基于夜间灯光数据的内蒙古县域经济空间格局演化研究

A Study on the Evolution of County Economic Spatial Pattern in Inner Mongolia Based on Nighttime Light Data

摘要

采用标准差、变异系数以及空间关联的分析方法，以夜间灯光数据衡量县域经济发展水平，对内蒙古自治区（简称内蒙古）103个县域的经济空间格局进行可视化分析，探究近30年来内蒙古县域经济的空间格局演化。结果表明：1992—2022年，内蒙古县域经济绝对差异持续上升，但增速减缓，相对差异处于下降的状态，内蒙古西部（蒙西）、中部（蒙中）与东部（蒙东）县域经济差异与内蒙古县域经济差异的发展趋势具有一致性；内蒙古县域经济空间分异特征明显，随着时间推移，经济发展水平较高的县域开始集中于蒙中的“呼包鄂乌”地区以及蒙东的赤峰市和通辽市，内蒙古县域经济空间格局的双核结构日趋明显；内蒙古县域经济水平在1992年、2002年、2012年、2022年4个节点上存在显著的空间自相关性且逐渐增强，空间关联类型动态特征并不明显，仅在原有的经济格局基础上微调；关联类型以“L‒L”为主，主要位于蒙东地区，呈集中连片分布特征，“H‒H”类型一直位于呼和浩特市与包头市，空间正相关县域单元比例的上升说明内蒙古县域经济两极分化现象愈加明显。

Abstract

To investigate the spatiotemporal evolution of county-level economic disparities in Inner Mongolia over the past three decades， visualization analysis was performed on the temporal characteristics and spatial patterns of economic disparities for 103 counties in Inner Mongolia. The analysis was implemented by using spatial correlation method， as well as the standard deviation， coefficient of variation as two indicators， and the nighttime light data were used as a proxy variable to gauge the level of county economic development. The results revealed that the absolute disparities in the county level economy of Inner Mongolia increased continuously， but the growth rate slowed down， and relative disparities was in decreasing state from 1992 to 2022， in general， the development trend of the economic disparities between counties in western， central， and eastern Inner Mongolia was in consistent with that of Inner Mongolia. The spatial differentiation of the county level economy of Inner Mongolia was becoming obvious， with the time， the counties with higher level economic development gradually concentrated in the "Hu-Bao-E-Wu" region in central Inner Mongolia， as well as Chifeng and Tongliao cities in eastern Inner Mongolia， a dual core pattern of Inner Mongolia's county-level economic spatial pattern was becoming increasingly evident. The economic levels of Inner Mongolia counties presented significant spatial autocorrelation at four marked year in 1992， 2002， 2012， and 2022， indicating an increasingly strengthened interdependence among counties' economies in Inner Mongolia， the dynamic characteristics of spatial correlation types were not obvious and had not undergone significant changes， but only minor adjustments were made on the basis of the original economic pattern. The correlation types predominated by "L-L" type， which concentrated within eastern Inner Mongolia and exhibited centralized contiguous distribution characteristics； meanwhile， the "H-H" type correlations persistently existed in Hohhot and Baotou cities respectively. The growing proportion of spatially positively correlated county units suggested an intensifying polarization trend within Inner Mongolian county economies.

Graphical abstract

关键词

夜间灯光 / 内蒙古 / 县域经济 / 空间格局

Key words

nighttime light / Inner Mongolia / county economy / spatial pattern

区域经济非均衡发展是一种普遍的地理现象^［1］，是区域间经济增长与协同发展的一大阻碍^［2］，也是当今世界经济发展中亟需解决的难题。区域发展不协调的状态会对一个国家或地区的经济增长能力、生态发展以及社会稳定带来威胁^［3⁃4］。受地区资源禀赋与国家政策等因素的影响，我国地区间经济发展不平衡的问题尤为突出^［5］。科学、合理地测度区域经济发展水平，探究区域经济差异的时空格局演化及影响机理，是揭示区域经济发展不平衡本质的客观要求，也是合理制定发展规划与区域政策的重要理论依据^［6］。区域经济差异研究是一个不断深化的过程，主要包括三个方面：从国家、经济地带、经济区、省到地级市、县的研究尺度精细化^{［1⁃2， 6⁃18］}；从标准差、基尼系数、泰尔指数、变异系数等传统数理统计分析方法到运用ESDA等空间分析 方法，以及二者相结合研究方法的成熟化，使可视化水平不断提高^{［7，9，16］}；通过运用人均GDP单一指标、建立经济综合发展评价指标、夜间灯光数据等反映区域经济发展水平的研究数据进行实证研究 ^{［11，18，22］}。从区域经济差异的影响机理来看，主要影响因素是资源禀赋、地理区位、历史文化、人口数量等内部基础性因素与市场、区域政策等外部驱动型因素^［5］。

