《Plants》：The Influence of Water Extraction Methods on the Isolation of Polyphenols and Tannins from Various Ericaceae and Rosaceae Species
Kristina Lo?ien? and
Evelina Petraityt?
编辑推荐：
本文整合夜间灯光（NTL）与人口（POP）多源遥感数据，提出夜间灯光-人口耦合协调度（NPCCD）分析框架。研究发现2012-2022年中国近半数区域NPCCD稳定提升，但新兴耦合区协调性显著低于持续有效区。可解释的机器学习模型揭示了人口密度、人力资本、产业升级和财政分权是主导驱动因子，存在显著非线性和交互效应。研究为评估人类活动强度与人口分布协调性、支持可持续与平衡的区域发展提供了量化工具。
本研究旨在探究中国范围内夜间人类活动强度与人口分布之间的耦合协调关系及其时空演化规律与驱动机制。通过整合多源遥感数据与统计资料，构建了一个综合像素级耦合度量化、区域趋势检测与可解释机器学习驱动的分析框架，对2012年至2022年期间的夜间灯光-人口耦合协调度（Nighttime Lights and Population Coupling Coordination Degree, NPCCD）进行了深入分析。
1. 引言
全球城市化进程加速，城市已成为人类活动最集中的空间。人口聚集、经济活动和能源消耗的加剧深刻重塑着地球表面与社会经济结构。评估经济活动与人口分布的交互关系，常通过耦合协调度（Coupling Coordination Degree, CCD）进行，这对理解城市发展质量、区域治理和可持续性至关重要。在中国快速城市化的背景下，不同发展阶段的地区间CCD差异显著。传统研究依赖于汇总在行政单元层面的人口普查和统计数据，空间分辨率受限且更新频率低，难以捕捉人口分布与经济活动的非线性关系。相比之下，具有大范围覆盖、时间连续性和空间细节优势的遥感数据，为监测城市结构和社会经济动态提供了新途径。其中，夜间灯光（Nighttime Light, NTL）数据因能直接记录人类夜间活动强度，被广泛应用于表征城市化、经济活动和基础设施分布。研究已证实NTL与GDP、土地开发强度、电力消耗等存在强相关性，为将其作为人类活动的代理指标奠定了理论基础。近年来，研究焦点逐步转向人口模式与NTL亮度之间的匹配关系。一些研究通过相关性或回归分析量化NTL与POP的统计关联，另一些则开发基于联合分布的集中度或不平等度量指标。尽管这些方法推进了对整体相关性和空间不平等的识别，但仍难以在多尺度空间单元上捕捉NTL-POP耦合的非线性结构，并揭示多维驱动机制。同时，NTL与人口的关系受多种社会经济因素塑造，但变量间的复杂非线性关系与交互效应限制了传统模型的解释力。近年来，机器学习方法在处理高维特征、提取非线性模式和量化变量重要性方面显示出强大潜力。Shapley Additive Explanations（SHAP）已成为评估特征贡献、增强模型可解释性的重要工具。将CCD建模与机器学习和SHAP分析相结合，为揭示NPCCD的空间格局和驱动机制提供了前景广阔的方法。
2. 材料与方法
2.1. 研究区域
研究区域为中国大陆（不含台湾、香港、澳门），根据地理位置划分为六个区域：西北、东北、华北、西南、华中内陆区和东南沿海区。研究采用500米网格尺度捕捉城市内部精细空间异质性，并在城市级别进行跨城市比较和驱动力建模。
2.2. 数据来源与预处理
NTL数据采用来自地球观测组的NPP-VIIRS月度产品（VCM版本），时间段为2012年4月至2022年12月。通过累积计数均值合成法生成年度NTL合成影像，以最小化缺失观测值的影响，并应用年度亮源掩模去除背景噪声和异常值。最终将年度NTL合成数据重采样至500米分辨率。人口数据来自Oak Ridge国家实验室开发的LandScan数据集。将2012年至2022年原始的1公里人口网格数据转换为人口密度，并使用最近邻法重采样至500米分辨率。利用统计年鉴中的城市人口总数作为参考值，对栅格化人口数据进行城市特异性校准，得到500米分辨率的校准后人口数据集。行政区划数据来自国家基础地理信息中心，社会经济数据来自2012年至2022年《中国城市统计年鉴》。
2.3. 方法
2.3.1. 耦合协调度模型
