基于DMSP/OLS数据的全国空气污染物时空演变研究

吴云清，陶雨婷，张云鹏，马静

(南京工业大学 测绘科学与技术学院，江苏 南京 211800)

美国国防气象卫星(defense meteorological satellite program，DMSP)搭载传感器OLS (operational linescan system)获取的夜间灯光遥感影像，最初被用来监测气象，后来由于其检测微光的能力，使得夜间灯光数据在人口密度预测[1]、城市能源消耗[2-4]、城市等级空间扩展[5-7]等领域被广泛应用，这也一定程度弥补了传统数据较局限且部分失真的缺点。一些研究结果表明，夜间灯光数据能够较好反应城市经济及相关指标的现状[8-10]，因此可以作为良好的数据分析源。另一方面，随着社会经济的不断发展，我国能源消耗和环境问题逐步凸显，公众环境保护意识提高，对于个人身心健康和生态居住环境提出了新要求，空气污染问题得到了社会各界普遍的关注[11-13]，学者们越来越重视探索空气污染分析模型[14-16]，分析空气污染规律变化[17-19]，研究空气污染防治措施[20-22]。

夜间灯光影像信息被广泛用于研究与人类社会活动有关的场景，“自然因素和人为活动共同导致城市空气污染”这一观点也被普遍认可，正因鲜有研究将灯光影像数据与空气污染相互关联，所以不同于利用传统的地表监测数据反应空气污染物分布状况，本文尝试利用灯光遥感大数据挖掘时空信息，意在探求大尺度长时间段的空气污染物时空演变规律。近年来，虽然DMSP/OLS数据已经成为夜间灯光遥感研究分析中最常用的数据源，然而在大气折射、技术设备条件、卫星轨道参数转换等相关一系列待解决问题的影响下，研究中尚存在数据分辨率较低、城市中心数据值饱和[23]、城市边界存在光晕[24]等缺点。因此在使用夜间灯光数据前，本研究选择对数据进行预处理以获得稳定的灯光遥感数据集，确保实验结果的可靠性。

本文针对空气污染物问题开展研究，以全国31个省份行政区(香港、澳门特别行政区，台湾省数据缺省)为研究区域，借助DMSP/OLS夜间灯光数据和统计年鉴数据，尝试分析夜间灯光与空气污染物之间的相关性，探讨利用灯光数据调整空气污染治理措施的可行性。

1 数据来源与方法

1.1 夜间灯光数据

本研究的DMSP/OLS夜间灯光遥感数据来自于NGDC((美国)全国地球物理资料中心)，该网站提供了长期间序列(1992—2013年)夜间灯光影像。DMSP/OLS数据集里包含3个文件,其中stable_light是DMSP/OLS数据的稳定夜间灯光影像，即年度的定标夜间平均灯光数据。该影像中包含了城、乡及其他场所持久光源的夜间灯光，且去除了一些偶然噪声(云、火光等)的影响。本研究采用处理后的稳定夜间灯光影像，该影像的投影坐标系为WGS-84，影像的空间分辨率为1 km，影像像元(DN值)在0～63内且为年度平均夜间灯光强度。

1.2 空气污染物数据

本文选取了2000、2005、2010年的工业废气总量、工业二氧化硫、工业烟尘、工业粉尘、生活二氧化硫、生活烟尘排放量6个空气污染物指标值，同时鉴于2013年是DMSP卫星运作的截止年份且2013年年鉴中空气污染物指标的改变(合并为二氧化硫排放量，氮氧化物排放量，烟尘(粉尘)排放量)，因此将2013年的空气污染数据单独展开分析。

1.3 遥感数据处理方法

将DMSP/OLS 数据用于空气污染物相关度分析，存在的问题主要[25-27]是：(1)相同年份不同传感器之间的影像存在差异；(2)相同位置不同年份之间的影像DN值有异常波动现象；(3)城市中心灯光亮度易达到饱和值。因此为保证结果的准确可靠性，本研究参考夜间灯光处理技术流程(图1)[28-31]对影像校正处理后，提取灯光数据的有效值。

