DMSP/OLS和VIIRS/DNB夜间灯光影像的校正及拟合

运用不变目标法对DMSP/OLS影像数据进行了相互校正、连续性校正和过饱和校正,以校正后的DMSP/OLS数据为参考对VⅡRS/DNB数据进行了重分类,利用两者影像数据在时间与空间中的重叠区域拟合VⅡRS/DNB数据,并对结果进行了评价,目的是获得长时间序列连续稳定的夜间灯光数据。同时建立了新疆区域校正后影像数据与社会经济指标中年末人口总数、生产总值、平均每天耗电量、建设用地之间的关系,探讨了夜间灯光数据在长时间序列下模拟社会经济参量的能力。结果表明,运用不变目标法校正后的夜间灯光影像更稳定、更连续,缩小了VⅡRS/DNB数据与DMSP/OLS数据像元DN值量级差异,使长时间序列下的灯光数据具有可比性。校正后长时间序列夜间灯光数据与社会经济参量的相关性高,说明校正后的长时间序列灯光影像数据在省级尺度上与社会经济指标契合。

VIIRS/DNB夜间灯光月度产品插补方法对比——以北京为例

新一代VIIRS/DNB(Visible Infrared Imaging Radiometer Suite Day/Night Band)夜间灯光数据因其具备更精细的时空分辨率、数据不存在饱和现象、不同年份数据可比性强等优点而迅速代替DMSP/OLS(Defense Meteorological Satellite Program's Operational Linescan System)夜间灯光数据成为新的研究热点。但由于杂散光的污染,VIIRS/DNB夏季数据数值缺失严重,致使数据在空间和时间上不连续,因此,插补缺失数据成为后续应用的前提。鉴于此,论文从插补结果异常值、与参照值对比、计算性能三个方面,系统比较了三次样条插值(样条)、三次Hermite插值(Hermite)、灰色预测模型(GM)、三次指数平滑法(指数)4种插补方法的适用性,以期为插补VIIRS/DNB夜间灯光数据提供方法选择的依据。研究结果表明:(1)异常值比较方面,Hermite法未出现异常值,另外3种算法仅出现少量异常值(0.02%～1.34%);(2)与参照值的对比方面,Hermite法与参考值接近程度最高,GM接近程度最低,样条法和指数法介于两者中间;(3)算法性能比较方面,4种方法都具备计算简单、容易编程的特点,但指数法的算法时长是另外3种方法的10倍以上。因此,综合多方表现,当插补月份前后两侧均有足够长的原始数据时,插补效果好、计算速度快、不会出现过冲现象的Hermite法最适宜,样条法次之;当插补月份仅单侧有足够长的数据时,适宜采用指数法(插补效果好、计算速度较慢)或GM(插补效果偏低、计算速度快)进行插补。

京津冀地区VIIRS/DNB月度及年度夜间灯光数据集(2013–2018)

新一代VIIRS/DNB(Visible Infrared Imaging Radiometer Suite Day/Night Band)夜间灯光数据受到杂散光污染,导致数据产品在夏季像元值缺失严重,空间和时间上不连续。因此,为了获取时空连续的数据,更好地推广夜间灯光数据的应用,本研究针对京津冀地区,运用三次Hermite插值法插补了5–8月的夜间灯光数据,生成了一套无缺省值的夜间灯光数据集。该数据集包含年平均和月平均两个子集,时间范围为2013–2018年,空间分辨率为15弧秒,数据量为292 MB。此外,由于该数据集过滤了火光、船只灯光等短暂性光源,因此该数据集主要适用于反映社会经济的稳定性光源研究,不适用于特定主题下的短暂性光源研究。基于该数据集的研究论文发表在《地理科学进展》2019年第38卷第1期。

