云南师范大学地理学部，云南 昆明

收稿日期：2023年1月16日；录用日期：2023年2月13日；发布日期：2023年2月28日

摘要

城市空间经济结构的研究对于城市科学规划和深入了解城市发展现状具有重要意义。本文通过将夜间灯光数据与兴趣点数据相结合，构建了多重城市经济发展指数(MUEDI)，综合“当前经济发展水平”，“经济影响力”和“经济协调度”三个层面研究城市空间经济结构。实验以中国西南的云南省昆明市为研究区域，结果表明：1) 主城区占有昆明市最多的社会经济要素资源，它们之间的社会经济活动最为剧烈。在主城区内部，五华区的社会经济联系总量(TR)在昆明市是最高的。2) 未来，昆明市的城市空间经济结构将以主城区和呈贡区为多中心进行发展，经济重心有可能向东南方向偏移。3) 通过分析主城区之外的社会经济联系和全市交通线路的空间分布模式，发现了以呈贡区为主的另一个城市集群“呈贡–安宁–晋宁”。

关键词

城市空间经济结构，夜间灯光，POI，经济综合实力

Urban Spatial Economic Structure Analysis of Kunming City Based on Nighttime Light and POI Data

Kang Peng

Faculty of Geography, Yunnan Normal University, Kunming Yunnan

Received: Jan. 16^th, 2023; accepted: Feb. 13^th, 2023; published: Feb. 28^th, 2023

ABSTRACT

The study of urban spatial economic structure is important for scientific urban planning and in-depth understanding of urban development. In this paper, the Multiple Urban Economic Development Index (MUEDI) is constructed by combining nighttime lighting data and Point of Interest (POI) data to study the spatial economic structure of cities at three levels: “current economic development level”, “economic influence” and “economic coordination”. The MUEDI was constructed to study the spatial economic structure of cities in three dimensions: “Current economic development level”, “Economic influence” and “Economic coordination”. The results show that: 1) The main urban area has the most socio-economic factors and resources in Kunming, and the socio-economic activities among them are the most intense. Within the main urban area, the total socioeconomic relation (TR) of Wuhua District is the highest in Kunming. 2) In the future, the urban spatial economic structure of Kunming City will be developed with the main urban area and Chenggong District as the polycenter, and the economic center of gravity is likely to shift to the southeast. 3) By analyzing the spatial distribution pattern of socio-economic links and traffic routes outside the main urban area, another urban cluster “Chenggong-An Ning-Jinning” is found, mainly in Chenggong District.

Keywords:Urban Spatial Economic Structure, Nighttime Light, POI, Comprehensive Economic Strength

Copyright © 2023 by author(s) and Hans Publishers Inc.

This work is licensed under the Creative Commons Attribution International License (CC BY 4.0).

http://creativecommons.org/licenses/by/4.0/

1. 引言

城市空间经济结构以经济在不同尺度区域上的空间分布作为研究对象，探讨城市内部复杂的社会经济组织关系 [1] 。城市作为一个区域经济发展的主体，其内部的空间经济结构不仅能够反映出整个城市社会经济发展水平，而且还能够揭示城市的经济影响力，其结构的组成深刻影响着城市的经济发展变化。目前许多城市的空间经济结构在新型城镇化的发展趋势下已经发生了较为剧烈的调整和变化。因此，在此背景下开展城市空间经济结构的研究对于优化城市规划，深入了解城市空间经济结果发展现状和城市贫富差距具有重要的科学意义。

