利用多源遥感数据的中国三大经济带代表区域经济发展分析

刘志洋; 尹慧杰; 李明渊; 宗福; 董燕妮

doi:10.13203/j.whugis20240233

您当前的位置：

首页 >

文章列表页 >

利用多源遥感数据的中国三大经济带代表区域经济发展分析

摄影测量与遥感 | 更新时间：2026-11-05

- 利用多源遥感数据的中国三大经济带代表区域经济发展分析
- Analysis of Economic Development in Representative Regions of China's Three Major Economic Belts Using Multi-source Remote Sensing Data
- 武汉大学学报（信息科学版） 2026年51卷第3期页码：531-543
- 作者机构：
  
  1.武汉大学资源与环境科学学院，湖北武汉，430079
  2.中国地质大学(武汉)地球物理与空间信息学院，湖北武汉，430074
- 作者简介：
  
  刘志洋，硕士生，主要从事遥感图像处理与智能解译等方面的研究。liuzhiyangreal@whu.edu.cn
  董燕妮，博士，教授。dongyanni@whu.edu.cn
- 基金信息：
  
  国家自然科学基金(U2541203;62222116);应急管理部重点科技计划(2024EMST070706)
- DOI：10.13203/j.whugis20240233
  中图分类号： P237
- 收稿：2024-12-07，
  
  纸质出版：2026-03-05
- 稿件说明：
移动端阅览
刘志洋,尹慧杰,李明渊，等.利用多源遥感数据的中国三大经济带代表区域经济发展分析[J].武汉大学学报（信息科学版）,2026,51(3):531-543.

LIU Zhiyang,YIN Huijie,LI Mingyuan,et al.Analysis of Economic Development in Representative Regions of China's Three Major Economic Belts Using Multi-source Remote Sensing Data[J].Geomatics and Information Science of Wuhan University,2026,51(3):531-543.
刘志洋,尹慧杰,李明渊，等.利用多源遥感数据的中国三大经济带代表区域经济发展分析[J].武汉大学学报（信息科学版）,2026,51(3):531-543. DOI：10.13203/j.whugis20240233

LIU Zhiyang,YIN Huijie,LI Mingyuan,et al.Analysis of Economic Development in Representative Regions of China's Three Major Economic Belts Using Multi-source Remote Sensing Data[J].Geomatics and Information Science of Wuhan University,2026,51(3):531-543. DOI：10.13203/j.whugis20240233

摘要

对中国三大经济带的经济发展状况进行综合性分析，对于了解不同经济带间的经济发展差异、进行政策评估与制定、提升人民生活水平等有着重要意义。遥感影像可以从宏观尺度上提取区域内的土地利用、城市建设、发展活跃度等数据及空间分布信息，在区域经济研究中有着不可替代的作用。将多源遥感数据应用于三大经济带发展研究能够有效利用区域宏观特征，从不同方面探索整体发展特点。使用哨兵2号卫星数据、美国Suomi国家极轨伙伴卫星搭载的可见光红外成像辐射计获取的夜光数据及人口、国民生产总值数据，提取了能够反映区域经济发展状况的特征，并通过构建基于层次分析法的区域经济评分体系综合分析三大经济带中代表省份的经济发展状况，为了解三大经济带发展现状与差异提供有力的数据支撑。结果表明，3个研究时段内江苏省区域经济得分分别为0.660 5、0.706 1、0.767 1，湖北省得分分别为0.519 9、0.530 7、0.573 4，宁夏回族自治区得分分别为0.294 3、0.321 2、0.360 1。同时，综合其他数据发现，江苏省与湖北省经济发展基础扎实且整体持续向好，而以宁夏回族自治区为代表的西部经济带的经济发展状况仍旧落后于其他地区，但发展增速持续提升。将多源遥感数据和社会经济调查数据进行有效结合并应用于区域经济研究，能够为研究区域经济发展状况提供科学的方法参考。

Abstract

Objectives

China has formed three major economic belts according to regional resource condition

economic foundation

and development orientation

namely the eastern

central

and western economic belts. A comprehensive analysis of economic development across China's three major economic belts is essential. It helps reveal regional disparities

supports policy evaluation and formulation

and contributes to improvements in living standards. Traditional regional economic research mainly relies on socio-economic statistical data. Although effective

such data lack spatial continuity and fine-scale spatial representation. Remote sensing imagery can extract data and spatial distribution information on land use

urban construction

and development activity from a macroscopic perspective

playing an important role in regional economic research. However

current research still primarily uses the single data source

such as night-time light data

for economic development studies. The integration of multi-source remote sensing data with advanced feature extraction methods provides new opportunities for comprehensive regional economic assessment.

