張雪紅 吳雨陽 王永俊 甄曉菊 孫藝 薛青宇 劉開顏

0 引言

國內(nèi)生產(chǎn)總值(GDP)是衡量區(qū)域經(jīng)濟(jì)發(fā)展水平的一個(gè)重要的綜合性統(tǒng)計(jì)指標(biāo)．傳統(tǒng)以各級行政單元統(tǒng)計(jì)的GDP資料無法顯示統(tǒng)計(jì)區(qū)域內(nèi)部的GDP差異,解決此問題的有效方法之一是實(shí)現(xiàn) GDP 的空間化[1]．

早期GDP空間化方法主要利用地理信息系統(tǒng)(GIS)技術(shù)并結(jié)合土地利用類型或者社會(huì)統(tǒng)計(jì)數(shù)據(jù)的人均GDP數(shù)據(jù)進(jìn)行研究[2-3]．隨著夜間燈光遙感技術(shù)的發(fā)展,國內(nèi)外專家發(fā)現(xiàn)夜間燈光遙感影像可以客觀、實(shí)時(shí)地記錄城市地物自身發(fā)出的燈光強(qiáng)度,并由此嘗試?yán)靡归g燈光數(shù)據(jù)進(jìn)行城市土地覆蓋、人口估算、經(jīng)濟(jì)活動(dòng)等城市化關(guān)鍵要素的快速評估與空間綜合分析[4]．Elvidge等[5]指出了夜間燈光數(shù)據(jù)與GDP指標(biāo)之間存在較強(qiáng)的線性關(guān)系．Tilottama等[6]通過分析夜間燈光影像數(shù)據(jù)和校正后官方經(jīng)濟(jì)數(shù)據(jù)之間的空間關(guān)系建立了回歸模型,從此拉開了通過建模反演GDP空間化的序幕．在此之后,韓向娣等[7]首次提出了結(jié)合DMSP/OLS與土地利用數(shù)據(jù)建立GDP空間化模型的方法,從而提高了反演模型的精度．不同產(chǎn)業(yè)所占GDP比重能有效反映區(qū)域內(nèi)產(chǎn)業(yè)結(jié)構(gòu)特征和產(chǎn)業(yè)布局,若實(shí)現(xiàn)單一產(chǎn)業(yè)的精細(xì)化空間分布,將對區(qū)域產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化、城鄉(xiāng)規(guī)劃乃至精準(zhǔn)扶貧等提供重要的決策依據(jù)．而夜間燈光遙感數(shù)據(jù)難以區(qū)分GDP中第二和第三產(chǎn)業(yè)[7],以往研究中也鮮見報(bào)道．

此外,GDP空間化研究中夜間燈光遙感數(shù)據(jù)主要使用DMSP/OLS、NPP-VIIRS等,但其中低空間分辨率、燈光過飽和等因素在很大程度上制約著遙感模型的精度．雖然部分研究針對以上問題提出了一些解決方案,如王俊華[8]在對四川省GDP空間化的研究中結(jié)合DMSP/OLS和NPP/VIIRS兩種數(shù)據(jù)連接使用的方法分析了不同時(shí)相的相對誤差,李峰等[9]采用土地利用類型數(shù)據(jù)與DMSP/OLS數(shù)據(jù)相結(jié)合的方法消除后者本身存在的燈光過飽和以及溢出現(xiàn)象所導(dǎo)致的噪聲誤差,但這些手段和方法無法完全消除以上制約因素所引起的不確定性．

相關(guān)研究表明,能源消耗及碳排放與城市化有較強(qiáng)的相關(guān)關(guān)系[10-13],城市空間形態(tài)能夠影響因城市熱島產(chǎn)生的碳排放[14]．碳排放會(huì)導(dǎo)致在人類涉及的活動(dòng)區(qū)域地表溫度相對自然區(qū)域溫度更高,因此地表溫度信息在一定程度上可以反映以碳排放以及能源消耗為顯著特征的第二產(chǎn)業(yè)空間分布[15]．為了評價(jià)結(jié)合熱紅外遙感數(shù)據(jù)進(jìn)行不同產(chǎn)業(yè)空間化的可行性,本文以福建省為研究區(qū),基于“珞珈一號”科學(xué)實(shí)驗(yàn)衛(wèi)星夜間燈光遙感數(shù)據(jù)和Landsat8熱紅外遙感數(shù)據(jù),并結(jié)合土地利用信息,嘗試實(shí)現(xiàn)對福建省第二、第三產(chǎn)業(yè)增加值的空間化．并進(jìn)一步以廈門市為例,從局部分別對兩種方法的第二、第三產(chǎn)業(yè)增加值空間化結(jié)果進(jìn)行對比,以精細(xì)化評價(jià)本文提出的第二、第三產(chǎn)業(yè)增加值空間化方法的可行性及有效性．