夜间灯光数据(Nighttime Light Data, NTL)和兴趣点数据(Point of Interests, POI)与城市经济发展密切相关 [2] 。NTL数据中不同区域的DN值可以反映社会经济活动的强度和规模，并对社会经济活动进行实时监测 [3] [4] 。POI数据可以呈现城市社会经济要素资源的空间分布，其数量多少反映了城市化水平和基础设施的建设水平，并与城市经济发展存在正相关。一般来说，NTL数据分辨率普遍较低，这限制了对社会经济活动的观测。POI数据作为点状矢量数据，不仅可以在分辨率上弥补夜间灯光数据的不足，同时数据本身具备的大量地理信息能够增加对于空间经济结构其它层面的了解 [5] [6] [7] 。因此，得益于NTL数据和POI数据互补的社会经济特性和数据特性，它们常被共同用于城市空间经济结构方面的研究。相关研究包括，城市多中心识别 [8] ，城市经济发展水平研究 [9] ，区域经济活动地图绘制 [10] 等。这些研究基于NTL数据和POI数据，取得了较好的效果，但它们的研究内容仅涵盖了城市空间经济结构的某一方面，即以NTL数据和POI数据所呈现的社会经济活动及社会经济要素的空间分布去检测经济中心或是评价某一地区的当前经济发展水平。然而，无论是经济中心的分布还是区域经济发展状况，都只是城市空间经济结构的表现形式之一。实际情况是，城市空间经济结构的表现形式复杂多样，包括了上述研究内容的同时，还包括了如城市之间的经济交互，城市经济综合实力等。为了加深对于复杂的城市空间经济结构的认识，综合多个与城市经济有关的层面进行探讨很有必要。其中，通过构建综合指标对多个层面进行结合能够有效探讨研究对象的多个角度。因此，如何构建综合指标对城市空间经济结构的多维性进行量化表征，针对这一问题进行研究十分必要。

根据上述研究现状，本文以NTL数据和POI数据的融合为基础，兼顾“当前经济发展水平”，“经济影响力”和“经济协调度”这三个与空间经济结构紧密关联的层面，构建了综合指标多重城市经济发展指数(Multiple Urban Economic Development Index, MUEDI)，以重点探讨城市空间经济结构多个层面的发展现状，进一步综合多个层面分析了城市的综合经济实力。MUEDI的三个层面，当前经济发展水平衡量了某一城市的经济繁荣程度，经济影响力表示某一城市对于其它区域的经济辐射能力和交互水平，经济协调度则表征了某一城市的空间经济结构良性发展水平和可持续发展水平。基于MUEDI能够实现对于城市空间经济结构科学全面的分析。鉴于此，文中选择中国云南省的省会城市昆明市作为研究区，对昆明市的城市空间经济结构进行深入讨论。

2. 研究区和数据来源

2.1. 研究区概况

选择昆明市作为研究区(图1)。昆明市地处中国云南省，是云南省的省会城市，也是西南地区最重要的城市之一。昆明市下属七个市辖区西山区、盘龙区、官渡区、五华区、呈贡区、晋宁区、东川区。六个民族自治县嵩明县、禄劝县、宜良县、石林县、寻甸县、富民县。一个县级市安宁市。根据政府规划，西山区、五华区、盘龙区和官渡区是昆明市主城区。

图1. 昆明市的地理位置

2.2. 数据

2.2.1. POI数据

POI数据来自AutoNavi地图开放平台(https://lbs.amap.com/)。昆明市2019年的POI数据通过AutoNavi地图提供的API获得。由于不同类型的POI，POI数据被分为23个主要类别，而某些类型的POI与本研究无关。经人工筛选后，剔除本研究中几个相关性低的POI，合并一些类似的POI。最后，确定了14个密切相关的POI类别，以用于研究。这14个类别分别是餐饮服务、景点、公共设施、公司、购物服务、机动车辆、交通设施、金融和保险服务、科学教育和文化服务、商业住房、生活服务、体育和休闲服务、医疗保健服务、政府机构和社会团体和住宿服务。

2.2.2. NTL数据

NTL数据为2019年的珞珈01号夜间灯光数据。珞珈01是由武汉大学和长春长光卫星发射中心联合开发的全球第一颗专业夜间光卫星。珞珈01图像的空间分辨率达到130米。相关的数据集可在湖北高分中心网站(http://datasearch.hbeos.org.cn:3000/)上获得。

2.2.3. 土地利用数据

2019年产生的土地利用数据来自于武汉大学黄昕教授团队开发的土地利用数据集 [11] 。其空间分辨率为30米，包括农田、森林、灌木、草地、水、冰/雪、荒地、不透水面和湿地九类。昆明市土地利用情况如下图2。

图2. 昆明市的土地利用数据

2.2.4. 数据预处理

该实验基于NTL数据与POI数据两类数据进行实验。考虑到这两种数据都包含广泛的地理空间信息，并且受到栅格数据格式存储限制的限制，因此使用矢量网格融合NTL数据和POI数据属性更合适。以珞珈一号影像分辨率为基准，创建130 m，260 m和390 m三个尺度的网格进行网格尺度判别。采用皮尔逊相关系数作为判别准则，检测不同网格尺度下灯光值与核密度值的结合的最强水平。评判结果如下表1，基于皮尔逊相关系数的表现，最终选择130 m作为格网尺度。

