CN112465710A - 一种基于evi数据的夜间灯光数据校正方法 - Google Patents

一种基于evi数据的夜间灯光数据校正方法 Download PDF

Info

Publication number
CN112465710A
CN112465710A CN202011178649.4A CN202011178649A CN112465710A CN 112465710 A CN112465710 A CN 112465710A CN 202011178649 A CN202011178649 A CN 202011178649A CN 112465710 A CN112465710 A CN 112465710A
Authority
CN
China
Prior art keywords
night light
data
dmsp
npp
ols
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202011178649.4A
Other languages
English (en)
Other versions
CN112465710B (zh
Inventor
刘鹏飞
王庆
严超
张波
许九靖
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangsu Jicui Future City Application Technology Research Institute Co Ltd
Original Assignee
Jiangsu Jicui Future City Application Technology Research Institute Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Jiangsu Jicui Future City Application Technology Research Institute Co Ltd filed Critical Jiangsu Jicui Future City Application Technology Research Institute Co Ltd
Priority to CN202011178649.4A priority Critical patent/CN112465710B/zh
Publication of CN112465710A publication Critical patent/CN112465710A/zh
Application granted granted Critical
Publication of CN112465710B publication Critical patent/CN112465710B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/90—Dynamic range modification of images or parts thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10032—Satellite or aerial image; Remote sensing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)
  • Studio Devices (AREA)

Abstract

本发明专利提出了一种基于EVI数据的夜间灯光数据校正方法，通过将DMSP/OLS夜间灯光影像分为饱和区和非饱和区，利用对应年份的EVI数据对饱和区内的影像数据进行校正，而非饱和区内的像元点保持原值，可以在对饱和区域校正的同时保留非饱和区域的真实信息。通过对DMSP/OLS夜间灯光影像和NPP/VIIRS夜间灯光影像进行拟合回归分析，可以得到长时间序列的夜间灯光影像，可以来分析区域的经济发展情况、城市扩张情况等。

