EN中文

Remote Sensing for Natural Resources >

2025 , Vol. 37 >Issue 5: 233 - 242

DOI: https://doi.org/10.6046/zrzyyg.2024068

Exploring spatiotemporal characteristics of economic development in Yunnan and Myanmar based on nighttime light remote sensing

  • LANG Yunfan , 1 ,
  • LI Yimin , 2, 3 ,
  • LI Yuanting 1 ,
  • LIU Miao 1 ,
  • BAI Kebing 2
Expand
  • 1. Institute of International Rivers and Ecological Security，Yunnan University，Kunming 650500，China
  • 2. School of Earth Sciences，Yunnan University，Kunming 650500，China
  • 3. Yunnan International Joint Laboratory of China-Laos-Bangladesh-Myanmar Natural Resources Remote Sensing Monitoring，Kunming 650500，China

Received date: 2024-02-20

  Revised date: 2024-10-18

  Online published: 2026-06-03

Fold

Abstract

Investigating the regional economic development of Yunnan Province-a radiation center facing Southeast Asia-and Myanmar-a country along the Belt and Road Initiative-is of great significance for promoting the construction of a China-Myanmar community with a shared future. Based on NPP/VIIRS nighttime light data，as well as spatial analysis methods including the centroid model，standard deviation ellipse，and Moran's I index，this study analyzed the spatiotemporal characteristics of economic development in the Yunnan-Myanmar region from 2013 to 2022. The results indicate a significant correlation between nighttime light and gross domestic product （GDP） data in the Yunnan-Myanmar region. From 2013 to 2022，the total nighttime light intensity in the Yunnan-Myanmar region showed a steadily increasing trend. From the perspective of the characteristics of economic development direction in the region，the economic centroid generally shifted southwestward first and then northeastward. The area of the standard deviation ellipse trended upward from 2013 to 2020 but trended downward in 2022. The long axis of the ellipse showed an increasing trend before 2020 but decreased slightly thereafter，while the short axis showed a stable increasing trend. The azimuth remained largely unchanged. In terms of the spatial correlation of economic development in the region，areas with high nighttime light intensity were primarily concentrated in the central Yunnan urban agglomeration，while those with low nighttime light intensity were mainly distributed in the eastern and western parts of Myanmar. This study can provide a valuable reference for economic and trade exchanges between China and Myanmar，as well as for the implementation of the Belt and Road Initiative.

Key words： nighttime light remote sensing; Yunnan Province; Myanmar; economic development; spatiotemporal characteristics

Cite this article

LANG Yunfan , LI Yimin , LI Yuanting , LIU Miao , BAI Kebing . Exploring spatiotemporal characteristics of economic development in Yunnan and Myanmar based on nighttime light remote sensing[J]. Remote Sensing for Natural Resources, 2025 , 37(5) : 233 -242 . DOI: 10.6046/zrzyyg.2024068

0 引言

我国于1999年在党的十五届四中全会和中央经济工作会议上正式提出西部大开发战略，自此作为西部地区重要省份之一的云南省备受国家关注，西部地区的经济发展水平也逐步得到提升。2023年是习近平主席提出“一带一路”倡议10周年。缅甸作为连接“丝绸之路经济带”与“21世纪海上丝绸之路”的关键节点国家，与我国的云南省接壤，是我国重要的周边邻国，在2011年，我国与缅甸双边关系升级为全面战略合作伙伴关系[1-2]。2020年1月，习近平主席访缅甸，提出推动构建更为紧密的中缅命运共同体，云南省作为推动中缅经济合作的主体省份[2]，大大促进滇缅地区的经济贸易往来，使得滇缅地区的经济发展得到了极大的关注。因此，探究滇缅地区经济发展时空特征，对我国建设云南省面向南亚、东南亚的辐射的中心、构建中缅命运共同体、促进“一带一路”倡议发展具有重要的现实意义。
目前，研究区域经济变化所使用的方法主要有收集实际经济数据法、单指标分析法、空间分析法、参数与非参数模型统计法等[3-5]，然而这些方法实际操作起来费时费力，精度评价也有待进一步考察。夜光遥感起源于20世纪70年代的DMSP/OLS，至此拉开了夜间灯光遥感的序幕[6-7]。夜光遥感是利用遥感卫星从太空观测夜间地球的光芒并使其成像，能够发现区域经济发展的强度，为社会经济参数的估算提供重要的数据依据，相较于传统方法而言具有很强的优越性[7-8]。现阶段国内外已有许多学者基于夜光遥感数据采用不同的方法研究区域经济并且获得了可观的成果。Marx等[9]验证了DMSP/OLS 夜间灯光数据的灰度值与国内生产总值（gross domestic product，GDP）有很强的相关性；Elvidge等[10]利用DMSP/OLS 夜光遥感数据与GDP数据进行回归分析，证明夜间照明面积与GDP具有高度的相关性；王琳等[11]基于夜光遥感数据和“点—轴”发育模式作为理论基础，提出“由点及面”的夜间经济集聚区定量识别方法，提供了一种从动态视角识别城市夜间经济集聚区的方法；李益敏等[12]基于NPP/VIIRS夜间灯光数据，从方向特征和相关性分析入手，探究了东南亚国家的经济发展趋势；朱惠等[13]基于DMSP/OLS和NPP/VIIRS夜光数据，采用夜光总量、夜光增长率等指标，探究中亚社会经济的时空动态发展过程，结果证明夜光数据可以较好反映中亚国家社会经济发展的时空变化；郭永德等[14]通过将夜光数据与GDP数据建立多种空间关系模型，验证了灯光指标与统计GDP的趋势具有一定的相似性。过去已有的研究中，国内外很多学者已为夜间灯光数据在研究经济问题中可以代理经济指标变量提供了可靠依据[15-18]。
总体而言，在过去基于夜光遥感研究经济问题中，许多学者基于夜光遥感数据证明了夜光遥感与区域经济存在很大的联系，但研究区域大多集中在城市主城区或经济水平发展较高的地区，较少有利用夜光遥感数据对滇缅地区经济时空变化进行分析，而云南省作为我国面向南亚东南亚地区的辐射中心，缅甸作为与我国云南省边境紧密相连的国家，研究其经济发展具有重要意义。因此本文基于NPP/VIIRS夜光遥感影像，计算滇缅地区的夜光总值（total nighttime light，TNL）及变化值、重心模型、标准差椭圆（standard deviation ellipse，SDE）和莫兰指数等指标，分析滇缅地区2013—2022年10 a间的经济发展的方向特征和空间聚集特征等，为我国与缅甸的经济贸易交流与“一带一路”倡议实施提供有益借鉴。

