CN116452518A - 一种基于夜间卫星灯光数据的战场态势评估方法 - Google Patents
一种基于夜间卫星灯光数据的战场态势评估方法 Download PDFInfo
- Publication number
- CN116452518A CN116452518A CN202310313635.6A CN202310313635A CN116452518A CN 116452518 A CN116452518 A CN 116452518A CN 202310313635 A CN202310313635 A CN 202310313635A CN 116452518 A CN116452518 A CN 116452518A
- Authority
- CN
- China
- Prior art keywords
- light
- data
- pixels
- night
- city
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 16
- 238000007781 pre-processing Methods 0.000 claims abstract description 11
- 238000012216 screening Methods 0.000 claims abstract description 5
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000005855 radiation Effects 0.000 claims description 6
- 238000011160 research Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 239000000047 product Substances 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000003331 infrared imaging Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10048—Infrared image
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30212—Military
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Photometry And Measurement Of Optical Pulse Characteristics (AREA)
Abstract
本发明公开了一种基于夜间卫星灯光数据的战场态势评估方法,包括以下步骤:获取夜间微光数据,所述的夜间微光数据包括像元观测数据、质量状况数据和云状况数据;对所述的质量状况数据和云状况数据进行计算预处理,按照预处理的结果对所述的夜间微光数据样本进行筛选;根据像元观测数据的像元灰度值,预设典型灯光阈值,进行城市灯光的标记,获取城市灯光的相对灰度图;根据所述的城市灯光的标记,计算灯光像元个数和灯光像元平均亮度;计算目标区域内的质量较差的数据占比和云污染的数据占比,计算目标城市和对照城市灯光像元个数和灯光像元平均亮度两个参数的相对灯光比,获得战场态势评估结果。
Description
技术领域
本发明属于遥感技术分析领域,具体涉及一种基于夜间卫星灯光数据的战场态势评估方法。
背景技术
可见光/红外辐射成像仪(VIIRS)和线性扫描业务系统传感器(OLS)能够探测到夜间地球表面的灯光辐亮度信息,进而形成灯光数据经卫星传输回地面,近二十年来夜间微光探测传感器陆续上轨,对此类灯光数据相关的研究和应用技术也在迅速发展。
灯光数据的应用在近年有了兴起的态势,早些发射的DMSP-OLS卫星上的卫星数据并不能充分满足地面定标的需要,而近年发射的NPP-VIIRS拥有更加先进的技术,空间分辨率,辐射分辨率和时间分辨率更高,为后续更加深入的研究提供了可能。
近十年来,此类灯光数据被应用于震后灾区状态评估和典型国家的夜间光环境等研究,WU Han等人基于地震重灾区灯光指数对灾区恢复状态开展分析,评估VII度及以上烈度区内各市县的宏观恢复状况。非专利文献:吴翰,汪明,刘凯等人,基于夜间灯光遥感数据的汶川地震重灾区恢复状态评估,展示了灯光数据在评估灾后重建效果的应用。通过直观对比与分析,夜间灯光数据在战后对战后地区的评估可以发挥出很大的作用。基于NPP/VIIRS(National Polar-orbiting Partnership/Visible infrared ImagingRadiometer)观测数据开发的VNP46A2产品能够提供每日夜间卫星灯光数据,该产品是NASA公开发布,网址为:https://ladsweb.modaps.eosdis.nasa.gov/missions-and-measurements/products/VNP46A2#overview,其中Mandatory_Quality_Flag数据子集含有卫星灯光数据的质量信息,QF_Cloud_Mask数据子集含有卫星灯光数据的云掩膜信息。
现有技术中,将该灯光数据和战争态势进行联系并对战争地区和战争的发展做出短时间评估的相关研究的却没有。因此,本申请提出来一种基于夜间卫星灯光数据的战场态势评估方法。
发明内容
本发明的目的在于补充现有技术在利用卫星微光数据上的空白,提供一种基于夜间卫星灯光数据的战场态势评估方法,所述方法能够基于夜间微光数据对战场态势进行客观的评估,提供战争的分析结果。
为达到上述目的,本发明是采用如下技术方案:
一种基于夜间卫星灯光数据的战场态势评估方法,包括以下步骤:
步骤1,获取夜间微光数据,所述的夜间微光数据包括像元观测数据、质量状况数据和云状况数据;
步骤2,对所述的质量状况数据和云状况数据进行计算预处理,按照预处理的结果对所述的夜间微光数据样本进行筛选,删除目标区域内质量较差和云污染的夜间微光数据;
步骤3,根据像元观测数据的像元灰度值,预设典型灯光阈值,进行城市灯光的标记,获取城市灯光的相对灰度图;
步骤4,根据所述的城市灯光的标记,计算灯光像元个数和灯光像元平均亮度;
步骤5,计算目标区域内的质量较差的数据占比和云污染的数据占比,计算目标城市和对照城市灯光像元个数和灯光像元平均亮度两个参数的相对灯光比,获得战场态势评估结果。
具体地,所述的对所述的质量状况数据和云状况数据进行计算预处理的步骤如下:
通过Mandatory_Quality_Flag数据子集,获取质量状况数据,标识为02表示劣质主算法,标识为255表示无检索填充值,统计值为02和255的像元个数,获得目标区域内较差质量的夜间微光数据;
通过QF_Cloud_Mask数据子集获取每个像元的云掩膜,其中6-7位字节为00表示非常清晰,01表示可能清晰,10表示可能云,11表示肯定云,统计值为10和11的像元个数,获得目标区域内云污染的夜间微光数据。
更进一步地,步骤3中所述的进行城市灯光的标记,包括以下步骤:
预设典型灯光阈值为T,根据以下公式判断是否为城市灯光:
其中i和j分别为灯光数据中某一个像元的行号和列号,Li,j表示位于第i行第j列处像元的灯光辐亮度值,Mi,j表示位于第i行第j列处像元的灯光标记值,1表示是城市灯光的标记,0表示不是城市灯光的标记。
具体地,所述的计算灯光像元个数和灯光像元平均亮度的计算公式为:
其中,imax为目标区域内像元的最大行号,jmax为目标区域内像元的最大列号,N为灯光像元个数,Lave为灯光像元平均亮度。
具体地,所述的计算目标城市和对照城市灯光像元个数和灯光像元平均亮度的相对灯光比的计算公式如下:
其中,Ntg为目标城市灯光像元个数,Nref为对照城市灯光像元个数,Lave,tg为目标城市灯光像元平均亮度,Lave,ref为对照城市灯光像元平均亮度,RL为灯光像元平均亮度的相对灯光比,RN为灯光像元个数的相对灯光比。
所述的夜间微光数据通过可见光/红外辐射成像仪获得。
与现有技术相比,本发明所达到的有益效果:
本发明使用了与以往不同的数据类型,时间分辨率从以月为单位到以日为单位,可对目标区域的灯光像元个数和灯光像元平均亮度两个参数随日期的变化展开分析;提出了计算相对灯光比的方法,选用距离适中的其他城市对比的基准城市,分别计算目标城市和基准城市两组数据的灯光像元个数相对灯光比和灯光像元平均亮度相对灯光比,可以减小最终结果的误差,获得更加客观准确可用的战场态势。
附图说明
图1本发明实施例的流程示意图;
图2为本发明实施例的每月灯光参数逐月变化示意图;
图3为本发明实施例的每日灯光参数逐日变化示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述,显然,所描述的实施例仅仅是本发明一部份实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
如图1所示,一种基于夜间卫星灯光数据的战场态势评估方法,包括以下步骤:
步骤1,获取夜间微光数据,所述的夜间微光数据包括像元观测数据、质量状况数据和云状况数据;
步骤2,对所述的质量状况数据和云状况数据进行计算预处理,按照预处理的结果对所述的夜间微光数据样本进行筛选,删除目标区域内质量较差和云污染的夜间微光数据;期间可加入人工图像审查可加快筛选明显的异常数据;
步骤3,根据像元观测数据的像元灰度值,预设典型灯光阈值,进行城市灯光的标记,获取城市灯光的相对灰度图;
步骤4,根据所述的城市灯光的标记,计算灯光像元个数和灯光像元平均亮度;
步骤5,计算目标区域内的质量较差的数据占比和云污染的数据占比,计算目标城市和对照城市灯光像元个数和灯光像元平均亮度两个参数的相对灯光比,获得战场态势评估结果。
本实施例中的每月灯光参数逐月变化示意图如图2所示,每日灯光参数逐日变化示意图如图3所示,可看出在2022年2月份该区域由于战争影响,每月灯光参数和每日灯光参数有明显降低。
具体地,所述的对所述的质量状况数据和云状况数据进行计算预处理的步骤如下:
通过Mandatory_Quality_Flag数据子集,获取质量状况数据,标识为02表示劣质主算法,标识为255表示无检索填充值,统计值为02和255的像元个数,获得目标区域内较差质量的夜间微光数据;
通过QF_Cloud_Mask数据子集获取每个像元的云掩膜,其中6-7位字节为00表示非常清晰,01表示可能清晰,10表示可能云,11表示肯定云,统计值为10和11的像元个数,获得目标区域内云污染的夜间微光数据。
更进一步地,步骤3中所述的进行城市灯光的标记,包括以下步骤:
预设典型灯光阈值为T,根据以下公式判断是否为城市灯光:
其中i和j分别为灯光数据中某一个像元的行号和列号,Li,j表示位于第i行第j列处像元的灯光辐亮度值,Mi,j表示位于第i行第j列处像元的灯光标记值,1表示是城市灯光的标记,0表示不是城市灯光的标记。
具体地,所述的计算灯光像元个数和灯光像元平均亮度的计算公式为:
其中,imax为目标区域内像元的最大行号,jmax为目标区域内像元的最大列号,N为灯光像元个数。
具体地,所述的计算目标城市和对照城市灯光像元个数和灯光像元平均亮度的相对灯光比的计算公式如下:
其中,Ntg为目标城市灯光像元个数,Nref为对照城市灯光像元个数,Lave,tg为目标城市灯光像元平均亮度,Lave,ref为对照城市灯光像元平均亮度,RL为灯光像元平均亮度的相对灯光比,RN为灯光像元个数的相对灯光比。
所述的夜间微光数据通过可见光或/和红外辐射成像仪获得。