Description

一种基于EVI数据的夜间灯光数据校正方法
技术领域
本发明涉及夜间灯光遥感技术领域，尤其是一种基于EVI数据的夜间灯光数据校正方法。
背景技术
夜间灯光遥感作为遥感领域发展较为活跃的一个分支，可以获取夜间无云条件下地表发射的可见光-近红外电磁波信息，不仅可以反映夜间城镇灯光，还可以捕捉到夜间渔船、天然气燃烧、森林火灾的发光，因此可以用来反映人类活动和社会发展规律，被广泛用于国民生产总值GDP、人口密度、电力消费EPC、温室气体排放、贫困指数等社会经济参数估算，城市扩张及城市化研究；能源危机、地震、战争等重大事件评估；城镇扩张的环境效应分析；光污染及效应分析等诸多领域，成为监测人类社会经济活动和自然现象的主要数据源。美国国防气象卫星搭载的可见光成像线性扫描业务系统(DMSP/OLS)和美国国家极轨卫星搭载的可见光近红外成像辐射仪(NPP/VIIRS)成为获取夜间灯光数据最常用的数据源。
但城市中心的光饱和现象、绽放效应以及缺乏机载校准是DMSP/OLS数据应用的主要障碍。光饱和现象是由于OLS传感器的6位低辐射分辨率导致的，DMSP/OLS数据的像元值在0到63之间，当城市中心存在辐射亮度超出检测上限的光源时，在DMSP/OLS数据DN值均强制赋值为63，因此在照明强度超过检测上限的城市中心区域无法区分出实际照明强度的空间差异性，限制了夜间灯光数据的应用。同时，DMSP/OLS数据集是由不同年份的不同卫星传感器采集的夜间灯光数据集合而成，在缺少机载校准的情况下，获取到的夜间稳定灯光数据受传感器的差异、卫星交叉时间的差异以及传感器性能下降的影响，不同年份和不同卫星的传感器采集到的夜间灯光数据不能直接比较。
2013年，随着DMSP/OLS的衰减和失效，NPP/VIIRS成为新一代的夜间灯光数据。作为比DMSP/OLS数据有更高空间和辐射质量的NPP/VIIRS数据，它解决了DMSP/OLS中存在的缺点，但公布的NPP/VIIRS月度影像是一个初步产品，仍然存在短时灯光数据。此外考虑到夜间灯光数据在社会经济活动研究的重大应用，将DMSP/OLS数据和NPP/VIIRS数据结合起来研究长时间序列上的连续性具有很大的优势和前景。但是NPP/VIIRS数据与DMSP/OLS数据之间的不一致性比DMSP/OLS数据之间的不一致性更严重。
针对上述问题，往往在利用夜间灯光数据进行分析时，需要对历年的夜间灯光数据进行校正。Elvidge,C.D.等人(1999年)通过调整传感器本身的增益，使其低于其典型的工作设置，可以获取到城市中心的夜间灯光变化情况，将获取到的有限的夜间灯光数据与高增益设置下获取到的夜间灯光数据相结合，生成无饱和的夜间灯光数据，虽然这种辐射定标去饱和方法可以有效降低夜间灯光数据的饱和效应，但是这种方法是劳动密集型和成本密集型的，因此只能得
到有限年份内的校准数据。Letu等人(2012年)通过构建1999年影像目标区域未饱和地区的夜间灯光数据与1996-1997年辐射定标影像的夜间灯光数据的回归模型实现对1999年影像饱和区灯光数据的校正。这种校正方法可以在一定程度上降低像元的饱和度，但是通过回归模型给饱和像元校正到相同的DN值，这意味着校正后的像元缺少空间差异性，无法反映真实的夜间灯光数据。同时，饱和校正会导致欠发达地区的郊区和农村非饱和像元失真。Liu等人(2012年)以黑龙江省鸡西市为不变目标区域，利用二阶回归模型实现对1992-2008年中国DMSP/OLS数据的相互校准。申请号201610115608.8的中国发明专利公开了一种基于稳定映射点夜间灯光影像间相互辐射校正方法，提取DMSP/OLS影像中的稳定映射点作为相互校正中模型参数的回归解算点，利用校正模型实现各待校正影像的校正。上述两种方法，解决了DMSP/OLS数据不可比的问题，但仍并未有效校正影像中饱和问题。