1 研究区概况及数据源

1.1 研究区概况

研究区为云南省和缅甸，如图1所示。
图1 研究区范围（审图号：GS京（2025）1936号）

Fig.1 Scope of the research area

云南省位于中国西南部，地处21°8'~29°15'N，97°31'~106°11'E之间，总面积为39.41万km2，省会城市为昆明。云南省地形为山地高原，地势西北高、东南低；属于亚热带高原季风型气候，降水分布地区差异较大，西部、西南部和东南部年降水量较大；中部和北部降水量较少。
缅甸地处9°58'~28°31'N，92°20'~101°11'E之间，北部和东北部与中国接壤，面积67.66万km2，2005年首都由仰光迁到内比都。缅甸地形主要包括山地、平原与高原，全国地势呈现北高南低；缅甸属于热带季风气候，全国大部分在北回归线以南，地处热带，小部分在北回归线以北，处于亚热带。

1.2 数据来源及预处理

本文研究时间范围为2013—2022年，数据主要为NPP/VIIRS全球夜光遥感数据，用于计算滇缅地区2013—2022年TNL、夜光增量与增速、重心模型、标准差椭圆和莫兰指数，为后续更直观对比年际变化，后续采用2013年、2015年、2018年、2020年和2022年共5个年份进行作图表达，数据来源于国家科技基础条件平台——国家地球系统科学数据中心（http://www.geodata.cn）；云南省行政区划数据来源于审图号为GS（2024）0650号标准地图，缅甸范围及行政区划矢量数据来源于GADM全球行政区划数据库（https://docs.gmt-china.org/latest/dataset/gadm/），用于对夜光遥感数据进行裁剪和计算等；缅甸2013—2022年各年GDP数据来源于世界银行（https://www.shihang.org/），云南省2013—2022年各年的GDP数据来源于《云南省统计年鉴》。

2 研究方法

2.1 夜间灯光统计

2.1.1 TNL

区域内夜间灯光的统计可以通过TNL来衡量，TNL的高低在一定程度上反映区域经济发展水平[19]。计算公式为：
TNL= $\sum _{i=1}^{n}$Ai×DNi ，
式中：Ai为第i个灰度值对应斑块的面积，km2；DNi为县域范围内夜间灯光影像第i个灰度值。

2.1.2 TNL增量、增速

在研究滇缅TNL的基础上，本文还进一步分析了夜光增值与夜光增速，分别计算2013—2022年TNL的增量和增速。计算公式为：
L=TNL2022-TNL2013 ，
R= $\frac{TN{L}_{2022}-TN{L}_{2013}}{TN{L}_{2013}}$，
式中：L和R分别为TNL增量和增速；TNL2013为2013年TNL；TNL2022为2022年TNL。

