CN113033277A - 基于夜光遥感数据的国家经济估算方法和装置 - Google Patents

基于夜光遥感数据的国家经济估算方法和装置 Download PDF

Info

Publication number
CN113033277A
CN113033277A CN202011387511.5A CN202011387511A CN113033277A CN 113033277 A CN113033277 A CN 113033277A CN 202011387511 A CN202011387511 A CN 202011387511A CN 113033277 A CN113033277 A CN 113033277A
Authority
CN
China
Prior art keywords
data
luminous
npp
viirs
noctilucent
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.)
Pending
Application number
CN202011387511.5A
Other languages
English (en)
Inventor
陈新保
杨张茜
王珊
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.)
Hunan University of Science and Technology
Original Assignee
Hunan University of Science and Technology
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 Hunan University of Science and Technology filed Critical Hunan University of Science and Technology
Priority to CN202011387511.5A priority Critical patent/CN113033277A/zh
Priority to ZA2021/00188A priority patent/ZA202100188B/en
Publication of CN113033277A publication Critical patent/CN113033277A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/176—Urban or other man-made structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/30—Noise filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/88—Image or video recognition using optical means, e.g. reference filters, holographic masks, frequency domain filters or spatial domain filters

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Educational Administration (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Multimedia (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请涉及一种基于夜光遥感数据的国家经济估算方法和装置。所述方法包括：获取NPP‑VIIRS型夜光遥感数据以及预设国家行政边界数据，所述NPP‑VIIRS型夜光遥感数据包括NPP‑VIIRS无云夜光数据以及稳定光源夜光数据；通过所述预设国家行政边界数据对所述NPP‑VIIRS型夜光遥感数据进行区域提取；根据所述稳定光源夜光数据生成掩膜，并通过所生成的掩膜对所述NPP‑VIIRS无云夜光数据进行清洗得到待处理夜光影像；根据待处理夜光影像进行国家经济估算及模型改进。采用本方法能够提高准确性。

