城市群是指一定区域内由不同等级规模的城市,依托交通和信息等网络,组合而成的相互制约、相互依存的城市统一体。作为城市群结构的基本形式之一,城市群空间结构是城市群发展程度、发展阶段与演化进程的空间反映。城市群的发展通常伴随着其空间结构的变化,使得城市群空间结构理论成为城市研究的基本理论和研究热点。准确、客观并定量地分析城市群空间结构,将有助于合理调整城市群未来发展布局,最大限度发挥城市群的高效率成长效应。总体而言,城市群空间结构涵盖物理空间结构和社会经济空间结构两个重要维度。城市群的空间范围是其物理空间结构的重要表现,亦是开展城市群研究的重要基础。准确识别城市群空间范围可以使决策者客观认知城市群的实际发展情况,从而科学制定相应政策。传统的城市群范围识别方法多基于预先设定的城市行政边界,无法真实反应城市群边界的动态变化和演变特性。为规避预设边界的影响,已有一些学者将夜间灯光遥感数据（下文简称夜光遥感数据）应用于识别城市群的空间范围,但仍然存在过度依赖于灯光亮度阈值、不适用于长时序识别等问题。针对城市群社会经济空间结构,城市群内的城市之间具有相互吸引和扩散能力,定量探索城市间的空间交互关系,可以有效促进城市群整体功能得到更好发挥。基于空间大数据或实测社会经济数据的城市网络测度研究往往从单一方面对城市的交互关系进行测度,且存在一定的不确定性。而基于模型法的测度则更倾向于无向测度,无法提供有向的关系测度信息,大大降低了交互关系测度的准确性。此外,城市群内部城市职能结构反映了其经济效率和生产率水平的高低,是衡量一个城市群发展是否完备的重要组成。传统城市职能结构的分析多依赖于不同行业从业人口数据,当统计数据发布延迟或存在数据缺失时,则无法准确估算不同城市的职能结构。相关研究多集中在某个城市或城市群内部,缺少能够满足大范围高效估算职能结构的方案。针对以上问题,本文利用多源夜光遥感数据,分别从城市群空间范围演化、城市群内部城市空间交互关系以及城市职能结构入手,开展一系列多视角的城市群空间结构研究。论文主要研究成果和内容如下:一、基于DMSP-OLS夜光遥感数据,提出一种面向对象的动态最小生成树和剪枝算法的长时序城市群识别框架,该方法在不受预设的地理实体范围（例如:基于行政区划边界的省市等）限制的前提下,同时兼顾了城市空间邻近性及其历史关联性,有效识别了城市群的真实演化过程。本文对2000年、2004年、2008年和2012年基于DMSP-OLS夜间灯光遥感影像得到的城市建成区分别建立动态最小生成树。随后,对每个动态最小生成树进行剪枝,由同棵子树连接的城市建成区则被视为潜在的城市群范围。通过进一步考虑城市建成区的历史关联性,获得最终的城市群空间范围。识别结果显示,2000年-2012年间,中国城市群由20个增加至31个,城市群类型可分为单核扩张城市群、新兴城市群和多核合并城市群。我国城市群的发展具有显著的空间异质性,其中东部沿海或南部地区的城市群发展速度显著高于中部和西部地区。使用规模-位序法则和标准差椭圆方法,分析十大城市群的时空演化模式和城市群的空间扩展方向,发现2000年至2004年中国中小型城市群的发展速度高于大型城市群;而2004年到2012年,中国大型城市群的发展速度显著高于中小型城市群。排名前十的城市群在2000年至2012年的演化和发展模式具有较强的方向性。对城市群空间范围的演化研究科学刻画了中国城市群系统及其物理空间结构,为政策制定者在国家和区域范围内进行城市群规划提供了更为详实的数据支撑。二、改进现有“人口流动辐射模型”,构建了基于NPP-VIIRS夜光遥感数据的城市有向测度方法,使用“城市群范围-城市重心-城市交互灯光指数-城市交互关系定量测度”研究框架,证实了夜光遥感数据可用于测度城市群内部城市的有向关系。首先,使用动态最小生成树和剪枝算法识别了2018年我国城市群空间范围;随后,以城市的灯光质量以及城市灯光重心之间的空间距离为基础,计算出城市与城市之间有向的“城市交互灯光指数”;最后,通过城市的空间交互输出强度以及空间交互输入强度大小,探究城市群内部城市之间的辐射力和聚集力差异,进一步探究不同城市群的健康发展状况以及不同城市在城市群内部的实际作用。结果表明,2018年中国十大城市群的“城市交互灯光指数”与百度人口迁徙指数拟合后的R2分布在0.47至0.86之间,证实了基于夜间灯光的“城市有向测度模型”构建具有合理性。整体上,长三角城市群、珠三角城市群和海峡西岸城市群是目前规模较大且城市发展非常均衡的城市群。沈阳城市群和西安城市群虽然规模相对较小,但内部城市的发展相对均衡。京津冀城市群、中原城市群、成都城市群、长沙城市群和武汉城市群发展较不均衡,城市群内部的社会经济流动更多的集中在输出型城市,区域流动性较低,城市群城市协同程度较差。基于夜间灯光的“城市有向测度模型”为有向测度城市群的吸引集聚和扩散辐射能力以及预测城市群的均衡发展程度,提供了科学有效的衡量方式。三、提出了一种基于感兴趣点（Points of interests,POIs）和夜光遥感数据估算不同行业从业人口数量的高斯过程回归模型,证实了POIs和夜光遥感数据可以有效识别城市群内部城市职能结构。以城市群所有城市为研究对象,构建以城市为基础单元的城市职能因变量（不同行业的从业人口数量的对数）和解释变量（POIs和夜光遥感数据提取的解释特征）,利用高斯过程回归模型估算了城市不同行业的从业人口数量。通过最优参数选择获得最优估算模型,R2分布在0.63至0.80之间,证实了特征选择以及模型构建的合理性。基于估算值和实际值分别计算城市群的城市职能强度,根据职能强度分为不具备该职能、一般职能、主导职能和优势职能,发现模型对职能强度的估算准确度介于55.09%至78.24%之间,对十大城市群估算准确度介于53.28%至81.02%之间。夜光遥感数据和POIs数据具有可便捷实时获取的优势,且研究方法可迁移性强,能够满足大范围高效估算职能结构的需要。论文相关成果对于合理引导城市群高质量发展具有重要现实意义。以动态视角探究城市群边界的演化过程,可以为城市群空间结构研究与调控提供较好的参考价值。城市群有向交互分析为城市群发展均衡性及其内部城市的集聚和辐射功能研究提供了新的视角。城市群城市职能强度测度也为探究城市职能结构研究扩宽了思路。本文证实了夜光遥感数据在分析城市群空间结构中的重要作用,未来研究可以充分考虑该数据的应用价值。