表1. 网格尺度评判

3. 方法

本文旨在通过融合NTL数据与POI数据，以中国云南省昆明市作为城市案例，针对其空间经济结构发展现状进行深入研究。以三个层面作为空间经济结构研究的重要着眼点，包括城市当前经济发展水平、城市经济影响力和城市经济协调度。其中第一个层面，即城市当前经济发展水平，基于矢量格网的多源数据融合方法，耦合NTL数据与POI数据构建POINTL指数，实现了对两类数据社会经济特性的综合化，并基于该指数对当前经济发展水平进行研究；MUEDI的第二个层面聚焦经济影响力，它基于社会经济联系强度测算模型对昆明市内部社会经济联系进行可视化，直观呈现各区县(市)之间的空间交互水平和经济影响力；MUEDI的第三个层面经济协调度，该层面综合了社会经济要素资源和城市绿化覆盖率两个指标，重点反映昆明市的空间经济结构发展的良性水平。在综合了这三个层面的基础上构建基于熵权法计算权重后构建了MUEDI，对城市的综合经济实力进行详尽深入的分析。本文技术流程图见图3。

图3. 技术流程图

3.1. 多重城市经济发展指数

城市的经济发展水平往往需要综合各种指标进行衡量。以往的传统统计数据如GDP，人口等仅能从经济，社会等单一角度量化城市的发展，难以对城市的综合实力进行评估。城市的经济发展水平一般受当前的经济发展水平、经济影响力和经济协调度三个方面的影响，因此，融合NTL和POI数据，综合城市发展的三个方面构建MUEDI。具体公式如下：

$\text{MUEDI}={\rho }_{{}_1}\ast {\text{MU}}_{\text{development}}+{\rho }_{{}_{\text{2}}}\ast {\text{MU}}_{\text{impact}}+{\rho }_{{}_{\text{3}}}\ast {\text{MU}}_{\text{coordination}}$ (1)

其中，MU_development、MU_impact和MU_coordination分别是表示当前经济发展水平、经济影响力和经济协调度的指标。为了表示城市的综合经济实力，MU_development、MU_impact和MU_coordination都经过归一化处理，将三个指标加权相加计算MUDI。ρ₁、ρ₂、ρ₃分别是MU_development、MU_impact和MU_coordination的权重，采用熵权法确定。

3.2. 当前经济发展水平

当前经济发展水平与城市的经济发展规模和社会经济要素资源量相关。NTL数据和POI数据与城市经济发展密切相关，它们可以从整体和局部上反映城市的空间经济结构，基于这两类数据可以构建综合反映这两个层面的指标。因此，旨在融合灯光值与POI核密度构建POINTL指数，在此基础上构建的MU_development指数可以科学地反映城市当前经济发展水平。其中POINTL指数基于2.2.4中创建的矢量网格进行计算。POINTL指数和MU_development指数的计算公式如下：

${\text{POINTL}}_{\text{i}}={\text{POI}}_{\text{i}}\times {\text{DN}}_{\text{i}}$ (2)

${\text{MU}}_{\text{development}}={\displaystyle \underset{\text{i}=1}{\overset{\text{n}}{\sum }}{\text{POINTL}}_{\text{i}}}$ (3)

式(2)中，i表示任一网格的编号，POI_i代表核密度值，它是指任一网格在核密度图层对应位置上提取的核密度值，并且所有提取的核密度值均进行了归一化。DN_i则是任一网格在夜间灯光图层对应位置上提取的灯光值，并且所有提取的灯光值均进行了归一化。POINTL_i表示任一网格计算的POINTL指数值。式(3)中，n表示研究区内任一城市的网格总数，MU_development是任一城市所有格网的POINTL指数总和，用来表示研究区内任一城市的当前经济发展水平。

3.3. 经济影响力

城市的经济影响力由城市之间的社会经济联系强度所表示。而城市之间的社会经济联系强度应该考虑到城市自身的经济发展水平和城市之间的距离两个因素。由于公式(3)表达了任一城市的当前经济发展水平，因此，结合公式(3)可以进一步构建城市之间经济影响力的计算公式。城市之间经济影响力的计算公式如下：