2.2 夜光总值与GDP相关性

本文使用皮尔逊相关系数研究滇缅地区的TNL与GDP 2个变量之间的线性关系。皮尔逊相关系数用于衡量2个连续型变量之间的线性关系强度和方向，变化范围介于[-1，1]之间。计算公式为：
r= $\frac{\sum _{i=1}^{n}（{P}_{i}-\overline{P}）（{Q}_{i}-\overline{Q}）}{\sqrt{\sum _{i=1}^{n}（{P}_{i}-\overline{P}{）}^{2}}\sqrt{\sum _{i=1}^{n}（{Q}_{i}-\overline{Q}{）}^{2}}}$，
式中：r为皮尔逊相关系数；Pi和Qi为变量； $\overline{P}$和 $\overline{Q}$为变量均值；i为变量序号；n为变量个数。

2.3 重心模型

重心是指在区域经济分布空间内表示经济集中的一个点。通过计算平面中所有经济要素的平均值即可得到重心的坐标。本文通过夜光遥感数据研究滇缅地区经济发展的核心。由于区域每年经济都会有或多或少的变化，而且各地区经济发展的情况也不尽相同，所以经济重心会产生迁移，移动轨迹可以评价经济发展的方向[12]。计算公式为：
$\left\{\begin{array}{l}{\overline{M}}_{n}=\frac{\sum _{i=1}^{n}{I}_{ni}{M}_{ni}}{\sum _{i=1}^{n}{I}_{ni}}\\ {\overline{N}}_{n}=\frac{\sum _{i=1}^{n}{I}_{ni}{M}_{ni}}{\sum _{i=1}^{n}{I}_{ni}}\end{array}\right.$，
式中： ${\overline{M}}_{n}$和 ${\overline{N}}_{n}$分别为第n年经济重心的横坐标和纵坐标；Ini为第n年第i个单元的亮度值；Mni和Nni分为第n年第i个单元的横坐标和纵坐标。

2.4 SDE模型

SDE常用来度量事物的空间方向特征。通过计算可得到一个带有长半轴、短半轴、平均中心、方位角、面积等特征参量的椭圆。本文基于滇缅地区的TNL，计算并对比研究区多年SDE，分析多种特征参量，进而推断经济属性的空间分布在时间上的变化趋势。计算公式为：
$\left\{\begin{array}{l}SD{E}_{x}=\sqrt{\frac{\sum _{i=1}^{n}({X}_{i}{-\overline{X})}^{2}}{n}}\\ SD{E}_{y}=\sqrt{\frac{\sum _{i=1}^{n}({Y}_{i}{-\overline{Y})}^{2}}{n}}\end{array}\right.$，
tanθ= $\frac{\sum _{i=1}^{n}{\overline{{X}_{i}}}^{2}-\sum _{i=1}^{n}{\overline{{Y}_{i}}}^{2}+\sqrt{{\left(\sum _{i=1}^{n}{\overline{{X}_{i}}}^{2}-\sum _{i=1}^{n}{\overline{{Y}_{i}}}^{2}\right)}^{2}+4{\left(\sum _{i=1}^{n}\overline{{X}_{i}}　\overline{{Y}_{i}}\right)}^{2}}}{2\sum _{i=1}^{n}\overline{{X}_{i}}　\overline{{Y}_{i}}}$，
$\left\{\begin{array}{l}{\sigma }_{x}=\sqrt{\frac{\sum _{i=1}^{n}({\overline{X}}_{i}cos\theta -{\overline{Y}}_{i}{sin\theta )}^{2}}{n}}\\ {\sigma }_{y}=\sqrt{\frac{\sum _{i=1}^{n}({\overline{X}}_{i}sin\theta -{\overline{Y}}_{i}{cos\theta )}^{2}}{n}}\end{array}\right.$，
式中：SDEx和SDEy分别为SDE圆心的横、纵坐标；Xi和Yi为每个要素的空间位置坐标； $\overline{X}$， $\overline{Y}$为空间经济要素的算术平均中心；n为空间经济要素的数量；θ为空间经济要素的方位角；σx和σy分别为X轴和Y轴的标准差。

2.5 莫兰指数

莫兰指数可以对单一要素的空间自相关性进行分析，判断地理要素的聚集情况和反映哪些区域存在空间聚集现象以及聚集类型。全局莫兰指数从整体上揭示TNL是否存在空间自相关的现象，无法揭示局部地区的聚集情况[20]，因而本文使用局部莫兰指数来分析滇缅地区TNL的局部区域空间聚集情况。本文以滇缅地区的县级行政区为基本计算单位，计算TNL的全局莫兰指数和局部莫兰指数，从而揭示TNL的分布是否存在空间自相关。计算公式分别为：
I= $\frac{n\sum _{i=1}^{n}\sum _{j=1}^{n}{W}_{ij}（{T}_{i}-\overline{T}）（{T}_{j}-\overline{T}）}{\sum _{i=1}^{n}\sum _{j=1}^{n}{W}_{ij}\sum _{i=1}^{n}（{T}_{i}-\overline{T}{）}^{2}}$，
Ii=（Ti- $\overline{T}$） $\frac{n\sum _{i=1}^{n}{W}_{ij}（{T}_{i}-\overline{T}{）}^{2}}{\sum _{j=1}^{n}（{T}_{j}-\overline{T}{）}^{2}}$，
式中：I 为全局莫兰指数；Ii为局部莫兰指数；Wij 为 i，j 要素的空间权重；Ti 和 Tj 分别为i，j要素的TNL； $\overline{T}$为所有要素TNL的平均值。