内蒙古位于我国北部边疆，改革开放以来经济发展取得巨大进步。但经济高速发展并没有带来区域间协调发展，由于市场、区域政策、地理区位、资源禀赋等因素的影响，内蒙古各盟市的经济差异越来越大。已有研究对内蒙古区域经济差异进行了分析，王芳等^［12］以人均GDP为主要指标，运用锡尔系数分解法对内蒙古各盟市之间经济的时空差异及其演化过程进行了分析。王芳等^［13］、张秋亮等^［14］以人均GDP为主要指标，运用空间自相关的方法对内蒙古县域经济空间格局演化进行研究。但相关研究仍较少，且以人均GDP为单一指标会使资源富集地区的经济发展水平存在“虚高化”的特征^［15］。而夜间灯光数据可以通过亮度值反映一个地区的社会经济发展水平^［19］，具有易获取、时间序列长、与人类社会经济活动高度关联、覆盖范围广、弥补传统统计数据存在统计口径不一致等优点，可以更客观、更精细、更全面地反映区域经济发展的空间格局特征^{［20⁃22］}，为研究区域经济发展开辟了新视角。

基于较小地理单元分析，可以更好地揭示不同区域间经济差异的实际状况^［7，23］。因此，本文以县域为基本尺度，以夜间灯光数据作为经济发展水平的代理变量，运用标准差、变异系数以及空间分析方法，对1992—2022年间内蒙古县域经济差异以及县域经济发展的空间格局演化特征进行探究，旨在全面反映近30年来内蒙古县域经济的空间演化状况，为内蒙古制定区域发展政策、促进区域经济协调和可持续发展提供参考。

1 研究区域、数据及方法

1.1 研究区域

内蒙古位于我国北部边疆，总面积118.3万km²。下辖9个地级市、3个盟共12个地级行政区划单位，23个市辖区、11个县级市、17个县、49个旗、3个自治旗，合计103个县级行政区划单位。按地理位置划分为蒙东（赤峰市、通辽市、兴安盟、呼伦贝尔市、锡林郭勒盟，共52个县级行政单位），蒙中（呼和浩特市、乌兰察布市、包头市、鄂尔多斯市，共38个县级行政单位），蒙西（乌海市、巴彦淖尔市、阿拉善盟，共13个县级行政单位）三部分（见图1）。

1.2 研究数据

矢量数据：内蒙古县级行政区划数据^［24］下载于https：//github.com/GaryBikini/China Admin DivisonSHP平台。

栅格数据：DMSP-OLS稳定夜间灯光数据和NPP-VIIRS夜间灯光数据，是应用最广泛的夜间灯光数据，DMSP-OLS提供的数据年份为1992—2013年，NPP-VIIRS提供的数据年份为2012年至今。但两类数据在传感器参数、数据质量、时间跨度等方面的差异使数据不兼容，从而也限制了对社会经济活动长时间序列的分析。基于此，西南大学 施开放研究小组利用“伪不变像素”方法对DMSP-OLS数据进行校准，并且，考虑到DMSP-OLS数据与SNPP-VIIRS数据时间分辨率的一致性，在合成年度SNPP-VIIRS数据之前，实现对SNPP-VIIRS原始月度数据中缺失数据的修复，并进一步结合校准DMSP-OLS数据（1992—2013年）和由SNPP-VIIRS数据转换的类DMSP-OLS数据（2013—2019年）计算得到改进的类DMSP-OLS数据集（1992—2019年），空间分辨率为1 km，相关数据已更新到2022年，相关研究成果发表在地球科学领域顶尖期刊上^［25］，研究表明改进后的类DMSP-OLS数据优于已发布的两类长时序夜间灯光遥感数据集，该数据在评价与分析社会经济发展上具有巨大潜力，部分年份灯光栅格数据见图2。数据下载于Harvard Dataverse平台（https：//dataverse.harvard.edu/dataset.xhtml？persistentId=doi：10.7910/DVN/GIYGJU）。