Methods

In response to the current lack of studies utilizing multi-source remote sensing data for regional economic analysis

a comprehensive evaluation and analysis method is proposed. This method employs Sentinel-2 data

NPP-VIIRS night-time light data

as well as population and gross domestic product (GDP) data

extracting features that reflect regional economic development from different perspectives. A vision transformer (ViT)-based semantic segmentation model is applied to Sentinel-2 imagery to generate detailed land use classification maps. The threshold method is also applied to extract built-up areas from night-time light data. Nine evaluation indicators are constructed by combining the results of multi-source remote sensing image extraction with GDP and population data. By constructing a regional economic scoring system based on the analytic hierarchy process

the method provides a comprehensive analysis of the economic development status of representative regions within economic belts. This approach offers strong data support for understanding the current state and disparities among the three major economic belts.

Results

The results indicate that the regional economic scores for Jiangsu Province are 0.660 5

0.706 1

and 0.767 1 across the three study periods

followed by Hubei Province with scores of 0.519 9

0.530 7

and 0.573 4

and the Ningxia Hui Autonomous Region with scores of 0.294 3

0.321 2

and 0.360 1

respectively. All three regions show consistent upward trends

reflecting overall improvement in regional development levels. Jiangsu Province maintains the highest score throughout the study period

showing strong economic vitality and a solid development foundation. Hubei Province demonstrates steady growth and structural stability

although a temporary slowdown is observed from 2020 to 2021

corresponding to the impact of the pandemic. However

subsequent data also show that Hubei Province recovers relatively quickly after the pandemic. In contrast

the Ningxia Hui Autonomous Region remains at a comparatively lower development level. Nevertheless

its economic score increases steadily

and its average growth rate ranks highest among the three regions

indicating strengthening development momentum within the western economic belt despite persistent structural disparities.

Conclusions

The integration of multi-source remote sensing data and socio-economic indicators enhances the accuracy and spatial explicitness of regional economic evaluation. The combination of ViT-based land use classification

night-time light analysis

and a regional economic scoring system enables multi-temporal assessment of development disparities among economic belts. The results reflect structural differences consistent with regional development patterns and recent policy influences. This framework provides a scalable and data-driven reference for monitoring regional economic dynamics and supporting coordinated development planning.

关键词

Keywords

references

陈斐，杜道生 . 空间统计分析与GIS在区域经济分析中的应用［J］. 武汉大学学报（信息科学版）， 2002 ， 27 （ 4 ）： 391 - 396 .

CHEN Fei ， DU Daosheng . Application of the Integration of Spatial Statistical Analysis with GIS to the Analysis of Regional Economy ［J］. Geomatics and Information Science of Wuhan University ， 2002 ， 27 （ 4 ）： 391 - 396 .

WU Y M ， ZHU S ， FAN J Q . Spatial-Temporal Statistical Analysis of Chengdu-Chongqing Regional Economic Structure Evolution： Based on Comparative Study with Five Major Economic Regions and Four Major Urban Groups ［C］// International Conference on Management Science and Engineering ， Rome， Italy ， 2011 .

WANG H ， ZHAO B R ， LUAN W X . Convergence Model Application on Regional Economy in Liaoning Province ［C］// International Conference on Industrial Control and Electronics Engineering ， Xi'an， China ， 2012 .

郭源园，李莉 . 西部内陆省区区域经济差异影响因素：以重庆为例［J］. 地理研究， 2017 ， 36 （ 5 ）： 926 - 944 .

GUO Yuanyuan ， LI Li . Influencing Factors of Regional Economic Inequality in Inland Provinces of Western China： A Case Study of Chongqing ［J］. Geographical Research ， 2017 ， 36 （ 5 ）： 926 - 944 .

SHI K F ， SHEN J W ， WANG L ， et al . A Multiscale Analysis of the Effect of Urban Expansion on PM 2.5 Concentrations in China： Evidence from Multi-source Remote Sensing and Statistical Data ［J］. Building and Environment ， 2020 ， 174 ： 106778 .

李德仁 . 论21世纪遥感与GIS的发展［J］. 武汉大学学报（信息科学版）， 2003 ， 28 （ 2 ）： 127 - 131 .

LI Deren . Towards the Development of Remote Sensing and GIS in the 21st Century ［J］. Geomatics and Information Science of Wuhan University ， 2003 ， 28 （ 2 ）： 127 - 131 .