3 结果与分析

3.1 夜间灯光统计分析

2013—2022年滇缅地区TNL变化如图2所示。可以看出在此10 a间，云南省TNL呈稳定上升趋势，2015年后增长幅度更大；缅甸同处增长态势，2020年后稍减弱（见图2（a））。2013—2022年滇缅地区TNL增量、增速变化如图2（b）所示，10 a间缅甸的TNL增量约为15 085；云南省TNL增量约为31 248，大约为缅甸的2倍多，表明10 a间云南省的夜间活动量远高于缅甸，也映射出云南省的经济发展水平高于缅甸。就滇缅地区而言，10 a间TNL增量大约为46 583，表明滇缅地区的人类夜间活动更加频繁，经济水平在向好的方向发展。滇缅地区的增速为61.107%，其中缅甸增速为104.186%，云南省增速约为50.534%，表明缅甸夜间活动频率的增长速率高于云南省，说明在今后时间内，缅甸的社会发展有更大的提升空间。
图2 2013—2022年研究区TNL变化

Fig.2 TNL of the study area from 2013 to 2022

出现上述现象的可能原因包括区域内部举措和区域间交流2方面。
首先是各自区域实行的一些措施。2011年，缅甸在国内全面推行一系列经济措施与改革，包括建设经济特区、推行经济新政策、体制改革、实行新发展模式、出台相关经济法律等，使得此后10 a间缅甸经济取得了一定的成效，促进了缅甸的经济发展。但2021年之后，由于缅甸国内政局变动，造成国内经济陷入混乱状态、再加上全球疫情席卷，这些都阻碍了经济发展[21]，使得缅甸TNL稍有下降。而云南省作为我国边境线最长的省份之一，接壤缅甸、老挝、越南，成为我国连接南亚、东南亚的枢纽与核心地区，自我国实施西部大开发战略以来，区位优势加政策支持，大大促进了云南省对外经济快速发展。据统计年鉴，2022年，进出口贸易总额达到500.42亿美元，突破500亿美元大关，相较于2013年前增长了242.13亿美元，增长率达93.74%。除此之外，云南省拥有丰富的自然和文化资源，旅游业也十分发达。
其次是滇缅双方合作交流。自我国提出“一带一路”倡议以来，缅甸积极响应[22]，滇缅经济贸易合作加速推进，双方经济都有明显的提升。包括中缅原油管道、中缅天然气管道、中缅“人字形”经济走廊等。天然气管道和原油管道分别于2013年和2017年投产运行。例如，中缅原油管道贯通后，形成新的海运线路，部分原油从中东、非洲主要原油出口国运至印度洋后，无须绕行马六甲海峡，经过皎漂港即可运输至我国内陆[23]，同时也打开了我国通往印度洋的大门，降低了原油运输风险和成本。该项目的建成，为我国开辟了一条重要的陆上通道，给当地带来了工作机会与发展机遇，也解决了我国西南地区能源匮乏的问题。据统计，截至2022年7月25日，已安全输送了天然气356.7亿标方，原油5 135.99万t，拉动地方600余名劳动力就业。不仅给双方带来了切实的利益，也促进我国与缅甸的合作交往，促进我国“一带一路”倡议的顺利实施。
以上表明，政策支持、区域合作、经济改革、区位优势等等，都大大促进了滇缅地区的经济发展，这些原因也与后续经济重心的迁移、SDE面积增大等有关，后续不再赘述。
滇缅各地区TNL增量与增速如图3和图4所示，可以看出，昆明市夜光增量占据云南省榜首，其次是昭通市、曲靖市、红河市。昆明市作为滇中城市群中心，开发较快，周边各类资源都相对丰富，使得自身及周边经济发展在较高水平。夜光增速较快的城市为迪庆市、保山市、西双版纳傣族自治州，其次是临沧市和昭通市。保山市作为滇西城市群中心之一，充分发挥自身优势，再加上政策支持，近几年发展速率逐步提升；而西双版纳傣族自治州在其旅游业、地域环境的支持下也在逐步发展。
图3 云南省TNL增量、增速（审图号：GS京（2025）1936号）