Description

基于夜光遥感数据的国家经济估算方法和装置
技术领域
本申请涉及智能车辆技术领域，特别是涉及一种基于夜光遥感数据的国家经济估算方法和装置。
背景技术
随着夜光遥感技术的引入，研究人员开始将夜光遥感数据应用于区域经济的衡量评估，由于夜光遥感数据能够在大范围获取地区经济的动态信息，且所提供的数据相对连续、均匀、空间位置明确，具有传统经济数据没有的优势，该技术能够为区域经济研究提供有力支持。对地观测科学能够提供丰富的空间信息支撑，夜光遥感是对地观测科学中的一个新兴分支，更是能以独特视角对地表人类活动规律进行深刻认知。
目前，夜光遥感数据主要有两个来源：DMSP-OLS夜光数据，美国国防气象卫星(Defense meteorological satellite program,s,DMSP)搭载的可见光成像线性扫描业务系统(Operational linescan system,OLS)(即DMSP-OLS)；NPP-VIIRS夜光数据，国家极轨卫星(Suomi national polar orbiting partnership,Suomi-NPP)搭载的可见光近红外成像辐射(Visible infrared imaging radiometer suite,VIIRS)(即 NPP-VIIRS)。
当前，关于夜间灯光与区域经济评估的研究主要使用DMSP-OLS夜光数据，其运用相比其他夜光数据其应用范围也更大。DMSP-OLS夜间灯光数据在大尺度的区域经济评估上也有较强的优势，但是有限的辐射探测能力会造成城市中心出现灯光过饱和，这会使夜间灯光与社会经济之间的相关性减弱。李德仁等认为夜光遥感的数据源将由DMSP-OLS影像发展到新型NPP-VIIRS夜光影像。新一代的夜间灯光数据NPP-VIIRS，其较宽的辐射探测范围解决了DMSP-OLS 数据的像元过饱和问题，且具有更高的分辨率。江威等人，基于NPP-VIIRS和 DMSP-OLS夜灯数据模拟了各类社会经济参量，并进行对比，发现NPP-VIIRS 在模拟经济参量上更占优势。
Li(2013)等基于NPP-VIIRS、DMSP-OLS夜光数据，以我国东部沿海个省份为研究对象，测度了经济水平与夜光数据的关系，发现NPP-VIIRS的估算效果较好。
韩向娣等(2012)按照分产业值建模的方式，模拟了中国区域1km2GDP间分布。
曹子阳(2016)遵循分区、分产业建模的原则，采用DMSP/OLS夜间灯光影像和NPP-VIIRS数据，利用线性关系模拟了广东省GDP空间分布。
李峰等(2016)利用NPP-VIIRS夜间灯光影像挖掘5种灯光指标，通过与第二、三产业产值进行相关性分析后、建模，获得北京市GDP空间分布图。
已有的研究表明，通过夜光遥感获取的时空连续的经济社会数据能够有效补充经济社会统计数据的不足，有利于在较大时间和空间尺度上获得经济社会参数。夜光遥感影像的应用却能够有效监测预设国家的社会经济动态。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高准确性的基于夜光遥感数据的国家经济估算方法和装置。
一种基于夜光遥感数据的国家经济估算方法，所述方法包括：
获取NPP-VIIRS型夜光遥感数据以及预设国家行政边界数据，所述 NPP-VIIRS型夜光遥感数据包括NPP-VIIRS无云夜光数据以及稳定光源夜光数据；
通过所述预设国家行政边界数据对所述NPP-VIIRS型夜光遥感数据进行区域提取；
根据所述稳定光源夜光数据生成掩膜，并通过所生成的掩膜对所述 NPP-VIIRS无云夜光数据进行清洗得到待处理夜光影像；
根据所述待处理夜光影像进行国家经济估算及模型改进。
在其中一个实施例中，所述通过所述预设国家行政边界数据对所述NPP-VIIRS型夜光遥感数据进行区域提取之后，还包括：
将所述NPP-VIIRS型夜光遥感数据投影至预设类型地图中；
对投影至预设类型地图中的NPP-VIIRS型夜光遥感数据进行重采样。
在其中一个实施例中，所述通过所生成的掩膜对所述NPP-VIIRS无云夜光数据进行清洗得到待处理夜光影像之后，还包括：
通过去除负值和去除孤立极大值其中至少一种方式对待处理夜光影像进行去噪处理。
在其中一个实施例中，所述根据所述待处理夜光影像进行国家经济估算，包括：