利用ArcGIS 10.8对夜间灯光数据进行提取。研究表明单位面积的夜光亮度值（夜光总值/面积）是GDP极佳替代指标^［26］。鉴于所获取数据空间分辨率为1 km，本文以区域内夜间灯光总值与区域内像元总数的比值（即单位面积内夜光亮度值）来衡量区域经济发展水平，称为平均夜间灯光指数（average nighttime light index， ANLI）^［27］。计算公式A为

A=\frac{\mathrm{1}}{n}{\displaystyle \sum _{i=\mathrm{1}}^n}D{N}_i，（1）

式中D{N}_i为内蒙古县域内第i个像元的亮度值，n为县域内像元总数。

1.3 研究方法

1.3.1 标准差和变异系数

区域经济差异分为相对差异和绝对差异，二者不可替代。对同一地区同一时间段内两者的分析结果可能截然不同^［18］。绝对差异采用标准差来表示，相对差异采用变异系数（也叫变差系数）来表示。标准差S公式为

S=\sqrt[]{\frac{\mathrm{1}}{n}{\displaystyle \sum _{i=\mathrm{1}}^n}{\left(Y_i-\overline{Y}\right)}^{\mathrm{2}}}，\overline{Y}=\frac{\mathrm{1}}{n}{\displaystyle \sum _{i=\mathrm{1}}^n}{Y}_i，（2）

式中：Y_i为i县的平均夜间灯光指数（ANLI）；\overline{Y}为某地区县域平均夜间灯光指数的均值；n为某地区的县域数量。

变异系数CV公式为

CV=\frac{S}{\overline{Y}}\mathrm{ⅹ}\mathrm{100}\mathrm{\%}。（3）

1.3.2 空间关联分析方法

受空间相互作用的影响，相邻区域的经济发展在空间分布上可能存在关联。空间自相关可分析某区域与其相邻区域间某一属性值或特征值的相关程度，分为全局空间自相关与局部空间自相关。

（1）全局空间自相关。应用全局空间自相关衡量区域内县域经济发展水平在空间上是否具有显著的集聚特性。应用Global Moran's I表示，计算方法为

I=\frac{{\displaystyle \sum _{i=\mathrm{1}}^n}{\displaystyle \sum _{j\ne \mathrm{1}}^n}{W}_{ij}\left(X_i-\overline{X}\right)\left(X_j-\overline{X}\right)}{S^{\mathrm{2}}{\displaystyle \sum _{i=\mathrm{1}}^n}{\displaystyle \sum _{j\ne \mathrm{1}}^n}{W}_{ij}}，（4）

式中：S^{\mathrm{2}}=\frac{\mathrm{1}}{n}{\displaystyle \sum _{i=\mathrm{1}}^n}{\left(X_i-\overline{X}\right)}^{\mathrm{2}}；\overline{X}=\frac{\mathrm{1}}{n}{\displaystyle \sum _{i=\mathrm{1}}^n}{X}_i；n为内蒙古的县域数量；X_i、X_j表示平均灯光值在县域单元i和j上的数值；W_{ij}为空间权重矩阵的元素。Moran's I的取值区间为［-1，1］，在给定显著性水平下，通过Moran's I的值判断经济发展水平是否具有显著的空间集聚性特征。Moran's I＞0，为正相关关系，表现为高高（低低）集聚，Moran's I＜0，为负相关关系，表现为空间格局分散，绝对值越大，相关性越强^［28］。

（2）局部空间自相关。全局空间自相关指数可以从整体上表明内蒙古县域经济发展的整体状态及关联程度，但不能说明属性相似集聚区的空间分布位置，掩盖区域内部的空间异质性。通过局部自相关来探究集聚区的空间格局演变。运用Local Moran's I来分析，计算公式为

I_i=\frac{\left(X_i-\overline{X}\right)}{S^{\mathrm{2}}}{\displaystyle \sum _{j\ne i}^n}{W}_{ij}\left(X_j-\overline{X}\right)，（5）