1 研究區(qū)概況與研究方法

1.1 研究區(qū)概況

福建省位于我國東南沿海(115°50′～120°40′E,23°30′～28°22′N),其森林覆蓋率為65.95%,居全國首位．福建省區(qū)域特色經(jīng)濟(jì)發(fā)達(dá),涉及制造、建筑、加工、服務(wù)等行業(yè)．2018年福建省實(shí)現(xiàn)地區(qū)生產(chǎn)總值35 804.04億元,比上年增長8.3%．其中,第二產(chǎn)業(yè)增加值17 232.36億元,增長8.5%，第三產(chǎn)業(yè)增加值16 191.86億元,增長8.8%．第二和第三產(chǎn)業(yè)增加值比重分別為48.1%、45.2%．福建省第二產(chǎn)業(yè)比重與全國相比偏高,并長期處于第二產(chǎn)業(yè)占比高于第三產(chǎn)業(yè)的狀態(tài)[16]．福建省廈門市、泉州市以及福州市的第二、第三產(chǎn)業(yè)較為發(fā)達(dá),產(chǎn)業(yè)增加值明顯．

1.2 數(shù)據(jù)來源

1.2.1 遙感數(shù)據(jù)

1)夜間燈光數(shù)據(jù)

夜間燈光信息由“珞珈一號”遙感影像數(shù)據(jù)提供,其影像幅寬達(dá)到260 km,空間分辨率為130 m[11-12]．本文采用2018年拍攝的福建省的“珞珈一號”01星遙感影像,數(shù)據(jù)來源為高分湖北中心提供的全國燈光數(shù)據(jù)圖(http:∥www.hbeos.org.cn),所獲取數(shù)據(jù)已經(jīng)進(jìn)行過輻射校正、大氣校正以及幾何糾正等預(yù)處理工作．

2)Landsat8影像數(shù)據(jù)

Landsat8衛(wèi)星上攜帶兩個(gè)傳感器,分別是陸地成像儀(Operational Land Imager,OLI)和熱紅外傳感器(Thermal Infrared Sensor,TIRS)．OLI有9個(gè)波段,可用于后續(xù)的土地利用信息提取與歸一化差值植被指數(shù)(NDVI)計(jì)算．TIRS主要用于收集地球兩個(gè)熱區(qū)地帶的熱量流失．由于福建地處東南沿海,Landsat8影像云覆蓋比例較大,經(jīng)過篩選最終選取2017—2019年同一季節(jié)的12景Landsat8影像用于本文研究(通常短期內(nèi)土地利用類型、工礦用地等變化較小,因此選取2018年前后相鄰兩年同季節(jié)Landsat8影像對本文研究結(jié)果影響不大),其影像成像時(shí)間和條帶號如表1所示．?dāng)?shù)據(jù)下載于http:∥ids.ceode.ac.cn/．

表1 Landsat8遙感數(shù)據(jù)

1.2.2 土地利用數(shù)據(jù)

土地利用數(shù)據(jù)為中國科學(xué)院地理科學(xué)與資源研究所發(fā)布的1∶10萬土地利用遙感監(jiān)測數(shù)據(jù)．本文所使用的土地利用數(shù)據(jù)是在2015年土地利用遙感監(jiān)測數(shù)據(jù)的基礎(chǔ)上,基于表1中所選取的Landsat8/OLI遙感影像通過人工目視解譯更新而成的．由于本文主要研究福建省第二、第三產(chǎn)業(yè)經(jīng)濟(jì)空間化,故選取土地利用類型數(shù)據(jù)中的“城鎮(zhèn)用地”、“農(nóng)村居民點(diǎn)”和“工礦用地”的二級土地利用類型,并與其對應(yīng)的夜間燈光遙感數(shù)據(jù)和反演的地表溫度數(shù)據(jù)利用Arcgis分別進(jìn)行空間疊加分析．

1.2.3 GDP統(tǒng)計(jì)數(shù)據(jù)

本文使用的社會(huì)經(jīng)濟(jì)資料主要來自于《福建統(tǒng)計(jì)年鑒(2019)》,它收錄了2018年福建省全省及各地區(qū)、各部門經(jīng)濟(jì)和社會(huì)發(fā)展各方面的統(tǒng)計(jì)數(shù)據(jù)．