由发明内容和实施例可知,本发明通过可见光/红外辐射成像仪获取夜间微光数据,以便剔除质量较差样本;通过计算目标区域的像元个数与像元平均亮度,从而计算出目标区域和参照区域的相对灯光比;接着将相对灯光比进行可视化,通过分析图像可得出目标区域的夜间微光数据的较准确变化情况,弥补了目前无法通过夜间卫星灯光数据进行战场态势评估的缺陷。
Claims (6)
1.一种基于夜间卫星灯光数据的战场态势评估方法,其特征在于,包括以下步骤:
步骤1,获取夜间微光数据,所述的夜间微光数据包括像元观测数据、质量状况数据和云状况数据;
步骤2,对所述的质量状况数据和云状况数据进行计算预处理,按照预处理的结果对所述的夜间微光数据样本进行筛选,删除目标区域内质量较差和云污染的夜间微光数据;
步骤3,根据像元观测数据的像元灰度值,预设典型灯光阈值,进行城市灯光的标记,获取城市灯光的相对灰度图;
步骤4,根据所述的城市灯光的标记,计算灯光像元个数和灯光像元平均亮度;
步骤5,计算目标区域内的质量较差的数据占比和云污染的数据占比,计算目标城市和对照城市灯光像元个数和灯光像元平均亮度两个参数的相对灯光比,获得战场态势评估结果。
2.根据权利要求1所述的一种基于夜间卫星灯光数据的战场态势评估方法,其特征在于,所述的对所述的质量状况数据和云状况数据进行计算预处理的步骤如下:
通过Mandatory_Quality_Flag数据子集,获取质量状况数据,标识为02表示劣质主算法,标识为255表示无检索填充值,统计值为02和255的像元个数,获得目标区域内较差质量的夜间微光数据;
通过QF_Cloud_Mask数据子集获取每个像元的云掩膜,其中6-7位字节为00表示非常清晰,01表示可能清晰,10表示可能云,11表示肯定云,统计值为10和11的像元个数,获得目标区域内云污染的夜间微光数据。
3.根据权利要求1或2所述的一种基于夜间卫星灯光数据的战场态势评估方法,其特征在于,步骤3中所述的进行城市灯光的标记,包括以下步骤:
预设典型灯光阈值为T,根据以下公式判断是否为城市灯光:
其中i和j分别为灯光数据中某一个像元的行号和列号,Li,j表示位于第i行第j列处像元的灯光辐亮度值,Mi,j表示位于第i行第j列处像元的灯光标记值,1表示是城市灯光的标记,0表示不是城市灯光的标记。
4.根据权利要求3所述的一种基于夜间卫星灯光数据的战场态势评估方法,其特征在于,所述的计算灯光像元个数和灯光像元平均亮度的计算公式为:
其中,imax为目标区域内像元的最大行号,jmax为目标区域内像元的最大列号,N为灯光像元个数,Lave为灯光像元平均亮度。
5.根据权利要求4所述的一种基于夜间卫星灯光数据的战场态势评估方法,其特征在于,所述的计算目标城市和对照城市灯光像元个数和灯光像元平均亮度的相对灯光比的计算公式如下:
其中,Ntg为目标城市灯光像元个数,Nref为对照城市灯光像元个数,Lave,tg为目标城市灯光像元平均亮度,Lave,ref为对照城市灯光像元平均亮度,RL为灯光像元平均亮度的相对灯光比,RN为灯光像元个数的相对灯光比。
6.根据权利要求1所述的一种基于夜间卫星灯光数据的战场态势评估方法,其特征在于,所述的夜间微光数据通过可见光/红外辐射成像仪获得。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310313635.6A CN116452518A (zh) | 2023-03-27 | 2023-03-27 | 一种基于夜间卫星灯光数据的战场态势评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310313635.6A CN116452518A (zh) | 2023-03-27 | 2023-03-27 | 一种基于夜间卫星灯光数据的战场态势评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116452518A true CN116452518A (zh) | 2023-07-18 |
Family
ID=87134862
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310313635.6A Pending CN116452518A (zh) | 2023-03-27 | 2023-03-27 | 一种基于夜间卫星灯光数据的战场态势评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116452518A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117372412A (zh) * | 2023-11-06 | 2024-01-09 | 中国水利水电科学研究院 | 一种基于夜间灯光遥感的照明设施灾害韧性评估方法 |
-
2023
- 2023-03-27 CN CN202310313635.6A patent/CN116452518A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117372412A (zh) * | 2023-11-06 | 2024-01-09 | 中国水利水电科学研究院 | 一种基于夜间灯光遥感的照明设施灾害韧性评估方法 |
CN117372412B (zh) * | 2023-11-06 | 2024-04-02 | 中国水利水电科学研究院 | 一种基于夜间灯光遥感的照明设施灾害韧性评估方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zheng et al. | Developing a new cross-sensor calibration model for DMSP-OLS and Suomi-NPP VIIRS night-light imageries | |
