微光影像在人口和国内生产总值(gross domestic product，GDP)估计、城市和生态环境监测以及公共卫生等领域有着大量的应用。在夜晚无云层遮挡的情况下，微光遥感卫星可以获取到地面上由人类活动产生的可见光-近红外波段的电磁波信息^[1]。微光遥感卫星反映人类活动的精细程度与其空间分辨率关系很大。当微光影像的空间分辨率由1 km发展到130 m，所探讨的人类活动空间尺度可从国家尺度发展到中等城市及区县尺度；当微光影像空间分辨率达到10 m时，探索尺度能够达到乡镇、街道级别。

最早的夜光数据是DMSP-OLS夜光数据，DMSP(defense meteorological satellite program)是1976年发射的美国空军航弹与导弹系统中心运行的美国国防气象卫星，OLS(operational linescan system)是搭载在该卫星上的名称为线性扫描业务系统的传感器。DMSP夜光数据的空间分辨率为1 km，该数据是消除了闪电、天然气燃烧、火光和渔船等偶然灯光后对全年可见光和近红外通道灰度值进行直接平均化处理得到的。DMSP能够较好地同区域人口、GDP等社会和经济指标建立相关关系^[2-3]，研究区域的空间尺度为国家、省的尺度。陈晋等^[4]使用DMSP-OLS数据计算1992、1996和1998年中国各省灯光指数，对此期间的中国城市化水平进行分析。Li和Li^[5]使用DMSP-OLS影像对2011—2014年间叙利亚的夜间照明亮度和面积进行调查和比较，发现微光数据可以评估战争带来的损害。

2011年，空间分辨率为500 m的夜光数据NPP-VIIRS出现，其研究区域能够达到省及大型城市范围。Suomi NPP是美国新一代对地观测卫星极轨运行卫星系统预备项目(national polar-orbiting operational environmental satellite system preparatory project)。该卫星搭载的可见光/红外辐射成像仪(visible infrared imaging radiometer suite, VIIRS)能够在DNB(day/night band)波段获取新的夜间灯光遥感影像数据。李峰等^[6]将VIIRS夜光影像数据同Landsat8数据结合，对北京市第一产业和第二、三产业GDP进行空间化分析，得到了北京GDP空间化模型。李翔^[7]将DMSP-OLS和NPP-VIIRS相融合，结合Landsat影像、居民收入统计数据，从省域、城市、格网等尺度对中国居民收入进行空间拟合、时空变化分析以及驱动力因素分析。

2018年，由武汉大学发射的珞珈一号夜光遥感卫星将夜光数据的空间分辨率提升到130 m^[8]，更高的分辨率使得对更小等级行政区(中小城市、区县、乡镇)的研究得以展开。欧晓华和梁保平^[9]结合NPP-VIIRS和珞珈一号数据提取漓江流域区县的地物信息，生成漓江流域土地利用现状图。娄格和陈秋晓^[10]用珞珈一号夜光数据结合土地利用数据，使用多元逐步回归模型对浙江省宁海县乡镇尺度下的常住人口进行了模拟。

2021年11月5日，可持续发展科学卫星1号(SDGSAT-1)发射成功，是世界上首颗可持续发展目标监测卫星^[11]。SDGSAT-1搭载了多光谱成像仪、热红外成像仪和微光成像仪，其中微光成像仪的全色波段分辨率可达到10 m。分辨率的提升使得研究区域能够被放在更小的行政区域内，也可以将目标转向微光图像分析鲜有涉足的乡镇地区。

本研究使用SDGSAT-1的高分辨率全色微光数据，对亳州市下辖街道及乡镇2个时相的灯光面积和灯光强度做统计分析处理，分析街道和乡镇不同时相的灯光分布特点，探究灯光变化的情况，并将灯光面积与亳州市不透水层面积进行相关分析，研究城乡灯光与不透水层之间的相关关系。

1 数据及研究区域 1.1 微光数据

SDGSAT-1搭载的微光成像仪在全色波段的分辨率能够达到10 m。全色波段包括低增益(panchromatic low, PL)、高增益(panchromatic high, PH)和高动态范围(high dynamic range, HDR)3种影像。本文使用的HDR影像由地面系统对PL数据和PH数据的灰度值取平均得到，可保留PL影像中城市、乡镇中心的大片灯光信息和PH影像中乡村点状灯光的信息，并且对PH影像中的噪声有较好的抑制。微光成像仪定标系数由2021年12月14日敦煌定标场成像的结果得到，计算公式如下