Fig.3 TNL growth rate and increment in Yunnan Province

图4 缅甸TNL增速、增量（审图号：GS京（2025）1936号）

Fig.4 Myanmar TNL growth rate and increment

缅甸夜光增量中，曼德勒省、仰光省、掸邦、内比都位于前列，主要源于仰光、内比都先后作为缅甸首都，是经济、文化、交通等发展水平较高的城市，也带动了周边区域的经济发展，钦邦、克耶邦相对落后；增速最快的是若开邦，主要原因为若开邦靠近海岸，海洋业、渔业等十分发达，再加上中缅油气管道项目的合作，这也促使若开邦经济在以较高的速度发展；钦邦则增速较慢，钦邦位于缅甸的西北部，与孟加拉国和印度接壤，当地农业技术落后、民族战争频繁、经济落后，或是造成夜光增量、增速都较低的一部分原因。

3.2 夜间灯光与经济发展水平相关性分析

为分析夜间灯光数据与GDP数据是否有相关性，分别将预处理后的2013—2022年缅甸和云南省的TNL和GDP数据构成散点图，如图5所示，对比发现两者在时间序列下的总体变化趋势相似，即TNL和 GDP 存在显著相关性。
图5 研究区TNL与GDP散点图

Fig.5 Scatter plot of TNL and GDP in the study area

计算皮尔逊相关系数验证其相关性。将 2013—2022年滇缅地区TNL与GDP 数据分别作为2个变量代入式（4），结果显示，缅甸的Pearson相关系数约为0.650，云南省约为0.957，值均大于0，根据相关性系数的理论，当相关性系数的绝对值大于0.5时，一般认为变量之间存在相关性，所以滇缅地区TNL与GDP数据间呈正相关关系；显著性（sig值）一般情况下以 0.05 为界，p <0.05 即认为两个变量之间有显著性相关性，缅甸和云南省sig值均为0，小于0.05。综上表明滇缅地区TNL与GDP数据间有显著相关性。因此可利用夜间灯光数据作为GDP的代理值，从而分析滇缅地区的经济时空变化特征。

3.3 经济发展方向特征分析

基于夜光数据计算滇缅地区2013—2022年的经济重心、标准差椭圆，结果如图6所示，参数如表1所示。从经济重心变化路径趋势来看，整体先向西南方向移动，之后向东北方向移动，椭圆中心与经济重心移动轨迹相似，经纬度坐标由2013年的100° 36'32.325″E，23° 33'35.154″N 移动至2022年的100° 26'8.861″E，23° 25'57.815″N，移动了约22.42 km；标准差椭圆的面积由2013年的374 138.09 km2增长为2022年的437 174.47 km2，大约增加了63 036 km2，增长率为16.8%，表明滇缅地区夜间灯光空间分布范围逐渐扩大，经济发展区域也在逐步扩大；从长短轴变化范围来看，长轴2013—2020年处于变长趋势，2022年略微缩短，短轴处于稳定增长的趋势；旋转角度大约在36.26°~37.92°之间，变化范围不大，说明滇缅地区近10 a的经济发展方向特征并无明显变化，分布趋势以为东北-西南方向为主。
图6 2013—2022年研究区域SDE和经济重心

（审图号：GS京（2025）1936号）

Fig.6 SDE and economic focus from 2013 to 2022 in the study area

表1 研究区域SDE参数计算结果

Tab.1 Calculation results of SDE in the study area

年份 面积/km2 重心坐标 长轴/km 短轴/km 角度/（°）
N E
2013年 374 138.09 23°33'35.154″ 100°36'32.325″ 596.66 199.64 37.92
2015年 401 092.63 23°16'16.580″ 100°21'22.260″ 624.60 204.45 37.36
2018年 431 243.19 23°17'45.279″ 100°20'45.997″ 627.01 218.96 36.68
2020年 445 262.78 23°13'54.033″ 100°15'30.959″ 635.95 222.91 36.38
2022年 437 174.47 23°25'57.815″ 100°26'8.861″ 613.69 226.79 36.26
本质上经济重心、SDE是基于TNL计算得出，所以与TNL变化原因相关，也就是前文3.1节分析到的，缅甸国内推行一系列经济开放与改革措施、实施经济新政策等有关，并且取得了一定成效，再加之我国实施“一带一路”倡议，使得缅甸经济得以快速发展，滇缅地区经济重心向缅甸偏移，但2021年之后，由于缅甸国内政局，加之西方国家的经济制裁、疫情影响，使得国内经济又陷入混乱状态，与此同时，滇中城市群快速发展，受其辐射影响，经济重心又向滇缅地区的东北方向移动。对于滇缅地区经济发展，以昆明为中心的滇中城市群影响大于缅甸的影响，滇中城市群作为“一带一路”倡议面向南亚东南亚开放的重点区位，同时也是西部大开发战略的重要地带，区位优势也逐渐显现。具体变化原因可参考3.1节描述。