针对NPP/VIIRS月度影像中存在的问题，Li等人(2013年)提出使用2010年DMSP/OLS数据中亮值像元去提取NPP/VIIRS数据中对应的像元作为NPP/VIIRS数据中的稳定像元，虽然该方法可以去除部分的不稳定像元，但是以此来提取2012-2018年NPP/VIIRS数据时，由于中国快速的城市化进程会导致越往后的年份中丢失的信息越多。Zhao等人(2019年)建立2012年和2013年县级尺度上DMSP/OLS数据和NPP/VIIRS数据的总灯光值之间的回归关系，实现两种数据之间的拟合。
诸多学者对DMSP/OLS数据和NPP/VIIRS数据的处理做出了很多研究，但已有研究成果中仍存在一定局限：(1)在对DMSP/OLS数据进行饱和校正时，现有研究未区分中饱和像素点的空间差异以及对未饱和像素点进行了饱和校正，未能对DMSP/OLS数据进行有效的饱和校正。(2)对NPP/VIIRS年度影像数据处理时，现有研究通常会将部分稳定像素点误归类为不稳定像素点而丢失部分有效信息。(3)在对DMSP/OLS数据和NPP/VIIRS数据进行拟合时，部分学者用同一个拟合函数对30个省份的数据进行拟合，未考虑各个省份的数据差异性，从而降低夜间灯光数据表征经济数据的能力。
综上所述，针对夜间灯光数据的校正，到目前为止尚没有较为完善、准确的校正方法。
发明内容
针对上述问题，本发明的目的是提供一种更为完善、更为准确的基于EVI(Enhanced Vegetation Index增强植被指数)数据的夜间灯光数据校正方法，以获得更为准确的长时间序列的夜间灯光数据。
一种基于EVI数据的夜间灯光数据校正方法，包括以下步骤：
步骤1)读取待校正的DMSP/OLS、年度NPP/VIIRS夜间灯光影像和年度EVI影像；
步骤2)利用相互校正模型对DMSP/OLS夜间灯光影像进行相互校正，其中，相互校正模型为：
DNcorrect＝a×DNz+bxDN+c
式中，DNcorrect表示相互校正后的DN值，DN表示原始DN值，a、b、c分别为相互校正模型的回归系数；
步骤3)利用饱和校正模型对相互校正后的DMSP/OLS夜间灯光影像进行饱和校正，其中，饱和校正模型为：
Figure BDA0002749475310000031
式中，DNEVI表示饱和校正后的DN值，EVI表示原始植被增强指数，DNcorrectmax为相互校正后夜间灯光影像中的最大值，通常取为相互校正前DN＝63的像元经相互校正后的DN值；
步骤4)利用年内融合模型对饱和校正后的DMSP/OLS夜间灯光影像进行年内融合，其中，年内融合模型为：
Figure BDA0002749475310000032
式中，
Figure BDA0002749475310000033
分别表示经饱和校正后n年的两个不同传感器获取到的i像元的DN值，DN(n,i)表示影像年内融合校正后n年的i像元的DN值；
步骤5)利用年际校正模型对年内融合后的DMSP/OLS夜间灯光影像进行年际校正，得到校正后的DMSP/OLS夜间灯光影像，其中，年际校正模型为：
Figure BDA0002749475310000034
式中，
Figure BDA0002749475310000035
表示经正向校正模型校正后的n年夜间灯光影像中i像元的DN值，
Figure BDA0002749475310000036
经反向校正模型校正后的n年夜间灯光影像中i像元的DN值；
步骤6)利用获取到的2015年稳定NPP/VIIRS夜间灯光影像去除年度NPP/VIIRS夜间灯光影像中的不稳定夜间灯光数据，得到稳定的年度NPP/VIIRS夜间灯光影像；
步骤7)利用拟合回归模型对校正后的DMSP/OLS夜间灯光影像和稳定的年度NPP/VIIRS夜间灯光影像进行拟合回归分析，获取长时间序列的夜间灯光数据，其中，拟合回归模型为：
Figure BDA0002749475310000037
式中，TNLDMSP/OLS表示2012年和2013年DMSP/OLS数据的夜间灯光总和，TNLNPP/VIIRS表示2012年和2013年NPP/VIIRS数据的夜间灯光总和，a、b、c分别为拟合回归模型的回归系数。
