京沪高铁站点对周边地区的经济带动效应研究——来自DMSP/OLS和NPP/VIIRS卫星灯光数据的证据

doi:10.3969/j.issn.1004-9479.2022.02.2020458

摘要/Abstract

摘要：

随着中国高铁建设的全面铺开，高铁新城正在成为许多城市发展的“新引擎”。本研究以京沪高铁站点为例，分析沿线高铁站点对周边地区的经济带动效应。由于相关社会经济数据的匮乏，文章应用DMSP/OLS和NPP/VIIRS卫星灯光数据结合距离圈层法对京沪高铁站点的经济效应进行评估。研究结果表明，高铁开通后，中等规模城市所在的高铁站点周边地区受益最大，其次是大城市高铁站点的周边地区，而居于小城市的高铁站点对周边地区的带动效果不明显。

关键词: 京沪高铁站点, 距离圈层法, DMSP/OLS夜间灯光数据, NPP/VIIRS夜间灯光数据

Abstract:

With rapid development of China's high-speed rail, the high-speed rail station is becoming a "new engine" for the development of many cities in China. Taking the stations along the Beijing-Shanghai high-speed railway as an example, this paper analyses the economic driving effect of the high-speed railway stations on the surrounding areas. Due to the lack of relevant socio-economic data, this paper uses DMSP/OLS and NPP/VIIRS satellite light data combined with distance circle method to evaluate the economic effect of high-speed railway station along this line. The study results show that after the opening of high-speed rail, the areas around the high-speed rail stations located in medium-sized cities benefit the most, followed by the areas around the high-speed rail stations located in large cities, and the high-speed rail stations in small cities have the worst driving effect on the surrounding areas.

Key words: Beijing-Shanghai HSR station, distance circle method, DMSP/OLS night light data, NPP/VIIRS night light data

俞路, 闫歌. 京沪高铁站点对周边地区的经济带动效应研究——来自DMSP/OLS和NPP/VIIRS卫星灯光数据的证据[J]. 世界地理研究, 2022, 31(2): 305-316.

Lu YU, Ge YAN. Economic driving effect of Beijing-Shanghai HSR station on surrounding areas ——Evidence from DMSP/OLS and NPP/VIIRS satellite light data[J]. World Regional Studies, 2022, 31(2): 305-316.

