一种夜光遥感月度影像合成方法
技术领域
本发明属于夜光遥感影像处理领域,具体涉及一种夜光遥感月度影像合成方法。
背景技术
夜光遥感数据是:利用遥感卫星在夜间获取地表的光学影像,得到不受太阳光影响的来自城市、乡镇等含有持久光源的夜光数据。夜光数据不仅具备遥感数据的周期性、宏观性和客观性等优势,而且经过国内外学者的广泛研究,证明其能够客观的反映人类活动的轨迹和地区经济的发展。因此夜光遥感在城市发展和演化分析、GDP等社会经济参数估算、火灾监测以及渔业研究等方面得到了广泛应用。
目前具备全球覆盖的夜光遥感数据包括美国国防气象卫星计划DMSP/OLS(Defense Meteorological Satellite Program/Operational linescan system)和美国极轨卫星NPP/VIIRS(National Polar-Orbiting Partnership/Visible InfraredImaging Radiometer Suite)。NPP/VIIRS继承并优化了前者的微光探测能力,消除了像元饱和及溢出等问题,因此得到更广泛的应用。
由于夜光数据具有客观性,能够从空间获取地面上的所有夜间灯光,包括了居民住宅光源、小区路灯、城市道路上的照明灯光、还有商业区和工业区的灯光等。而且DMSP/OLS和NPP/VIIRS数据都是免费发布,可以直接通过网络下载,因此国内外很多学者挖掘出夜光遥感在不同领域的应用。从1997年开始,有学者就把夜光遥感和国民生产总值进行回归分析,发现两者具有高度的相关性。此后夜光遥感的应用领域不断拓展,包括人口密度、电力消费、贫困和基尼系数估算、城市化监测和演化分析、生态环境和健康效应研究以及渔业研究等方面。
目前此类研究大多是使用官方发布的年度夜光数据进行宏观尺度的分析,通过月度数据合成筛选过滤了来自极光、火、船以及其它临时光源的灯光影响,并且经过了全球镶嵌处理,因此可以从较长的时间序列范围内进行社会经济因子估算与经济活动监测。然而DMSP/OLS卫星在2013年已经失效,而美国地球观测委员会在其官网也已经宣布从2019年10月起停止生产NPP/VIIRS夜光数据月度、年度合成产品,只按日提供日/DNB(Day/NightBand)夜据。目前只有美国科罗拉多矿业大学的Payne研究所提供NPP/VIIRS月度合成产品,但是其更新发布有半年左右的延迟,无法满足最新的数据分析要求。同时美国地球观测委员会提供的DNB数据虽然在获取时经过了星上辐射定标,具备一定的影像间的可比性。但是由于夜光遥感数据会受到卫星平台、载荷传感器、以及大气和月光等因素影响,不同日期获取的同一地点的原始DNB辐射值还是存在较大的波动。因此无法直接使用日度的DNB数据进行应用分析研究,从而限制了NPP/VIIRS数据在重大自然灾害、新冠疫情以及局部战争情况下的使用能力。
发明内容
本发明针对现有技术中,不能及时提供月度,年度夜光数据以及日夜DNB数据存在较大波动,不能在重大自然灾害、新冠疫情以及局部战争情况下直接使用的问题,提出了一种夜光遥感月度影像合成方法。
所述方法包括如下步骤:
步骤一、针对待监测区域,获取某月的NPP/VIIRS日度夜光数据;并查找该区域对应的行政区划数据;
步骤二、对日度夜光数据进行预处理,并根据行政区划数据进行裁切,获得待监测区域的夜光遥感栅格数据;
具体步骤如下:
步骤201、将夜光数据的地理坐标投影转换成WGS84地理坐标,同时将数据的空间分辨率重采样为0.00416667°;
步骤202、根据行政区划矢量数据对夜光数据进行镶嵌,确保能够覆盖待监测区域;
步骤203、以行政区划矢量面数据为掩膜,对夜光数据进行裁切,提取待监测区域的夜光遥感栅格数据。
步骤三、将夜光遥感栅格数据中每个像素原始DNB辐射值分别转变成各自对应的像元亮度值DN,构成夜光遥感DN值栅格图像;
第i个像素的转换公式如下;
DNi=Radi*109
其中,DNi表示第i个像素的像元亮度值,Radi表示原始夜光遥感栅格数据中第i个像素的原始DNB辐射值。i=1,2,...N,N表示待监测区域的夜光遥感栅格数据中的像素个数。
步骤四、打开夜光遥感DN值栅格图像,通过云判和目视解译筛选无云且质量较好的K个日期对应的夜光数据;