进一步地，步骤1)读取待校正的DMSP/OLS、NPP/VIIRS夜间灯光影像和EVI影像，具体过程为：
2.1)获取年度DMSP/OLS夜间灯光影像、月度NPP/VIIRS夜间灯光影像和月度EVI影像，将3个影像的空间分辨率重采样至1000m，去除采样后的DMSP/OLS和NPP/VIIRS影像中水体和天然气燃烧区域的夜间灯光数据；
2.2)提取中国最发达城市的月度NPP/VIIRS数据，将提取到的最大值作为月度NPP/VIIRS夜间灯光影像的上限值，超过此上限值的月度NPP/VIIRS数据均赋值为该像元点周围24个像元点的平均值；月度NPP/VIIRS夜间灯光影像中的负值点均赋值为0；
2.3)对处理后的月度NPP/VIIRS夜间灯光影像取平均值，得到年度NPP/VIIRS夜间灯光影像；
2.4)对重采样后的月度EVI影像取平均值，得到年度EVI影像；
进一步地，步骤2)利用相互校正模型对DMSP/OLS夜间灯光影像进行相互校正，具体过程为：
3.1)获取中国区域的稳定夜间灯光影像，将DMSP/OLS夜间灯光影像与前一年的影像进行相交处理，得到的影像为前一年的稳定夜间灯光影像掩膜，与前一年的夜间灯光影像相乘即为前一年的稳定夜间灯光影像；
3.2)根据得到的中国区域的稳定夜间灯光影像选取样本数据区和参考标定年度；
3.3)利用所述的相互校正模型对各年度样本影像数据与参考数据集进行拟合回归，利用计算所得的回归模型对获取到的中国区域稳定夜间灯光影像进行相互校正。
进一步地，步骤5)中所述的正向校正模型为：
Figure BDA0002749475310000041
式中，DN(n,i)、DN(n+1,i)分别表示经相互校正后DMSP/OLS夜间灯光影像上n年度、n+1年度i像元的DN值；
进一步地，步骤5)中所述的反向校正模型为：
Figure BDA0002749475310000042
式中，DN(n-1,i)、DN(n,i)分别表示DMSP/OLS夜间灯光影像上n-1年度、n年度i像元的DN值。
本发明专利提出了一种基于EVI数据的夜间灯光数据校正方法，通过将DMSP/OLS夜间灯光影像分为饱和区和非饱和区，利用对应年份的EVI数据对饱和区内的影像数据进行校正，而非饱和区内的像元点保持原值，可以在对饱和区域校正的同时保留非饱和区域的真实信息。通过对DMSP/OLS夜间灯光影像和NPP/VIIRS夜间灯光影像进行拟合回归分析，可以得到长时间序列的夜间灯光影像，可以来分析区域的经济发展情况、城市扩张情况等。
具体实施方式
下面通过具体实例进一步描述本发明。不过这些实例仅仅是范例性的，并不对本发明的保护范围构成任何限制。
实施例一：
一种基于EVI数据的夜间灯光数据校正方法，包括以下步骤：
步骤1)读取待校正的DMSP/OLS、年度NPP/VIIRS夜间灯光影像和年度EVI影像；
步骤2)利用相互校正模型对DMSP/OLS夜间灯光影像进行相互校正，其中，相互校正模型为：
DNcorrect＝a×DNz+b×DN+c
式中，DNcorrect表示相互校正后的DN值，DN表示原始DN值，a、b、c分别为相互校正模型的回归系数；
步骤3)利用饱和校正模型对相互校正后的DMSP/OLS夜间灯光影像进行饱和校正，其中，饱和校正模型为：
Figure BDA0002749475310000051
式中，DNEVI表示饱和校正后的DN值，EVI表示原始植被增强指数，DNcorrectmax为相互校正后夜间灯光影像中的最大值，通常取为相互校正前DN＝63的像元经相互校正后的DN值；
步骤4)利用年内融合模型对饱和校正后的DMSP/OLS夜间灯光影像进行年内融合，其中，年内融合模型为：
Figure BDA0002749475310000052
式中，n＝2001，2002，2003，…，2007，
Figure BDA0002749475310000053
分别表示经饱和校正后n年的两个不同传感器获取到的i像元的DN值，DN(n,i)表示影像年内融合校正后n年的i像元的DN值；