1.3 數(shù)據(jù)處理及研究方法

在前人的GDP空間化研究中,由于夜間燈光數(shù)據(jù)對第二、第三產(chǎn)業(yè)本身的不可區(qū)分性,通常將兩者綜合起來進(jìn)行分析,且大多采用單一的夜間燈光遙感數(shù)據(jù)或同時(shí)結(jié)合土地利用數(shù)據(jù)進(jìn)行建模．考慮到熱紅外遙感數(shù)據(jù)可以有效反映第二產(chǎn)業(yè)分布信息,本文在土地利用數(shù)據(jù)和夜間燈光遙感數(shù)據(jù)的基礎(chǔ)上增加熱紅外遙感數(shù)據(jù),以此來評價(jià)基于遙感技術(shù)對第二、第三產(chǎn)業(yè)分開進(jìn)行空間化的可行性．為了后續(xù)建模的需要,將夜間燈光遙感數(shù)據(jù)和熱紅外遙感數(shù)據(jù)重采樣為與土地利用類型對應(yīng)的30 m空間分辨率．此外,福建省共有64個(gè)縣級行政區(qū),由于數(shù)據(jù)缺失或異常,剔除影像中存在異常值的樣本數(shù)據(jù),最終選擇福建省的47個(gè)縣級行政區(qū)用于本文研究,并隨機(jī)選擇36和11個(gè)縣級行政區(qū)分別作為訓(xùn)練樣本和驗(yàn)證樣本．

以下為剔除異常樣本的原因,具體分為3種情況:

1)縣區(qū)所在的地形起伏明顯,造成“珞珈一號”夜光遙感影像的幾何誤差較大,難以進(jìn)行校正．具體縣區(qū)為:羅源縣、閩清縣、連城縣、松溪縣、福安市、德化縣、華安縣和平和縣．

2)縣區(qū)被覆蓋的熱紅外遙感數(shù)據(jù)云量較大．具體縣區(qū)為:龍海市、漳浦縣．

3)縣區(qū)被不同時(shí)相的熱紅外遙感數(shù)據(jù)覆蓋,難以反演所在地區(qū)的準(zhǔn)確溫度．具體縣區(qū)為:武平縣、浦城縣、安溪縣、永春縣、長泰縣、龍海市、平譚縣和福清市．

1.3.1 夜間燈光遙感數(shù)據(jù)處理

首先對“珞珈一號”數(shù)據(jù)進(jìn)行輻射定標(biāo),01星產(chǎn)品輻射亮度轉(zhuǎn)換公式如下:

L=X3/2·10-10,

(1)

式中,L為定標(biāo)后的輻射亮度,X表示“珞珈一號”影像單像元的原始值，即DN值．

然后對輻射定標(biāo)后的數(shù)據(jù)進(jìn)行幾何校正等預(yù)處理．為了數(shù)據(jù)的有效性,將影像的輻射亮度值線性拉伸到0～64間．

1.3.2 Landsat8影像預(yù)處理及NDVI計(jì)算

首先結(jié)合元數(shù)據(jù)文件中的定標(biāo)系數(shù)對表1中所選取的每景Landsat8 OLI影像數(shù)據(jù)進(jìn)行輻射定標(biāo),獲得輻射亮度影像;然后基于ENVI軟件的FLASSH大氣校正模塊對每景影像進(jìn)行大氣校正;再將每景大氣校正影像進(jìn)行鑲嵌,使得影像完全覆蓋福建省,并用福建省行政矢量圖裁切;最后基于式(2)計(jì)算NDVI(其量值記為INDVI),獲得福建省NDVI影像,為地表溫度反演提供輸入數(shù)據(jù)．

(2)

式中,ρNIR為近紅外波段,ρR為紅光波段．

1.3.3 地表溫度反演與溫度歸一化

地表溫度計(jì)算公式為

L10=gD+b,

(3)

(4)

(5)

其中L10為Landsat8 TIRS傳感器第10波段像元在傳感器處的輻射值,D為像元灰度值,g為波段增益值,b為波段偏置值．對于TIRS傳感器的第10波段而言,g為3.342 W/(m2·sr·μm),b為0.1 W/(m2·sr·μm),T為傳感器處的亮溫值,K1=774.89 W/(m2·sr·μm),K2=1 321.08 K,TLST為反演的地表溫度,λ為熱紅外波段中心波長,ρ=1.438×10-2m·K,ε為地物比輻射率[17],其值根據(jù)Sobrino等[18]的模型通過NDVI進(jìn)行估算得到．