根据所述待处理夜光影像计算得到区域夜光总量指数；
将所述区域夜光总量指数输入至国家经济总量估算模型计算得到国家经济总量。
在其中一个实施例中，所述国家经济总量估算模型的生成方式包括：
根据样本夜光影像计算得到区域夜光总量指数和区域平均夜光指数；
计算所述区域夜光总量指数和区域平均夜光指数与国家经济总量之间的相关性，以确定模型特征为区域夜光总量指数；
根据所述区域夜光总量指数和国家经济总量进行建模得到国家经济总量估算模型。
在其中一个实施例中，所述根据所述区域夜光总量指数和国家经济总量进行建模得到国家经济总量估算模型之后，还包括：
获取各个国家对应的历史经济总量；
根据所述历史经济总量以及所述国家经济总量模型所计算的模型经济总量计算得到国家差异系数；
通过所述国家差异系数纠正所述国家经济总量估算模型。
一种基于夜光遥感数据的国家经济估算装置，所述装置包括：
数据获取模块，用于获取NPP-VIIRS型夜光遥感数据以及预设国家行政边界数据，所述NPP-VIIRS型夜光遥感数据包括NPP-VIIRS无云夜光数据以及稳定光源夜光数据；
区域提取模块，用于通过所述预设国家行政边界数据对所述NPP-VIIRS型夜光遥感数据进行区域提取；
掩膜处理模块，用于根据所述稳定光源夜光数据生成掩膜，并通过所生成的掩膜对所述NPP-VIIRS无云夜光数据进行清洗得到待处理夜光影像；
估算模块，用于根据所述待处理夜光影像进行国家经济估算及模型改进。
在其中一个实施例中，所述装置还包括：
投影模块，用于将所述NPP-VIIRS型夜光遥感数据投影至预设类型地图中；
重采样模块，用于对投影至预设类型地图中的NPP-VIIRS型夜光遥感数据进行重采样。
在其中一个实施例中，所述装置还包括：
去噪模块，用于通过去除负值和去除孤立极大值其中至少一种方式对待处理夜光影像进行去噪处理。
在其中一个实施例中，所述估算模块包括：
指数计算单元，用于根据所述待处理夜光影像计算得到区域夜光总量指数；
估算单元，用于将所述区域夜光总量指数输入至国家经济总量估算模型计算得到国家经济总量。
上述基于夜光遥感数据的国家经济估算方法和装置，使用新型的 NPP-VIIRS夜光数据对预设区域进行研究以及GDP估计，本文的创新之二就是用NPP-VIIRS稳定灯光数据替换DMSP-OLS稳定灯光数据作为掩膜，该数据与待处理数据为同一系列，分辨率相同，相比DMSP-OLS稳定灯光数据其对微弱灯光识别力更强，且发布时间更近，可减少误差。
附图说明
图1为一个实施例中基于夜光遥感数据的国家经济估算方法的流程示意图；
图2为一个实施例中基于夜光遥感数据的国家经济估算中的数据预处理步骤的流程示意图；
图3为另一个实施例中经处理的NPP-VIIRS夜光遥感影像；
图4为一个实施例中的夜光总量与GDP的回归模型的示意图；
图5为一个实施例中基于夜光遥感数据的国家经济估算装置的结构框图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
在一个实施例中，如图1所示，提供了一种基于夜光遥感数据的国家经济估算方法，本实施例以该方法应用于终端进行举例说明，可以理解的是，该方法也可以应用于服务器，还可以应用于包括终端和服务器的系统，并通过终端和服务器的交互实现。本实施例中，该方法包括以下步骤：
S100：获取NPP-VIIRS型夜光遥感数据以及预设国家行政边界数据， NPP-VIIRS型夜光遥感数据包括NPP-VIIRS无云夜光数据以及稳定光源夜光数据。
具体地，NPP-VIIRS夜间灯光无云合成图是在夜晚无月光条件下，由Suomi －NPP卫星利用VIIRS在夜间拍摄所得，距地表约824km，分辨率达到15″(约 450m)；传感器的辐射量化级为14bit，DN值为0-65535，没有像元饱和溢出的情况；数据在获取时都进行了辐射定标，各期的灯光影像可相互比较。数据经过了VIIRS M15热红外波段的云去除过程，过滤了杂散光、月光和云层覆盖。到目前为止，NOAA发布了2012年4月至2018年4月共72期月度夜光数据，以及2015年一期的年度夜光数据。月度夜光数据系列未筛去极光，火光，船只和其他瞬时灯光，背景噪声也未剔除，且部分像元值为负值。年度的夜光数据为稳定灯光数据，具有多层分离，消除了瞬时灯光，背景(非灯光)设置为零，但目前仅发布了2015年的数据(下文称该数据为稳定光源夜光数据)。