若I_i为正，则有“高‒高（H‒H）”和“低‒低（L‒L）”两种关联类型；若I_i为负，则有“高‒低（H‒L）”和“低‒高（L‒H）”两种关联类型；若I_i值接近0，则表明区域i与其周围地区不存在空间关联。

2 结果分析

2.1 内蒙古县域经济差异的时序特征

从绝对差异来看，1992—2022年，内蒙古各县域ANLI标准差的变化趋势整体持续上升，可分为3个 阶段：第一阶段，1992—2002年，缓慢增长时期，标准差较小，各县域之间经济发展不均衡性并不显著；第二阶段，2002—2012年，快速增长时期，各县域间经济差异快速加大，主要原因是国家在2000年实行西部大开发政策，内蒙古重点发展位于中部的“呼包鄂”地区，该地区凭借其资源、政策优势快速发展，与其他地区迅速拉开差距^{［13，29］}；第三阶段，2012—2022年，增长速度放缓。虽然各县域经济发展的差距仍在增大，但有减弱的趋势，这主要得益于蒙中与蒙东绝对差异的缩小与放缓。从蒙西、蒙中、蒙东三个区域来看，县域经济绝对差异与内蒙古县域经济差异的发展趋势具有一致性。其中以蒙中差异最大、蒙西次之、蒙东最小，主要是因为蒙中地区为“呼包鄂乌”城市群，是内蒙古最具活力的城市经济圈，但内部发展不平衡，市辖区与下辖旗县经济发展差距很大。以呼和浩特市2022年ANLI为例，市辖区ANLI值均在19.0以上，玉泉区最高为41.32；下辖旗县中托克托县ANLI值最高为12.59，武川县最低为2.84。在蒙西地区，乌海市因其资源优势经济发展水平领先，阿拉善盟和巴彦淖尔市与其差距较大，且差距仍在快速拉大。以蒙西2022年ANLI值为例，乌海市下辖海勃湾区、海南区、乌达区ANLI值分别为27.28、22.42、35.62，而其余二盟市的下辖区县以巴彦淖尔市临河区最高为11.86，以阿拉善盟阿拉善右旗最低为0.14。可以看出蒙中与蒙西县域经济发展两极分化现象明显，且对内蒙古县域经济发展绝对差异的影响较大。

从相对差异来看，变异系数较大，各县域经济相对差异仍然较大，但变异系数整体呈缓慢下降的态势。且蒙西、蒙中、蒙东ANLI的变异系数均在下降，蒙西、蒙中、蒙东县域经济相对差异的演化趋势与全自治区在整体上具有明显的一致性，1992—2017年间呈波动缓慢下降状态，2017—2022年下降趋势明显。在深入推进西部大开发的背景下，对内蒙古县域经济相对差异的缩小成效显著。另外，蒙西、蒙中、蒙东的经济差异与演化趋势存在显著的梯度性。在政策、资源、区位、发展历史等多重因素的相互作用下^［13］，蒙中与蒙西、蒙东存在较大的经济差异，三大地区县域ANLI标准差的差异是其总体经济差异的重要佐证（见图3）。

2.2 县域经济空间格局演变

2.2.1 整体空间格局分析

选取1992年、2002年、2012年、2022年4个时间断面进行分析。用Arcgis 10.8中的Jenks自然间断点分级法（组间方差最大、组内方差最小），分析各时间断面县域经济发展水平的空间 分布格局（见图4），按照ANLI值将每个时间段县域经济发展水平分为五组：低水平、较低水平、中等水平、较高水平、高水平。

整体来看，内蒙古县域整体经济发展水平较低，低水平与较低水平县域四个年份数量为88、88、78、74个，一直占据主导地位且呈集中连片分布的特征。从蒙西、蒙中、蒙东三个区域来看，蒙中地区中等及以上水平县域数量最多，发展水平最高，蒙东次之，蒙西最低。从南北方向来看，南部县域经济发展水平较高，与陕西省、山西省、河北省、辽宁省、吉林省交界的盟市所辖县域经济发展速度较快（见表1和图4）。