图1 夜间灯光数据处理的技术流程Fig.1 Technical processes of night light data processing

年份最大值平均值最暗值百分比(DN=0)最亮值百分比(DN=63)2000159 858/159 8580.411 4/0.411 495.819 8/95.819 80.022 0/0.022 0200597 996/181 6110.360 2/0.447 795.507 7/95.129 50.013 5/0.025 02010404 322/416 9550.643 6/0.677 795.644 3/94.723 50.055 7/0.057 42013371 261/504 2250.553 0/0.722 396.150 9/94.581 20.051 2/0.069 5

从表1中不难看出，校正前的数据出现了偏差，而校正后的数据更加符合逻辑：(1)年份间最大值和平均值是有序递增的，且在2005—2010年递增的幅度最为明显，符合我国2005—2010年社会经济迅猛发展的趋势。(2)DN=0(检测区域最暗值)的百分比逐步递减，DN=63(检测区域最亮值)百分比逐步递增，同时在2000—2010年期间，我国的灯光亮度值和扩展范围增长较多，2000—2005年间灯光亮度区域增加0.69%，2005—2010年间亮度饱和区域增加0.032 4%，这些数据表明灯光亮度范围逐步扩大且灯光强度高值地区范围逐步增多，同样符合现代社会经济随着年份的增长不断发展进步的现状。

2 结果与分析

2.1 夜间灯光区域时空分布特征

由图2可知，2013年全国各省夜间灯光总量呈现由东至西，由北至南逐步递减的总体趋势。山东省、江苏省、黑龙江省、河北省、广东省为夜间灯光总量的5个高值省份，其中除了黑龙江省，其他省份位居2013年全国各省人口排名前6位。同时黑龙江是我国重工业基地，航空航天、机械、石油煤炭等产业的发展不仅消耗大量能源也会发光发热。西部西藏自治区、青海省的夜间灯光总量较低，主要是由于这两个省份相比之下地域广阔而人口稀疏。中部地区相比东西部发展较为平缓、稳定，与我国现代区域经济发展状况一致。

由于2000—2013年的数据增量较大，且现阶段暂无统一的夜间灯光等级划分标准(灯光亮度上限的不确定性)，所以本文选取相邻年份之间的增量进行比较。同时增量采用“自然间断点”分段取平均值，即基于数据中固有的自然分组，通过对分类间隔的自动识别，可最恰当地对相似值进行分组，并且使各类别间的差异最大化。

图2 2013年31省份夜间灯光总量图Fig.2 Total amount of night light of 31 provinces in 2013

图3 2000—2005年31省份夜间灯光增量图Fig.3 Night light increase map of 31 provinces from 2000 to 2005

图4 2005—2010年31省份夜间灯光增量图Fig.4 Night light increase map of 31 provinces from 2005 to 2010

图5 2010—2013年31省份夜间灯光增量图Fig.5 Night light increase map of 31 provinces from 2010 to 2013

(注：图2～5基于国家测绘地理信息局标准地图服务系统的标准底图(审图号：GS(2019)1823号)制作,底图无修改)

通过图3～5可以看出，总体来说夜间灯光增幅在稳步增加，表明了近几年来我国经济的飞速发展，并且随着时间的推移速率在不断提高。西藏、青海等西部地区的增幅一直处于中低程度，山东、江苏两个省份在2000—2013年夜间灯光总量一直处于高幅增长状态，二者坐拥沿海的地理位置，不排除部分港口城市灯光长期照明因素，且二者都属于人口大省，为夜间灯光总量数据提供了基础支撑。内蒙古、黑龙江等北部地区的增幅较中部高，这是由于自2000年起实施的“西部大开发”重大战略，“西气东输”“西电东送”等项目都对基础设施的夜间持续工作提出了要求。4个直辖市的夜间灯光增幅相对较小，究其原因一方面由于地域范围的限制，区域灯光总量会达到一定饱和度；另一方面则是综合因素的影响，以北京市为例，城市人口吸引力强，但综合房价、物价等客观条件，大多数群众会考虑定居在周边省份例如河北等，导致夜间灯光总量增幅较大的是直辖市周边省份。中部地区的增幅一直处于稳定状态，较东部地区偏低，符合我国当前社会经济发展现状。