为量化NTL和POP的整体发展水平与互动强度，引入了耦合协调度（Coupling Coordination Degree, CCD）模型。首先对NTL和POP进行极差标准化处理，得到标准化变量UNTL和UPOP，其值域为[0, 1]。耦合度（C）用于描述两个子系统之间相互作用的强度和关联的紧密程度，借鉴物理学中的耦合概念，应用二元耦合度模型进行计算。协调度（D）则在耦合度的基础上，进一步结合了NTL和POP两个子系统的综合发展水平（T），用于衡量二者在互动中共同发展的和谐程度。最终的NPCCD即为协调度D，其值越接近1，表示NTL与POP之间的耦合协调状态越好。
2.3.2. 趋势分析与区域划分
基于计算得到的年度NPCCD网格数据，采用线性回归斜率分析每个像元在2012-2022年间的变化趋势。根据趋势斜率的正负和显著性，将全国像元划分为“显著改善”、“轻微改善”、“基本稳定”、“轻微退化”和“显著退化”五类。进一步，识别出在整个研究期内持续有效的耦合区域、新出现的耦合区域以及耦合关系消失的区域，以分析耦合状态的稳定性与动态变化。
2.3.3. 机器学习建模与SHAP解释
为探究NPCCD的驱动机制，研究构建了包含人口密度、人力资本水平、产业结构升级、财政分权、基础设施、公共服务可达性等在内的12个社会经济指标作为解释变量。采用梯度提升决策树（Gradient Boosting Decision Tree, GBDT）等机器学习算法对城市级平均NPCCD进行建模。随后，应用SHAP（Shapley Additive Explanations）方法对模型进行解释，量化每个驱动因子对NPCCD的边际贡献，并揭示其非线性效应以及因子间的交互作用。
3. 结果
3.1. NPCCD的时空演化格局
2012-2022年间，中国全国范围内有49.07%的像元NPCCD呈现稳定改善趋势。空间分异显著：东部和中部地区超过60%的像元属于改善类别，而西部和东北地区近半数像元保持不变。新增耦合区域的平均NPCCD为0.03，显著低于持续有效耦合区域的0.07，反映了基础设施建设与人口增长之间的不匹配。
3.2. 不同耦合类型的特征比较
持续有效耦合区域主要分布在长三角、珠三角、京津冀等东部沿海发达城市群，表现出高且稳定的协调度。新出现的耦合区域则多位于中西部地区的城市新区或开发区，其协调度起点较低，增长不稳定。对比表明，耦合关系的质量不仅取决于初始的匹配水平，更依赖于其持续的协调稳定性。
3.3. 驱动机制分析
机器学习模型对NPCCD方差的解释力达到58.4%。SHAP分析识别出四个核心驱动因子：人口密度、人力资本、产业升级和财政分权。这些因子对NPCCD的影响呈现显著的非线性阈值效应。例如，人口密度在达到一定阈值前对协调度有正向贡献，超过后贡献减弱或转为负向。人力资本（以高等教育人口比例衡量）和产业升级（以第三产业占比衡量）是提升协调度的关键积极因素。财政分权则表现出复杂的非线性影响，适度的分权有利于地方因地制宜推动协调发展，但过度分权可能导致区域差距扩大。此外，因子间存在强烈的交互作用，如人力资本与产业升级的协同效应对提升NPCCD尤为重要。
4. 讨论
本研究的价值在于提供了一个从像元到区域的多尺度NPCCD量化框架，将遥感观测与机器学习解释相结合，深化了对人类活动与人口分布协调关系的理解。结果表明，中国NPCCD的改善存在显著的区域不均衡，新开发区域的“重建设、轻协调”问题突出。驱动机制分析指出，政策应超越单纯追求灯光或人口的增长，转向提升二者耦合的质量与稳定性。未来政策需在人口分布、产业结构、教育、公共服务和财政体系等方面采取协同行动，并依据不同的城市类型（如持续耦合区、新兴耦合区）制定差异化策略，以缩小耦合质量的区域差距，支撑高质量城镇化。
5. 结论
本研究系统评估了2012-2022年中国夜间灯光与人口耦合协调度的时空演化特征，并揭示了其背后的社会经济驱动机制。主要结论包括：（1）近十年中国近半数地区NPCCD稳步改善，但东西部差异显著；（2）新兴耦合区域协调性明显弱于持续有效区域，揭示出发展质量与速度的不匹配；（3）人口密度、人力资本、产业升级和财政分权是主导驱动因子，且影响具有非线性与交互性特征。该研究为科学评估城镇发展质量、优化国土空间布局和推动区域协调可持续发展提供了数据支撑和方法借鉴。未来的研究可进一步整合多源时空大数据，深化对复杂城市人地系统耦合机制的理解。