有關(guān)研究表明高溫區(qū)域主要分布在建筑用地密集、功能單一以及周邊植被覆蓋少的地區(qū)[19],因此地表溫度與城市工業(yè)化呈正相關(guān)性．但由于溫度本身的自然屬性,即使在第二、第三產(chǎn)業(yè)不發(fā)達(dá)地區(qū)的實(shí)際溫差依然存在,故本文采取以縣為單位進(jìn)行歸一化處理,以此來提高溫度與工業(yè)化的相關(guān)性,這在一定程度上也可以減小時(shí)相差異所帶來的影響．歸一化公式如下:

(6)

式中,TLST為所在像元的地表溫度,TLST,min和TLST,max分別代表像元所在縣的最低地表溫度和最高地表溫度,每個(gè)像元的溫度值取在0～1之間,0代表此地增加值為最低．

1.3.4 模型建模及校正

本文采用逐步回歸法構(gòu)建模型:

Y1=β1X1+β2X2+…+βiXi,

(7)

式中,Y1為因變量,即相應(yīng)區(qū)(縣)級行政單元GDP的回歸值(預(yù)測值),Xi(i=1,2,…,n)為回歸模型自變量,即不同土地利用類型的燈光參數(shù)指標(biāo)和溫度指標(biāo),βi為Xi的偏回歸系數(shù)．

由于直接采用預(yù)測模型模擬的第二、第三產(chǎn)業(yè)增加值誤差較大,還需要根據(jù)第二、第三產(chǎn)業(yè)增加值的實(shí)際統(tǒng)計(jì)增加值對模擬增加值進(jìn)行線性糾正,最后生成糾正后的第二、第三增加值密度圖,使得誤差只分布在該縣內(nèi)部[12],這樣有利于進(jìn)一步提高空間化的準(zhǔn)確性．線性糾正公式為

PT=Pi(Pt/PS),

(8)

式中,PT為糾正后的單個(gè)像元的分產(chǎn)業(yè)增加值,Pi為像元i模擬的分產(chǎn)業(yè)增加值,Pt為該區(qū)縣統(tǒng)計(jì)的實(shí)際分產(chǎn)業(yè)增加值,PS為該區(qū)縣模擬的分產(chǎn)業(yè)增加值．

2 結(jié)果與分析

2.1 GDP 空間化建模

2.1.1 空間化模型

為了評價(jià)熱紅外遙感數(shù)據(jù)在第二、第三產(chǎn)業(yè)增加值空間化中的潛力,本文基于夜間燈光遙感數(shù)據(jù)、土地利用類型數(shù)據(jù)和熱紅外遙感數(shù)據(jù)(下文簡稱方法2),并以傳統(tǒng)的結(jié)合夜間燈光數(shù)據(jù)以及土地利用類型數(shù)據(jù)(下文簡稱方法1)為對照分別進(jìn)行空間化建模,利用SPSS軟件進(jìn)行逐步多元回歸分析,獲得如表2所示的建模結(jié)果．表2中,P2表示第二產(chǎn)業(yè)增加值,P3表示第三產(chǎn)業(yè)增加值．從表2中可以看出:使用方法1對福建省2018年第二、第三產(chǎn)業(yè)增加值建模的逐步回歸模型決定系數(shù)R2偏小,分別為0.743、0.776,其主要原因是夜間燈光數(shù)據(jù)無法準(zhǔn)確反映第二產(chǎn)業(yè)分布信息;方法2因引入熱紅外遙感數(shù)據(jù),使得其對福建省第二、第三產(chǎn)業(yè)增加值的多元回歸模型決定系數(shù)R2分別達(dá)到0.966和0.870,較方法1有了顯著提高．

表2 方法2與方法1回歸模型比較

1)第二產(chǎn)業(yè)增加值空間化模型

經(jīng)過逐步回歸分析,方法2第二產(chǎn)業(yè)增加值模型入選的自變量為城鎮(zhèn)用地的歸一化溫度、工礦用地的歸一化溫度以及工礦用地的燈光強(qiáng)度．建立的模型為

P2=158.741T51+73.378T53+88.15L53,

(9)