$ L=\text { Gain } \times \text { DN }+ \text { Bias. } $

(1)

其中：L表示传感器入瞳处的辐亮度，单位为W/(m² ·sr ·μm)；PL和PH的Gain分别为0.000 088 32和0.000 087 57，Bias分别为0.000 016 780 8和0.000 018 389 7;DN即数字数值(digrtal number，DN)，为遥感传感器记录的原始像元亮度值。

微光影像数据来自SDGSAT-1数据开放系统。自2021年12月20日首批影像公布至2022年8月31日，SDGSAT-1数据开放系统共享了6组完整的亳州市微光影像，其中有4组影像由于云的遮挡而不能使用。本文使用的2组影像分别成像于20220204T21:26：00和20220803T21:27：00，其编号如表 1所示。对2组HDR数据进行拼接、裁剪等操作，得到DN值范围分别为7~3 862和7~3 860的亳州市微光影像，如图 1所示。根据统计确定，SDGSAT-1微光影像中的DN值均在7以上，无灯光背景区域的DN=7，灯光区域的DN>7。

上述微光影像存在少量出现在非市(县)中心的异常高亮点。根据Zhao等^[12]的研究，一个行政区域内最亮的灯光应该位于其市(县)中心，在非市(县)中心出现的某些高DN值点应该属于噪声或火光。本文所使用影像的异常高亮点均出现在城市中心外的农田中，可能与农田中特定的燃烧活动有关。为使其不影响后续对灯光强度和面积的分析的准确性，通过以下操作去除这些高亮点：将原始微光影像tiff文件转化为pnt格式并去除背景(DN=7的像元)；农田夜间几乎无灯光，而高亮点中心DN值均在500以上，因此设定500为阈值对高亮点进行筛选；将微光影像根据不同的DN值层次分类(具体在第2节中介绍)，与彩色Google卫星影像底图叠加显示，找出位于农田中的高亮点并剔除。本研究筛选并去除了2月4日影像的异常高亮点12个，8月3日影像的异常高亮点11个。图 2和图 3分别展示了谯城区十九里镇和涡阳县高炉镇的2个异常高亮点。

1.2 不透水层数据

不透水层是防止水浸入土壤的地表覆盖层，常见的不透水层包括建筑、道路、广场等。本文不透水层数据使用Zhang等^[13]发布的2000—2020年全球30 m不透水面空间分布产品(GISD30_2000—2020)中2020年的影像，DN=1处为不透水层，如图 4所示。

1.3 研究区域

安徽省亳州市位于安徽省西北部，地处华北平原南端的淮北平原，面积8 374 km²，城镇化率43.2 %，是安徽省城镇化率较低的城市之一。该市下辖1区3县，分别为谯城区、蒙城县、涡阳县和利辛县，其行政区划图如图 5所示。根据亳州市2021年统计公报中的GDP数据和全国第7次人口普查公报中的人口数据，亳州市2021年末2022年初常住人口498.6万人，2021年全年GDP 1 972.7亿元，各区县基本情况如表 2所示。区县面积及乡镇街道数据均来自亳州市政府网。

2 典型建筑灯光强度可视化比较

一个区域的灯光平均强度可以反映这个区域的经济水平和该区域的人类活动密集程度。灯光平均强度高的地区多为市中心的主干道路、大型广场以及商业区，此外也会有一些远离市中心的全天运转的工厂、夜间休闲观光场所拥有较高的灯光强度。SDGSAT-1的10 m分辨率微光影像可以直接反映出某条道路、某栋建筑的灯光强度信息。通过对比一些包含典型建筑的区域在2022年2月4日(农历正月初四)和8月3日2个时相灯光强度的差异，可以找出不同时间(节日与非节日)不同类型建筑灯光强度差别的特征。

不同用途的建筑在2个时相中会有不同的灯光表现，本文挑选工厂、商业区域、文旅场所、休闲场所、住宅区域在2个时相中的灯光影像进行对比。

图 6~图 9为上述场所、区域的对比结果，与图 2、图 3相同，不同层次的灯光赋予不同的颜色，结合Google影像展示。其中，1)绝大多数道路、建筑灯光DN值主要集中在8~150，大部分建筑、乡镇道路以及城市普通道路DN值主要在8~30，城市主干道路灯光DN值能达到30~70，而商业区附近灯光DN值在70~150；2)工厂、商业区域和一些休闲场所灯光DN值能达到150~300；3)DN值在300以上的灯光一般由射灯、探照灯等高亮设备发出，灯光越集中DN值越大，中心区域能达到500甚至1 000以上，这个DN值范围内的灯光像元大多位于商业区域，但也有农田中的异常高亮点。