3.4 经济发展空间聚集性分析

本文基于夜光数据计算滇缅地区的全局莫兰指数，判断研究区域内是否存在空间聚集现象。计算结果如表2所示，可以看出，2013—2022年莫兰指数均大于0，总体呈现增大的趋势，表明在此期间滇缅地区夜间灯光的空间聚集呈逐步增强的态势；Z得分见表2；且p=0.00，所以在0.01的置信水平下滇缅地区夜间灯光存在空间相关性，并不是随机分布的。
表2 研究区域的TNL全局莫兰指数结果

Tab.2 Moran’s I values for TNL in in the study area

年份 莫兰指数 Z得分 p值
2013年 0.560 971 26.866 303 0.00
2015年 0.581 629 27.668 112 0.00
2018年 0.610 754 29.071 965 0.00
2020年 0.626 830 29.918 484 0.00
2022年 0.606 350 28.882 549 0.00
由全局莫兰指数结果得知，滇缅地区夜间灯光存在空间相关性，故进一步使用局部莫兰指数探究2013—2022年滇缅地区夜间灯光的空间聚集情况。LISA聚类地图如图7所示，从图中可以看出，滇缅地区的聚集类型主要以高高聚集和低低聚集为主，即高高型和低低型较低高型、高低型聚集区域数量更多，表明滇缅地区夜间灯光在数值高或数值低的区域在空间上更容易聚集。
图7 研究区域LISA聚类地图（审图号：GS京（2025）1936号）

Fig.7 LISA clustering map of the research area

高高聚集区域主要分布在云南省昆明市及周边地区，据云南省统计年鉴，2013年昆明市GDP为3 415.31亿元，到2022年增长至4 126.06亿元，增长量位于全省第一，作为国家重点培育的城市群之一，昆明市起到良好的辐射作用，带动了周边城市的发展，可以看出10 a间昆明市周边地区保持着高高聚集现象，且与周边城市形成高值与高值相邻的地理聚集带；云南省昭通市南部在2015年的低高型聚集区在2018年转变成高高聚集区，近年来昭通市大力推动工业发展与重点项目建设，经济得以快速发展；红河市在2022年GDP为2 863.08亿元，10 a间经济增长量位于全省第三，农业与旅游业都在带动经济增长，与红河市相邻地区的文山市在2015年也有少量高高聚集区域，体现出辐射作用。作为东南亚重要的国家之一，与我国云南省紧密相连的缅甸，是最不发达的国家之一，由于国内战争频繁发生，再加上一些国家的经济制裁，使得国内经济与社会活动受到严重冲击，导致农业生产停滞，工业产出下降，进出口贸易减少，本国货币大幅贬值，外资纷纷撤离，国内经济陷入混乱和无序状态，在全球疫情肆虐和经济动荡叠加的背景下，更加减缓了缅甸的经济发展[21]。使得缅甸大部分区域的TNL呈现出低低聚集区的空间分布特征。

4 结论

本文以2013—2022年NPP/VIIRS夜光遥感数据为数据源，基于GIS数据处理平台，通过计算滇缅地区TNL、重心模型、标准差椭圆、莫兰指数等指标探究滇缅地区经济发展时空特征，并进行经济时空格局变化分析，得到以下结论：
1）滇缅地区夜间灯光总值与 GDP 数据间呈高度正相关，将 TNL 作为 GDP 的代理变量具有科学性与合理性。
2）从夜光总值变化来看，2013—2022年滇缅地区的夜光总值处于稳定增长状态。其中，缅甸增长占比约为32.38%，云南增长占比约为67.62%；滇缅地区TNL增速为61.107%，缅甸为104.186%，云南省为50.534%。表明10 a间滇缅地区经济在不断发展，云南省的发展水平高于缅甸，缅甸的发展速率高于云南省。
3）从经济发展方向特征来看，2013—2022年滇缅地区经济重心总体先向西南方向移动，后向东北方向移动，迁移幅度较大，约移动了22.42 km；标准差椭圆面积呈现增大的趋势，到2022年有缩减的趋势；方位角基本保持不变。
4）从经济发展空间聚集性来看，全局莫兰指数结果表明滇缅地区存在空间聚集现象。局部莫兰指数结果表明最为显著的两种空间聚集类型为高高聚集和低低聚集，其中，高高聚集型区域主要集中在云南省滇中城市群，大理市、红河市、文山市也有较少区域分布；低低聚集型区域主要分布在缅甸西部和东部。
5）从经济发展变化原因来看，滇缅地区经济得以快速发展很大原因是受到我国“一带一路”倡议的影响，加深了我国与缅甸的合作往来，尤其是作为我国面向东南亚的辐射中心云南省，其中与缅甸合作的项目包括中缅“人字形”经济走廊、中缅原油、天然气管道、云南省与缅甸多条铁路线路开通等，这些项目极大地促进了滇缅地区的经济发展；经济重心迁移有诸多影响因素，包括缅甸国内经济政策、政局影响、改革措施、滇中城市群吸引、与我国贸易合作等；2020年后标准差椭圆面积缩减现象的一部分原因在于疫情的原因阻碍了区域经济发展；高高聚集区以滇中城市群为主，该地区有优越的地理区位，再加上改革开放和西部大开发的机遇，吸引了大量人才和资金，在辐射作用下进一步带动了周边地区的经济发展；低低聚集区主要分布在缅甸东部和西部，一部分原因是本土战争频繁、西方国家制裁、外资撤离等。
6）本文基于夜光遥感数据的研究滇缅地区经济发展已取得一定的研究成果，可以为滇缅地区经济发展提供一些有益参考，也再次证实了夜间灯光数据用于研究经济发展的可行性与可靠性。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
张颖. 中缅命运共同体及其示范意义[J]. 当代世界, 2020(5):60-64.

