夜间灯光数据在不同尺度对社会经济活动的预测

发布时间：2020-10-19 11:18

　　 以广东省为研究范围,采用双对数线性回归模型、香农信息熵模型和差别指数模型,从21个尺度分析NPP-VIIRS夜间灯光数据与经济普查数据中的企业数、企业从业人员数、营利收入以及资产总值的相关性。结果显示:①夜间灯光数据对经济活动的预测精度随尺度的增大而提升,在预测能力上,城市尺度高于镇街尺度,镇街尺度高于500 m网格尺度。②在更为精细的19个网格尺度分析中发现,1 km网格尺度出现预测精度的显著提升,在10 km网格尺度预测精度提升相对较高并达到了0.69,在35 km网格尺度预测精度开始趋于稳定,不再随着网格尺度显著增长。③在0.5～50 km网格尺度之间,网格尺度越精细,产业类型越呈现单一和不均衡分布的发展特征。随着网格尺度的增加,研究区内的产业类型越趋于多样化和均衡分布的发展特征。
【部分图文】：

本文通过对NPP-VIIRS夜间灯光原始数据的详细分析，发现存在负DN值像元。因此，需要对像元进行处理，去除其背景噪音。本文研究采用的处理流程如下：(1)在ENVI软件中裁剪出研究范围的数据，并且对其重新采样；(2)将负值像元重新赋值为0;(3)由于澳门的单位面积GDP排名为全国第一，因此，将DN的最大阈值设为2013年澳门岛内最大的DN值1 048;(4)如果DN值大于1 048，那么则将像元DN值重新赋值为周边8个像元的平均值；(5)对12个月的数据求和得到年总值。由于DMSP与NPP搭载2种不同的传感器，本研究没有采用DMSP数据去除NPP-VIIRS数据的噪音[14,15,18]。本文将由国家统计局获取的《中国第三次全国经济普查统计年鉴》(http://www.stats.gov.cn/)中的企业数、企业从业人员数、营利收入以及资产总值作为代表经济活动的数据，普查时期为2013年1月1日至12月31日，主要选取单位名称、单位地址、行业类型、企业从业人员、营利收入、资产总值字段信息，共833 386条数据。由于数据的地址并没有经纬度信息。因此，研究首先通过Geocoding方法对其单位名称及详细地址进行地址匹配，提取经纬度信息。其次，在Matlab平台对匹配地址后的经纬度转换为WGS84坐标系。最后，采用Arc GIS10.6软件把转换坐标后的数据落点，以便后续分析。

为探究夜间灯光数据在不同尺度对经济活动预测精度差异性的原因。研究尝试从产业类型的信息熵和差别指数的空间特征入手，解释NPP-VIIRS数据对经济活动预测精度影响，并在空间特征上寻找产业活动的规律。在图3的基础上计算各指标的增量随尺度变化的结果（图4）。图4横坐标为0.5～50 km的19个网格尺度值（0.5～5 km范围，尺度以500 m递增；5～50 km范围，尺度以5 km递增）。由图3和图4中的信息熵和其增量可知，0.5～10 km尺度，熵值提升显著，产业类型多样性提升显著。10～35 km尺度，熵值提升放缓，产业类型多样性增加趋缓。35 km尺度以上熵值趋于稳定，产业类型多样性趋于稳定。由图3、4中的差别指数和其增量可知，0.5～10 km尺度，产业类型分布均衡性显著提升，差异性显著降低。10～35 km尺度，产业类型分布均衡性提升放缓，差异性降低放缓。在35 km尺度以上，产业类型分布均衡性和差异性趋于稳定。由此表明，NPP-VIIRS数据对经济活动的预测与研究区内产业类型的多样性与分布均衡性存在显著的相关。研究尺度越小，研究区内的产业类型呈现越单一、不均衡分布的特点，NPP-VIIRS数据对经济活动的预测精度越差，反之亦反。