S200：通过预设国家行政边界数据对NPP-VIIRS型夜光遥感数据进行区域提取。
具体地，NPP-VIIRS夜间灯光遥感影像已经过几何校正和辐射定标，无需重复处理。首先将预设范围的各幅影像进行无缝镶嵌，再利用预设范围的行政边界提取研究范围的夜间灯光遥感影像。
S300：根据稳定光源夜光数据生成掩膜，并通过所生成的掩膜对NPP-VIIRS 无云夜光数据进行清洗得到待处理夜光影像。
具体地，由上文可知，月度NPP-VIIRS夜间灯光数据，未剔除瞬时灯光，且原始像元存在着较多异常的负值与极大值。为解决此问题，Ma等人提出了不变目标区域法。不变目标区域法利用DMSP-OLS稳定灯光数据作为掩膜剔除夜光数据的背景噪声和瞬时性灯光噪声。然而DMSP-OLS稳定灯光数据2013年便不再发布，且其空间分辨率约为1km，是NPP-VIIRS的两倍，会造成一定的误差，在此研究方法基础上，本实施例中利用2015年NPP-VIIRS稳定灯光数据作为掩膜，以此减少误差并提高分辨率。通过掩膜去噪方式进行处理，包括提取2015年NPP-VIIRS稳定光源夜光数据中DN值非0的像元，生成掩膜；将掩膜应用于2012-2017年的NPP-VIIRS灯光数据，将掩膜外数据归为0，即将掩膜外的数据视为非稳定夜间灯光，不参与随后的分析。
S400：根据待处理夜光影像进行国家经济估算及模型改进。
最后在处理完成后，则通过待处理夜光影像进行国家经济估算，具体的估算方法可以参见下文。
上述基于夜光遥感数据的国家经济估算方法，使用新型的NPP-VIIRS夜光数据对预设区域进行研究以及GDP估计，本文的创新之二就是用NPP-VIIRS稳定灯光数据替换DMSP-OLS稳定灯光数据作为掩膜，该数据与待处理数据为同一系列，分辨率相同，相比DMSP-OLS稳定灯光数据其对微弱灯光识别力更强，且发布时间更近，可减少误差。
在其中一个实施例中，结合图2，通过预设国家行政边界数据对NPP-VIIRS 型夜光遥感数据进行区域提取之后，还包括：将NPP-VIIRS型夜光遥感数据投影至预设类型地图中；对投影至预设类型地图中的NPP-VIIRS型夜光遥感数据进行重采样。
NPP-VIIRS原始数据为WGS84地理坐标。夜光统计与面积存在关系，为使得投影面积变形最小，投影转换成古德陆地等面积投影。最后以双线性采样的方法重采样成500m大小的格网。
在其中一个实施例中，通过所生成的掩膜对NPP-VIIRS无云夜光数据进行清洗得到待处理夜光影像之后，还包括：通过去除负值和去除孤立极大值其中至少一种方式对待处理夜光影像进行去噪处理。
具体地，去除负值包括：夜光数据仅有0值与大于0的值这两种类型值，大于0的值为灯光区，0值为黑暗区，即不参与计算的背景值。将灯光数据中 DN值小于0的值赋予0值，以此剔除负值。
具体地，去除孤立极大值包括：NPP-VIIRS为14bit，像元值范围在0-65535 之间，夜光数据中存在少数孤立的极大值，会对后续分析造成影响，故将所有像元按DN值大小升序排列，取像元数99％处的DN值280作为阈值，高于280 的像元DN值均赋值为280。最后所得到的待处理夜光影像可以参见图3所示。
在其中一个实施例中，根据待处理夜光影像进行国家经济估算，包括：根据待处理夜光影像计算得到区域夜光总量指数；将区域夜光总量指数输入至国家经济总量估算模型计算得到国家经济总量。
在其中一个实施例中，国家经济总量估算模型的生成方式包括：根据样本夜光影像计算得到区域夜光总量指数和区域平均夜光指数；计算区域夜光总量指数和区域平均夜光指数与国家经济总量之间的相关性，以确定模型特征为区域夜光总量指数；根据区域夜光总量指数和国家经济总量进行建模得到国家经济总量估算模型。
预设国家主要是发展中国家。发展中国家统计系统较为薄弱，统计数据误差较大甚至缺失，因此夜间灯光可为这些国家的GDP或GRP的估算提供依据 [4]。目前的研究主要是通过建立夜光数据与GDP之间的预测模型来进行经济预测，一般采用线性模型、增长模型、二次项模型等进行回归分析，选取最佳拟合方式实现，本实施例中通过2012-2017年12月的NPP-VIIRS夜光数据建立估算模型，使用2017年最新的NPP-VIIRS夜光数据，对2017年的预设国家GDP 情况进行估算。