2.2 夜间灯光数据与空气污染物相关性

表2 空气污染物与灯光总量、灯光面积相关性检验(2000—2010年)

注：*表示置信度p为0.05的水平上相关性显著；**表示置信度p为0.01的水平上相关性显著

从表2中可以看出，工业废气排放总量、工业二氧化硫排放量与工业粉尘排放量均通过了置信度为0.01的检验，表明这三者与灯光总量、灯光面积有99%的相关度，在三者排放量增加的同时，灯光强度也不断加强。有研究表明，灯光总量、灯光面积与经济社会发展息息相关，灯光总量越高、夜间灯光面积越大，表明该地区的经济发展水平越高。工业废气排放量的增多一定程度代表了工业产值的不断提高，从而带动经济发展，提高灯光总量。工业粉尘排放量与灯光总量相关性不断降低，也说明了在经济社会发展的同时，公众开始逐步提高对环境质量的重视。生活二氧化硫排放量始终与灯光总量的相关性不明显，可能由于生活中二氧化硫来源的有限性，导致影响力相对不足。与此同时，生活烟尘的排放量与灯光总量的相关性逐步增强，说明随着经济的发展，生活烟尘对环境的污染开始逐步占据一定地位，公众生活中产生的烟尘量也在逐步增加。

工业废气排放总量、工业粉尘排放量与灯光面积的显著性关系随着年份不断变低，表明随着产业结构调整工业生产与经济发展的相关性逐渐降低，对工业粉尘排放的处理越来越完善，但是工业烟尘排放量与灯光面积的显著性在逐步增加，表明经济社会发展的同时尚存在对工业烟尘的不完善处理，导致烟尘对环境污染较大。

表3 2013年空气污染物与灯光总量、灯光面积相关性检验

注： **表示置信度p为0.01的水平上相关性显著

由于2013年数据的特殊性，工业与生活废气的划分标准下落到各直辖市，无法代表全省的状态，只能将灯光强度、面积与总污染废气排放量、二氧化硫排放量、氮氧化物排放量、烟尘排放量进行相关性比较。由表3不难看出，这些空气污染因素都是与经济社会发展有着紧密的联系。由表2可知，工业二氧化硫排放量远远高于生活二氧化硫排放量，而工业生产中，二氧化硫气体的产出主要是钢铁产业、火电站发电站等，在生产过程中无法避免废气的产生，因此应该重视对废气的处理。生活中烟尘(粉尘)的排放，相比之前的年份还在增加，说明了随着社会经济的发展，工业与生活中烟尘(粉尘)问题没有得到充分的关注和处理。这些数据与自2013年起增加PM2.5这一空气污染鉴定标准的决定是吻合的。

2.3 夜间灯光总量与空气污染区域相关性

根据图6～7观察2000年与2013年夜间灯光、空气污染物数值关系变化趋势，可以得出以下结果。华北区域间夜间灯光与空气污染物排放量的基本走势相同，一方面是由于选择变量的差异性导致折线间出现一定间距，另一方面也表明该地区平均空气污染物排放量高于全国平均水平。东北与华东地区夜间灯光与空气污染排放量的一致程度较高、稳定性强。华中、华南与西南地区折线的一致性不断增强，在夜间灯光增幅不明显情况下表明空气质量的显著改善。西北地区折线走向的改变反映出该地区内空气污染物的持续增多。

图6 2000年夜间灯光与空气污染物数值关系Fig.6 Numerical relationship between night-time light and air pollutants in 2000

图7 2013年夜间灯光与空气污染物数值关系Fig.7 Numerical relationship between night-time light and air pollutants in 2013

图8 2005年31省份空气污染物总量热点图Fig. 8 Hotspot map of air pollutants of 31 provinces in 2005

图9 2005年31省份夜间灯光总量热点图Fig. 9 Hotspot map of total amount of night-time light of 31 provinces in 2005

图10 2010年31省份空气污染物总量热点图Fig.10 Hotspot map of air pollutants of 31 provinces in 2010