式中,P2為模擬的第二產(chǎn)業(yè)增加值,T51為城鎮(zhèn)用地的歸一化溫度,T53為工礦用地的歸一化溫度,L53為工礦用地的燈光強(qiáng)度．城鎮(zhèn)用地、工礦用地同原材料加工和碳排放有一定的關(guān)聯(lián),而碳排放跟局部地區(qū)溫度有顯著關(guān)系,因此城鎮(zhèn)用地和工礦用地的溫度與燈光強(qiáng)度變量最終被入選進(jìn)行回歸建模．

2)第三產(chǎn)業(yè)增加值空間化模型

在方法2中的第三產(chǎn)業(yè)增加值模型入選的自變量為城鎮(zhèn)用地的歸一化溫度、城鎮(zhèn)用地的燈光強(qiáng)度以及農(nóng)村居民點(diǎn)的燈光強(qiáng)度．構(gòu)建的模型為

P3=178.352T51+36.114L51+42.997L52,

(10)

式中,P3為模擬的第三產(chǎn)業(yè)增加值,L51為城鎮(zhèn)用地的燈光強(qiáng)度,L52為農(nóng)村用地的燈光強(qiáng)度．由于第三產(chǎn)業(yè)增加值主導(dǎo)因素很多,除了城鎮(zhèn)用地的燈光數(shù)據(jù)和溫度數(shù)據(jù)可以反映第三產(chǎn)業(yè)增加外,據(jù)調(diào)查福建省農(nóng)村金融、信息等現(xiàn)代農(nóng)村服務(wù)業(yè)正在逐年穩(wěn)步發(fā)展,農(nóng)村居民點(diǎn)也存在第三產(chǎn)業(yè)增加值,故農(nóng)村居民點(diǎn)的燈光數(shù)據(jù)也被入選作為自變量．

2.1.2 模型驗(yàn)證

基于選取的11個(gè)縣級行政區(qū)作為驗(yàn)證樣本對采用方法2建立的第二、第三產(chǎn)業(yè)模型分別進(jìn)行驗(yàn)證,各縣相對誤差均在0～40%之間,平均相對誤差大致在20%左右(表3)．

表3中部分地區(qū)相對誤差較大,其可能原因如下:

1)熱紅外數(shù)據(jù)時(shí)相差異．上杭縣、清流縣、沙縣的第二產(chǎn)業(yè)增加值的擬合值高于真實(shí)值,且相對誤差較大,其原因可能是熱紅外數(shù)據(jù)時(shí)間差異造成的．盡管對溫度數(shù)據(jù)進(jìn)行0～1的歸一化之后減小了不同時(shí)相帶來的誤差,使得縣與縣之間溫度變化相對較小,但是因單景影像溫度整體偏高,導(dǎo)致一個(gè)縣內(nèi)放大或縮小其熱分布差異的情況存在可能,且難以避免．

2)第二產(chǎn)業(yè)的構(gòu)成差異．若第二產(chǎn)業(yè)以輕工業(yè)為主,而其能源消耗及碳排放不顯著,從而導(dǎo)致熱紅外遙感難以反映這一類型的第二產(chǎn)業(yè)．例如泉州市的第二產(chǎn)業(yè)以輕工業(yè)為主,該地區(qū)的溫度分布較為均衡,基本無高值存在,故第二產(chǎn)業(yè)增加值擬合誤差相對較大,且擬合值低于真實(shí)值．

3)復(fù)雜地形導(dǎo)致影像數(shù)據(jù)幾何校正精度下降．由于福建省多山地丘陵,地形坡度因子使得影像幾何校正產(chǎn)品仍存在不同程度的幾何誤差．受“珞珈一號”夜間燈光數(shù)據(jù)本身的局限性影響,輻射校正后部分山地地區(qū)的誤差仍然存在,導(dǎo)致某些農(nóng)村地區(qū)與其對應(yīng)的燈光數(shù)據(jù)難以充分匹配,例如柘榮縣、永安市、永泰縣,從而造成了第三產(chǎn)業(yè)增加值擬合的誤差相對較大,且擬合值低于真實(shí)值．

為了與方法1進(jìn)行對比,基于選取的11個(gè)縣區(qū)級行政區(qū)作為驗(yàn)證樣本對采用方法1建立的第二、第三產(chǎn)業(yè)增加值模型分別進(jìn)行驗(yàn)證,各縣區(qū)相對誤差較大(表4).