具体地，首先进行夜间灯光数据统计，包括：区域夜光总量指数TNLI、区域平均夜光指数ANLI分别为：
Figure RE-GDA0002966939550000081
Figure RE-GDA0002966939550000082
式中，DNi为第i个像元的DN值。使用ARCGIS的分区统计模块，基于预设国家行政界线矢量数据，获取2012-2017年各个国家的TNLI、ANLI值。
其次，进行夜间灯光数据与GDP的相关性分析，包括使用皮尔逊相关模型分别用2012-2016年夜光数据的TNLI值与GDP值，ANLT与人均GDP，ANIL 与GDP进行相关分析，分析结果如下：
表1Pearson相关性
Figure RE-GDA0002966939550000083
极强相关：0.8-1；强相关：0.6-0.8；中度相关0.4-0.6；大于0为正相关，小于0为负相关，等于0为不相关。
由表1可知，GDP与TNLI之间正向强相关至极强相关，人均GDP与ANLT 正向中度相关，GDP与ANIL基本不相关，表明夜光总量TNLI与GDP参量之间具有较强的相关性，从而进一步证实了夜光数据开展社会经济参量估算的潜力，有助于宏观了解预设国家社会经济情况及发展历程，为国家制定投资计划和开展经济合作提供了一定的信息支撑。GDP与TNLI的相关强度明显高于人均GDP与ANLI，，因此，本实施例中主要使用区域夜光总量指数TNLI和GDP统计值进行分析、评估。
由于GDP与TNLI存在相关关系，可建立模型估算GDP。使用2012-2016 年各国的夜光总量和GDP统计值，求出五年内61个国家GDP统计值与NTLI 夜光总量的加权平均值，用于分析。为方便计算，GDP单位为亿美元，夜光总量值×0.01。公式如下：
Figure RE-GDA0002966939550000091
Figure RE-GDA0002966939550000092
式中：GDPw为GDP加权平均值，GDPs为GDP五年之和；TNLIw为夜光总量加权平均值,NILIs夜光总量五年之和。
再次对GDPw和NTLIw进行相关性分析，pearson相关性系数0.801，为显著性强相关，即可继续建立模型。将TNLIw作为自变量，分别选用线性、LOG指数、二次项等多种模型进行回归分析，分析结果见表2，发现幂模型R2＝0.764，最为拟合，故建立幂函数模型。幂函数曲线与夜光样本分布的情况如图4所示， GDP预估算模型如下式：
GDP＝2.29168×TNLI0.7537................(5)
式中，GDP为预估计值。
表2回归模型R2值
线性模型 LOG指数模型 二次项模型 幂模型
0.631 0.484 0.738 0.764
表3预估计模型GDP估计值误差分布(单位：个)
误差<30％ 误差30％-50％ 误差>50％
12 16 30
测试此预估算模型估算的准确度，将2017年夜光数据代入模型，用已知的 58个国家2017年的GDP统计值进行检验，并考察模型得出的估算值与统计数据之间的误差，误差分布情况见表3。58个国家中预估算值误差大于50％的有 30个，准确率很低。从此预估算结果可以看出，若不考虑地区经济发展的差异，预估算所得到的各国GDP会有较大的误差，还需要修正NPP-VIIRS估算模型，进一步提高估算准确度。
在其中一个实施例中，根据区域夜光总量指数和国家经济总量进行建模得到国家经济总量估算模型之后，还包括：获取各个国家对应的历史经济总量；根据历史经济总量以及国家经济总量模型所计算的模型经济总量计算得到国家差异系数；通过国家差异系数纠正国家经济总量估算模型。
考虑到国家经济发展存在的很大差异，各个国家的夜光总量NTIL值对应的 GDP权重会有所不同，若不考虑地方差异，估算出的GDP就会与真实值存在较大误差。于是，利用各国历年的GDP统计值来修正GDP估计模型，计算地方差异系数。各个国家的地区差异系数计算公式为：
Figure RE-GDA0002966939550000101
式中：GDPcountry为某国的GDP统计值；GDPm为预估算模型计算得到该国 GDP估计值。计算得到的各国地区差异系数见表4，纠正后的GDP估算模型如下式：
GDP＝2.29168×TNLI0.7537×C...................(7)
式中，c为地方差异系数。