夜光数据共有K个,K表示该月份中符合筛选条件的日期数。
云判是指:通过检测云区域得到云的掩膜文件,使用云层掩膜工具检测夜光遥感DN值栅格数据;当云区域面积超过3%,该云区域作为无效数据进行删除,不参与后续计算;
目视解译是指:通过人眼检查经过云判后的夜光遥感DN值栅格图像,将缺失的数据作为无效数据进行删除。
步骤五、从筛选后每个日期的夜光数据中,选取各自的目标参考区域,根据参考区域的像素亮度值分别计算每个日期夜光数据的相对辐射校正系数;
具体步骤如下:
步骤501、针对每个日期的夜光数据,根据行政区划矢量数据选取各夜光数据中心城区,并且将图像亮度值最大的区域作为参考区域;
步骤502、针对每个参考区域,分别计算该区域对应的像素亮度值的均值C_Meank;
k=1,2,...K;
步骤503、对K个亮度均值进行大小排序,选取中值C_Meanmed作为参考值;
步骤504、利用各像素亮度值的均值C_Meank和中值C_Meanmed,计算各日期的C_Meank相对校正系数;
第k个日期的相对校正系数计算公式如下:
ak=C_Meanmed/C_Meank
步骤六、利用相对校正系数对不同日期的待监测区域内的夜光数据进行分段补偿处理;
具体步骤如下:
步骤601,打开筛选后的K个日期的夜光数据,分别计算监测区域内所有像素的平均值Meank;
步骤602,针对每个日期的夜光数据,将每个像素的DN值与平均值Meank进行比较,利用相对校正系数对该日期的夜光数据进行补偿处理;
补偿是指:对夜光数据中每个像素的DN值进行更新;计算公式如下:
其中,DNki'表示第k个日期的夜光数据中第i个像素更新后的DN值,DNki表示第k个日期的夜光数据中第i个像素的原始DN值。
步骤七、将补偿后的K个日期的夜光数据,采用均值法进行月度合成处理,得到月度夜光遥感影像;
月度夜光遥感影像中每个像素的值DNi'计算方式如下:
本发明的优点在于:
1)、一种夜光遥感月度影像合成方法,基于日度NPP/VIIRS原始DNB辐射值数据,通过分段补偿处理的辐射校正方法,得到与官方发布参考月度数据图像相似度达到99.98%的月度合成夜光遥感数据。从夜光应用客观评价角度,省级行政区范围平均灯光强度指标精度误差优于0.92%,满足宏观经济分析的要求。
2)、一种夜光遥感月度影像合成方法,解决了NPP/VIIRS夜光月度合成数据更新时效性差的问题,基本实现当月合成月度夜光遥感数据,有效提高了夜光数据在新冠疫情、自然灾害等重大突发事件中的应用能力。
附图说明
图1为本发明一种夜光遥感月度影像合成方法的流程图。
图2为本实施例中江浙沪区域合成月度夜光图和官方发布数据的对比
具体实施方式
为了便于本领域普通技术人员理解和实施本发明,下面结合附图对本发明作进一步的详细和深入描述。
一种夜光遥感月度影像合成方法如图1所示,包括如下步骤:
步骤一、针对待监测区域,获取某月的NPP/VIIRS日度夜光数据;并查找该区域对应的行政区划数据;
步骤二、对日度夜光数据进行预处理,并根据行政区划数据进行裁切,获得待监测区域的夜光遥感栅格数据;
具体步骤如下:
步骤201、利用ENVI软件将夜光数据的坐标系转成WGS-84地理坐标系,同时将数据的空间分辨率重采样为0.00416667°;
步骤202、根据行政区划矢量数据对夜光数据进行镶嵌,确保能够覆盖待监测区域;
步骤203、根据行政区划矢量数据对夜光数据进行裁切,得到待监测区域的夜光遥感栅格数据。
步骤三、将夜光遥感栅格数据中每个像素原始DNB辐射值分别转变成各自对应的像元亮度值DN(Digital Number),构成夜光遥感DN值栅格图像;
第i个像素的转换公式如下;
DNi=Radi*109
其中,DNi表示第i个像素的像元亮度值,Radi表示原始夜光遥感栅格数据中第i个像素的原始DNB辐射值。i=1,2,...N,N表示待监测区域的夜光遥感栅格数据中的像素个数。
步骤四、夜光数据的筛选处理,通过云判和目视解译获得无云且质量较好的K个日期对应的夜光数据;
夜光数据共有K个,K表示该月份中符合筛选条件的日期数。
首先,打开夜光遥感DN值栅格图像,通过云判筛除有云覆盖的数据;