從表4可以看出,各縣區(qū)第二、第三產(chǎn)業(yè)增加值模型相對誤差較大,平均值分別為72.60%、60.10%．究其原因主要在于只用單一的夜間燈光數(shù)據(jù)不足以區(qū)分第二、第三產(chǎn)業(yè)的空間分布情況,所以前人大多將第二、第三產(chǎn)業(yè)增加值看作一個(gè)整體,與結(jié)合土地利用類型下的夜光遙感數(shù)據(jù)進(jìn)行建模,從而忽略了單產(chǎn)業(yè)空間化建模,為單產(chǎn)業(yè)空間化分布研究造成了困難．還有一點(diǎn)造成方法1模型驗(yàn)證不理想的原因?yàn)楦＝ㄊ≈形鞑可降囟?、地形起伏大的特殊地?導(dǎo)致“珞珈一號”夜光影像數(shù)據(jù)幾何校正精度下降,不能完全與實(shí)際土地利用進(jìn)行匹配,這一原因也同樣存在于方法2 的研究中,為本文研究中的不足之處．但總體來看,熱紅外遙感數(shù)據(jù)結(jié)合夜光遙感數(shù)據(jù)能夠較好地分別與第二、第三產(chǎn)業(yè)增加值進(jìn)行回歸分析,建立的模型更加準(zhǔn)確,與實(shí)際情況較為相符．

2.2 空間化結(jié)果分析

基于2.1中建立的2018年福建省第二、第三產(chǎn)業(yè)增加值模型,并經(jīng)過校正后分別生成2018年福建省第二、第三產(chǎn)業(yè)增加值分布(圖1a和圖1b)．根據(jù)空間化結(jié)果發(fā)現(xiàn)福建省第二、第三產(chǎn)業(yè)增加值分布具有如下特點(diǎn):

表3 方法2模型精度驗(yàn)證

表4 方法1模型精度驗(yàn)證

1)第二產(chǎn)業(yè)增加值高值區(qū)主要位于福建省的東部以及東南部,如泉州、福州和廈門等主要城市;第二產(chǎn)業(yè)低值區(qū)主要位于如南平大部分地區(qū)和寧德部分地區(qū)的福建省北部,該區(qū)域第二產(chǎn)業(yè)相對落后．

2)第三產(chǎn)業(yè)增加值分布特點(diǎn)與第二產(chǎn)業(yè)相似,其高值區(qū)集中分布在東部以及東南沿海地區(qū),而西北部以及一些多山地區(qū)第三產(chǎn)業(yè)則欠發(fā)達(dá)．

3)受福建省多山地的地理分布格局的影響,增加值空間分布多山地區(qū)增加值較低,平原沿海地區(qū)經(jīng)濟(jì)分布高;內(nèi)部局部小區(qū)域也有高值,如三明市轄區(qū)．此外,莆田市雖在福建省的東部,其第二產(chǎn)業(yè)和第三產(chǎn)業(yè)經(jīng)濟(jì)均較為落后．

2.3 空間化優(yōu)勢分析

廈門是福建副省級城市,為我國東南重要的中心城市、港口城市和優(yōu)秀旅游城市,也是我國的經(jīng)濟(jì)特區(qū)、綜合配套改革試驗(yàn)區(qū)、自由貿(mào)易試驗(yàn)區(qū)、兩岸新產(chǎn)業(yè)和現(xiàn)代服務(wù)業(yè)合作示范區(qū)．因此,廈門市的第二、第三產(chǎn)業(yè)均較發(fā)達(dá)．為了進(jìn)一步評價(jià)熱紅外遙感數(shù)據(jù)在GDP空間化中的潛力,下文以廈門市為例,對本文提取的新空間化方法與傳統(tǒng)空間化方法進(jìn)行對比．

2.3.1 第二產(chǎn)業(yè)增加值空間化對比

圖2a為未考慮熱紅外數(shù)據(jù)的方法1的廈門市2018年第二產(chǎn)業(yè)增加值空間化結(jié)果,從中可以看出第二產(chǎn)業(yè)增加值空間分布較為零散,而且分級效果不明顯．圖2b為本文提出的方法2生成的第二產(chǎn)業(yè)增加值空間分布,通過與廈門市主要的工業(yè)園區(qū)分布圖對比發(fā)現(xiàn):方法2空間化結(jié)果與工業(yè)園區(qū)分布較為吻合,且增加值分級顯著．

圖1 2018年福建省第二、第三產(chǎn)業(yè)增加值空間分布Fig.1 Distribution map of added values of the secondary (a) and tertiary industry (b) of Fujian province in 2018