随着时间推移，经济发展水平较高的县域开始集中于蒙中的“呼包鄂乌”四市。蒙西的乌海市以及蒙东的赤峰市、通辽市，在靠近边境与自治区内部零星分布，如呼伦贝尔市的满洲里市、扎赉诺尔区、海拉尔区，通辽市的霍林郭勒市（图3）。从各个时间断面来看，中等及以上水平县域多数位于乌海市、呼和浩特市、 包头市、鄂尔多斯市、乌兰察布市、赤峰市、通辽市的市辖区，经济发展处于领先地位，且周边县域随着时间推移经济发展水平逐步提高。可以看出，蒙中地区逐步形成了以“呼包鄂乌”为中心的经济发展核心区，但周边旗县作为边缘区，与市辖区的差距仍十分明显；蒙东则初步形成以赤峰市、通辽市为中心的经济发展核心区；蒙西以乌海市和巴彦淖尔市的临河区发展水平较高。但三个区域经济联系不紧密，经济发展相对独立，各 县域经济空间的双核结构日趋明显，赤峰市、通辽市的经济规模与实力需进一步增强。

2.2.2 空间关联性分析

根据1992年、2002年、2012年、2022年的平均夜间灯光指数（ANLI），运用ArcGIS 10.8计算全局Moran's I，结果见表2。4个年份的全局Moran's I均为正值，结果检验显著，说明在4个时间节点上ANLI呈显著的空间正相关性，且随着时间的推移，整体上空间正相关性逐渐增强，增强时段为1992—2002年和2012—2022年，且在2012—2022年间增幅较大，2002—2012年有所下降，整体区域经济差异逐渐扩大，但全局Moran's I仍较小，说明内蒙古整体县域总体空间集聚性较低，县域经济空间联系有待加强。

全局空间自相关从整体上表明 内蒙古县域经济发展是否具有集聚性的特征，但无法判断在空间上呈集聚性特征的是哪些县域，因此通过局部空间自相关进行分析。

由4个年份县域ANLI的LISA值统计结果和空间分布图可以看出（见表3和图5），1992年内蒙古县域经济发展水平呈“H‒H”集聚的县域位于呼和浩特市的赛罕区与玉泉区，包头市的九原区与青山区；“L‒L”集聚的县域分布比较集中，主要位于赤峰市（5个县域）、锡林郭勒盟（10个县域）、乌兰察布市（3个县域）及通辽市奈曼旗境内，4个盟市共19个县域呈集中连片分布的特征。2002年呈“H‒H”集聚的县域包括呼和浩特市下辖的全部4个区和土默特左旗，包头市九原区、昆都仑区和青山区；“L‒L”集聚的县域数量有所下降，主要分布于赤峰市（6个县域）、锡林 郭勒盟（9个县域）和通辽市的霍林郭勒市境内共16个县域集中连片分布，还包括阿拉善盟的阿拉善右旗与额济纳旗。与2002年相比，2012年没有显著变化，“H‒H”集聚县域相比2002年少了呼和浩特市新城区、 包头市昆都仑区；“L‒L”集聚的县域在呼伦贝尔市有所扩大，包括阿荣旗、根河市、鄂伦春自治旗、牙克石市与扎兰屯市。到2022年，“H‒H”集聚的县域较2012年增加了包头市昆都仑区；“L‒L”集聚的县域分布赤峰市（3个县域），乌兰察布市（3个县域），锡林郭勒盟（10个县域）共16个县集中连片分布，呼伦贝尔市境内4个县域连片分布以及阿拉善盟的阿拉善右旗与额济纳旗。可以看出，1992—2022年，内蒙古县域经济发展格局动态特征并不明显，没有发生剧烈的变动，仅在原有经济格局基础上微调。“H‒H”集聚区一直位于呼和浩特市与包头市，且整体以“L‒L”集聚格局为主，形成了3个集中区域：赤峰市北部县域与锡林郭勒盟大部分县域、呼伦贝尔地区、阿拉善盟的阿拉善右旗与额济纳旗。“H‒L”型（隆起区）只有霍林郭勒市，“L‒H”型（凹陷区）出现在土默特左旗、固阳县与石拐区（见表3和图5）。内蒙古经济发展水平低下的县域数量多、分布广，经济发展水平相对较高的县域数量少但在空间上比较集中。蒙中地区形成了以呼和浩特市、包头市为中心的经济发展高集聚区，但与周围县域经济空间关联性不强，其辐射带动作用有待加强。而蒙东地区并未形成经济发展水平高集聚区，经济发展水平低的县域集中连片分布，亟需加强蒙东县域经济空间联系。