对比分析图2在500 m网格、镇街、城市的尺度上，夜间灯光对企业营利收入的相关性分别为0.20、0.64、0.93，发现随着研究尺度的增大，夜间灯光与企业营利收入的相关性增强，相同的现象也存在于夜间灯光与企业数、企业从业人员数以及资产总值的相关性。为探究分析尺度带来的影响，研究建立从0.5～5 km（该范围的尺度以500 m递增）、5～50 km（该范围的尺度以5 km递增）的19个网格研究尺度（图3）。图3中的横坐标为19个网格尺度，纵坐标为R2、香农信息熵、差别指数值。其中，红色曲线R2是NPP-VIIRS数据在不同尺度下对企业营利收入的预测精度，蓝色曲线是NPP-VIIRS数据在不同尺度下对企业营利收入的信息熵，绿色曲线是NPP-VIIRS数据在不同尺度下对企业营利收入的差别指数。图3 0.5～50 km尺度的NPP-VIIRS数据对企业营利收入的预测精度、香农信息熵、差别指数
【相似文献】

相关期刊论文 前10条

1 王芳;杨武年;王建;谢兵;任金铜;;遥感影像多尺度分割中最优尺度的选取及评价[J];遥感技术与应用;2020年03期

2 聂建亮;武建军;杨曦;刘明;张洁;周磊;;基于地表温度-植被指数关系的地表温度降尺度方法研究[J];生态学报;2011年17期

3 许超;;信仰下的现代包装设计尺度论[J];包装学报;2010年02期

4 李恒凯;瓮旭阳;;离子吸附型稀土开采的高分影像识别尺度选择研究[J];中国稀土学报;2020年02期

5 代沁伶;罗斌;郑晨;王雷光;;区域多尺度马尔可夫随机场的遥感影像分类[J];遥感学报;2020年03期

6 韩维生;赵明磊;王宏斌;;基于阈限理论的设计尺度体系[J];西北林学院学报;2013年01期

7 王浩宇;沈占锋;柯映明;许泽宇;李硕;焦淑慧;;全局区域相异度阈值构建稀疏尺度集模型[J];中国图象图形学报;2020年09期

8 郑顾平;王敏;李刚;;基于注意力机制的多尺度融合航拍影像语义分割[J];图学学报;2018年06期

9 徐成锐;田玉晶;俞英;;黄金分割尺度与时尚产品的验证关系[J];北京皮革;2020年10期

10 任聪静;吴雪妹;王靖岱;蒋斌波;;气固流化床声发射信号的多尺度解析[J];浙江大学学报(工学版);2008年07期

相关博士学位论文 前8条

1 陈春雷;多尺度林业遥感数据融合技术的应用研究[D];北京林业大学;2011年

2 丛杰;多层级复合材料薄壁结构的扩展多尺度有限元分析方法研究[D];大连理工大学;2020年

3 张桂峰;粒度理论下的多尺度遥感影像分割[D];武汉大学;2010年

4 孙宾;损伤跨尺度演化致结构失效过程的模拟和分析方法[D];东南大学;2016年

5 乔华;Arlequin构架下结构多尺度数值模拟[D];浙江大学;2011年

6 许超;现代包装设计尺度论[D];中国艺术研究院;2008年

7 黄昕;高分辨率遥感影像多尺度纹理、形状特征提取与面向对象分类研究[D];武汉大学;2009年

8 黄万里;基于高分卫星数据多尺度图像分割方法的天山森林小班边界提取研究[D];福建师范大学;2015年

相关硕士学位论文 前10条

1 翟涌光;多尺度分割技术对遥感影像分类精度影响的研究[D];内蒙古农业大学;2010年

2 杨超;反应精馏过程多尺度建模及模拟[D];华中科技大学;2016年

3 周福娜;多传感器数据融合与线性逆问题的多尺度求解方法[D];河南大学;2004年

4 李娜;群落尺度湿地植被遥感的分类研究[D];首都师范大学;2012年

5 胡永月;海岸带高分辨率遥感图像分割尺度优化研究[D];南京大学;2016年

6 王慧;融合各最优尺度下特征的高分辨率遥感影像分类[D];南京信息工程大学;2016年

7 赵军芳;Pro/E环境下人体尺度检索模块的研究与开发[D];江南大学;2008年

8 杨硕;黄土跨尺度微观模型的初步建立与应用[D];西安科技大学;2015年

9 孙波中;多尺度分割技术在高分辨率影像信息提取中的应用研究[D];西安科技大学;2011年

10 贺洪元;面向对象高分辨率影像多尺度分割[D];华中科技大学;2013年

本文编号：2847128