本论文以南昌市为研究区域,利用NPP-VIIRS夜间灯光影像数据描述人类活动强度的空间分布特征,利用兴趣点（POI）数据描述城市基础设施的空间分布特征,通过分析两种数据之间的相关性探讨城市发展过程中人类活动强度与城市基础设施之间的空间耦合关系。首先对NPP-VIIRS夜光影像和POI数据进行预处理,包括NPP-VIIRS年平均稳定灯光数据的合成和POI数据获取和数据清洗。其次基于NPPVIIRS年稳定灯光数据分析南昌市人类活动的空间特征,基于不同分类POI核密度分析图分析南昌市各类基础设施的空间分布特征。然后利用线性回归模型和随机森林回归模型分析夜光强度值与POI核密度值的相关性,进一步选择最优的回归模型建立两种数据之间的相互关联模型,提出一种城市基础设施建设不平衡指数和一种理想化的城市基础设施建设发展指数,评估南昌市的基础设施建设发展情况。主要研究内容如下:（1）对NPP-VIIRS数据和POI数据进行预处理,提高数据质量。分析了POI数据核密度估计的最佳空间表示尺度,在该空间尺度上对POI数据进行核密度估计。（2）分别分析了南昌市夜光强度值和POI核密度值的空间分布特征。并对两者进行空间耦合分析。发现在大部分地区两者之间保持高度的空间耦合一致性,比例为91.29%。少部分地区两者之间的空间耦合不一致,主城区内部以中-高、高中耦合关系特征为主,城市过渡区域以高-低、中-低耦合关系特征为主,远离城区的进贤县和安义县则以低-中、低-高的耦合关系为主。（3）对夜间灯光数据和POI核密度数据分别进行对数变换,基于一元回归模型和多元回归模型分别对南昌市不同区县的夜光强度值和各类属性POI核密度值进行相关性分析。结果表明,南昌市区的夜光强度值与POI核密度的相关性明显高于乡县地区,东湖区作为老城区相关性最高;多元线性回归模型的拟合精度与一元回归模型相比在城区只有微弱的提升,而在郊县地区整体上有显著的提升。这说明在城区不同类型的POI与夜光强度之间的相互关系差异性较小,而在郊县区域差异性很大。（4）以10个POI属性核密度值为自变量,夜光强度值为因变量,构建随机森林回归模型,通过OOB评分评价模型精度,利用特征重要性评估每个特征变量在随机森林回归模型中的表现,分析POI对夜光强度的解释能力。结果表明OOB得分为0.605,住宅小区POI核密度值变量的特征重要性最高,为0.375;金融服务POI核密度值的特征重要性最低,为0.041。模型精度指标比多元线性回归模型差。（5）利用多元线性回归模型建立夜光强度值与POI核密度之间的相互关联模型,分别提出一种城市基础设施建设不平衡指数和一种理想化的城市基础设施建设发展指数,应用于南昌市城市基础设施建设评估。总体而言,南昌市老城区包括青山湖区东部基础设施完善,与社会经济活动强度一致性较高,中心城区向郊区发展的过度区域人类社会经济活动强度高于基础设施密度,而远离中心城区的南昌县、安义县、进贤县基础设施密度高于人类社会经济活动强度。