圖2 2018年廈門市第二產(chǎn)業(yè)增加值不同空間化方法對比Fig.2 Comparison of added values of the secondary industry in Xiamen in 2018 between method 1 (a) and method 2 (b)

為了能從局部詳細(xì)驗(yàn)證以上結(jié)論,進(jìn)一步選取廈門市特新工業(yè)園區(qū)、廈門市方品工業(yè)園區(qū)以及廈門市鼓浪嶼等典型局部區(qū)域進(jìn)行兩種空間化方法對比．

圖3 廈門市典型區(qū)第二產(chǎn)業(yè)增加值空間化局部對比Fig.3 Comparison of added values of the secondary industry in typical districts of Xiamen between method 1 (a), method 2 (b),and actual distribution (c)

1)廈門市特新工業(yè)園區(qū)屬于典型的第二產(chǎn)業(yè)分布區(qū),方法2反演的第二產(chǎn)業(yè)增加值較高(圖3b1),與實(shí)際情況相吻合(圖3c1),而方法1空間化結(jié)果則與實(shí)際差異較大,甚至無明顯的高值區(qū)(圖3a1)．

2)廈門市方品工業(yè)園區(qū)也屬于典型的第二產(chǎn)業(yè)分布區(qū),方法2與方法1空間化結(jié)果分別見圖3b2和圖3a2,其差異與廈門市特新工業(yè)園區(qū)類似．

3)據(jù)調(diào)查,廈門市鼓浪嶼旅游業(yè)發(fā)達(dá),屬于典型的第三產(chǎn)業(yè)分布區(qū),而第二產(chǎn)業(yè)增加值較小,方法2反演的第二產(chǎn)業(yè)增加值較低(圖3b3),符合實(shí)際情況,而方法1反演的第二產(chǎn)業(yè)增加值較高(圖3a3),與實(shí)際情況差異較大．

4)方法1在海滄區(qū)第二產(chǎn)業(yè)增加值存在大范圍高值區(qū),根據(jù)高分辨率影像考察發(fā)現(xiàn)該地區(qū)主要為商業(yè)區(qū)以及居民居住用地,較強(qiáng)的燈光強(qiáng)度使得方法1反演結(jié)果與實(shí)際不相符,而方法2反演結(jié)果則更為合理．

因此,本文提出的方法2相對方法1的合理性在于第二產(chǎn)業(yè)把“工礦用地高于其他區(qū)域的地表溫度的影響”納入增加值預(yù)測,從而導(dǎo)致地表溫度顯著高于其他周邊區(qū)域．因此,方法2通過結(jié)合熱紅外遙感數(shù)據(jù)考慮了地表溫度信息可以顯著提高第二產(chǎn)業(yè)增加值的預(yù)測與空間化效果．

2.3.2 第三產(chǎn)業(yè)增加值空間化對比

圖4為基于方法2與方法1對廈門市2018年第三產(chǎn)業(yè)增值值空間化結(jié)果．方法1(圖4a)和方法2(圖4b)均能從不同程度反映廈門市第三產(chǎn)業(yè)經(jīng)濟(jì)的空間分布情況．廈門市第三產(chǎn)業(yè)主要集中分布于廈門島的湖里區(qū)及思明區(qū)、集美區(qū)的杏林鎮(zhèn)及其區(qū)政府所在地、同安區(qū)區(qū)政府所在地以及翔安區(qū)的馬巷鎮(zhèn)．但方法1的第三產(chǎn)業(yè)增加值分布較為破碎,且相比之下,方法2空間化結(jié)果更佳．

廈門市是福建省經(jīng)濟(jì)最發(fā)達(dá)的省轄市之一,尤其是廈門島(圖5c1),島內(nèi)的思明區(qū)是廈門市的政治經(jīng)濟(jì)中心,廈門市的主要旅游景點(diǎn)(如鼓浪嶼、曾厝垵等)及商業(yè)街(思明區(qū)的中山路步行街、世貿(mào)商城、湖里區(qū)的SM城市廣場)均在轄區(qū)內(nèi)，旅游業(yè)非常發(fā)達(dá),同時(shí)也帶動(dòng)第三產(chǎn)業(yè)迅速發(fā)展,因此該區(qū)域除了南部思明區(qū)的云頂巖和北部高崎國際機(jī)場外,島內(nèi)其他區(qū)域第三產(chǎn)業(yè)增加值較高．方法2空間化結(jié)果(圖5b1)中增加值高值區(qū)域比方法1(圖5a1)面積更大且更均勻,因此前者空間化結(jié)果相對更為合理．此外,廈門市集美區(qū)(圖5c2)分布著商業(yè)區(qū)(包含購物中心、銀行等服務(wù)業(yè)),為典型的第三產(chǎn)業(yè)分布區(qū),方法2反演的第三產(chǎn)業(yè)增加值較高(圖5b2),與實(shí)際情況相吻合(圖5c2),而方法1(圖5a2)空間化結(jié)果中高值區(qū)小且破碎．因此,本文提出的方法2對第三產(chǎn)業(yè)增加值空間化效果更為合理．