表4地区差异系数(节选部分国家)
Figure RE-GDA0002966939550000102
Figure RE-GDA0002966939550000111
将58个国家的地区差异系数分别其带入方程(7)，最终得到各国的GDP估算的修正模型。其中，中国的GDP估算方程如(3.1)，其他国家的GDP估算方程也可如此获得。
GDP＝2.29168×TNLI0.7537×6.7...................(8)
统计2017年58个国家夜光总量NTLI，代入估算方程计算得到各国的GDP 估算值，如表5。
表5 2017年各个国家GDP估算值
Figure RE-GDA0002966939550000112
Figure RE-GDA0002966939550000121
利用17年各国的GDP统计数据进行对比、检验。预设国家2017年的GDP 估算值与统计值的对比如图3。计算GDP估算值与统计值的误差，绘制纠正模型GDP估计值误差分布表5，结果表明修正模型的GDP估计准确度有大幅提高： 58个国家中有23个国家的GDP估算误差＜10％，26个国家的估算误差介于 10％～30％，8个国家的估算误差介于30％～50％，仅1个国家的估算误差＞50％，平均误差16.54％。此估算准确度远远大于预估算模型。在考虑地方差异的情况下，利用NPP-VIIRS夜光数据能较为准确地估算预设国家的GDP。
应该理解的是，虽然图1和2的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1和2中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，还供了一种基于夜光遥感数据的国家经济估算方法装置，包括：
数据获取模块，用于获取NPP-VIIRS型夜光遥感数据以及预设国家行政边界数据，NPP-VIIRS型夜光遥感数据包括NPP-VIIRS无云夜光数据以及稳定光源夜光数据；
区域提取模块，用于通过预设国家行政边界数据对NPP-VIIRS型夜光遥感数据进行区域提取；
掩膜处理模块，用于根据稳定光源夜光数据生成掩膜，并通过所生成的掩膜对NPP-VIIRS无云夜光数据进行清洗得到待处理夜光影像；
估算模块，用于根据待处理夜光影像进行国家经济估算及模型改进。
在其中一个实施例中，上述的基于夜光遥感数据的国家经济估算装置还可以包括：
投影模块，用于将NPP-VIIRS型夜光遥感数据投影至预设类型地图中；
重采样模块，用于对投影至预设类型地图中的NPP-VIIRS型夜光遥感数据进行重采样。
在其中一个实施例中，上述的基于夜光遥感数据的国家经济估算装置还可以包括：
去噪模块，用于通过去除负值和去除孤立极大值其中至少一种方式对待处理夜光影像进行去噪处理。
在其中一个实施例中，上述的基于夜光遥感数据的国家经济估算装置还可以包括：
指数计算单元，用于根据待处理夜光影像计算得到区域夜光总量指数；
估算单元，用于将区域夜光总量指数输入至国家经济总量估算模型计算得到国家经济总量。
在其中一个实施例中，上述的基于夜光遥感数据的国家经济估算装置还可以包括：
指数计算模块，用于根据样本夜光影像计算得到区域夜光总量指数和区域平均夜光指数；
相关性计算模块，用于计算区域夜光总量指数和区域平均夜光指数与国家经济总量之间的相关性，以确定模型特征为区域夜光总量指数；
模型生成模块，用于根据区域夜光总量指数和国家经济总量进行建模得到国家经济总量估算模型。
在其中一个实施例中，上述的基于夜光遥感数据的国家经济估算装置还可以包括：
历史经济总量计算模块，用于获取各个国家对应的历史经济总量；
国家差异系数计算模块，用于根据历史经济总量以及国家经济总量模型所计算的模型经济总量计算得到国家差异系数；
纠正模块，用于通过国家差异系数纠正国家经济总量估算模型。
关于基于夜光遥感数据的国家经济估算方法装置的具体限定可以参见上文中对于基于夜光遥感数据的国家经济估算方法的限定，在此不再赘述。上述基于夜光遥感数据的国家经济估算方法装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory， SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种基于夜光遥感数据的国家经济估算方法，其特征在于，所述方法包括：