如图 6所示，蒙城县坛城镇镇南的某畜牧养殖厂(黄色框内)和某面粉厂(红色框内)在2月4日的整体灯光平均强度要小于其8月3日的灯光平均强度。其中红色框内的面粉厂以小麦粉生产、销售为主，过年期间无需进行生产工作，因此在2月4日几乎无灯光发出；畜牧养殖场主要经营牲畜饲养、饲料生产等业务，在过年期间仍要保持工厂的部分运行，在2个时相均有不同规模的灯光发出。对于图 7中需要保持全年正常运转的煤矿供应站(黄色框内)以及火电厂(红色框内)，其2个时相的灯光无本质差异。

与工厂不同，商业区域、文旅场所和休闲场所的灯光大多在2月份更强。图 8展示了亳州市较繁华的区域，谯城区某商场(红色框内)在2个时相的时间节点上，夜景照明均处于开启时间，灯光强度相对无明显变化。某文化广场(黄色框内)是商业步行街形式的文化地标广场，在春节期间有大量市民游客消费游玩，其2月4日的灯光强度要远大于8月3日的灯光强度。住宅区(绿色框内)自身发出的灯光难以被传感器捕捉，其光线多为周边道路、建筑等灯光散射而来。该区域在2月4日的灯光在范围上更大，与当晚周边的灯光强度和天气均有一定关系。由于影像分辨率的提升，灯光密集区域主干道路的灯光(30 < DN≤70)能够与周边建筑灯光较好地分离，呈现出一定的格网状结构。

图 9为涡阳县石弓镇镇中心的一组影像。某岛和某广场(黄色框内)以及某山庄(红色框内)是该镇的文旅场所，与某文化广场相似，在节日期间的灯光更强。镇中心(绿色框内)的灯光几乎全部为道路灯光，2月4日的灯光在面积和强度上都要远大于8月3日。

3 灯光与不透水层的关系分析 3.1 分析方法

城市和乡镇的灯光和不透水层都可以反映一个地区的基础设施建设水平和区域发展水平，二者面积之间存在一定的相关性。灯光面积由一个区域微光影像内的灯光像元个数计算得到，本文通过灯光检测并计算灯光面积来考察一个区域内城镇的建设规模。经统计分析，在SDGSAT-1微光影像中，DN>7的像元可以认为是灯光像元。灯光面积S_L表示灯光像元的面积，其计算公式为

$ S_{\mathrm{L}}=N_{\mathrm{L}} \cdot R_{\mathrm{GIU}}^2 \cdot $

(2)

其中：N_L表示微光影像中的灯光像元总数；R_GIU为微光影像的分辨率，本文为0.01 km。

由于空间分辨率不同，为了消除微光影像与不透水层影像在不同分辨率条件下的面积误差，在ArcGIS中使用双线性重采样法将不透水层影像分辨率提升至10 m。与灯光面积的计算方法相同，不透水层面积S_I的计算公式为

$ S_{\mathrm{I}}=N_{\mathrm{I}} \cdot R_{\mathrm{GISD}}^2 . $

(3)

其中：N_I为区域内不透水层像元总数; R_GISD为不透水层影像分辨率，取0.01 km。

灯光面积和不透水层的面积的相关性从2个指标来评价：

1) 线性回归系数，评价2个变量的相互依赖关系。对亳州市及其下辖乡镇进行灯光面积和不透水层面积的线性回归分析，通过不透水层面积同灯光面积的回归系数或回归直线的斜率从整体上进行相关性评价。回归系数能够反映地区灯光分布的均匀程度，回归系数越高，表明不透水层面积与灯光面积相关的程度越高，即各街道乡镇道路、建筑等出现亮光的比例越接近，可以推测出各街道乡镇之间灯光分布更平均。相反，不透水层面积和灯光面积的回归系数越低，则说明有些乡镇不透水层产生亮光的面积差异较大，从而可以推测出各街道乡镇之间灯光的分布更分散。回归直线的斜率可以反映不透水层面积与灯光面积大致的数量级关系，回归直线的斜率越大，能够发出灯光的不透水层面积的比例越高。

