并不是每个人都平等地分享了中国经济改革的成果，贫困问题仍然是中国面临的一个重大问题，需要长期解决。因此，准确地评估区域贫困水平对于中央政府和地方政策制定者来说是必不可少的。如何获得可靠的、最新的社会经济数据以解决地区不平等问题，是值得思考的。
传统上，区域社会经济发展评估是基于地方政府收集的统计数据。GDP是经济表现最常用得指标。然而，这类数据是受限得，因为经济普查在中国通常每五年收集一次，它需要耗费大量的人力及经济成本，所以需要很长的时间更新现有数据。有时由于各种原因，如地方行政单位的变更等可能影响统计数据的搜集。另外，还会受空间阻碍影响数据搜集的全面程度。
与传统方法相比，卫星遥感由于其时间分辨率高、空间覆盖广等优点，为各种物理和社会科学研究提供了精确、准确的空间数据。自60年代研究者涉猎该领域开始，发现高精确度的卫星图像能够反映和分析社会经济相关问题。夜间灯光数据已被证明与人口、GDP和电力消耗之间存在强相关性。
本研究结合了3年的DMSP / OLS夜间数据与其他社会经济统计指标进行分析。建立中国省级层次的DMSP / OLS夜间平均灯光指数，分析其与综合贫困指数之间的关系，探索中国社会财富的空间不规则分布。
数据
1、社会经济统计数据和基础地理数据
一方面从中国国家统计局公布的数据中获得2007年至2009年选定的31个省市的3年社会经济统计数据。另一方面从国家基础地理信息系统网站下载地理行政区域边界矢量文件，使用ESRI ArcGIS进行处理。将GDP数据和行政数据整合到地理空间数据库中以供进一步分析。
2、 夜间灯光数据
使用发布了2007年至2009年的4版DMSP / OLS夜间图像产品（30弧秒空间分辨率）用于这项研究。
方法
1、 建立DMSP / OLS夜间平均光指数（ALI）
2、 使用主成分分析（PCA）建立综合贫困指数（IPI）。其中使用的17个指标包括：人均GDP，人均劳动报酬，居民消费水平，城市化率，预期寿命，性别比例，依赖比例，文盲率，就业率，区域金融，人均收入，农民人均纯收入，农民人均消费支出，人均居住面积，人均用电量，农村家庭生产性固定资产，医疗机构的床位数，人均税收。
结果
1、中国31个省得综合贫困指数
中国31个地区的IPI如下表所示。IPI值越低，该地区越差。所有富裕省份和贫困指数值都位于中国东部。贫困指数低于-0.50的最贫困的5个省，包括青海，云南，甘肃，贵州和西藏。除北京之外，具有高IPI的地区都是中国东部沿海发达省份。具有中等IPI的省份大多数位于中国中部，IPI较低的省份主要是西部地区。
2、中国31个省的平均夜间灯光强度
如下表所示，高的平均夜间灯光强度表示该地有较强得社会经济活力。中国主要城市上海，北京和天津占据最高排名，具有最高的ALI值；相反，贵州是排名最后，灯光强度值最低。
3、省级平均夜间灯光强度与综合贫困指数的关系
运用SPSS进行回归分析，探究省级平均夜间灯光强度与综合贫困指数的关系。如下图所示，二者呈正相关，决定系数为0.854。说明平均夜间灯光强度可以提供良好的区域经济情况估计。本文认为DMSP / OLS夜间平均夜间灯光强度能够比传统方法所依赖的昂贵且耗时的社会经济统计数据，更好地反映区域经济状况，并可提供贫困水平的良好估计。
4、平均夜间灯光强度与综合贫困指数的各省排名比较
比较平均夜间灯光强度与综合贫困指数的各省排名，如下图。在大多数地区（20个省），它们是相同的，换句话说，不同的DMSP / OLS夜间平均灯光指数水平可以很好地反映出来这些地区的贫困程度。只有3个省显示出较大的差异（大于1），它们是湖南，吉林和黑龙江。研究进一步发现，2009年湖南，吉林和黑龙江三个省的第二产业分别占本地区GDP的43.5％，48.7％和47.3％，但第三产业并不活跃，导致这些地区的ALI类别排名相对较低。
讨论
这项研究目前是初步的。早期曾有学者使用通过将人口数量（LandScan 2004）除以DMSP/OLS夜间灯光数据计算得出的贫困指数来制作全球贫困地图（Elvidge，2009）。美国能源部橡树岭国家实验室提供的LandScan人口数据可以帮助将估计数据从区域尺度分解为像素尺度。然而，人口统计数据随时间而变化，不同年份的LandScan人口数据不相容，因此不推荐使用以往的数据版本（Oak Ridge National Laboratory，2010）。由于这一事实，本文认为LandScan人口数据在研究中国区域贫困问题方面存在局限性。中国政府目前正在根据2010年全国人口普查制定本土人口网格数据。本文认为，与传统收集的统计数据相比，夜间灯光数据具有更高的准确性和更高的可靠性，可以逐步把GIS技术引入人口普查当中。
评论 (0)