${\text{R}}_{{}_{\text{ij}}}=\frac{{\text{MU}}_{\text{development}}{}_{\text{i}}\times {\text{MU}}_{\text{development}}{}_{\text{j}}}{{\text{d}}_{\text{ij}}^{\text{2}}}$ (4)

公式(4)中，MU_developmenti和MU_developmentj分别表示两个城市的经济发展水平，R_ij表示两个城市之间的经济影响力，d_ij表示两个城市的欧式距离。

${\text{MU}}_{\text{impact}}=\text{nor}\left({\displaystyle \underset{\text{i}=1}{\overset{\text{n}}{\sum }}{\text{R}}_{\text{ij}}}\right)$ (5)

公式(5)用于计算任一城市的总经济影响力。式中，n代表所有城市的总数，nor表示对结果进行归一化。最终，通过任一城市归一化后的总经济影响力来表示MU_impact。

3.4. 经济协调度

城市经济在发展的过程中，环境和经济的协调发展程度可以衡量城市空间经济结构这一系统是否良性发展 [12] 。城市绿化覆盖率(Urban Green Coverage, UGC)往往被学者当作评价城市环境优劣的重要指标之一 [13] 。城市POI比例的高低可以评判城市经济发展水平。从长远来说，在经济发展水平较高的地区，经济发展和环境保护之间会有促进关系 [14] 。因此，通过UGC和POI比例构建MU_coordination指标，旨在结合环境要素和社会经济要素两个层面对城市空间经济结构的发展现状进行评判，最终结果可以表示城市空间经济结构的良性发展水平。其中，构建Gr和POIr分别表示UGC和POI比例，它们和MU_coordination的具体计算公式如下公式(6) (7) (8)：

${\text{G}}_{\text{r}}=\frac{{\text{G}}_{\text{area}}}{{\text{Land}}_{\text{area}}}$ (6)

${\text{POI}}_{\text{r}}=\frac{{\text{POI}}_{\text{i}}}{\text{TPOI}}$ (7)

${\text{MU}}_{\text{coordination}}=\alpha \ast {\text{G}}_{\text{r}}+\beta \ast {\text{POI}}_{\text{r}}$ (8)

式(6)中，G_r表示城市绿化覆盖率，即任何城市绿化面积(包括水、湿地、森林、灌木、草地)与总土地面积的比率。式(7)中，POI_r用于表示城市的社会经济要素规模，即研究区范围内某一城市的POI数量与研究区总POI数量之比。最终，通过公式(8)结合G_r和POI_r构建MU_coordination。α和β分别为G_r和POI_r的权重，考虑到经济协调度中同时强调了经济和环境的重要性，因此，α和β均设置为0.5。

4. 结果

4.1. MU_development结果

在根据公式(3)计算MU_development指数前，首先要对公式(2)中POINTL指数的核密度部分进行带宽尺度的评判。在进行核密度估计(KDE)的过程中，带宽的选择对结果的表现很重要。1公里、3公里和6公里的带宽被设定为带宽。考虑到整体形态和细节呈现，经过多次实验，最终选择3公里作为带宽。核密度的结果被重新采样到130米，这与预处理中创建的矢量网格的空间分辨率一致。最终核密度结果如下图4(b)所示。同时从NTL图层中提取DN值，结果如图4(a)，然后对提取的DN值和核密度值进行归一化处理并根据公式(2)整合到矢量网格中，最终得到POINTL指数的空间分布(图4(c))。

图4. 夜间灯光、POI核密度和POINTL指数的空间分布

图4(c)中，POINTL指数的高值主要集中在各区县(市)的中心城区，而低值则主要分布在城市主城区以外的大片区域。最密集的区域位于西山区、五华区、盘龙区和官渡区的交汇区域，反映出昆明主城区的经济活动程度和社会经济要素的数量是最高的。除主城区外，呈贡区和安宁市也分布着许多POINTL值。其他区县的POINTL值的分布比较稀少且值普遍较低。这在一定程度上反映了社会经济要素资源稀缺造成的低强度的社会经济活动，综合导致POINTL值较低。