2) 交并比(intersection over union, IoU)，原用来衡量2个区域边界框重合面积的相对大小，这里用来衡量微光影像中灯光像元与不透水层影像中不透水层像元在相同区域内重合度的相对大小。重合度越高，IoU越接近于1，表明该区域房屋、街道等被人占用的面积和夜晚活动情况有较好的相关性，不透水层面积越大，发出灯光越多，则该区域人的活动强度越大，频率越高，该区域经济水平越高；反之，IoU越接近于0，表明不透水层面积越大，发出灯光比例越小，说明该区域居住人数较多，但夜晚活动频率低，经济水平低。通过计算微光影像中灯光区域与不透水层的IoU评价各街道乡镇灯光与不透水层之间的相关性，具体方法为：将不透水层影像以双线性插值重采样为10 m分辨率，对微光影像中的灯光像元(DN>7)和不透水层影像中不透水层像元(DN=1)以逻辑1表示，其他像元均以逻辑0表示，分别构成2个维度相同的灯光逻辑矩阵A_m×n和不透水层逻辑矩阵B_m×n。记2个矩阵中第i行、第j列的元素分别为a_ij和b_ij，则亳州市下辖各街道乡镇的灯光区域同不透水层区域IoU的计算公式可以表示为

$ \mathrm{IoU}=\frac{\sum\limits_i \sum\limits_j\left(a_{i j} \wedge b_{i j}\right)}{\sum\limits_i \sum\limits_j\left(a_{i j} \vee b_{i j}\right)} . $

(4)

对2个逻辑矩阵A_m×n和B_m×n中相同索引的元素做∧、∨(与、或)运算，分别统计“按元素与”和“按元素或”后逻辑1出现的个数，前者与后者之商即为一个街道或乡镇灯光面积与不透水层的IoU。

3.2 分析结果与讨论 3.2.1 线性回归结果分析

将整个亳州市划分为城市区域和乡镇区域，对2个区域内的各街道(乡镇)灯光面积与不透水层面积分别进行线性回归分析。城市区域包含4个区县的中心城区和城市建成区延伸(在微光影像中有明显的建筑灯光和呈格网状分布的道路灯光)所涉及的乡镇，共16个，分别为谯城区的薛阁街道、花戏楼街道、汤陵街道、经济开发区、十八里镇、十九里镇、华佗镇、古井镇，蒙城县的城关街道、庄周街道、漆园街道，涡阳县的城关街道、星园街道、天静宫街道、乐土镇，利辛县的城关镇。乡镇区域为除城市区域外的其他75个镇。2个区域的回归结果分别如图 10和图 11所示，其中蓝色点和线与橙色点和线分别表示2月份数据与8月份数据，横轴为不透水层面积，纵轴为灯光面积，单位均为km²。

图 10所示的乡镇区域的回归结果表明乡镇区域不透水层面积与灯光面积不能很好地拟合，2月份和8月份的回归系数分别只有0.361 4和0.384 9，回归直线的斜率分别为0.071 9和0.066 5。究其原因是乡镇区域大部分不透水层在夜间没有出现能够被卫星捕获的灯光，因而不透水面积与灯光面积没有良好的相关关系。

图 11所展示的城市区域的回归结果表明，不透水层面积和灯光面积的相关关系较好，2月份和8月份的回归系数分别达到0.730 3和0.794 2，这表明该区域各个街道(乡镇)的灯光面积随不透水层面积的增加有着趋于线性的增长趋势。2条回归直线的斜率较乡镇区域有一个数量级的增加，分别为0.694 8和0.561 5，说明该区域多数不透水层都有灯光照亮。

图 12展示了亳州市城市区域和乡镇区域不透水层影像和灯光影像的对比。城市(图 12(a)~12(c)中的薛阁街道、花戏楼街道、汤陵街道)的建筑与道路信息能够在不透水层影像中全部反映出来，但是微光影像中反映出来的多为城市主干道路、商业区以及城市地标的灯光，街区内部则存在大面积的无灯光区域。工业区(图 12(a)~12(c)中的古井镇)中，不透水层影像与微光影像重合度较高的同样是道路，此外还有一些工厂厂房、园区等。春节期间停工使得这些工厂在8月的灯光面积要明显大于2月份的灯光面积。因此城市区域存在的商业区、工厂园区以及密集的网状道路是该区域微光影像和不透水层影像回归系数较高和回归直线斜率较大的主要原因。

