融合SDGSAT-1高分辨率夜光数据与城市功能区划的精细化贫困识别研究

针对传统社会经济普查时效性差、低分辨率夜光数据难以精准识别贫困区域的问题，研究人员创新性地整合10米分辨率SDGSAT-1夜光数据与城市功能区划，构建随机森林模型预测广东省县级多维贫困指数(MPI)。结果表明，融合功能区划的"夜光像素值总和"指标使相关系数提升0.0158，SDGSAT-1数据较传统NPP-VIIRS数据拟合优度提高0.0086，为动态优化扶贫资源配置提供科学依据。

　　

在全球减贫事业面临精细化管理的背景下，传统贫困监测方法正遭遇双重困境：一方面，入户调查等社会经济普查耗时耗力且存在数据滞后；另一方面，依赖DMSP-OLS（1000米）或NPP-VIIRS（500米）等低分辨率夜光数据的方法，难以捕捉城乡交界处微弱的亮度差异，更无法区分工业区与商业区等不同功能区的夜光特征。这种"既看不清细节，又读不懂内涵"的现状，严重制约了精准扶贫政策的动态调整。

针对这一难题，广东哲学社会科学基金资助项目团队开展了一项突破性研究。研究人员敏锐捕捉到中国自主研发的SDGSAT-1卫星（可持续发展科学卫星1号）的独特优势——其10米分辨率的夜光数据不仅能清晰呈现乡村聚落的微光变化，300公里的超大幅宽还显著提高了大区域监测效率。更关键的是，团队创新性地引入城市功能区划数据作为"解码器"，通过空间叠加工具将夜光特征与经济功能属性智能关联，从而破解了"工业区夜间低亮度≠贫困"等传统误判难题。

研究采用严谨的多维度验证框架：首先基于健康、教育、生活质量等指标构建多维贫困指数(MPI)，随后提取不同功能区内的"夜光像素数量"、"像素值总和"等特征指标。随机森林模型的十折交叉验证显示，融合功能区划特征的模型相关系数提升0.0158，而SDGSAT-1数据与MPI的拟合优度比传统NPP-VIIRS数据高出0.0086。这一结果证实，高分辨率数据能更精准刻画明暗边界，例如在粤北山区，该方法成功识别出传统数据遗漏的"低亮度但非贫困"生态保护区。

技术路线的精妙之处体现在三个关键环节：1) 通过主成分分析(KMO=0.846)确定MPI指标权重；2) 采用空间叠加工具整合10米分辨率SDGSAT-1 GLI（夜光成像仪）数据与城市功能区划；3) 构建包含NPP-VIIRS对照组的随机森林模型体系。研究特别设计了工业区、居住区等不同功能单元的夜光特征提取方案，例如发现"商业区夜光总值"与贫困程度呈显著负相关(R²=0.73)，而"工业区夜光离散度"则反映区域经济活力。

研究结果部分揭示多个重要发现：
MPI
通过Bartlett检验(p<0.05)确认指标体系的适切性，计算显示粤东、粤西县域MPI值普遍高于珠三角地区0.3-0.5个标准差，与实地贫困分布高度吻合。

Comparison of poverty estimation results
空间比对证实，融合功能区划的模型在北部生态发展区误判率降低23%，尤其能准确区分季节性关停的产业园与持续性贫困区域。SDGSAT-1数据在边界识别上的优势使其对离散型贫困村的检测灵敏度达到89.7%。

Conclusions
该研究开创了"空间分辨率+社会经济语义"的双重增强范式，其政策价值体现在三方面：1) 10米级监测精度支持到村级的扶贫资源精准投放；2) 功能区划数据解决了"低亮度悖论"；3) 动态监测能力为后脱贫时代的相对贫困治理提供技术支撑。正如通讯作者张新长教授指出，这套方法体系可扩展应用于"一带一路"沿线国家的贫困监测，其科学意义已超越传统遥感范畴，为可持续发展目标(SDGs)的定量评估树立了新标杆。

研究同时指明未来方向：需进一步整合手机信令等时空大数据来验证功能区划的日间经济活力表征能力，并探索星地协同的贫困预警机制。这项发表于《Remote Sensing of Environment》的成果，不仅为SDGSAT-1卫星的应用开拓了新维度，更标志着贫困研究从"静态画像"向"动态CT扫描"的方法论跃迁。