论文总字数：17055字

摘 要

夜间灯光数据在城市化进程中的应用日益广泛，但该数据与统计数据的空间分析单元不一致，使得人与环境交互作用分析难以进行。针对这个问题，本文着重对夜间遥感数据与社会经济数据的空间关系进行定量探讨。根据江苏省的行政区划模式，运用回归分析的方法，分别研究江苏各城市的地区生产总值、各产业增加值与灯光指数的空间相关性。结果表明，江苏省夜间照明数据与GDP，第二产业，第三产业的相关性较好，与第二产业和第三产业总量关系最为明显。相关系数为0.801，R²为0.634。通过回归方程估算得到的GDP能较客观的反应江苏省的经济发展差异。经过线性纠正的第二、第三产业模拟值与通过土地利用数据进行的第一产业空间化的结果相结合，以提高江苏省GDP空间化模型的精度。

关键词：DMSP/OLS GDP 空间化 回归分析

GDP Spatialization in Jiangsu Province Based on Nighttime Imagery

Abstract

Night-time light Images are widely used in the process of urbanization, but the data is inconsistent with the spatial analysis unit of statistical data, which makes it difficult to analyze the interaction between human and environment. Aiming at this problem, this paper focuses on quantitatively discussing the spatial relationship between remote sensing data and the social and economic data. According to the model of administrative boundary zone of jiangsu province, the spatial correlation between the GDP of each city in jiangsu province, the added value of each industry and the light index is studied by means of regression analysis. Results show that the night light data with GDP in jiangsu province, the second industry and the tertiary industry have a logarithmic linear relationship, and the relationship between the sum of the second and third industries is the most obvious. the correlation coefficient is 0.801, R² is 0.634. Through regression equation, the estimated GDP can reflect the economic development difference of jiangsu province objectively.The second and third industry simulation values after linear correction are combined with the results of the first industry spatialization through land use data to improve the accuracy of jiangsu GDP spatialization model.

Keywords: DMSP/OLS; GDP; spatialization; Regression analysis

目 录

摘 要 Ⅰ

ABSTRACT II

第一章 绪论 1

1.1 研究背景 1

1.2 研究现状 1

1.3 研究思路 3

第二章 研究区概况与数据预处理 5

2.1 研究数据 5

2.2 研究区域 5

2.3 夜间灯光影像相对校正 6

第三章 GDP空间化建模处理 8

3.1 建立市级灯光指数 8

3.2 建立灯光数据与统计数据回归模型 9

3.3 相关性分析 11

第四章 GDP空间化结果分析 14

4.1 GDP预估值 14

4.2 GDP空间化 15

4.3 与其他GDP空间化技术的比较 16

第五章 总结与展望 18

5.1 研究结论 18

5.2 研究不足与展望 18

参考文献 20

致 谢 22

1.绪论

1.1 研究背景

GDP（地区生产总值）数据是衡量社会经济发展的重要指标之一，对于决策与科研具有重要意义。常见的GDP数据获取形式是通过统计部门以行政区划为单位进行收集、整理和编制的，因此GDP也称统计数据或统计资料。由于GDP统计数据是以行政单元为主的，所以在以自然单元为主的地学研究过程中容易产生定位不准确、数据结构不一致、空间单元不统一等问题^[1]。因此需要建立一个分辨率较高的基础地理单元，经济数据空间化与空间数据社会化应运而生^[2]。

随着城市化进程的步伐加快，夜间地表不再是漆黑一片，搭载在卫星上的传感器能够捕捉夜间城市、工业区及农村的光亮，生产制作出夜间灯光遥感影像，其中最常见的为DMSP/OLS。相较于普通的遥感数据，夜间照明图像不仅兼具时效性与经济性，而且具有较长的时间跨度和较大的空间覆盖范围，因此被广泛应用于经济活动评价。

GDP的空间化意味着GDP数据被传输到预定的地理网格，从而产生具有更高分辨率的空间数据库，能够准确的反映空间分布状况，便于与夜间灯光照明数据等自然要素数据进行联合分析，不仅提高了空间化模拟的精度，而且对人与环境交互作用研究具有重要意义。

1.2 研究现状

近年来，国内外社会经济空间化的研究方向重点是GDP数据的空间化和人口数据的空间化。按研究方法分类可大致分为4类。

第一类是基于空间插值模型的社会经济空间化。面积权重插值模型是其中最常用的一种模型，是建立在一定区域内社会经济数据均匀分布的前提假设下，将社会经济数据的属性值按规定面积的比重进行重分配。如闫庆武等通过领域平均法与面积权重插值法，采用数字图像平滑处理和单元网格内面积权重插值，对人均GDP进行空间化^[3]。吕安明等根据人口密度的递归算法，建立逼近人口真实分步情况的核密度函数法插值模型，但空间插值模型普遍适用于小区域内样点密集的空间化模拟，而不适用于空间尺度较大或是环境变化较明显的区域^[4]。

请支付后下载全文，论文总字数：17055字