获取NPP-VIIRS型夜光遥感数据以及预设国家行政边界数据，所述NPP-VIIRS型夜光遥感数据包括NPP-VIIRS无云夜光数据以及稳定光源夜光数据；
通过所述预设国家行政边界数据对所述NPP-VIIRS型夜光遥感数据进行区域提取；
根据所述稳定光源夜光数据生成掩膜，并通过所生成的掩膜对所述NPP-VIIRS无云夜光数据进行清洗得到待处理夜光影像；
根据所述待处理夜光影像进行国家经济估算及模型改进。
2.根据权利要求1所述的方法，其特征在于，所述通过所述预设国家行政边界数据对所述NPP-VIIRS型夜光遥感数据进行区域提取之后，还包括：
将所述NPP-VIIRS型夜光遥感数据投影至预设类型地图中；
对投影至预设类型地图中的NPP-VIIRS型夜光遥感数据进行重采样。
3.根据权利要求2所述的方法，其特征在于，所述通过所生成的掩膜对所述NPP-VIIRS无云夜光数据进行清洗得到待处理夜光影像之后，还包括：
通过去除负值和去除孤立极大值其中至少一种方式对待处理夜光影像进行去噪处理。
4.根据权利要求1至3任意一项所述的方法，其特征在于，所述根据所述待处理夜光影像进行国家经济估算，包括：
根据所述待处理夜光影像计算得到区域夜光总量指数；
将所述区域夜光总量指数输入至国家经济总量估算模型计算得到国家经济总量。
5.根据权利要求4所述的方法，其特征在于，所述国家经济总量估算模型的生成方式包括：
根据样本夜光影像计算得到区域夜光总量指数和区域平均夜光指数；
计算所述区域夜光总量指数和区域平均夜光指数与国家经济总量之间的相关性，以确定模型特征为区域夜光总量指数；
根据所述区域夜光总量指数和国家经济总量进行建模得到国家经济总量估算模型。
6.根据权利要求5所述的方法，其特征在于，所述根据所述区域夜光总量指数和国家经济总量进行建模得到国家经济总量估算模型之后，还包括：
获取各个国家对应的历史经济总量；
根据所述历史经济总量以及所述国家经济总量模型所计算的模型经济总量计算得到国家差异系数；
通过所述国家差异系数纠正所述国家经济总量估算模型。
7.一种基于夜光遥感数据的国家经济估算装置，其特征在于，所述装置包括：
数据获取模块，用于获取NPP-VIIRS型夜光遥感数据以及预设国家行政边界数据，所述NPP-VIIRS型夜光遥感数据包括NPP-VIIRS无云夜光数据以及稳定光源夜光数据；
区域提取模块，用于通过所述预设国家行政边界数据对所述NPP-VIIRS型夜光遥感数据进行区域提取；
掩膜处理模块，用于根据所述稳定光源夜光数据生成掩膜，并通过所生成的掩膜对所述NPP-VIIRS无云夜光数据进行清洗得到待处理夜光影像；
估算模块，用于根据所述待处理夜光影像进行国家经济估算及模型改进。
8.根据权利要求7所述的装置，其特征在于，所述装置还包括：
投影模块，用于将所述NPP-VIIRS型夜光遥感数据投影至预设类型地图中；
重采样模块，用于对投影至预设类型地图中的NPP-VIIRS型夜光遥感数据进行重采样。
9.根据权利要求8所述的装置，其特征在于，所述装置还包括：
去噪模块，用于通过去除负值和去除孤立极大值其中至少一种方式对待处理夜光影像进行去噪处理。
10.根据权利要求7至9任意一项所述的装置，其特征在于，所述估算模块包括：
指数计算单元，用于根据所述待处理夜光影像计算得到区域夜光总量指数；
估算单元，用于将所述区域夜光总量指数输入至国家经济总量估算模型计算得到国家经济总量。
CN202011387511.5A 2020-12-02 2020-12-02 基于夜光遥感数据的国家经济估算方法和装置 Pending CN113033277A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202011387511.5A CN113033277A (zh) 2020-12-02 2020-12-02 基于夜光遥感数据的国家经济估算方法和装置
ZA2021/00188A ZA202100188B (en) 2020-12-02 2021-01-12 National economic estimation method and device based on luminous remote sensing data