KHANAL S ， KC K ， FULTON J P ， et al . Remote Sensing in Agriculture： Accomplishments， Limitations， and Opportunities ［J］. Remote Sensing ， 2020 ， 12 （ 22 ）： 3783 .

李德仁，余涵若，李熙 . 基于夜光遥感影像的“一带一路”沿线国家城市发展时空格局分析［J］. 武汉大学学报（信息科学版）， 2017 ， 42 （ 6 ）： 711 - 720 .

LI Deren ， YU Hanruo ， LI Xi . The Spatial-Temporal Pattern Analysis of City Development in Countries Along the Belt and Road Initiative Based on Nighttime Light Data ［J］. Geomatics and Information Science of Wuhan University ， 2017 ， 42 （ 6 ）： 711 - 720 .

MELLANDER C ， LOBO J ， STOLARICK K ， et al . Night-Time Light Data： A Good Proxy Measure for Economic Activity？［J］. PLoS One ， 2015 ， 10 （ 10 ）： e0139779 .

LI X ， XU H M ， CHEN X L ， et al . Potential of NPP-VIIRS Nighttime Light Imagery for Modeling the Regional Economy of China ［J］. Remote Sensing ， 2013 ， 5 （ 6 ）： 3057 - 3081 .

李熙，巩钰，邵振峰，等 . 夜间灯光遥感视角下的中国对中亚地区援助效果评估［J］. 武汉大学学报（信息科学版）， 2023 ， 48 （ 12 ）： 1914 - 1922 .

LI Xi ， GONG Yu ， SHAO Zhenfeng ， et al . Evaluation of China's Aid to Central Asia from the Perspective of Night-Time Light Remote Sensing ［J］. Geomatics and Information Science of Wuhan University ， 2023 ， 48 （ 12 ）： 1914 - 1922 .

何洋，程辉，唐亮 . 基于DMSP/OLS数据的我国省级经济发展水平研究［J］. 地理空间信息， 2014 ， 12 （ 2 ）： 79 - 82 .

HE Yang ， CHENG Hui ， TANG Liang . Economic Development Levels of Provincial Scale in China Based on DMSP/OLS Data ［J］. Geospatial Information ， 2014 ， 12 （ 2 ）： 79 - 82 .

CUI Y Z ， SHI K F ， JIANG L ， et al . Identifying and Evaluating the Nighttime Economy in China Using Multisource Data ［J］. IEEE Geoscience and Remote Sensing Letters ， 2021 ， 18 （ 11 ）： 1906 - 1910 .

王欣，任晋圆，王海涛 . 基于多源遥感数据支持下的区域经济空间格局精细化模拟研究：以济南市为例［J］. 国土与自然资源研究， 2021 （ 5 ）： 64 - 68 .

WANG Xin ， REN Jinyuan ， WANG Haitao . Refined Simulation of Regional Economic Spatial Pattern Based on Multi-source Remote Sensing Data： A Case Study of Ji'nan City ［J］. Territory & Natural Resources Study ， 2021 （ 5 ）： 64 - 68 .

LU X ， CHEN C ， FU J Q . Analysis of Regional Economic Development Based on Remote Sensing Images ［C］// The 5th International Workshop on Earth Observation and Remote Sensing Applications ， Xi'an， China ， 2018 .

ARIKEN M ， ZHANG F ， LIU K ， et al . Coupling Coordination Analysis of Urbanization and Eco-environment in Yanqi Basin Based on Multi-source Remote Sensing Data ［J］. Ecological Indicators ， 2020 ， 114 ： 106331 .

牟凤云，张增祥，迟耀斌，等 . 基于多源遥感数据的北京市1973—2005年间城市建成区的动态监测与驱动力分析［J］. 遥感学报， 2007 ， 11 （ 2 ）： 257 - 268 .

MU Fengyun ， ZHANG Zengxiang ， CHI Yaobin ， et al . Dynamic Monitoring of Built-up Area in Beijing During 1973—2005 Based on Multi-original Remote Sensed Images ［J］. Journal of Remote Sensing ， 2007 ， 11 （ 2 ）： 257 - 268 .

温庆志，孙鹏，张强，等 . 基于多源遥感数据的农业干旱监测模型构建及应用［J］. 生态学报， 2019 ， 39 （ 20 ）： 7757 - 7770 .

WEN Qingzhi ， SUN Peng ， ZHANG Qiang ， et al . An Integrated Agricultural Drought Monitoring Model Based on Multi-source Remote Sensing Data： Model Development and Application ［J］. Acta Ecologica Sinica ， 2019 ， 39 （ 20 ）： 7757 - 7770 .