从空间自相关县域的数量来看，内蒙古同质县域单元（“H‒H”和“L‒L”空间正相关）1992年、2002年、2012年、2022年的数量分别是25个、27个、27个、30个，分别占空间自相关县域总数量的86.21%、96.43%、93.10%、96.77%，异质县域单元（“H‒L”和“L‒H”）由4个减到1个，比例逐渐下降，空间正相关 县域单元比例上升说明内蒙古县域经济差距越来越大^［18］，两极分化现象愈加明显。

3 结论与讨论

以夜间灯光数据作为衡量地区经济发展水平的代理变量，通过空间关联分析方法，对1992—2022年 内蒙古县域经济空间格局的演变进行了研究，得到以下结果。

（1）1992—2022年，内蒙古县域经济的绝对差异呈持续扩大的趋势，2002—2012年为快速增长时期，近10年增速放缓。从相对差异来看，变异系数较大，但变异系数整体呈下降的态势，以2017—2022年下降速度最快，相对差异在逐渐缩小。县域经济差异呈“蒙中＞内蒙古＞蒙西＞蒙东”的状态，蒙西、蒙中与蒙东县域经济差异与全区县域经济差异的发展趋势整体上具有一致性，且蒙西、蒙中、蒙东的经济差异与演化趋势存在显著的梯度性。

（2）内蒙古整体经济发展水平较低，蒙中经济发展水平明显高于蒙西与蒙东，随着时间推移，经济发展水平较高的县域开始集中于蒙中的“呼包鄂乌”以及蒙东的赤峰市、通辽市，均位于省际交界处，在靠近边境与自治区内部零星分布。蒙中地区形成了以“呼包鄂”为中心的经济发展核心区。蒙东则初步形成了以 赤峰市、通辽市为中心的经济发展核心区，但其核心地位并不显著，内蒙古县域经济空间的双核结构日趋明显。

（3）内蒙古县域经济空间正相关性显著，且随着时间的推移，整体上空间正相关性逐渐增强。1992—2022年，内蒙古县域经济发展格局动态特征并不明显，没有发生剧烈的变动，仅在原有经济格局基础上微调，“H‒H”集聚区一直位于呼和浩特市与包头市，整体以“L‒L”集聚格局为主，主要位于蒙东地区，空间正相关县域单元比例的上升说明内蒙古县域经济两极分化现象愈加明显。

采用夜间灯光数据作为衡量县域社会经济发展水平的代理变量，可有效弥补传统统计数据存在的统计口径不一致、数据不足等问题。利用数理统计与空间数据探索性分析的方法，对内蒙古内部经济差异做了具体分析，较为全面了解内蒙古内部经济发展不平衡的现状，可以看出内蒙古存在东西部发展差异大，地区间经济联系不紧密、核心城市辐射带动能力较弱等问题。但本研究仍存在一定的局限性，首先，研究起始时间点为1992年，若以“改革开放”这一关键性的节点为起始点，结论可能会更加全面可靠，但相关县域经济数据难以获取。其次，对内蒙古县域经济差异的发展趋势有必要进行科学预测，而本文未对造成经济差异的原因进行详细分析。从以往研究来看，主要包括地理区位、资源条件、经济基础、文化、历史等客观因素以及主观政策上的倾斜，但内蒙古情况较复杂，比如东西狭长、人口分散、资源环境约束严峻，具体哪些因素的作用更加重要，有待进一步研究。

参考文献

[1] 陈培阳，朱喜钢.基于不同尺度的中国区域经济差异［J］.地理学报，2012，67（8）：1085-1097.

[2] 钟业喜，王晓静，傅钰.“闽新轴带”沿线区域发展不平衡问题研究［J］.经济地理，2018，38（9）：22-29.

[3] LIU Q， XU S X， LU X L. Imbalance measurement of regional economic quality development： Evidence from China［J］. The Annals of Regional Science， 2020， 65： 527-556.

[4] LI Y， WANG X， ZHU Q， et al. Assessing the spatial and temporal differences in the impacts of factor allocation and urbanization on urban-rural income disparity in China， 2004—2010［J］. Habitat International， 2014，42： 76-82.

[5] 吴爱芝，杨开忠，李国平.中国区域经济差异变动的研究综述［J］.经济地理，2011，31（5）：705-711.

