使用 LJ1-01 夜间灯光图像检测县域经济发展：与 NPP-VIIRS 数据的比较

抽象的

夜间灯光（NTL）遥感数据已被广泛用于推导国家和区域尺度的社会经济指标，以研究区域经济发展。然而，以往的研究大多只选择单一的衡量指标（如GDP），采用简单的回归方法，基于DMSP-OLS或NPP-VIIRS稳定的NTL数据来考察某一地区的经济发展情况。现状表明，单一评价指标存在问题——评价精度低。LJ1-01卫星是全球首颗NTL专用遥感卫星，于2018年7月发射，LJ1-01提供的数据具有更高的空间分辨率和较少的晕染现象。本文比较了LJ1-01数据和NPP-VIIRS数据在检测县域多维经济发展中的准确性。在中国湖北、湖南和江西三省，从经济条件、民生、社会发展、公共资源和自然脆弱性五个方面选取了20个社会经济参数。然后，构建县级经济指数（CEI）来评估多维经济发展水平，并确定研究区域内多维经济发展的空间格局。本研究采用随机森林（RF）和线性回归（LR）算法分别建立回归模型，并通过交叉验证对结果进行评估。结果表明，RF算法与LR算法相比，大大提高了模型的精度，适用于NTL数据的研究。此外，2 ) 基于 LJ1-01 数据 (0.8168) 在 RF 模型中比从 NPP-VIIRS 数据 (0.7245) 获得，这反映 LJ1-01 数据在社会经济参数评估中具有更好的潜力，可以用于准确有效地识别县级多维经济发展。

关键词： LJ1-01；NPP-VIIRS ; 县级经济指标；随机森林 (RF) 回归

一、介绍

由于人类活动、交通建设和城市扩张的迅速增加导致城市灯光强度的增加，人造灯的可用性通常与财富和现代社会联系在一起 [ 1 , 2 ]。以往的研究 [ 3 , 4 , 5 ] 表明，与普通光学遥感图像相比，夜间光（NTL）数据更能反映人类活动与社会发展的关系，被广泛应用于社会经济参数预测、动态监测。城市化进程、能源消耗估算和环境评估等。

目前，两种广泛使用的NTL产品是国防气象卫星计划——运营线扫描系统（DMSP-OLS）稳定NTL数据和Suomi国家极轨合作伙伴——可见红外成像辐射计套件（NPP-VIIRS）NTL数据[ 6 ]。DMSP-OLS稳定的年夜光数据产品由6个不同的卫星传感器获得，包括1992年至2013年的34幅年度图像，但存在辐射校准不足、空间分辨率低、信号过饱和等问题[ 7]]。作为 DMSP-OLS 传感器的继任者，NPP-VIIRS 自 2012 年以来提供了一系列白天/夜间波段夜间灯光的高质量图像，并对 DMSP-OLS 数据进行了重大改进，包括更宽的测量范围、更高空间分辨率和机载校准 [ 8 , 9 ]。以往的研究表明，与DMSP-OLS数据相比，NPP-VIIRS图像在城市建成区测绘和社会经济参数估计方面具有更高的精度[ 10 , 11 ]。中国武汉大学研制的新一代NTL卫星LJ1-01于2018年6月2日成功发射[ 12]]。LJ1-01是世界上第一颗夜光遥感专用卫星，也是第一颗具有对地观测能力和增强型卫星导航的低轨卫星[ 13 ]。与 DMSP-OLS 和 NPP-VIIRS 相比，LJ1-01 以更精细的空间分辨率（~130 m）获取 NTL 数据，具有 14 位量化和 15 天的重访时间。LJ1-01 数据的更高空间分辨率意味着可以显示更多的光源空间细节 [ 14 ]。此外，LJ1-01 数据不会遇到与 DMSP-OLS 数据相同的饱和度和泛光问题，因为传感器能力、光源的差距在 LJ1-01 图像中的周围区域的平均化程度较低，其具有更高的空间分辨率 [ 15]。这三种NTL数据的规格如表1所示。这些优势可以极大地提高检测人工照明的能力，为人类活动、城市建设和社会发展的研究提供新的见解和可能性。多项研究表明，与 NPP-VIIRS NTL 数据相比，LJ1-01 影像数据可以提供更多容量。江等人。[ 12 ]证实LJ1-01数据在用于调查城市光污染时比NPP-VIIRS数据更有效。李等人。[ 13 ] 还发现LJ1-01数据可以取得更好的城市区域图提取结果。张等人。[ 16] 应用 LJ1-01 和 NPP-VIIRS NTL 数据来估计 10 个社会经济参数，并得出结论认为前者可以作为衡量社会经济指标的更有效工具。然而，他们只关注地级层面的单一维度指标的评价，并没有对县级经济数据进行更全面的分析。因此，本研究探索LJ1-01 NTL数据在县级综合经济指标评价中的潜力，以更好地验证LJ1-01 NTL数据在城市发展分析和社会经济研究中的意义和价值。