圖4 2018年廈門市第三產(chǎn)業(yè)增加值空間分布對比Fig.4 Comparison of added values of the tertiary industry in Xiamen in 2018 between method 1 (a) and method 2 (b)

圖5 廈門市典型區(qū)第三產(chǎn)增加值空間化局部對比Fig.5 Comparison of added values of the tertiary industry in typical districts of Xiamen between method 1 (a), method 2 (b),and Landsat8 image (c)

3 結(jié)論

針對GDP空間化研究中難以對第二、第三產(chǎn)業(yè)增加值分別進(jìn)行空間化的問題,本文以福建省為研究區(qū),在土地利用數(shù)據(jù)、夜間燈光遙感數(shù)據(jù)的基礎(chǔ)上,通過增加熱紅外遙感數(shù)據(jù)考慮地表溫度信息,以實(shí)現(xiàn)第二、第三產(chǎn)業(yè)增加值的空間化．研究結(jié)論如下:

1)與利用夜間燈光遙感數(shù)據(jù)結(jié)合土地利用數(shù)據(jù)進(jìn)行GDP空間化相比,增加熱紅外遙感數(shù)據(jù)的本文方法構(gòu)建的第二、第三產(chǎn)業(yè)增加值空間化模型(R2分別為0.966、0.870)均優(yōu)于夜間燈光遙感數(shù)據(jù)+土地利用數(shù)據(jù)方法(R2分別為0.743、0.776)．本文方法的平均相對誤差約20%．進(jìn)一步以廈門市為研究對象,發(fā)現(xiàn)本文方法由于熱紅外遙感數(shù)據(jù)考慮了地表溫度信息,可以大幅提高第二、第三產(chǎn)業(yè)增加值空間化效果,其空間分布格局與實(shí)際更為吻合．

2)空間分布上從總體上看,福建省第二產(chǎn)業(yè)增加值與第三產(chǎn)業(yè)增加值分布特點(diǎn)相似,高值區(qū)主要集中在東部及東部沿海地區(qū)．受福建省多山地的地理分布格局的影響,增加值空間分布呈多山地區(qū)產(chǎn)值增加值較低,而平原沿海地區(qū)較高的特點(diǎn)．

3)第二產(chǎn)業(yè)可分為重工業(yè)和輕工業(yè)．對于工業(yè)園區(qū),其工業(yè)生產(chǎn)帶來的碳排放等會(huì)影響區(qū)域上空的熱力因子,與溫度數(shù)據(jù)有較強(qiáng)的相關(guān)性;而對于以輕工業(yè)為主的地區(qū),其正常生產(chǎn)與溫度信息相關(guān)性不大,從而導(dǎo)致空間化誤差可能會(huì)偏大．

由于Landsat熱紅外遙感數(shù)據(jù)自身的局限性,無法同時(shí)獲取多幅無云的2018年冬季的福建省熱紅外遙感數(shù)據(jù),盡管本文對反演的溫度進(jìn)行歸一化處理以進(jìn)行修正,但是仍無法解決單一縣級單元內(nèi)同時(shí)包含多幅不同時(shí)相的熱紅外遙感數(shù)據(jù)所造成的誤差,后續(xù)可以運(yùn)用其他的數(shù)據(jù)或算法來解決這一問題．同時(shí),本文研究時(shí)未能考慮到地形因素對模型的影響,而本文研究區(qū)多山地,地形起伏大,地形坡度因子成為一個(gè)不可忽略的影響因子,致使部分處于山地丘陵地區(qū)的中西部地區(qū)難以與其對應(yīng)的燈光數(shù)據(jù)進(jìn)行準(zhǔn)確的幾何匹配,使得地形復(fù)雜地區(qū)反演結(jié)果誤差偏大．在后續(xù)研究中還需進(jìn)一步評估其他地形類型區(qū)域?qū)Ρ疚姆椒ǖ倪m用性．