[6] 张佰发，苗长虹，冉钊，等.核心-边缘视角下的黄河流域县域经济差异研究［J］.地理学报，2023，78（6）：1355-1375.

[7] 李小建，乔家君.20世纪90年代中国县际经济差异的空间分析［J］.地理学报，2001（2）：136-145.

[8] 罗庆，李小建，杨慧敏.中国县域经济空间分布格局及其演化研究：1990年~2010年［J］.经济经纬，2014，31（1）：1-7.

[9] 周扬，李宁，吴文祥，等.1982—2010年中国县域经济发展时空格局演变［J］.地理科学进展，2014，33（1）：102-113.

[10] 宾津佑，唐小兵，白福臣.广东省经济发展的区域差异及其时空格局演变［J］.湖南师范大学自然科学学报，2021，44（4）：62-70.

[11] 刘玉，潘瑜春，陈秧分.山东省县域经济发展的时空动态研究［J］.经济地理，2012，32（5）：43-48.

[12] 王芳，宋玉祥，王文刚.内蒙古区域经济差异及其演化研究［J］.经济地理，2012，32（11）：1-7.

[13] 王芳，高晓路.内蒙古县域经济空间格局演化研究［J］.地理科学，2014，34（7）：818-824.

[14] 张秋亮，白永平，赵明.内蒙古县域经济的时空变化研究［J］.干旱区资源与环境，2012，26（10）：150-155.

[15] 齐元静，杨宇，金凤君.中国经济发展阶段及其时空格局演变特征［J］.地理学报，2013，68（4）：517-531.

[16] 史利江，刘敏，李艳萍，等.汾河流域县域经济差异的时空格局演变及驱动因素［J］.地理研究，2020，39（10）：2361-2378.

[17] 徐全红，张欣茹，吝涛.福建省区域经济差异及其驱动力的空间分析［J］.地域研究与开发，2023，42（3）：41-46.

[18] 张学波，杨成凤，宋金平，等.中国省际边缘县域经济差异空间格局演变［J］.经济地理，2015，35（7）：30-38.

[19] 余柏蒗，王丛笑，宫文康，等.夜间灯光遥感与城市问题研究：数据、方法、应用和展望［J］.遥感学报，2021，25（1）：342-364.

[20] ELVIDGE C D， BAUGH K E， KIHN E A， et al. Map city lights with nighttime data from the DMSP operational linescan system［J］. Photogrammetric Engineering and Remote Sensing， 1997， 63（6）： 727-734.

[21] DONALDSON D， STOREYGARD A. The view from above： Applications of satellite data in economics［J］. Journal of Economic Perspectives， 2016， 30（4）： 171-198.

[22] 李翔，朱江，尹向东.基于夜间灯光数据的中国经济发展时空格局特征［J］.地球信息科学学报，2019，21（3）：417-426.

[23] 鲁凤.中国区域经济差异的空间统计分析［D］.上海：华东师范大学，2004.

[24] JIANG X， GUO X， WU Y， et al. Ecological vulnerability assessment based on remote sensing ecological index （RSEI）： A case of Zhongxian county， Chongqing［J］. Frontiers in Environmental Science， 2023， 10： 1074376.

[25] WU Y Z， SHI K F， CHEN Z Q， et al. Developing improved time-series DMSP-OLS-like data （1992-2019） in China by integrating DMSP-OLS and SNPP-VIIRS［J］. IEEE Transactions on Geoscience and Remote Sensing， 2021（60）： 1-14.

[26] 秦永，方迎风，刘凯敏.夜间灯光数据替代GDP指标时需关注的问题［J］.统计与决策，2023，39（2）：5-10.

[27] 孙阳，刘新，苏亚聪，等.基于夜间灯光数据估算安徽省县级尺度城镇化水平［J］.地球信息科学学报，2020，22（9）：1837-1847.

[28] 沈绿珠.空间关联分析及其应用［J］.统计与决策，2006（8）：28-30.

[29] 郝晓燕，文宗川.内蒙古区域经济差异分析［J］.中国流通经济，2008， 169（10）：59-61.

基金资助

内蒙古自治区哲学社会科学规划资助项目“内蒙古推动战略性新兴产业四链深度融合研究”(2023NDC190)

赤峰市国土空间规划与灾害应急管理重点实验室建设资助项目(CFXYZD202006)