图/表 5

参考文献 25

1	胡天军,申金升.京沪高速铁路对沿线经济发展的影响分析.经济地理,1999(05):101-104.
	HU T, SHEN J. Effect analysis of Jing-Hu high-speed railway on economic development. Economic geography, 1999(05): 101-104.
2	杨万钟.经济地理学导论(第4版).上海:华东师范大学出版社, 1999.
	YANG W. Introduction to Economic Geography (4th Edition).Shanghai: East China Normal University Press, 1999.
3	YU Q. 'No county left behind?' The distributional impact of high-speed rail upgrades in China. Journal of Economic Geography, 2017, 17 (3):489-520.
4	杨维凤.京沪高速铁路对我国区域经济发展的影响.生态经济, 2011(7):61-64.
	YANG W. The impact of Chinese regional economy development on Beijing-Shanghai high-speed railway results. Ecological Economy, 2011(7): 61-64.
5	MASAYUKI K.GIS for Credible Identification Strategies in Economics Research. CESifo Economic Studies, 2018, 64(2):327-338.
6	高向东.大城市人口分布变动与郊区化研究:以上海为例.上海:复旦大学出版社,2003.
	GAO X. Study on population distribution and suburbanization of big cities: a case study of Shanghai.Shanghai: Fudan University Press, 2003.
7	李翔,陈振杰,吴洁璇,等.基于夜间灯光数据和空间回归模型的城市常住人口格网化方法研究.地球信息科学学报,2017,19(10):1298-1305.
	LI X, CHEN Z, WU J, et al. Gridding methods of city permanent population based on night light data and spatial regression models. Journal of Geo-information Science, 2017, 19(10): 1298-1305
8	潘竟虎,李俊峰.基于夜间灯光影像的中国电力消耗量估算及时空动态.地理研究,2016,35(4):627-638.
	PAN J, LI J. Estimate and spatio-temporal dynamics of electricity consumption in China based on DMSP/OLS images. Geographic Research, 2016, 35(4): 627-638.
9	杨任飞,罗红霞,周盛,等.夜间灯光数据驱动的成渝城市群空间形成过程重建及分析.地球信息科学学报,2017,19(5):653-661.
	YANG R, LUO H, ZHOU S, et al. Restoring and analyzing the space forming process of Chengdu-Chongqing urban agglomeration by using DMSP/OLS night-time light data. Journal of Geo-information Science, 2017, 19(5): 653-661.
10	李峰, 米晓楠, 刘军,等. 基于NPP-VIIRS夜间灯光数据的北京市GDP空间化方法. 国土资源遥感, 2016, 28(3):19-24.
	LI F, MI X, LIU J, et al. Spatialization of GDP in Beijing using NPP-VIIRS data. Remote Sensing for Land and Resources, 2016, 28(3): 19-24.
11	HENDERSON J V, STOREYGARD A, WEIL D N. Measuring economic growth from outer space. American Economic Review, 2012, 102(2):994-1028.
12	徐康宁,陈丰龙,刘修岩.中国经济增长的真实性:基于全球夜间灯光数据的检验.经济研究,2015,50(09):17-29.
	XU K, CHEN F, LIU X. The truth of China economic growth: evidence from global night-time light data. Economic Research Journal, 2015, 50(09): 17-29.
13	张俊.高铁建设与县域经济发展——基于卫星灯光数据的研究.经济学:季刊, 2017, 16(4):1533-1562.
	ZHANG J. High-speed rail construction and county economic development: the research of satellite light data. China Economic Quarterly, 2017, 16 (4): 1533-1562.
14	唐为.分权、外部性与边界效应.经济研究,2019,54(3):103-118.
	TANG W. Decentralization, externalities and border effects.Economic Research Journal, 2019,54 (3): 103-118.
15	王贤彬,黄亮雄.夜间灯光数据及其在经济学研究中的应用.经济学动态,2018(10):75-87.
	WANG X, HUANG L. Night light data and its application in economic research. Economic Perspectives, 2018(10): 75-87.
16	江威,何国金,刘慧婵,等. NPP/VIIRS和DMSP/OLS夜光数据模拟社会经济参量对比.遥感信息,2016, 31(4):28-34.
	JIANG W, HE G, LIU H, et al. Modeling China economic parameters based on DMSP/OLS nighttime light imagery. Remote Sensing Information, 2016, 31 (4): 28-34.
17	JIANG W, HE G, LIU H.Modelling regional socio-economic parameters based on comparison of NPP/VIIRS and DMSP/OLS nighttime light imagery. Remote Sensing Information, 2016.
18	韩向娣,周艺,王世新,等.夜间灯光遥感数据的GDP空间化处理方法.地球信息科学学报,2012,14(1):128-136.
	HAN X, ZHOU Y, WANG S, et al. Spatial processing method of GDP for night light remote sensing data. Journal of Geo-information Science, 2012,14 (1): 128-136
19	ELVIDGE C D, ZISKIN D, BAUGH K E, et al. A fifteen year record of global natural gas flaring derived from satellite data. Energies, 2009,2(3):595-622.
20	曹子阳,吴志峰,匡耀求,等.DMSP/OLS 夜间灯光影像中国区域的校正及应用.地球信息科学学报,2015,17(9):1092-1102.
	CAO Z, WU Z, KUANG Y, et al. Correction of DMSP/OLS night-time light images and its application in China. Journal of Geo-information Science, 2015,17 (9): 1092-1102.
21	张梦琪,何宗宜,樊勇.DMSP/OLS稳定夜间灯光影像的校正方法.测绘通报,2017(12):58-62.
	ZHANG M, HE Z, FAN Y. Calibration for DMSP/OLS stable nighttime light images. Bulletin of Surveying and Mapping, 2017(12): 58-62.
22	邹进贵,陈艳华,田径,等. 基于ArcGIS的DMSP/OLS夜间灯光影像校正模型的构建.测绘地理信息,2014, 39(4):33-37.
	ZOU J, CHEN Y, TIAN J, et al. Correction model of DMSP / OLS night light image based on ArcGIS. Journal of Geomatics, 2014, 39 (4): 33-37.
23	WU R, YANG D, DONG J, et al. Regional inequality in China based on NPP-VIIRS night-time light imagery. Remote sensing, 2018, 10(2): 240-252.
24	LI X, LI D, XU H,et al. Intercalibration between DMSP/OLS and VIIRS night-time light images to evaluate city light dynamics of Syria's major human settlement during Syrian civil war. International Journal of Remote Sensing, 2017,38(21):1-18.
25	杨任飞. 基于DMSP/OLS与NPP/VIIRS整合数据的城市群发育过程研究.重庆:西南大学,2018.
	YANG R. Integrating DMSP/OLS & NPP/VIIRS nighttime light data to the application research of urban agglomeration growth process. Chongqing: Southwest University, 2018.