在POINTL指数的基础之上，通过公式(3)得到了各区的MU_development。从下图5中可以观察到，昆明各区县的经济发展水平差异较大，分别体现在了夜间光照强度和社会经济要素规模上。主城四区之间的经济发展水平差距并不大，但明显高于其他区县(市)，导致MU_development的指数结果以主城四区领先。除了主城四区之外，呈贡区和安宁市的当前经济发展水平略高于其它区县(市)。其它区县受限于社会经济要素的数量，当前经济发展水平相对较低，它们中的富民县的当前经济发展水平处于全市末位。

图5. 各区县(市)的当前经济发展水平

4.2. MU_impact结果

作为同样反映经济层面的指标，MU_impact由公式(5)计算得出，它突出了任一城市在整个地区的经济影响力。在图6中，五华区与西山区，盘龙区和官渡区之间形成了中等或强的社会经济联系，这也使得五华区的TR在整个昆明市中最高。此外，位于昆明市城市中心和本身较强的经济发展水平这两个因素使得其他主城区的TR也较高。主城区之外的各个区县之间的空间距离不够紧凑，同时受限于自身的经济发展规模较小这一因素，导致这些区县无法对其它城市产生较强的社会经济联系。这些区县(市)产生的经济影响力有限，东川区就是典型的城市样例，位于昆明市的外围且城市经济发展水平靠后，经济影响力位于全市末位。

图6. 各区县(市)的经济影响力

4.3. MU_coordination结果

基于公式(6)，(7)分别计算除了昆明市各区县(市)的G_r和POI_r。根据各区县(市)G_r的表现，虽然西山区被纳入了主城区，但除了五华区和官渡区的邻近地区、城区和坝区之外，地形由植被覆盖率高的山区组成(图2)，并且西山区范围内包含云南省最大的淡水湖滇池。因此，西山区在G_r结果中排名第一符合实际情况。在其他区、县(市)中，禄劝县、安宁市都是昆明市植被和水体覆盖率较高的城市，所以城市绿化覆盖率较高。同时由图7中各区县(市)绿地面积可知，排名较低的城市如嵩明县、石林县等，绿地面积并不小，但所占比例相对较低，所以这些地区的绿化覆盖率较低。由POI_r代表的社会经济要素比例与城市经济发展水平有关，经济发展水平靠前的城市往往拥有更高的POI_r。在图8中，综合G_r和POI_r两个层面可知，目前西山区的空间经济结构具有最好的经济协调度，反映了西山区经济发展和城市绿化发展之间的高度协调。

图7. 各区县(市)的相关指标统计结果

图8. 各区县(市)的经济协调度

主城区范围内的五华区，盘龙区和的经济协调度也较高。主城区的空间经济结构符合城市空间经济结构良性发展的标准，即在经济高速发展的同时，城市内部保持较高的绿化覆盖。其它区县的经济协调度并不突出，主要是由于相对于作为重点发展对象的主城区来说，代表着城市基础设施的POI数量较少，导致了它们的经济协调度不高。

4.4. MUEDI结果

表2中显示了公式(1)中MUEDI三个组成指标的权重。当前经济发展水平，经济影响力和经济协调度的权重分别为0.346，0.509和0.144。结果反映了经济影响力对于城市的综合经济实力影响最大，当前经济发展水平其次，经济协调度最末。如图9所示，经济影响力作为调控城市经济综合实力的最重要因素，使得五华区的经济综合实力占据了首位。

表2. 各项指标的权重

通过当前经济发展水平，经济影响力和经济协调度三个层面的综合，MUEDI反映了各个区县(市)的综合经济实力，并对昆明市的城市空间经济结构进行呈现。根据相关的城市圈层研究，城市通常分为城市中心、城市边缘地区和农村地区三个区域 [15] 。根据这一原则同时考虑到社会经济因素，将昆明市划分为核心层、中间层和外部层三个层次。从当前经济发展水平，经济影响力和经济协调度三个指标最高值坐落的区域来看，官渡区，五华区和西山区均位于主城区，它们之间形成了明显的核心层。