Zhang Y. China-Myanmar community with a shared future and its demonstration significance[J]. Contemporary World, 2020(5):60-64.

[2]
彭泽军. 云南参与中缅经济走廊建设的现状、困难及建议[J]. 商业经济, 2022(12):75-77.

Peng Z J. Present situation,difficulties and suggestions of Yunnan’s participation in the construction of China-Myanmar Economic Corridor[J]. Business & Economy, 2022(12):75-77.

[3]
闫树熙, 刘志强, 郭利锋. 陕西区域经济发展不平衡水平的定量测度及应对之策[J]. 贵州大学学报(自然科学版), 2020, 37(1):119-124.

Yan S X, Liu Z Q, Guo L F. The quantitative measurement of the unbalanced level of regional economic development in Shaanxi Province and the countermeasures[J]. Journal of Guizhou University (Natural Sciences), 2020, 37(1):119-124.

[4]
苏伟洲, 申洪源. 人口流动对省级区域经济增长的实证检验[J]. 统计与决策, 2017, 33(20):106-110.

Su W Z, Shen H Y. Empirical test of population mobility on provincial regional economic growth[J]. Statistics & Decision, 2017, 33(20):106-110.

[5]
严驰昊, 宁常郁, 赵银军. 中国跨省人口流动对区域经济增长的影响——基于非参数统计方法[J]. 广西科学, 2023, 30(3):587-596.

Yan C H, Ning C Y, Zhao Y J. Impacts of inter-provincial population mobility on regional economic growth in China-based on nonparametric statistics method[J]. Guangxi Sciences, 2023, 30(3):587-596.

[6]
陈颖彪, 郑子豪, 吴志峰, 等. 夜间灯光遥感数据应用综述和展望[J]. 地理科学进展, 2019, 38(2):205-223.

DOI

Chen Y B, Zheng Z H, Wu Z F, et al. Review and prospect of application of nighttime light remote sensing data[J]. Progress in Geography, 2019, 38(2):205-223.

DOI

[7]
李德仁, 李熙. 论夜光遥感数据挖掘[J]. 测绘学报, 2015, 44(6):591-601.

DOI

Li D R, Li X. An overview on data mining of nighttime light remote sensing[J]. Acta Geodaetica et Cartographica Sinica, 2015, 44(6):591-601.

DOI

[8]
李德仁, 李熙. 夜光遥感技术在评估经济社会发展中的应用——兼论其对“一带一路” 建设质量的保障[J]. 宏观质量研究, 2015, 3(4):1-8.

Li D R, Li X. Applications of night-time light remote sensing in evaluating of socioeconomic development[J]. Journal of Macro-Quality Research, 2015, 3(4):1-8.

[9]
Marx A, Analysis of Panamanian DMSP/OLS nightlights corroborates suspicions of inaccurate fiscal data:A natural experiment examining the accuracy of GDP data[J]. Remote Sensing Applications:Society and Environment, 2017, 8:99-104.

[10]
Elvidge C D, Baugh K E, Kihn E A, et al. Relation between satellite observed visible-near infrared emissions,population,economic activity and electric power consumption[J]. International Journal of Remote Sensing, 1997, 18(6):1373-1379.

[11]
王琳, 钟泓文, 许章华, 等. Luojia-01夜光数据和“点轴发育” 理论支持下的夜间经济集聚区定量识别与分类方法[J]. 地球信息科学学报, 2022, 24(11):2141-2152.

DOI

Wang L, Zhong H W, Xu Z H, et al. Quantitative identification and classification of the nighttime economic agglomeration based on the Luojia-01 NTL data and pole-axis theory[J]. Journal of Geo-Information Science, 2022, 24(11):2141-2152.