站名	里程/ 公里	站点类型	到中心城区的距离/公里	站名	里程/ 公里	站点类型	到中心城区的距离/公里
北京南站	0	主要车站	7.56	宿州东站	767	地级市站	25.78
廊坊站	59	地级市站	1.40	蚌埠南站	844	地级市站	8.07
天津西站	110	主要车站	5.40	定远站	897	县级站	15.85
天津南站	131	主要车站	14.61	滁州南站	959	地级市站	13.03
沧州西站	219	地级市站	8.84	南京南站	1018	主要车站	9.35
德州东站	327	地级市站	15.71	镇江南站	1087	地级市站	6.22
济南西站	419	主要车站	10.54	丹阳北站	1112	县级站	9.31
泰安站	462	地级市站	9.05	常州北站	1144	地级市站	8.11
曲阜东站	533	县级站	46.92	无锡东站	1201	地级市站	15.21
滕州东站	589	地级市站	37.07	苏州北站	1227	地级市站	12.44
枣庄站	625	地级市站	25.82	昆山南站	1259	县级站	3.46
徐州东站	688	地级市站	10.28	上海虹桥站	1318	主要车站	13.97

站名	里程/ 公里	站点类型	到中心城区的距离/公里	站名	里程/ 公里	站点类型	到中心城区的距离/公里
北京南站	0	主要车站	7.56	宿州东站	767	地级市站	25.78
廊坊站	59	地级市站	1.40	蚌埠南站	844	地级市站	8.07
天津西站	110	主要车站	5.40	定远站	897	县级站	15.85
天津南站	131	主要车站	14.61	滁州南站	959	地级市站	13.03
沧州西站	219	地级市站	8.84	南京南站	1018	主要车站	9.35
德州东站	327	地级市站	15.71	镇江南站	1087	地级市站	6.22
济南西站	419	主要车站	10.54	丹阳北站	1112	县级站	9.31
泰安站	462	地级市站	9.05	常州北站	1144	地级市站	8.11
曲阜东站	533	县级站	46.92	无锡东站	1201	地级市站	15.21
滕州东站	589	地级市站	37.07	苏州北站	1227	地级市站	12.44
枣庄站	625	地级市站	25.82	昆山南站	1259	县级站	3.46
徐州东站	688	地级市站	10.28	上海虹桥站	1318	主要车站	13.97

原始数据	整合后的数据	Pearson相关系数	均方根误差	原始数据	整合后的数据	Pearson相关系数	均方根误差
F152005	L2005	0.997	1.731	F182011	L2011	0.987	3.637
F162005	L2005	0.997	1.866	F182012	L2012	0.987	3.481
F152006	L2006	0.998	2.229	F182013	L2013	0.993	3.152
F162006	L2006	0.998	1.347	NPP/VIIRS2014	L2014	0.801	31.862
F152007	L2007	0.994	4.317	NPP/VIIRS2015	L2015	0.793	31.343
F162007	L2007	0.996	2.158	NPP/VIIRS2016	L2016	0.799	32.004
F162008	L2008	0.998	1.497	NPP/VIIRS2017	L2017	0.817	33.373
F162009	L2009	0.982	5.186	NPP/VIIRS2018	L2018	0.795	32.875
F182010	L2010	0.995	3.299

原始数据	整合后的数据	Pearson相关系数	均方根误差	原始数据	整合后的数据	Pearson相关系数	均方根误差
F152005	L2005	0.997	1.731	F182011	L2011	0.987	3.637
F162005	L2005	0.997	1.866	F182012	L2012	0.987	3.481
F152006	L2006	0.998	2.229	F182013	L2013	0.993	3.152
F162006	L2006	0.998	1.347	NPP/VIIRS2014	L2014	0.801	31.862
F152007	L2007	0.994	4.317	NPP/VIIRS2015	L2015	0.793	31.343
F162007	L2007	0.996	2.158	NPP/VIIRS2016	L2016	0.799	32.004
F162008	L2008	0.998	1.497	NPP/VIIRS2017	L2017	0.817	33.373
F162009	L2009	0.982	5.186	NPP/VIIRS2018	L2018	0.795	32.875
F182010	L2010	0.995	3.299

变量	(1)	(2)
Ln（DC）	-0.528^***
	(0.00285)
Ln（DH）	-0.170^***
	(0.00251)
D₁ Ln（DC）*		-0.361^***
		(0.00788)
D₂ Ln（DC）*		-0.647^***
		(0.00897)
D₃ Ln（DC）*		-0.706^***
		(0.00724)
D₁ Ln（DH）*		-0.145^***
		(0.00628)
D₂ Ln（DH）*		-0.227^***
		(0.00734)
D₃ Ln（DH）*		-0.126^***
		(0.00574)
截距	8.593^***	11.10^***
	(0.0384)	(0.0973)
地区固定效应	控制	控制
年份固定效应	控制	控制
R²	0.558	0.571
样本数	133,414	133,414