步骤5)利用年际校正模型对年内融合后的DMSP/OLS夜间灯光影像进行年际校正，得到校正后的DMSP/OLS夜间灯光影像，其中，年际校正模型为：
Figure BDA0002749475310000054
式中，n＝2001，2002，2003，…，2013，
Figure BDA0002749475310000055
表示经正向校正模型校正后的n年夜间灯光影像中i像元的DN值，
Figure BDA0002749475310000056
经反向校正模型校正后的n年夜间灯光影像中i像元的DN值；
步骤6)利用获取到的2015年稳定NPP/VIIRS夜间灯光影像去除年度NPP/VIIRS夜间灯光影像中的不稳定夜间灯光数据，得到稳定的年度NPP/VIIRS夜间灯光影像；
步骤7)利用拟合回归模型对校正后的DMSP/OLS夜间灯光影像和稳定的年度NPP/VIIRS夜间灯光影像进行拟合回归分析，获取长时间序列的夜间灯光数据，其中，拟合回归模型为：
TNLDMSP/OLS＝axTNLNPP/VIIRS 2+b×TNLNPP/VIIRS+c
式中，TNLDMSP/OLS表示2012年和2013年DMSP/OLS数据的夜间灯光总和，TNLNPP/VIIRS表示2012年和2013年NPP/VIIRS数据的夜间灯光总和，a、b、c分别为拟合回归模型的回归系数。
步骤1)读取待校正的DMSP/OLS、NPP/VIIRS夜间灯光影像和EVI影像，具体过程为：
(1)获取年度DMSP/OLS夜间灯光影像、月度NPP/VIIRS夜间灯光影像和月度EVI影像，将3个影像的空间分辨率重采样至1000m，去除采样后的DMSP/OLS和NPP/VIIRS影像中水体和天然气燃烧区域的夜间灯光数据；
(2)提取中国最发达城市的月度NPP/VIIRS数据，将提取到的最大值作为月度NPP/VIIRS夜间灯光影像的上限值，超过此上限值的月度NPP/VIIRS数据均赋值为该像元点周围24个像元点的平均值；月度NPP/VIIRS夜间灯光影像中的负值点均赋值为0；
(3)对处理后的月度NPP/VIIRS夜间灯光影像取平均值，得到年度NPP/VIIRS夜间灯光影像；
(4)对重采样后的月度EVI影像取平均值，得到年度EVI影像；
步骤2)利用相互校正模型对DMSP/OLS夜间灯光影像进行相互校正，具体过程为：
(1)获取中国区域的稳定夜间灯光影像，以2013年的DMSP/OLS夜间灯光影像为该年的稳定夜间灯光影像，依次将后一年的DMSP/OLS夜间灯光影像与前一年的影像进行相交处理，得到的影像为前一年的稳定夜间灯光影像掩膜，与前一年的夜间灯光影像相乘即为前一年的稳定夜间灯光影像，以此得到2001-2013年的DMSP/OLS稳定夜间灯光影像；
(2)根据得到的中国区域的稳定夜间灯光影像选取样本数据区和参考标定年度，依据DN值年际波动小，年内动态范围分布广泛的原则选取黑龙江省鸡西市作为样本区域。以影像总灰度值较高、连续性好的F16传感器的2007年作为参考标定年度；
(3)利用所述的相互校正模型对各年度样本影像数据与参考数据集进行拟合回归，利用计算所得的回归模型对获取到的中国区域稳定夜间灯光影像进行相互校正。
步骤5)中所述的正向校正模型为：
Figure BDA0002749475310000061
式中，n＝2001，2002，2003，…，2012，DN(n,i)、DN(n+1,i)分别表示经相互校正后DMSP/OLS夜间灯光影像上n年度、n+1年度i像元的DN值；
步骤5)中所述的反向校正模型为：
Figure BDA0002749475310000071
式中，n＝2002，2003，2004，…，2013，DN(n-1,i)、DN(n,i)分别表示DMSP/OLS夜间灯光影像上n-1年度、n年度i像元的DN值。
应该理解，虽然本发明结合实例进行了详细的说明，但上述说明旨在举例说明，而不以任何方式限制其发明内容。对本领域技术人来说，基于本文的说明可以最大程度地利用本发明，并可在没有脱离本发明的权利要求范围或精神内进行多种修改或修饰。