图9. 各区县(市)的经济综合实力

图10中呈现了昆明市的铁路分布及道路密度，很明显昆明市的交通重心集中在西南角落。位于西南方向的呈贡区，安宁市，晋宁区是经济综合实力排名紧随主城区之后的三个区域。根据MUDI的空间分布，呈贡区，安宁市和晋宁区相距不远，同时它们之间的交通网络互相连接。考虑到主城区的经济辐射和交通因素，呈贡区，安宁市和晋宁区将借助区位优势得到更好的发展。因此，这里将呈贡区，安宁市和晋宁区划分为中间层。其它的区县由于经济综合实力相对较弱，被划分为昆明市的外部层。

图10. 昆明市的铁路分布及道路密度分布

5. 讨论

MUEDI揭示了昆明市内部各城市的经济综合实力，并将整个昆明市划分为了三个层次。为了证明MUEDI的划分效果，这里根据政府文件昆明市城市总体规划报告(以下全称规划)，对MUEDI的划分结果进行验证。

图11. 昆明市的总体规划

图12. 除主城区以外的城市间社会经济联系

图11表明了昆明市未来一段时期对城市中心的规划。根据规划，昆明市未来以多中心进行城市空间经济结构的建设，主要以主城区和呈贡新区为多中心进行发展。主城区作为昆明市的核心圈层，其地位十分牢固。而呈贡新区作为近些年崛起的政治和教育新中心，已逐渐建设为昆明市的第二个城市中心。政府结构和科研院校的大量迁入所带来的社会经济资源也对呈贡区的经济发展起到了推动。以经济综合实力来看，呈贡区也仅次于主城区。图12中展示了在不考虑主城区的情况下，其它城市间的社会经济联系。可以观察到，呈贡区是另一个社会经济联系中心。这证实了呈贡区作为城市规划中副中心的地位，也证实了城市总体规划对城市发展的调控作用。除此之外，呈贡–晋宁–安宁之间的三角状社会经济联系表明昆明市除了主城区之外存在第二个城市集群，这与图10中的交通网络的空间分布基本相似。规划中还提到，昆明市未来的发展方向以东南和东北为主，但考虑到呈贡区目前发展现状和区位优势，这里认为东南方向才是昆明市未来最主要的发展方向。

6. 结论

本研究的创新性和结论可总结为以下几点：

1) 创新性。研究的创新性体现在基于NTL数据和POI数据的多源数据融合，以“分–总”的研究流程，对昆明市的空间经济结构开展了多个层面的分析并综合探讨城市的综合经济实力。该多维分析视角和研究流程突破以往仅聚焦单一层面分析空间空间经济结构的局限性，对于城市空间经济结构研究具有重要的现实意义。

2) 结论一。首先，通过三个层面对昆明市的城市空间经济结构分别进行了讨论。从当前经济发展水平来看，主城区的社会经济活动范围广，社会经济要素资源多。从经济影响力来看，主城区作为昆明市的核心区域对其它区县(市)产生了最强的经济影响。从经济协调度来看，主城区的经济发展水平和环境发展水平协调度最高。根据结果可以确定主城区在昆明市的核心地位。

3) 结论二。其次，基于NTL数据和POI数据构建了MUEDI。MUEDI结果显示，未来一段时期昆明的城市空间经济结构仍将以主城区为中心。同时根据城市圈层划分，呈贡区构成了中间层，它与主城区相邻，受到主城区的经济辐射，承接主城区的社会经济资源溢出。作为新的政治教育中心，呈贡区的发展势头领先于除了主城区之外的其他区县(市)。因此，昆明市的社会经济中心将会产生迁移，逐渐偏向呈贡区。

4) 结论三。最后，综合了本文的结果进行讨论。结果表明，目前昆明市城市空间经济结构的发展趋势仍以单中心发展为主，但顺应了空间经济结构由单中心向多中心发展转变的演变趋势。目前，全市只有一个主要的核心层，即西山区，五华区，盘龙区和官渡区汇聚形成的主城区。除了主城区之外，通过社会经济联系和交通网络的空间分布检测到了由呈贡区，安宁市和晋宁区组成了另一个城市集群。基于区位和社会经济资源的双重因素考虑，呈贡区在未来有可能成为昆明市的新中心，并带动安宁市，晋宁区协同发展。

文章引用

彭 康. 基于夜间灯光和POI数据的昆明市城市空间经济结构分析
Urban Spatial Economic Structure Analysis of Kunming City Based on Nighttime Light and POI Data[J]. 地理科学研究, 2023, 12(01): 86-99. https://doi.org/10.12677/GSER.2023.121009

参考文献