Population Spatial Distribution Based on Luojia 1-01 Nighttime Light Image:A Case Study of Beijing

With the continuous development of urbanization in China,the country’s growing population brings great challenges to urban development.By mastering the refined population spatial distribution in administrative units,the quantity and agglomeration of population distribution can be estimated and visualized.It will provide a basis for a more rational urban planning.This paper takes Beijing as the research area and uses a new Luojia1-01 nighttime light image with high resolution,land use type data,Points of Interest(POI)data,and other data to construct the population spatial index system,establishing the index weight based on the principal component analysis.The comprehensive weight value of population distribution in the study area was then used to calculate the street population distribution of Beijing in 2018.Then the population spatial distribution was visualize using GIS technology.After accuracy assessments by comparing the result with the WorldPop data,the accuracy has reached 0.74.The proposed method was validated as a qualified method to generate population spatial maps.By contrast of local areas,Luojia 1-01 data is more suitable for population distribution estimation than the NPP/VIIRS(Net Primary Productivity/Visible infrared Imaging Radiometer)nighttime light data.More geospatial big data and mathematical models can be combined to create more accurate population maps in the future.

Quantifying urbanization levels on the Tibetan Plateau with high-resolution nighttime light data

The Tibetan Plateau(TP)is undergoing rapid urbanization.To improve urban sustainability and construct eco-logical security barriers,it is essential to quantify the spatial patterns of urbanization level on the TP,but the existing studies on the topic have been limited by the lack of socioeconomic data.This study aims to quantify the urbanization level on the TP in 2018 with Luojia1-01(LJ1-01)high-resolution nighttime light(NTL)data.Specifically,the compounded night light index is used to quantify spatial patterns of urbanization level at mul-tiple scales.The results showed that the TP had a low overall urbanization level with a large internal difference.The urbanization level in the northeast,southeast and south of the TP was relatively high,forming three hotspots centered in Xining City,Lhasa City and Shangri-La City,while the urbanization level in the central and western regions was relatively low.The analysis of influencing factors,based on the random forest model,showed that transportation and topography were the main factors affecting the TP’s spatial patterns of urbanization level.The comparison analysis with socioeconomic statistics and traditional NTL data showed that LJ1-01 NTL data can be used to more effectively quantify the urbanization level since it is more advantageous for reflecting the spatial extent of urban land and describing the spatial structure of socioeconomic activities within urban areas.These advantages are attributed to the high spatial resolution of the data,appropriate imaging time and unaf-fected by saturation phenomena.Thus,the proposed LJ1-01 NTL-based urbanization level measurement method has the potential for wide applications around the world,especially in less-developed regions lacking statistical data.Using this method,we refined the measurement of the TP’s urbanization level in 2018 for multiple scales including the region,basin,prefecture and county levels,which provides basic information for the further urban sustainability research on the TP.

利用珞珈一号提取城市建成区的方法对比分析

采取单独使用珞珈一号(Luojia1-01)夜间灯光数据、构建植被调整NTL城市指数(VANUI)、Luojia1-01和兴趣点(Luojia1-01&POI)指数3种方法提取了2018年成都市的建成区,并利用总体精度和Kappa系数对比了3种方法的提取精度。结果表明,Luojia1-01的高分辨率在建成区提取方面有广阔的应用,但单独使用会产生信息误提的问题;VANUI提取的建成区在内部和边界细节信息方面表现更优,但存在孔隙较多、图斑破碎的问题;Luojia1-01&POI指数提取的建成区范围效果最好、精度最高。研究结果为Luojia1-01与其他类型数据的结合提供了参考,进一步证实了POI数据结合夜间灯光数据提取建成区的高精度与可靠性。

基于遥感影像数据和POI数据的城市建设用地提取

城市建设用地能够反映城市在地域空间上的分布形态,是衡量城市发展的重要指标。针对城市建设用地的提取,本文提出一种结合遥感影像数据和兴趣点(point of information,POI)数据的城市建设用地提取方法。首先根据珞珈一号夜间灯光数据和归一化植被指数(normalized difference vegetation index,NDVI)的亮度、纹理等信息进行多尺度面向对象检测,得到一个城市建设用地;然后使用地理探测器对POI数据进行筛选,利用筛选后的POI数据进行核密度分析提取得到另一个城市建设用地;最后通过对两种提取结果进行融合,得到精确的城市建设用地。结果表明,本方法提取的城市建设用地完整性好,与实际的城市建设用地较为吻合。该方法可为使用多源数据在市级尺度上提取城市建设用地提供参考。