Claims (5)

1.一种基于EVI数据的夜间灯光数据校正方法，其特征在于包括以下步骤：
步骤1)读取待校正的DMSP/OLS、年度NPP/VIIRS夜间灯光影像和年度EVI影像；
步骤2)利用相互校正模型对DMSP/OLS夜间灯光影像进行相互校正，其中，相互校正模型为：
DNcorrect＝a×DN2+b×DN+c
式中，DNcorrect表示相互校正后的DN值，DN表示原始DN值，a、b、c分别为相互校正模型的回归系数；
步骤3)利用饱和校正模型对相互校正后的DMSP/OLS夜间灯光影像进行饱和校正，其中，饱和校正模型为：
Figure FDA0002749475300000011
式中，DNEVI表示饱和校正后的DN值，EVI表示原始植被增强指数，DNcorrectmax为相互校正后夜间灯光影像中的最大值，通常取为相互校正前DN＝63的像元经相互校正后的DN值；
步骤4)利用年内融合模型对饱和校正后的DMSP/OLS夜间灯光影像进行年内融合，其中，年内融合模型为：
Figure FDA0002749475300000012
式中，
Figure FDA0002749475300000013
分别表示经饱和校正后n年的两个不同传感器获取到的i像元的DN值，DN(n，i)表示影像年内融合校正后n年的i像元的DN值；
步骤5)利用年际校正模型对年内融合后的DMSP/OLS夜间灯光影像进行年际校正，得到校正后的DMSP/OLS夜间灯光影像，其中，年际校正模型为：
Figure FDA0002749475300000014
式中，
Figure FDA0002749475300000015
表示经正向校正模型校正后的n年夜间灯光影像中i像元的DN值，
Figure FDA0002749475300000016
经反向校正模型校正后的n年夜间灯光影像中i像元的DN值；
步骤6)利用获取到的2015年稳定NPP/VIIRS夜间灯光影像去除年度NPP/VIIRS夜间灯光影像中的不稳定夜间灯光数据，得到稳定的年度NPP/VIIRS夜间灯光影像；
步骤7)利用拟合回归模型对校正后的DMSP/OLS夜间灯光影像和稳定的年度NPP/VIIRS夜间灯光影像进行拟合回归分析，获取长时间序列的夜间灯光数据，其中，拟合回归模型为：
TNLDMsP/OLS＝a×TNLNPP/VIIRS 2+b×TNLNPP/VIIRS+c
式中，TNLDMsP/OLS表示2012年和2013年DMSP/OLS数据的夜间灯光总和，TNLNPP/VIIRs表示2012年和2013年NPP/VIIRS数据的夜间灯光总和，a、b、c分别为拟合回归模型的回归系数。
2.根据权利要求1所述的一种基于EVI数据的夜间灯光数据校正方法，其特征在于，步骤1)读取待校正的DMSP/OLS、NPP/VIIRS夜间灯光影像和EVI影像，具体过程为：
2.1)获取年度DMSP/OLS夜间灯光影像、月度NPP/VIIRS夜间灯光影像和月度EVI影像，将3个影像的空间分辨率重采样至1000m，去除采样后的DMSP/OLS和NPP/VIIRS影像中水体和天然气燃烧区域的夜间灯光数据；
2.2)提取中国最发达城市的月度NPP/VIIRS数据，将提取到的最大值作为月度NPP/VIIRS夜间灯光影像的上限值，超过此上限值的月度NPP/VIIRS数据均赋值为该像元点周围24个像元点的平均值；月度NPP/VIIRS夜间灯光影像中的负值点均赋值为0；
2.3)对处理后的月度NPP/VIIRS夜间灯光影像取平均值，得到年度NPP/VIIRS夜间灯光影像；
2.4)对重采样后的月度EVI影像取平均值，得到年度EVI影像。
3.根据权利要求1所述的一种基于EVI数据的夜间灯光数据校正方法，其特征在于，步骤2)利用相互校正模型对DMSP/OLS夜间灯光影像进行相互校正，具体过程为：
3.1)获取中国区域的稳定夜间灯光影像，将DMSP/OLS夜间灯光影像与前一年的影像进行相交处理，得到的影像为前一年的稳定夜间灯光影像掩膜，与前一年的夜间灯光影像相乘即为前一年的稳定夜间灯光影像；
3.2)根据得到的中国区域的稳定夜间灯光影像选取样本数据区和参考标定年度；
3.3)利用所述的相互校正模型对各年度样本影像数据与参考数据集进行拟合回归，利用计算所得的回归模型对获取到的中国区域稳定夜间灯光影像进行相互校正。
4.根据权利要求1所述的一种基于EVI数据的夜间灯光数据校正方法，其特征在于，步骤5)中所述的正向校正模型为：
Figure FDA0002749475300000021
式中，DN(n，i)、DN(n+1，i)分别表示经相互校正后DMSP/OLS夜间灯光影像上n年度、n+1年度i像元的DN值。
5.根据利要求1所述的一种基于EVI数据的夜间灯光数据校证方法，其特征在于，步骤5)中所述的反向校正模型为：
Figure FDA0002749475300000022
式中，DN(n-1，i)、DN(n，i)分别表示DMSP/OLS夜间灯光影像上n-1年度、n年度i像元的DN值。
CN202011178649.4A 2020-10-29 2020-10-29 一种基于evi数据的夜间灯光数据校正方法 Active CN112465710B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011178649.4A CN112465710B (zh) 2020-10-29 2020-10-29 一种基于evi数据的夜间灯光数据校正方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011178649.4A CN112465710B (zh) 2020-10-29 2020-10-29 一种基于evi数据的夜间灯光数据校正方法