DOSOVITSKIY A ， BEYER L ， KOLESNIKOV A ， et al . An Image Is Worth 16×16 Words： Transformers for Image Recognition at Scale ［C］// International Conference on Learning Representations ， Vienna， Austria ， 2021 .

周娟 . 经济新常态下我国三大经济带发展不平衡的对策探究［J］. 济南职业学院学报， 2017 （ 3 ）： 105 - 107 .

ZHOU Juan . Countermeasures for the Unbalanced Development of China's Three Major Economic Belts Under the New Economic Normal ［J］. Journal of Jinan Vocational College ， 2017 （ 3 ）： 105 - 107 .

HUANG C H ， YE Y ， JIN Y H ， et al . Research Progress， Hotspots， and Evolution of Nighttime Light Pollution： Analysis Based on WOS Database and Remote Sensing Data ［J］. Remote Sensing ， 2023 ， 15 （ 9 ）： 2305 .

赵佳曼 . 基于夜光遥感的长三角一体化区域经济发展时空特征研究［J］. 测绘通报， 2021 （ S1 ）： 109 - 113 .

ZHAO Jiaman . Study on Temporal and Spatial Characteristics of Regional Economic Development in Yangtze River Delta Integration Based on Luminous Remote Sensing ［J］. Bulletin of Surveying and Mapping ， 2021 （ S1 ）： 109 - 113 .

AN X ， DENG J ， YANG K ， et al . Unicom： Universal and Compact Representation Learning for Image Retrieval ［C］// International Conference on Learning Representations ， Kigali， Rwanda ， 2023 .

YANG Y Y ， GUO H X ， CHEN L F ， et al . Regional Analysis of the Green Development Level Differences in Chinese Mineral Resource-Based Cities ［J］. Resources Policy ， 2019 ， 61 ： 261 - 272 .

SUN X S . Green City and Regional Environmental Economic Evaluation Based on Entropy Method and GIS ［J］. Environmental Technology & Innovation ， 2021 ， 23 ： 101667 .

PATRA S ， MISHRA P ， MAHAPATRA S C . Delineation of Groundwater Potential Zone for Sustainable Development： A Case Study from Ganga Alluvial Plain Covering Hooghly District of India Using Remote Sensing， Geographic Information System and Analytic Hierarchy Process ［J］. Journal of Cleaner Production ， 2018 ， 172 ： 2485 - 2502 .

盖侨侨，孙倩，张宁，等 . 融合时序InSAR形变的白银市地质灾害易发性评价［J］. 武汉大学学报（信息科学版）， 2024 ， 49 （ 8 ）： 1434 - 1443 .

GE Qiaoqiao ， SUN Qian ， ZHANG Ning ， et al . Evaluation of Geological Hazard Susceptibility of Baiyin City Based on Multi-temporal InSAR Deformation Measurements ［J］. Geomatics and Information Science of Wuhan University ， 2024 ， 49 （ 8 ）： 1434 - 1443 .

TAN X . A Method for Calculating the Digital Economy Index Based on Analytic Hierarchy Process ［C］// International Conference on Integrated Intelligence and Communication Systems ， Kalaburagi， India ， 2023 .

刘明皓，王耀兴 . 基于“源”“汇”理念的土地利用动态变化分析：以重庆市主城区为例［J］. 地理与地理信息科学， 2013 ， 29 （ 3 ）： 86 - 91 .

LIU Minghao ， WANG Yaoxing . Analysis on Land Use Dynamic Change Based on the Concepts of Source and Sink： A Case Study of Main Urban Areas of Chongqing ［J］. Geography and Geo‐Information Science ， 2013 ， 29 （ 3 ）： 86 - 91 .

ATAŞ İ . Performance Evaluation of Jaccard-Dice Coefficient on Building Segmentation from High Resolution Satellite Images ［J］. Balkan Journal of Electrical and Computer Engineering ， 2023 ， 11 （ 1 ）： 100 - 106 .

BENNETT M M ， SMITH L C . Advances in Using Multitemporal Night-Time Lights Satellite Imagery to Detect， Estimate， and Monitor Socioeconomic Dynamics ［J］. Remote Sensing of Environment ， 2017 ， 192 ： 176 - 197 .

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

一种融合多源数据的全国OCO-2 SIF降尺度方法

融合时序InSAR形变的白银市地质灾害易发性评价

星载温室气体激光雷达技术发展与展望

面向类脑空间智能的多模态大模型空间认知能力评估框架

关于智慧海图的思考