's National Conditions on the Construction of China Pakistan Economic Corridor[J]. China-Arab States Science and Technology Forum, 2020(11): 1-4 https://www.cnki.com.cn/Article/CJFDTOTAL-ZAKJ202011002.htm [3] 刘宗义. 中巴经济走廊建设: 进展与挑战[J]. 国际问题研究, 2016(3): 122-136 doi: 10.3969/j.issn.0452-8832.2016.03.009 Liu Zongyi. Construction of the China-Pakistan Economic Corridor: Progress and Challenges[J]. International Studies, 2016(3): 122-136 doi: 10.3969/j.issn.0452-8832.2016.03.009 [4] 姚芸. 中巴经济走廊面临的风险分析[J]. 南亚研究, 2015(2): 35-45 doi: 10.3969/j.issn.1002-8404.2015.02.003 Yao Yun. China-Pakistan Economic Corridor: A Risk Analysis[J]. South Asian Studies, 2015(2): 35-45 doi: 10.3969/j.issn.1002-8404.2015.02.003 [5] Chen J, Fleisher B M. Regional Income Inequality and Economic Growth in China[J]. Journal of Comparative Economics, 1996, 22(2): 141-164 doi: 10.1006/jcec.1996.0015 [6] Dusek T, Lukács R, Rácz I. Development Differences Among the Regions of Hungary[J]. Procedia Economics and Finance, 2014, 9: 264-277 doi: 10.1016/S2212-5671(14)00028-8 [7] 潘竟虎, 张佳龙, 张勇. 甘肃省区域经济空间差异的ESDA-GIS分析[J]. 西北师范大学学报(自然科学版), 2006, 42(6): 83-87 doi: 10.3969/j.issn.1001-988X.2006.06.022 Pan Jinghu, Zhang Jialong, Zhang Yong. Analysis of Regional Economic Disparities in Gansu Province Based on ESDA and GIS[J]. Journal of Northwest Normal University (Natural Science), 2006, 42(6): 83-87 doi: 10.3969/j.issn.1001-988X.2006.06.022 [8] 缪鑫辉, 梁勤欧. 基于地理探测器的浙江省县域经济发展水平空间分异及其影响因素[J]. 浙江师范大学学报(自然科学版), 2020, 43(4): 460-467 https://www.cnki.com.cn/Article/CJFDTOTAL-ZJSZ202004014.htm Miao Xinhui, Liang Qin'ou. Spatial Differentiation of County Economic Development Level and Its Influencing Factors in Zhejiang Province Based on Geographical Detector[J]. Journal of Zhejiang Normal University (Natural Sciences), 2020, 43(4): 460-467 https://www.cnki.com.cn/Article/CJFDTOTAL-ZJSZ202004014.htm [9] 蒲英霞, 葛莹, 马荣华, 等. 基于ESDA的区域经济空间差异分析: 以江苏省为例[J]. 地理研究, 2005, 24(6): 965-974 doi: 10.3321/j.issn:1000-0585.2005.06.016 Pu Yingxia, Ge Ying, Ma Ronghua, et al. Analyzing Regional Economic Disparities Based on ESDA[J]. Geographical Research, 2005, 24(6): 965-974 doi: 10.3321/j.issn:1000-0585.2005.06.016 [10] 芦鹏, 王明程. 中巴经济走廊巴基斯坦沿线城市恐怖威胁与对策[J]. 中国刑警学院学报, 2020(5): 32-41 https://www.cnki.com.cn/Article/CJFDTOTAL-XING202005004.htm Lu Peng, Wang Mingcheng. Assessment of the Security Environment on the Eastern and Western Routes of the China-Pakistan Economic Corridor in the Post-9/11 Era[J]. Journal of Criminal Investigation Police University of China, 2020(5): 32-41 https://www.cnki.com.cn/Article/CJFDTOTAL-XING202005004.htm [11] 高志刚, 张燕. 中巴经济走廊建设中双边贸易潜力及效率研究: 基于随机前沿引力模型分析[J]. 财经科学, 2015(11): 101-110 doi: 10.3969/j.issn.1000-8306.2015.11.010 Gao Zhigang, Zhang Yan. A Study of Bilateral Trade Potential and Efficiency in the Construction of China-Pakistan Economic Corridor-Based on Stochastic Frontier Gravity Model[J]. Finance & Economics, 2015(11): 101-110 doi: 10.3969/j.issn.1000-8306.2015.11.010 [12] Chen X, Nordhaus W D. Using Luminosity Data as a Proxy for Economic Statistics[J]. Proceedings of the National Academy of Sciences of the United States of America, 2011, 108(21): 8589-8594 doi: 10.1073/pnas.1017031108 [13] Henderson J V, Storeygard A, Weil D N. Measuring Economic Growth from Outer Space[J]. The American Economic Review, 2012, 102(2): 994-1028 doi: 10.1257/aer.102.2.994 [14] Li X, Xu H M, Chen X L, et al. Potential of NPP-VIIRS Nighttime Light Imagery for Modeling the Regional Economy of China[J]. Remote Sensing, 2013, 5(6): 3057-3081 doi: 10.3390/rs5063057 [15] Li X, Chen X L, Zhao Y S, et al. Automatic Intercalibration of Night-Time Light Imagery Using Robust Regression[J]. Remote Sensing Letters, 2013, 4(1): 45-54 doi: 10.1080/2150704X.2012.687471 [16] Xu H M, Yang H T, 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): 13469-13499 doi: 10.3390/su71013469 [17] Li X, Zhao L X, Han W J, et al. Evaluating Algeria's Social and Economic Development Using a Series of Night-Time Light Images Between 1992 to 2012[J]. International Journal of Remote Sensing, 2018, 39(23): 9228-9248 doi: 10.1080/01431161.2018.1510560 [18] Zhang L, Li X, Chen F R. Spatiotemporal Analysis of Venezuela's Nighttime Light During the Socioeconomic