[12]
李益敏, 傅星峰, 李媛婷, 等. 基于夜光遥感的东南亚国家经济发展时空特征研究[J]. 南京信息工程大学学报, 2024, 16(3):374-385.

Li Y M, Fu X F, Li Y T, et al. Spatio-temporal features of economic development in Southeast Asian countries based on nighttime light remote sensing[J]. Journal of Nanjing University of Information Science & Technology, 2024, 16(3):374-385.

[13]
朱惠, 张清凌, 张珊. 1992—2017年基于夜光遥感的中亚社会经济发展时空特征分析[J]. 地球信息科学学报, 2020, 22(7):1449-1462.

DOI

Zhu H, Zhang Q L, Zhang S. Spatial and temporal characteristics of socio-economic development in central Asia based on a series of nighttime light images from 1992 to 2017[J]. Journal of Geo-Information Science, 2020, 22(7):1449-1462.

[14]
郭永德, 高金环, 马洪兵. Suomi-NPP夜间灯光数据与GDP的空间关系分析[J]. 清华大学学报(自然科学版), 2016, 56(10):1122-1130.

DOI

Guo Y D, Gao J H, Ma H B. Spatial correlation analysis of Suomi-NPP nighttime light data and GDP data[J]. Journal of Tsinghua University (Science and Technology), 2016, 56(10):1122-1130.

[15]
李林玥, 孙志贤, 龙翔. “一带一路”沿线国家与中国的贸易发展状况研究——夜间灯光数据在引力模型中的实证分析[J]. 数量经济技术经济研究, 2018, 35(3):39-58.

Li L Y, Sun Z X, Long X. The study of trade development between “the Belt and Road Initiative” countries along the line and China[J]. Journal of Quantitative & Technological Economics, 2018, 35(3):39-58.

[16]
Doll C H, Muller J P, Elvidge C D. Night-time imagery as a tool for global mapping of socioeconomic parameters and greenhouse gas emissions[J]. AMBIO:A Journal of the Human Environment, 2000, 29(3):157.

[17]
李建忠, 郑著彬, 张润飞, 等. 赣南与闽西地区经济空间格局的夜光遥感研究——以原赣南、闽西苏区为例[J]. 赣南师范大学学报, 2020, 41(3):83-90.

Li J Z, Zheng Z B, Zhang R F, et al. Remote observation of economic spatial pattern for Gannan and Minxi based on NPP/VIIRS nighttime imagery:A case study of the former soviet areas in southern Jiangxi and western Fujian[J]. Journal of Gannan Normal University, 2020, 41(3):83-90.

[18]
陈琛, 马毅, 江涛. 基于DMSP/OLS夜光遥感的山东半岛城市经济参量时空模拟分析[J]. 海洋技术学报, 2020, 39(1):10-18.

Chen C, Ma Y, Jiang T. Spatial and temporal simulation analysis of urban economic parameters of the Shandong Peninsula based on DMSP/OLS night-time light remote sensing[J]. Journal of Ocean Technology, 2020, 39(1):10-18.

[19]
罗虹, 赵政权. 基于NPP-VIIRS的云南省城市经济空间格局演变[J]. 地理空间信息, 2022, 20(1):32-37,7.

Luo H, Zhao Z Q. Urban economic spatial pattern evolution of Yunnan Province based on NPP-VIIRS[J]. Geospatial Information, 2022, 20(1):32-37,7.

[20]
肖卫东. 中国种植业地理集聚的空间统计分析[J]. 经济地理, 2014, 34(9):124-129.

Xiao W D. Spatial statistics analysis of China’s planting geographic agglomeration[J]. Economic Geography, 2014, 34(9):124-129.

[21]
王勤. 东南亚最不发达四国经济发展进程与前景[J]. 南亚东南亚研究, 2023(1):105-115,156.

Wang Q. The economic development process and prospects of the four least developed countries in Southeast Asia[J]. South and Southeast Asian Studies, 2023(1):105-115,156.

[22]
李晨阳, 孟姿君, 罗圣荣. “一带一路”框架下的中缅经济走廊建设:主要内容、面临挑战与推进路径[J]. 南亚研究, 2019,(04):112-133+157-158.

Li C Y, Meng Z J, Luo S R. The construction of the China-Myanmar Economic Corridor under the Belt and Road Initiative:Core contents,challenges and paths forward.[J]. South Asian Studies, 2019(4):112-133,157-158.

[23]
李逸, 赵媛, 夏四友. 中国跨境油气运输管道安全性评价与类型区划分[J]. 自然资源学报, 2024, 39(3):547-563.

DOI

Li Y, Zhao Y, Xia S Y. Safety evaluation and classification of cross-border oil and gas transportation pipelines in China[J]. Journal of Natural Resources, 2024, 39(3):547-563.

DOI

Options
Outlines

/

〈 〉