表 1. 三种夜间灯光 (NTL) 数据的规格。

目前，基于 NTL 数据的社会经济参数估计研究大多是在国家、省或地级空间单位进行的，而分析县级区域经济发展的研究相对较少。由于县是中国行政区划的基本单位，县域经济是国民经济的基本单位，在国民经济发展中占有极其重要的地位。近年来，县域经济发展迅速。于是，县域发展不平衡的问题逐渐浮出水面，最终成为学者们关注的热点 [ 17 , 18 , 19 , 20 ]]。以往关于区域经济差异的研究大多选择单一的衡量指标，如人均GDP或GDP，采用标准差、变异系数、线性回归等传统方法来考察某一区域的经济发展状况。21 , 22 ]。这些研究表明，社会经济活动与大范围（例如，在国家或省级层面）的夜间光照强度密切相关，这可以通过回归模型很好地描述。但近年来，经济评价指标的选择发生了变化，逐渐从单一指标向更能反映一个县域综合经济状况的多维指标过渡[ 23]。]。结合因子分析、层次分析法、主成分分析等综合评价县域经济发展状况，结合基于GIS的探索性空间数据分析（ESDA）技术，帮助人们揭示区域经济发展状况以及从空间角度看失衡的演变。这使得经济模型和自然条件之间的差异更加显着，经济参数与 NTL 之间的关系在更精细的尺度上（例如，在县或镇级别）更加复杂。作为单一的全局模型，经典线性回归可能无法正确捕捉复杂的关系 [ 24]。近年来，机器学习方法由于其高预测精度而更常用于遥感应用中的分类或回归 [ 25 , 26 , 27 ]。在各种机器学习方法中，随机森林（RF）因其能够处理复杂关系、识别因变量和自变量之间的关系、对噪声的敏感性低以及能够避免过度拟合等优点而日益突出[ 28，29 , 30 ]。RF 回归模型最近已成功与 NTL 和其他多源数据相结合，用于人口网格划分和人类活动检测 [ 31，32 ]。然而，很少有研究应用于 LJ1-01 数据。因此，本研究旨在探索 RF 算法在 LJ1-01 和 NPP-VIIRS 数据中的应用，以检测县级经济发展。本文还比较了传统的线性回归（LR）。

我们的主要贡献总结如下：（1）基于熵校正层次分析法（Entropy-AHP）和社会经济统计数据，得出湖北、湖南、江西各县县级经济指数（CEI）各省的计算综合反映了该地区的经济发展情况。(2) 选择夜间灯光影像的几个特征作为多维指标；然后，使用随机森林算法（RF）建立数学模型，并将结果与​​传统线性回归算法（LR）的结果进行比较。分别使用两种NTL（LJ1-01/NPP-VIIRS）数据对CEI进行回归，以识别县域经济的发展情况。还给出了这两个结果集的比较分析。(3)运用一系列基于GIS的地统计学方法对研究区县域经济空间格局进行分析，得出一些可靠且有价值的结论。本文的其余部分安排如下：第2节介绍了本文的材料和方法，然后是第3节和第4节，对结果进行了分析和讨论。最后，第 5 节总结了本研究的结果，并提供了进一步研究的前景。

2。材料和方法

2.1. 学习区

如图1所示选取湖北、湖南、江西三省作为研究区进行比较。研究区位于中华人民共和国中部，东经108°21′～东经118°29′，北纬24°29′～33°07′，地形主要为平原、丘陵、山脉、河流和湖泊，山区主要集中在研究区的西部和南部地区以及湘赣交界处。截至2019年底，研究区共有县级行政区划325个。长江中游城市群由三省（湖北—武汉、湖南—长沙、江西—南昌）的省会城市组成，是中国长江经济带的重要组成部分。2015 年，国务院正式批复《长江中游城市群发展规划》，确定该地区为中部地区经济发展重点省份。但由于各县在研究区内的位置不同，各县之间的经济发展状况存在较大的空间差异。县域经济差距较大，县域经济发展极不平衡。因此，在本研究中，我们选择这三个省份作为研究区域，以探讨这三个省份经济发展状况的差异。由于研究区内各县的位置不同，各县之间的经济发展状况存在较大的空间差异。县域经济差距较大，县域经济发展极不平衡。因此，在本研究中，我们选择这三个省份作为研究区域，以探讨这三个省份经济发展状况的差异。由于研究区内各县的位置不同，各县之间的经济发展状况存在较大的空间差异。县域经济差距较大，县域经济发展极不平衡。因此，在本研究中，我们选择这三个省份作为研究区域，以探讨这三个省份经济发展状况的差异。