不同地形背景下的NPP/VIIRS影像特征与估算模型对比分析

以2015年NPP/VIIRS夜光遥感影像为信息源,从夜光空间分布、典型城市剖面、区域建筑密度指数三方面对比分析不同地形背景下的山区与平原地区夜光分布的空间特征,构建县级尺度夜光强度指数与年末总人口、地区生产总值的回归模型,对比分析两种地形背景下模型的精度,并探讨了NDVI、坡度、海拔对山区夜光分布的影响。结果表明:平原地区夜光聚集效应更加显著,夜间成像效果优于山区;通过比较模型的相关系数、平均误差等多个指标,平原地区的估算模型明显优于山区县级尺度的回归模型,直接通过夜光强度指数建模估算山区人口与经济水平误差较大;贵州山区夜光分布受NDVI、坡度、海拔的影响显著,夜光强度与NDVI、坡度呈显著负相关关系,随着海拔的升高夜光像元分布呈现先上升后逐渐下降的趋势。

城市照明光污染演变特征探讨--以VIIRS影像为分析对象

城市发展过程中往往会出现城市照明光污染加重的现象,通过卫星影像手段进行宏观层面的问题发现及相关管控政策制定具有重要意义。基于团队已有研究,进一步通过R语言量化方法分析我国4座城市的光污染地图演变特征,结果显示:城市边界不断向外扩展的城市光污染范围会同步增大;城市与周边区县联系的加强会直接反映在卫星影像中;机场体现出长期高污染特征;较大规模的城市建设会引发明显的光污染;光污染边界不断向海域、山体等周边区域扩散现象明显。研究进一步验证了通过卫星影像手段分析城市照明光污染的演变特征具有可行性,并针对城市宏观层面的光污染分析提出建议,为后续更为深入的评估工作提供参考。

基于VIIRS影像的光污染演变特征初探——以我国4座城市为研究对象

卫星影像作为研究城市的重要手段在城市规划、管理等领域运用广泛,但在城市照明光污染领域中的运用相对较少。研究使用R语言量化分析我国4座城市的光污染地图(light pollution map,LPM)变化趋势,得出城市照明光污染演变共性特征,运用Lighting Trends Analysis(LTA)工具进行数据校核,证明卫星影像比对方法在城市尺度光污染研究中的可行性。研究结果显示建设成熟的城市中光污染范围变化不大但污染强度不断增加,其中以中等(M级)污染区域变化最为明显;城市边界外延的城市光污染范围显著增大且内部污染强度显著增强;城市与周边地区联系的加强会直接反映在LPM中,其中沿公路线变化最为明显;商业区、商务区以及夜晚高热度的公共场所更容易形成高污染(H-st)区;机场、港口体现出明显高污染特征;较大规模的城市开发建设会引发新的光污染,且光污染变化趋势与项目建设周期具有高度一致性;照明光污染不断向城市周边的生态区域扩散。针对光污染演变特征,研究提出城市照明规划编制中应关注的问题与管控建议,为城市夜晚环境的科学发展提供参考。