图11 2010年31省份夜间灯光总量热点图Fig.11 Hotspot map of total amount of night-time light of 31 provinces in 2010

(注：图8～11基于国家测绘地理信息局标准地图服务系统的标准底图(审图号：GS(2019)1823号)制作,底图无修改)

将经假设检验后的全国空气污染物总量与夜间灯光总量分别划分冷热点区域(图8～11)，观察发现空气污染物的热点(高/高集聚)区域主要存在于河北、河南省与山西省交界处为中心，半径约为一个省份的区域范围，夜间灯光总量的高集聚区位于山东省为起点并与之邻接的其余各省份。总体来看两者的热点都集聚在山东、山西、河南、河北等省份，两者冷点(低/低集聚)区域较少且没有明显的区域相关性。

3 结论与讨论

(1)夜间灯光增幅稳定且区域差异显著。2000—2013年全国各省夜间灯光总量呈现由东至西，由北至南逐步递减的总体趋势。其中夜间灯光总量高值省份多为人口大省(山东省、江苏省等)或者由于当地工业经济发展迅猛。西部的夜间灯光总量较低，主要由于地域范围的广阔与人口数量的稀疏。中部地区发展较为稳定，相邻省份差距较小。总体的夜间灯光总量分布与我国现代经济发展分布情况基本一致。

随着时间的推移，夜间灯光总量的增幅逐步趋于稳定且保持在较高水平，一方面说明全国的经济发展并不是一昧追求高速，而是在经济发展的同时统筹各方面各层次并且协调推动经济发展模式转变。另一方面说明我国存在区域差异问题，但长时间以来在政府部门的宏观调控与全国各省的相互支持帮助下，区域之间的差距在逐步缩小。

(2)夜间灯光与空气污染物相关性较高。夜间灯光总量与空气污染物排放量呈现正相关且相关性保持在较高程度。一方面工业废气排放量与经济发展相关度在逐步变低：工业产业的废气处理开始变得有序高效；工业(第二产业)与全国总体的经济产值关系逐步降低，同时说明我国经济结构的转变。另一方面生活废气(烟尘)排放量与经济发展相关度在逐步增高：房地产产业的兴起带来了经济的增长，但在施工过程中不免会产生大量烟尘，影响生活环境，降低公众生活质量；随着人们生活水平的提高，私家车的拥有量也大幅增加，对空气污染的影响也在逐步提升。

工业空气污染物与灯光数据相关性的不断降低，同时生活空气污染物与灯光数据相关性的不断提高，说明在经济发展的同时公众意识到工业的空气污染并且进行了有效的废气处理，然而生活中的房地产开发、汽车尾气等问题却随着经济发展愈发严重。夜间灯光数据与空气污染物数据高度的正相关，一定程度表明我国近几年在经济高速发展的同时存在着空气污染不断加重的情况，不符合我国大力提倡的“可持续发展”的科学策略。

(3)夜间灯光与空气污染区域一致性稳步提升。通过不同年份间夜间灯光与空气污染物的折线图不难发现数据趋势的一致性，且随着时间的推移，折线的一致性在增强，表现在重点突出区域差异的不断缩小。同时，通过对折线的观察也可以清晰看出区域间的联系是密切相关的，区域的稳定性不断增加。空气污染与夜间灯光的高/高聚集区域类似，主要分布于山东省与相邻省份的交界处，低/低聚集区域没有明显的相关性。

综上所述，通过夜间灯光遥感影像可提取全国范围内的灯光强度与灯光面积数据，并且将夜间灯光数据与空气污染物数据的有效结合，可以直观获得夜间灯光总量的区域分布状况与年度增长情况，鉴于夜间灯光数据的时效性和空间整体的良好体现，更能揭示长时间序列上我国社会经济发展与空气污染之间的相关性，为空气污染的分区域不间断研究提供新的思路。当然，空气污染形成的因素、环境较多且复杂，本文将夜间灯光遥感获取的数据与空气污染排放量进行分析还存在较多不足，后续的研究中会考虑构造相应的数学模型、比较更为详细全面的空气污染影响因素，为全国范围内空气污染的治理评价提供更好的数据支撑。