云判是指:通过检测云区域得到云的掩膜文件,使用云层掩膜工具检测夜光遥感DN值栅格数据;当云区域面积超过3%,该云区域作为无效数据进行删除,不参与后续计算;
然后、再通过目视解译,筛除包含云覆盖和存在缺失的数据,得到当月份质量较好的K个日期的夜光数据。
步骤五、从筛选后每个日期的夜光数据中,选取各自的目标参考区域,根据参考区域的像素亮度值分别计算每个日期夜光数据的相对辐射校正系数;
具体步骤如下:
步骤501、打开筛选后的K个日期的夜光数据,根据行政区划矢量数据选取各日期的夜光数据的中心城区,并且将图像亮度值最大区域作为参考区域;
选取区域大小通常为5*5个像素;
步骤502、针对每个参考区域,分别计算该参考区域内的像素亮度值的均值C_Meank;
k=1,2,...K;
步骤503、对K个亮度均值进行排序,选取中值C_Meanmed作为参考值;
步骤504、利用各像素亮度值的均值C_Meank和中值C_Meanmed,计算各日期的相对校正系数;
第k个日期的相对校正系数计算公式如下:
ak=C_Meanmed/C_Meank
步骤六、利用相对校正系数对不同日期的待监测区域内的夜光数据进行分段补偿处理;
具体步骤如下:
步骤601,打开筛选后的K个日期的夜光数据,分别计算监测区域内所有像素的平均值Meank;
步骤602,针对每个日期的夜光数据,将每个像素的DN值与平均值Meank进行比较,利用相对校正系数对该日期的夜光数据进行补偿处理;
补偿是指:对夜光数据中每个像素的DN值进行更新;计算公式如下:
其中,DNki'表示第k个日期的夜光数据中第i个像素更新后的DN值,DNki表示第k个日期的夜光数据中第i个像素的原始DN值。
步骤七、将补偿后的K个日期的夜光数据,采用均值法进行月度合成处理,得到月度夜光遥感影像;
月度夜光遥感影像每个像素的值DNi'计算方式如下:
实施例
如图2所示,以江浙沪地区的日度NPP/VIIRS夜光数据进行合成的实验进行说明。
首先,从美国国家海洋和大气管理局官网下载2019年1月所有的日度NPP/VIIRS夜光数据,数据格式为.h5;同时从Payne研究所下载了2019年1月份的月度合成数据。
然后,按照月度数据的坐标系和分辨率对日度数据进行格式转换、预处理和裁切,完成原始DNB辐射值到DN值的转换。
通过云判和人工目视解译筛选合格的数据,保留了20190119、20190120、20190129、20190130、20190131等5期质量较好的数据。根据行政区划矢量数据和图像亮度情况,选择了上海市中心最亮区域作为参考区域,利用5个日期的参考区域DN值均值和中值,计算各个日期数据的补偿系数。
接着,对5个日期的江浙沪夜光数据进行相对校正。
以2019年1月20日数据为例,其转换系数1.067985,整图均值3.568964,通过分段补偿处理的方法得到更新后的1月20日夜光数据。
最后,对5个日期的更新夜光数据进行均值处理,合成得到2019年1月的月度合成产品。
相关研究表面平均夜间灯光强度可以提供良好的区域经济情况估计,因此根据随机、均匀和特征不一的原则,选取市级样本14个,并选取浙江、江苏和上海三个省级样本,利用平均灯光强度指标进行合成精度评定,结果见表1。
表1合成月度夜光遥感数据精度
其中,MEAN列表示本方法合成结果,MEAN_1列表示美国Payne研究所合成数据结果,error rate列表示误差率,ABS rate列表示绝对误差率。由表1可知:在市级区域范围的合成结果中,绝对误差最大为泰州市,最大误差为7.24%,最小为乐清市,最小误差为0.31%;平均绝对误差为3.21%。
在省级区域范围的月度合成结果中,平均灯光强度指标的误差0.92%,而夜光数据进行国民生产总值等社会经济参数应用分析常用的就是省级区域范围,因此表明本方法的合成结果具有较高的实用性。
同时从夜光遥感图像的相似度指标对本方法合成数据和美国研究所发布数据进行了评价,通过灰度直方图方法计算两幅图像的余弦相似度计算,结果表明相似度达到99.98%,与目视效果一致。经过评估从客观指标和主观评价两个方面,本发明提出的方法得到的月度合成结果与官方发布的月度结果具有较好的一致性,可以满足宏观经济分析的要求。