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。

基于多源遥感影像的长春市城市建成区提取

夜光遥感影像记录的城市灯光与人类活动密切相关,已广泛应用于城市信息提取。珞珈一号作为新一代夜光遥感数据源,比以往的夜光数据具有更高的空间分辨率和光谱分辨率,可以更清晰地表达城市建成区范围和内部结构。本文利用珞珈一号夜光遥感影像,通过人类居住指数(human settlement index, HSI)、植被覆盖和建筑共同校正的城市夜光指数(vegetation and build adjusted nighttime light urban index, VBANUI)及支持向量机(support vector machine, SVM)监督分类3种方法对长春市城市建成区进行提取,并与利用NPP/VIIRS(suomi national polar-orbiting partnership/visible infrared imaging radiometer suite)夜光遥感影像、采用同样方法得到的结果对比。结果显示:本文提出的VBANUI提高了传统植被覆盖校正的城市夜光指数(vegetation adjusted nighttime light urban index, VANUI)的提取精度,使用珞珈一号夜光遥感影像通过VBANUI提取的城市建成区结果最优,其Kappa系数为0.80,总体分类精度为90.74%;使用珞珈一号和NPP/VIIRS夜光遥感影像通过HSI按最佳阈值提取城市建成区的Kappa系数分别为0.75和0.72,总体分类精度分别为88.27%和86.54%;复合数据的SVM监督分类法中Landsat-NDBI、Landsat-NDBI-VIIRS、Landsat-NDBI-LJ和Landsat-NDBI-LJlog的Kappa系数分别为0.602、0.627、0.643和0.681,总体分类精度分别为81.11%、81.52%、82.25%和84.48%。研究结果表明:3种提取方法下,均为使用珞珈一号夜光遥感影像的结果优于使用NPP/VIIRS夜光遥感影像的结果,证明相比于NPP/VIIRS夜光遥感影像,珞珈一号夜光遥感影像更适用于城市尺度的建成区范围提取。

多源卫星遥感数据监测巢湖蓝藻水华爆发研究

湖泊蓝藻水华的精准动态监测,可为水利及环保部门评价污染水体的防治效果、优化和调整防治政策提供依据。论文以巢湖为研究对象,利用Landsat TM/OLI、HJ-1B CCD/IRS和NPP-VIIRS三种不同空间分辨率的影像数据,通过归一化水体指数(Normalized Difference Water Index,NDWI)实现巢湖水域范围提取,利用归一化植被指数(Normalized Difference Vegetation Index,NDVI)和浮游藻类指数(Floating Algae Index,FAI)提取2010~2014年共22景巢湖蓝藻的爆发区域。进一步的,对NDVI和FAI两种方法计算的蓝藻爆发区域进行对比分析,评价Landsat、HJ-1B以及VIIRS三种影像数据对巢湖蓝藻水华空间和时间的监测效果及适用性,进而结合气象因素分析不同气象因子对蓝藻水华爆发的影响。研究结果表明:(1)相比NDVI指数,FAI指数(Landsat和HJ-1B数据为主,VIIRS数据辅助)能降低薄云对蓝藻水华提取效果的影响,可提高蓝藻水华爆发区域、程度的识别能力;(2)气象因子中气温和日照时长加重了蓝藻水华爆发的严重程度,降水则对蓝藻水华的爆发起到一定的抑制作用。综上所述,论文引入VIIRS卫星影像研究巢湖蓝藻水华爆发,利用FAI指数降低薄云对蓝藻水华爆发面积提取精度的影响,取得的研究结果可为基于多源卫星遥感数据的巢湖蓝藻水华动态监测系统开发提供重要的方法支持,有利于推进卫星遥感技术在安徽省“河长制”和“湖长制”中发挥重要作用。

多源信息多尺度视角的南京市街道级人口模拟研究

人口是重要的社会和生态环境因素,掌握人口信息有利于资源配置和环境管理。本文以南京市的街道级行政区域作为基本对象单元,分别从市级、市郊级和城市化度3个尺度,人口总量和人口密度2个方面,使用NPP/VIIRS夜间灯光数据、大数据中的关注点POI数据、Landsat 8卫星OLI影像的建筑用地指数IBI,进行了人口模拟研究。结果如下:①在市级层面,人口密度模拟效果优于人口总量的,POI数据模拟效果最佳,确定性系数为0.87,其次是建筑用地指数0.81,夜间灯光数0.77;②在市郊级层面,郊区的人口密度拟合效果优于市区的;③在城市化度方面,中度城市化的街道人口密度与NPP/VIIRS的幂函数关系最佳,确定性系数为0.99,低度和高度城市化的街道人口密度与POI的对数关系拟合效果相对好些,确定性系数分别为0.65和0.44;中度和低度城市化街道的人口总量与3个因素数据的多元线性回归模型效果最佳,确定性系数分别为0.91和0.78。结果说明中度城市化街道的人口模拟效果最好。本文研究拓展了城市人口估算的广度和深度,可为相关工作提供思路上的借鉴。