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011387511.5A CN113033277A (zh) 2020-12-02 2020-12-02 基于夜光遥感数据的国家经济估算方法和装置

Publications (1)

Publication Number Publication Date
CN113033277A true CN113033277A (zh) 2021-06-25

Family

ID=76460530

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011387511.5A Pending CN113033277A (zh) 2020-12-02 2020-12-02 基于夜光遥感数据的国家经济估算方法和装置

Country Status (2)

Country Link
CN (1) CN113033277A (zh)
ZA (1) ZA202100188B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116957622A (zh) * 2023-07-06 2023-10-27 成都理工大学 结合夜光遥感的城市群城市经济发展特征变化分析方法

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116107966B (zh) * 2023-04-14 2023-06-27 中国水利水电科学研究院 连续夜光遥感数据异常判别及插补方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108804394A (zh) * 2018-05-23 2018-11-13 河海大学 一种城市夜光总量-城镇人口回归模型的构建方法
CN110991738A (zh) * 2019-11-29 2020-04-10 自然资源部第三海洋研究所 一种基于npp/viirs夜间灯光遥感数据的经济发展研究方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108804394A (zh) * 2018-05-23 2018-11-13 河海大学 一种城市夜光总量-城镇人口回归模型的构建方法
CN110991738A (zh) * 2019-11-29 2020-04-10 自然资源部第三海洋研究所 一种基于npp/viirs夜间灯光遥感数据的经济发展研究方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
刘玉湖: "基于长时序夜间灯光反演GDP发展研究", 《中国优秀博硕士学位论文全文数据库(硕士)基础科学辑（月刊）》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116957622A (zh) * 2023-07-06 2023-10-27 成都理工大学 结合夜光遥感的城市群城市经济发展特征变化分析方法

Also Published As

Publication number Publication date
ZA202100188B (en) 2021-09-29

Similar Documents

Publication Publication Date Title
CN107368922A (zh) 基于夜间灯光强度的城市住宅平均房价预估方法
CN113033277A (zh) 基于夜光遥感数据的国家经济估算方法和装置
CN109741446B (zh) 一种三维数字地球动态生成精细海岸地形的方法
CN110569733B (zh) 基于遥感大数据平台的湖泊长时序连续水域变化重建方法
CN106485360A (zh) 基于全局夜光遥感的局部社会经济指标预测方法及系统
CN113344956A (zh) 基于无人机航摄三维建模的地物轮廓提取分类方法
CN112200848B (zh) 低光照弱对比复杂环境下的深度相机视觉增强方法及系统
CN110110025A (zh) 基于特征向量空间滤值的区域人口密度模拟方法
CN115115224A (zh) 一种矿区植被碳汇分级及变化趋势评价分析方法
CN115713691A (zh) 一种基于夜光遥感的像元级电力普及率估算方法及装置
CN114742849A (zh) 一种基于图像增强的水准仪距离测量方法
Liu et al. Unrevealing past and future vegetation restoration on the Loess Plateau and its impact on terrestrial water storage
CN109242786B (zh) 一种适用于城市区域的自动化形态学滤波方法
CN117852775A (zh) 一种喀斯特碳汇潜力的评估方法及相关设备
CN116756572B (zh) 基于红树林生态系统分布数据集的构建方法
Zhuo et al. iSEAM: Improving the blooming effect adjustment for DMSP-OLS nighttime light images by considering spatial heterogeneity of blooming distance
CN115424131B (zh) 一种云检测最优阈值选取方法、云检测方法及系统
CN116778334A (zh) 一种定量大尺度空间草原鼠洞口密度预测方法及系统
CN114842356B (zh) 一种高分辨率地表类型样本自动生成方法、系统及设备
Dong et al. Intercalibration between night-time DMSP/OLS radiance calibrated images and NPP/VIIRS images using stable pixels
CN113034555B (zh) 一种基于最小生成树的特征精匹配方法及应用
Zhang et al. DeepLight: Reconstructing High-Resolution Observations of Nighttime Light With Multi-Modal Remote Sensing Data
CN118505712B (zh) 缺陷图像提取方法、装置及电子设备
Goch et al. Multiple regression model for estimating vertical characteristics of built-up areas at 100 m resolution from open and global Digital Elevation Models
CN117036987B (zh) 一种基于小波域交叉配对的遥感影像时空融合方法及系统

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20210625