Crisis[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2020, 13: 2396-2408 doi: 10.1109/JSTARS.2020.2995695 [19] 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 [20] Yu B L, Shu S, Liu H X, et al. Object-Based Spatial Cluster Analysis of Urban Landscape Pattern Using Nighttime Light Satellite Images: A Case Study of China[J]. International Journal of Geographical Information Science, 2014, 28(11): 2328-2355 doi: 10.1080/13658816.2014.922186 [21] Ma T. Quantitative Responses of Satellite-Derived Nighttime Lighting Signals to Anthropogenic Land-Use and Land-Cover Changes across China[J]. Remote Sensing, 2018, 10(9): 1447 doi: 10.3390/rs10091447 [22] 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): 1994-2002 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): 1994-2002 doi: 10.13203/j.whugis20180334 [23] Li X, Li D R. Can Night-Time Light Images Play a Role in Evaluating the Syrian Crisis?[J]. International Journal of Remote Sensing, 2014, 35(18): 6648-6661 doi: 10.1080/01431161.2014.971469 [24] Elvidge C D, Baugh K E, Zhizhin M N, et al. Why VIIRS Data are Superior to DMSP for Mapping Nighttime Lights[J]. Proceedings of the Asia-Pacific Advanced Network, 2013, 35: 62-69 doi: 10.7125/APAN.35.7 [25] Cao C Y, Xiong X X, Blonski S, et al. Suomi NPP VIIRS On-Orbit Performance, Data Quality, and New Applications[C]//Earth Observing Missions and Sensors: Development, Implementation, and Characterization II, Kyoto, Japan, 2012 [26] Small C, Elvidge C D, Baugh K. Mapping Urban Structure and Spatial Connectivity with VIIRS and OLS Night Light Imagery[C]//Joint Urban Remote Sensing Event, Sao Paulo, Brazil, 2013 [27] Chen J, Jönsson P, Tamura M, et al. A Simple Method for Reconstructing a High-Quality NDVI Time-Series Data Set Based on the Savitzky-Golay Filter[J]. Remote Sensing of Environment, 2004, 91(3/4): 332-344 [28] Zeng L L, Wardlow B D, Wang R, et al. A Hybrid Approach for Detecting Corn and Soybean Phenology with Time-Series MODIS Data[J]. Remote Sensing of Environment, 2016, 181: 237-250 doi: 10.1016/j.rse.2016.03.039 [29] Wang C Z, Fritschi F B, Stacey G, et al. Phenology-Based Assessment of Perennial Energy Crops in North American Tallgrass Prairie[J]. Annals of the Association of American Geographers, 2011, 101(4): 742-751 doi: 10.1080/00045608.2011.567934 [30] Levin N. The Impact of Seasonal Changes on Observed Nighttime Brightness from 2014 to 2015 Monthly VIIRS DNB Composites[J]. Remote Sensing of Environment, 2017, 193: 150-164 doi: 10.1016/j.rse.2017.03.003 [31] Hamed K H, Ramachandra Rao A. A Modified Mann-Kendall Trend Test for Autocorrelated Data[J]. Journal of Hydrology, 1998, 204(1-4): 182-196 doi: 10.1016/S0022-1694(97)00125-X [32] 王奇, 梅建明. 中巴经济走廊沿线恐怖威胁分析及对策[J]. 南亚研究, 2017(4): 15-41 https://www.cnki.com.cn/Article/CJFDTOTAL-LAYA201704003.htm Wang Qi, Mei Jianming. Analyzing and Responding to Terrorist Threats Along the China-Pakistan Economic Corridor[J]. South Asian Studies, 2017(4): 15-41 https://www.cnki.com.cn/Article/CJFDTOTAL-LAYA201704003.htm [33] 苏小庆, 李昂, 王颂吉. "一带一路"经济走廊上的支点城市: 空间分布与建设措施[J]. 贵州社会科学, 2018(12): 111-119 https://www.cnki.com.cn/Article/CJFDTOTAL-GZSK201812017.htm Su Xiaoqing, Li Ang, Wang Songji. Pivot Cities on the"Belt and Road"Economic Corridor: Spatial Distribution and Construction Measures[J]. Guizhou Social Sciences, 2018(12): 111-119 https://www.cnki.com.cn/Article/CJFDTOTAL-GZSK201812017.htm [34] 姚远梅. 阿巴边界"黑洞"与中巴经济走廊的路线困境[J]. 阿拉伯世界研究, 2015(5): 36-52 https://www.cnki.com.cn/Article/CJFDTOTAL-ALBJ201505003.htm Yao Yuanmei. The Black Hole in Af-Pak Border and the Difficulties for the Route Planning of China-Pakistan Economic Corridor[J]. Arab World Studies, 2015(5): 36-52 https://www.cnki.com.cn/Article/CJFDTOTAL-ALBJ201505003.htm [35] 张任重. 瓜达尔港--中巴经济走廊的璀璨明珠[OL]. (2018-08-26) http://www.xinhuanet.com/2018-08/26/c_1123331199.htm Zhang Renzhong. Gwadar Port-The Shining Pearl of the China-Pakistan Economic Corridor[OL]. (2018-08-26) http://www.xinhuanet.com/2018-08/26/c_1123331199.htm [36] 华定. 中巴经济走廊建设下的中巴贸易效率和潜力研究[D]. 广州: 广东外语外贸大学, 2020 Hua Ding. Study on the Trade Efficiency and Potential Between China and Pakistan Under the Construction of China-Pakistan Economic Corridor[D]. Guangzhou: Guangdong University of Foreign Studies, 2020 -