1 研究区位置：
2 数据：
2.1 夜间灯光数据
2020年全球VIRS夜间光由国家海洋和大气管理局（NOAA）地球观测组、国家地球物理数据中心（NGDC）提供（从NOAA/NGDC - Earth Observation Groupdmsp/downloadV4composites.html下载）。
2.2 地表覆盖数据
土地覆盖信息是从2020年Globcover陆地覆盖地图中收集的全球30 m地表覆盖数据（http: //www.globallandcover.com/GLC30Download），
2.3?MODIS-EVI数据
EVI数据是美国国家航空航天局（NOAA/NGDC - Earth Observation Group - Defense Meteorological Satellite Progam, Boulder）提供的MOD13Q1数据
2.4 GDP数据、人口数据和其它统计数据均来自各省的统计年鉴，为了在多层次估计区域经济数据方面应用NPP-VIIRS TNL数据，我们使用省和地级行政区域进行分析。在中国，行政区域主要有三个层次：省、地、县。在这项研究中，选择了河南省、山东省、安徽省和江苏省，以及研究区内的63个地级市进行了统计。
3?方法
3.1?TNL和土地覆盖数据的结合
3.2 计算夜间光线指数
夜间灯光遥感在研究应用中多使用表示区域特性的灯光总强度（TNL）、平均相对灯光强度I和综合灯光指数（CNLI），灯光灰度值大于零的区域为有效灯光区域，可以通过灯光指数的变化来研究该区域在一段时间内的发展变化，也可以用灯光指数的变化评价地震的破坏和震后恢复情况。灯光总强度指研究区域灯光灯光灰度值总和；灯光面积比灯光像元面积和区域总面积的比，综合灯光指数是指平均灯光强度（I）和灯光的面积比（S）的乘积。计算公式如下?
3.3 回归模型
考虑到分析数据和规模的差异，采用了不同的回归模型来揭示TNL值与经济指标之间的关系。为了研究统计数据与模拟GDP在像素水平上更密切的关系，我们考虑了三种不同的回归模型。包括线性回归模型、指数模型和多项式模型。
3.4 模型验证
模型验证是GDP空间分布建模的重要程序。R2是评估回归函数表现的常用指标，作为观察值和拟合值之间的相关行。此外，对非农业GDP估计的验证采用四个指标进行：误差（RE）、总相对误差（ZRE）、平均相对误差（MRE）、平均绝对误差（AAE）和相对差（RRMSE）。 在下面的方程中，GDPS和GDPg是省一的GDP的观察值和模拟值，n是各市的总数。
4. GDP密度图
根据市级尺度GDP空间化的方法（见方法部分），结合NPP-VIIRS、MODIS EVI和地表覆盖数据，计算了代表研究区2020年农业和非农业GDP的空间密度图。（图9）中的非农业GDP是通过首先模拟最合适的回归模型，然后在像素水平上使用（式8）中的公式来校正模拟结果。可以注意到，非农业GDP密度来自高度城市化的地区，绿色显示了农业GDP的像素水平（500米×500米）分布；高农业GDP主要集中在研究区的北部、西部和东南地区，这些区域地势平坦、土地肥沃、水资源丰富，非常适合农业；且农业GDP最高的地区大部分为粮食作物；农业产出大多位于城市核心区周围或靠近农村中心。
?
? ? ? ??