基于NPP/VIIRS夜间灯光遥感数据估算上海地区PM2.5浓度

随着工业化和城市化的迅速发展,中国面临着越来越严重的大气污染危机,以细颗粒物(PM2.5)为标志的区域性大气复合污染问题已经成为我国大气环境污染治理的核心工作.目前,传统的地面监测站监测PM2.5浓度的方法空间分辨率较差且耗费人力物力,而卫星遥感数据监测PM2.5浓度的方法大部分只能应用于白天.由于PM2.5浓度在时间上存在周期性变化,因此利用卫星遥感数据监测的夜间PM2.5浓度可以作为表征PM2.5日变化规律的重要补充.本研究采用Suomi National Polar-orbiting Partnership(Suomi NPP)卫星搭载的可见红外成像辐射计套件(Visible Infrared Imaging Radiometer Suite, VIIRS)中Day/Night波段(DNB)夜间灯光影像数据,依据大气气溶胶消光原理和站点气象数据,建立PM2.5浓度的预测模型,基于多元线性回归分析对上海地区9个空气质量监测站在2014-2018年冬季无月无云的晴朗夜间的PM2.5浓度值进行估计,并对PM2.5浓度的空间分布进行模拟.结果表明,在研究时段上海地区PM2.5实际浓度与模型估算PM2.5浓度之间R2=0.767,均方根误差(RMSE)为19.210μg·m^-3,验证了VIIRS/DNB夜间灯光影像数据在估算PM2.5浓度方面有巨大潜力.

NPP卫星VIIRS微光资料反演夜间PM_(2.5)质量浓度

为研究城市夜间PM_(2.5)质量浓度,利用NPP卫星上可见光红外成像辐射套件(VIIRS)DNB通道的微光辐射数据,以辐射传输理论为基础,建立了夜间城市灯光辐射强度与地面表层PM_(2.5)质量浓度的关系,并基于支持向量机方法建立了夜间城市PM_(2.5)质量浓度反演模型。以北京市作为研究对象,选取2015-03—2015-05期间无月、无云且晴朗夜空条件下4个PM_(2.5)监测站点的微光辐射数据与时空匹配的PM_(2.5)质量浓度数据对模型进行验证。研究结果表明:夜间城市灯光辐射强度与地面表层PM_(2.5)质量浓度呈现负相关性,相关系数最高的定陵站点达到–0.83。基于支持向量机方法建立的PM_(2.5)反演模型获得的PM_(2.5)质量浓度与实际PM_(2.5)质量浓度的相关系数达到0.95,反演结果较优,为进一步大范围监测PM_(2.5)质量浓度空间分布以及改善城市夜间空气质量状况评估方法提供了可行性参考。

Landsat/OLI与夜间灯光数据在提取城市不透水面中的精度差异分析

不透水面作为反映城市发展程度和表征城市生态环境的重要指标,在城市化研究中成为重要的数据源。当前,不透水面信息的获取通常基于遥感数据来开展,包括不同分辨率的遥感数据。这些遥感数据在高精度提取城市不透水面的能力具有较大的差异,会因尺度不同而带来提取精度的偏差。因此,理解不同遥感数据源在不透水面提取上的差异尤为重要。本文利用Landsat/OLI光谱数据和VIIRS/DNB夜间灯光数据分别采用线性光谱混合分析法和大尺度不透水面指数法提取珠江三角洲研究区的不透水面信息,并从不透水面总体精度、不同密度精度对比分析2类数据源提取不透水面的差异。结果表明:①Landsat/OLI和VIIRS/DNB两者提取不透水面的总体精度差异不大,Landsat/OLI提取不透水面的精度总体上略高于VIIRS/DNB。2种数据提取不透水面的均方根误差RMSE分别是0.18和0.21,系统误差SE分别是0.12和0.13,决定系数R2分别是0.76和0.67。②Landsat/OLI和VIIRS/DNB数据对不同密度不透水面分布区域的提取能力不同:VIIRS/DNB在低密度不透水面区域提取精度高于Landsat/OLI;而Landsat/OLI在中、高密度不透水面区域提取精度均高于VIIRS/DNB。通过2种数据提取精度差异的对比,以期为不同密度的不透水面分布区域提取找到最佳尺度的数据源,提高不透水面提取的效率和精度。