珞珈一号融合多源数据的建成区提取

针对使用夜间灯光影像提取建成区存在灯光溢出、过饱和等所导致提取精度受限的问题,采用空间分辨率更高的珞珈一号影像,分别结合高精度的兴趣点、道路、归一化差异植被指数和地温数据,构建多个夜间灯光修正指数,引入最大类间方差算法优化动态阈值法来提取建成区,以武汉市为例对建成区提取精度进行研究。结果表明,综合多源数据的城市建成区提取效果普遍要优于单一数据源,但并非融合的数据类型越多建成区提取精度就越高。使用几何平均值法融合珞珈一号、兴趣点和地温数据构建的LPALUI指数提取建成区最精确,可保留丰富的边界和内部空间信息,其总体精度、Kappa系数和F1-score高达93.7%、0.608、0.957,是城市建成区提取的理想多源数据指数。

基于珞珈一号和OSM数据的呈贡区建筑密度估算

建筑密度是城市规划布局的一个重要指标。为了提高建筑密度的获取效率,本文提出一种结合珞珈一号数据和OSM数据的估算城市建筑密度的方法。基于珞珈一号数据,文中以固定大小的网格为单位采样分析了昆明市呈贡区灯光强度和建筑密度的拟合关系;基于OSM数据,利用GIS提取分析、数学分析等方法去除道路灯光对估算结果的影响。然后利用非线性拟合模型估算了昆明市呈贡区的建筑密度,得到其空间分布情况;并验证分析了估算模型的精度。结果表明,昆明市呈贡区的建筑密度与夜间灯光强度有较高的相关性,可以结合珞珈一号夜光影像数据和OSM道路数据估算城区的建筑密度。

珞珈一号夜间灯光影像的建设用地提取

建设用地的准确获取对了解城市建设发展、监测城市建设情况和规划空间布局有重要意义.以往的夜间灯光数据在市级以上的建设用地提取中,准确度都会受到分辨率与尺度的影响,小尺度对准确度影响更大.130 m分辨率和250 km幅宽的珞珈一号数据的出现,让城市建设用地的提取更具潜力.本研究通过整合珞珈一号夜间灯光数据与兴趣点数据以及Landsat8反演得到的地表温度数据,采用经验阈值法提取建设用地并进行精度评价.结果显示,珞珈一号影像在小尺度提取中,虽然总体精度(0.825)较高,但是误分很严重,导致Kappa系数只有0.359;通过平均值法与兴趣点数据结合提取,精度数值均有提高,但误分还是较多,Kappa系数只有0.442;在加入地表温度数据后,用LJ&LST综合指数提取建设用地,极大地改善了误分的现象,总体精度为0.874,Kappa系数达到0.620.实验表明,即使城市中存在河流,在珞珈一号数据的支持下介入地表温度的LJ&LST综合指数也可以提高建设用地的提取精度.

两种夜光数据测算社会经济指标能力对比

为了评估珞珈一号01星夜间灯光数据对社会经济指标的拟合能力,该文将其和美国NPP/VIIRS夜间灯光数据作对比,在全国范围从省级和地市级尺度建立了夜间灯光数据与经济、人口和资源能源3类社会经济指标的线性回归模型。结果表明:两种夜间灯光数据均能较好地拟合经济、人口和资源能源参量,对地区生产总值的线性拟合效果最好,资源能源指标次之;在省级尺度,Luojia 1-01数据与经济和人口指标拟合的R^(2)优于NPP/VIIRS数据,并且各项指标的相对误差表现更优;在地市级尺度,Luojia 1-01数据也达到了目前应用最为广泛的NPP/VIIRS数据的水平。证明了Luojia 1-01数据可靠性和应用潜力。Luojia 1-01数据凭借高分辨率的优势,未来会有更广阔的应用空间。

民航客机平台夜光遥感方法在香港经济活动变化检测中的应用

大规模持续的示威游行活动会影响一个城市的经济活动。自2019年6月开始,香港地区持续性的示威游行活动对多个行业产生冲击,香港地区经济受到一定程度影响。快速准确地识别出经济活动受影响区域将有助于政府进行准确损失评估和制定有效的经济恢复政策。本文首次提出使用民航客机夜光遥感结合VGI数据识别经济活动受影响区域的方法。首先在民航客机平台上用手机获取了研究区域2019年8月28日的高度重叠的照片,然后基于摄影测量技术对照片进行拼接处理生成夜光遥感影像,再与珞珈一号-01星夜光遥感影像、POI密度图对比初步筛选出受影响区域。最后通过VGI照片数据进行验证,检测出观塘区有2个经济活动下降的区域,并做了定量分析,发现在观塘区有2个区域的DN值相关比例分别下降了9.52%和19.42%。利用本文的方法能快速识别香港经济活动受影响区域,对于研究其他城市的经济变化有着借鉴意义,在城市精准治理方面也有重要的应用价值。