Zhao et al. | Mapping urban dynamics (1992–2018) in Southeast Asia using consistent nighttime light data from DMSP and VIIRS | |
Wang et al. | Quantifying uncertainties in nighttime light retrievals from Suomi-NPP and NOAA-20 VIIRS Day/Night Band data | |
Ou et al. | Evaluation of Luojia 1-01 nighttime light imagery for impervious surface detection: A comparison with NPP-VIIRS nighttime light data | |
WO2023029373A1 (zh) | 一种高精度的农田植被信息提取方法 | |
Duveiller et al. | A conceptual framework to define the spatial resolution requirements for agricultural monitoring using remote sensing | |
Kuechly et al. | Aerial survey and spatial analysis of sources of light pollution in Berlin, Germany | |
Zheng et al. | Remote sensing of crop residue cover using multi-temporal Landsat imagery | |
Luo et al. | PM2. 5 concentration estimation using convolutional neural network and gradient boosting machine | |
CN109685108B (zh) | 一种生成高时空分辨率ndvi长时间序列的方法 | |
Yang et al. | Nine-year systematic evaluation of the GPM and TRMM precipitation products in the shuaishui river basin in east-central China | |
CN116452518A (zh) | 一种基于夜间卫星灯光数据的战场态势评估方法 | |
Tong et al. | Angular distribution of upwelling artificial light in Europe as observed by Suomi–NPP satellite | |
CN113569386B (zh) | 卫星遥感夜光辐亮度的观测角度归一化方法 | |
CN104729718A (zh) | 一种用于红外成像系统netd的处理系统及方法 | |
Lin et al. | Modelling the public perception of urban public space lighting based on SDGSAT-1 glimmer imagery: A case study in Beijing, China | |
Zhao et al. | A consistent and corrected nighttime light dataset (CCNL 1992–2013) from DMSP-OLS data | |
CN110836870A (zh) | 基于gee的大区域湖泊透明度快速制图方法 | |
Hu et al. | Modeling the spatiotemporal dynamics of global electric power consumption (1992–2019) by utilizing consistent nighttime light data from DMSP-OLS and NPP-VIIRS | |
CN110765885B (zh) | 一种基于异源夜光遥感影像的城市扩张检测方法及装置 | |
Zhao et al. | Evaluating the potential of H8/AHI geostationary observations for monitoring vegetation phenology over different ecosystem types in northern China | |
Wang et al. | AOD derivation from SDGSAT-1/GLI dataset in Mega-City area | |
CN112924967A (zh) | 一种基于雷达和光学数据组合特征的农作物倒伏遥感监测方法与应用 | |
Yuan et al. | Accuracy evaluation of flood monitoring based on multiscale remote sensing for different landscapes | |
Ridwana et al. | Monitoring aerosol optical depth for air quality through Himawari-8 in urban area West Java Province Indonesia |
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 |