Publications (2)

Publication Number Publication Date
CN112465710A true CN112465710A (zh) 2021-03-09
CN112465710B CN112465710B (zh) 2022-08-19

Family

ID=74834184

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011178649.4A Active CN112465710B (zh) 2020-10-29 2020-10-29 一种基于evi数据的夜间灯光数据校正方法

Country Status (1)

Country Link
CN (1) CN112465710B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112785584A (zh) * 2021-02-01 2021-05-11 东南大学 一种基于evi和ghs-pop数据的夜间灯光数据校正方法
CN113065481A (zh) * 2021-04-09 2021-07-02 中国测绘科学研究院 一种运输投送环境下融合多源数据的城市建成区提取方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108109127A (zh) * 2018-01-16 2018-06-01 中国科学院遥感与数字地球研究所 一种基于ndbi的城市夜间灯光数据去饱和方法
CN110852159A (zh) * 2019-09-30 2020-02-28 广州地理研究所 遥感夜间灯光数据去饱和方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108109127A (zh) * 2018-01-16 2018-06-01 中国科学院遥感与数字地球研究所 一种基于ndbi的城市夜间灯光数据去饱和方法
CN110852159A (zh) * 2019-09-30 2020-02-28 广州地理研究所 遥感夜间灯光数据去饱和方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
刘哲等: "基于时序EVI决策树分类与高分纹理的制种玉米识别", 《农业机械学报》 *
卓莉等: "基于EVI指数的DMSP/OLS夜间灯光数据", 《地理学报》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112785584A (zh) * 2021-02-01 2021-05-11 东南大学 一种基于evi和ghs-pop数据的夜间灯光数据校正方法
CN112785584B (zh) * 2021-02-01 2022-05-27 东南大学 一种基于evi和ghs-pop数据的夜间灯光数据校正方法
CN113065481A (zh) * 2021-04-09 2021-07-02 中国测绘科学研究院 一种运输投送环境下融合多源数据的城市建成区提取方法

Also Published As

Publication number Publication date
CN112465710B (zh) 2022-08-19

Similar Documents

Publication Publication Date Title
Cao et al. Detecting light outages after severe storms using the S-NPP/VIIRS day/night band radiances
CN112465710B (zh) 一种基于evi数据的夜间灯光数据校正方法
JP4425983B1 (ja) 日射量の評価方法および評価装置
Ruminski et al. Recent changes to the hazard mapping system
CN109509154B (zh) 一种dmsp/ols年稳定夜光遥感影像去饱和校正方法
CN116519557B (zh) 一种气溶胶光学厚度反演方法
Hu et al. Correcting the saturation effect in dmsp/ols stable nighttime light products based on radiance-calibrated data
CN116337701A (zh) 一种基于双星组网的城市高分辨率气溶胶光学厚度反演方法
CN111696055B (zh) 一种基于辐射校正的长时间序列夜光遥感图像的获取方法
Solbrig et al. Assessing the stability of surface lights for use in retrievals of nocturnal atmospheric parameters
CN115439642B (zh) 一种夜光遥感能量影像合成方法、装置及设备
Cheng et al. An estimate of the city population in China using DMSP night-time satellite imagery
CN116558652A (zh) 一种气象卫星热红外通道在轨辐射定标方法
CN116185616A (zh) 一种fy-3d mersi l1b数据自动化再处理方法
CN116433591A (zh) 一种光伏板热斑的检测与面积占比计算方法
CN115222837A (zh) 真彩云图生成方法、装置、电子设备及存储介质
Yu et al. Fengyun-3E low light observation and nighttime lights product
CN116008140A (zh) 基于多波段卫星数据的气溶胶光学厚度反演方法
CN114663781A (zh) 一种城市多源环境数据的碳源反演方法
CN112052741A (zh) 一种基于edsr技术的夜光遥感影像数据处理方法及系统
CN112785584B (zh) 一种基于evi和ghs-pop数据的夜间灯光数据校正方法
Kekula et al. AN EMPIRICAL STUDY OF RELATIONSHIPS BETWEEN URBAN LIGHTING INDICATORS AND NIGHT-TIME LIGHT RADIANCE.
CN112508796A (zh) 基于地表覆盖信息的夜光遥感影像去饱和校正方法及系统
Elvidge et al. Preliminary results from nighttime lights change detection
Dziurdzikowski et al. Satellite Imaging in the Analyses of Light Pollution

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant