作者/付毅菁，南京市第一中学

引言

城市是人类生活的重要场所，是生态系统中比较活跃的一部分。研究城市圈的空间结构规律对于指导区域发展规划和经济可持续发展具有重要意义，也能为进一步科学地保护土地资源，改善生态环境的重要决策奠定基础。当前基于遥感技术的城市化研究被广泛应用于城市土地变化监测[1]、城市空间格局分析[2]等方面。

美国军事气象卫星DMSP上搭载的OLS传感器可以捕捉微弱的夜间灯光数据。很多学者利用夜光遥感数据对城市或城市群的空间结构进行了分析，王春杨等利用DMSP/OLS夜间灯光数据对成渝城市结构群的空间结构进行了研究[3]，王晓慧[4]使用DMSP/OLS夜间灯光数据研究了中国近30年城镇的扩展，通过地理学和空间经济学分析的结合，以上研究都取得了较好的研究成果。

1.数据搜集及预处理

1.1 数据搜集与研究区裁剪

本研究中所使用的DMSP/OLS夜光数据可以从NOAA卫星数据官方网站下载，所用城市统计年鉴数据从统计局官网下载，矢量数据从国家地球系统科学数据共享中心下载。

对下载的2011年的全球夜间灯光数据使用南京市市辖区的矢量边界进行了裁剪，裁剪后影像和市辖区区划如图1所示。

1.2 数据预处理

1.2.1 夜光数据阈值选取与图像分割

由于夜间灯光数据有溢出效应，因此需要利用统计年鉴中的建成区面积对夜间灯光数据进行溢出处理。

根据2011年县级行政单位城市建成区面积为统计数据，处理当年的夜光数据，以消除灯光溢出效应的影响。提取得到的有效区域如图2所示。

1.2.2 栅格数据矢量化及夜光强度运算

（1）由于遥感影像是栅格数据，每个象元值代表所在地理位置的相对夜光强度大小，将栅格点矢量化为点图层文件。

图1 2011年南京市市辖区夜间灯光遥感图与行政区划图

（2）对县级矢量数据进行叠加，如夜光矢量化数据与江宁区界叠加，得到叠加后的点图层。对点图层上上所有点的grid_code属性进行加和运算，并将值赋给夜间灯光影像上对应县区的新增属性tValue。

图2 灯光溢出效应消除后影像与叠加运算后的影像

通过以上步骤的数据下载和数据初步处理后，我们得到了南京市不同区县的夜间灯光遥感强度图。数据预处理完毕，接下来就要对处理后的影像进行分析。

2.研究方法

2.1 标准差椭圆模型

本研究采用的方法是对处理后影像的夜间灯光强度进行标准差椭圆绘制，标准差椭圆这算法最早是由美国南加州大学（Universityof Southern California）社会学教授韦尔蒂.利菲弗（D. Welty Lefever）在1926年提出，有的书里面，也把这个算法称为Lefever's "Standard DeviationalEllipse"（利菲弗方向性分布）。

该算法的原理如下：

测量一组点或区域的趋势的一种常用方法便是分别计算x 和 y 方向上的标准距离。这两个测量值可用于定义一个包含所有要素分布的椭圆的轴线。由于该方法是由平均中心作为起点对 x 坐标和 y 坐标的标准差进行计算，从而定义椭圆的轴，因此该椭圆被称为标准差椭圆。利用该椭圆,可以查看要素的分布是否是狭长形的，并因此具有特定方向。正如通过在地图上绘制要素可以感受到要素的方向性一样，计算标准差椭圆则可使这种趋向变得更为明确。

2.2 Mortan’sI空间自相关分析

本研究中使用Moran’s I对2011年南京市的夜间灯光遥感数据进行空间差异性分析。

Moran’s I（又称莫兰指数），是澳大利亚统计学家帕特里克·阿尔弗雷德·皮尔斯·莫兰（Patrick Alfred PierceMoran），在1950年提出的。

莫兰指数是一个有理数，经过方差归一化之后，它的值会被归一化到–1.0—1.0之间。Moran’s I＞0表示空间正相关性，其值越大，空间相关性越明显，Moran’s I＜0表示空间负相关性，其值越小，空间差异越大，否则，Moran’s I = 0，空间呈随机性。

空间差异（spatialdisparity）是指不同地域范畴因为（社会、经济等）发展水平及其结构不同，而产生的差异。

3.数据处理结果与分析

使用ArcGIS平台对预处理后的2011年夜间灯光遥感数据进行标准差椭圆绘制，绘制结果如图3所示。

图3 标准差椭圆绘制结果

由标准差椭圆的属性表可知，标准差椭圆包含的范围内将约占总数95%的要素包含在内，椭圆的面积为5580平方千米，椭圆长轴为50公里，短轴为34公里，方位角为20.46°，发达区域集中在“东北–西南”线上，使用GeoDa空间经济学分析软件，对Moran’s I对2011年南京市的夜间灯光遥感数据进行空间差异性分析。分析结果如图4所示。

图4 Moran’s I空间差异性分析结果

由分析结果可知，Moran’s I为–0.324448，为一负数，根据Moran’s I的含义可知：南京市的空间差异性较强，集群趋势不明显。

4.结论与讨论

本研究在前人的研究基础上，借助2011年DMSP/OLS夜间灯光遥感数据和2011年统计年鉴中的建成区面积，使用ArcMap和GeoDa地理学和经济学分析软件，对南京市进行了夜间灯光强度分级、标准差椭圆绘制以及Moran’s I全局空间自相关分析，发现南京市的中心位于主城区玄武区，城市结构呈东北—西南方向排布，发达区域主要集中在“东北–西南”线上，但南京市Moran’s I指数为负值，各区在空间上呈负相关，集群趋势不明显。

本次研究中所使用的数据仅为夜间灯光数据，仅使用了夜间灯光亮度对南京市的城市空间结构进行了分析，但要得到更详细的城市空间结构信息，可综合更多的信息，如各区GDP数据、人口数据、土地利用类型等多种信息进行综合分析。

* [1]黎夏, 叶嘉安. 利用主成分分析改善土地利用变化的遥感监测精度—以珠江三角洲城市用地扩张为例[J]. 遥感学报, 1997,1(4)∶283—289.

* [2]隆学文, 马新辉. 首都圈“京津冀”三轴线城市空间格局的遥感分析 [J]. 地球信息科学学报 , 2011, 13(3)∶367—373.

* [3] 王春杨, 吴国誉, 张超. 基于DMSP/OLS夜间灯光数据的成渝城市群空间结构研究[J]. 城市发展研究, 2015, 22(11).