乡镇区域(图 12(a)~12(c)中的颜集镇、五马镇、张店乡等，图 12(d)~12(f)中的胡集镇、新张集乡、展沟镇、阚疃镇等)在2种影像中差异明显。微光影像中较为明显的灯光多为乡镇中心以及大型工厂(如胡集镇同新张集乡交界处的煤炭工厂)。广大乡镇区域在微光影像中几乎没有亮光，而其在不透水层影像中的信息能很好地展现，这就导致了灯光面积和不透水层面积的相关度大大降低。

3.2.2 交并比计算结果分析

对微光影像中灯光区域同不透水层的IoU的分析中，将所有街道和乡镇的IoU值对应在3个区间，分别为(0, 0.04]，(0.04, 0.1]和(0.1, max(IoU))，其中2月4日max(IoU)为0.693，8月3日max(IoU)为0.541。定义IoU值在(0.1, max(IoU))内的街道和乡镇为高IoU区域，这些街道和乡镇灯光面积占比较大，拥有大片网状道路灯光和一些街区内的建筑灯光。IoU值在(0.04, 0.1]区间的街道和乡镇为中IoU区域，它们大都包含了大面积的无灯光区域，但存在位于街道或乡镇中心的十字或井字主干道路的灯光。IoU值在(0, 0.04]区间的乡镇为低IoU区域，这些乡镇只存在个别点状灯光，即使在乡镇的中心，也几乎没有成片的主干道路灯光。

根据上述区间的划分，2个时相各街道乡镇光影像中灯光区域同不透水层的IoU气泡图如图 13所示，2个时相中的高IoU区域均位于4个区县的城市区域，中低IoU区域大部分为乡镇区域。

图 14为3个IoU区间内各区县对应的街道乡镇的数量统计图。从数量上看，2个时相中，高IoU区域和中IoU区域的个数与各区县的GDP大致成正比关系，低IoU区域反之。一个区县内，高IoU和中IoU的街道、乡镇越多，表明该区县经济水平越好，GDP越高；区县内低IoU街道、乡镇越多，区县的经济水平相对更低，GDP更低。

4 结论

本研究使用SDGSAT-1全色10 m分辨率的微光数据对安徽省亳州市夜间灯光进行乡镇尺度的分析，对比不同类型建筑在2个时相中的灯光表现，构建了以乡镇街道为单位的灯光面积与不透水层面积的线性回归模型。主要结论为：

1) SDGSAT-1微光影像能够捕捉一些建筑的灯光，不同建筑类型在2个时相的灯光强度上有不同的表现。工厂的灯光强度在2个时相中保持不变；商业区域、文旅场所和休闲场所的灯光强度表现为2月高，8月低。住宅区域受道路灯光影响，难以直接判断。

2) 道路灯光和商业区建筑灯光是SDGSAT-1微光影像中的主要灯光来源。SDGSAT-1微光影像中，主干道路灯光与建筑灯光不会产生大片混叠，高DN值的灯光大多为呈块状分布的商业区和呈规则网状分布的道路灯光。

3) 灯光面积与不透水层面积的线性回归在城市区域能产生较好的拟合效果，2月4日和8月3日的R²分别为0.730 3和0.794 2，而乡镇区域在2个时相的R²仅为0.361 4和0.384 9。除其中心的少部分道路灯光之外，周边的村庄与小的聚落在夜间的微弱灯光几乎无法被传感器识别。使用SDGSAT-1微光影像研究乡镇、农村还存在一定的困难。

4) 微光影像中各乡镇、街道灯光面积同不透水层的IoU值，在地理位置上以区县为单位呈现中心高、周边低的分布规律，高IoU区域的个数及比例大小与各区县的GDP存在正比关系，中、低IoU区域个数及比例大小与各区县的GDP存在反比关系。

SDGSAT-1 10 m高分辨率微光影像能够将研究尺度进一步提升到乡镇、建筑尺度，更小尺度的灯光分布研究能够更加准确、精细地反映城市及农村的发展状态、工业的发展格局以及人类活动强度的分布情况。后续若能获取乡镇、街道尺度下经济、人口等统计数据，更多的工作将得以开展。