一、数据整合方法
参考Li等在叙利亚夜光动态研究中的数据相互校正方法,以DMSP/OLS数据为标准,利用NPP/VIIRS数据拟合生产对应年份的DMSP/OLS数据(Li X et al.,2017)。数据模拟的前提是注意到 DMSP/OLS 数据与 NPP/VIIRS 数据的差异所在。主要的差异包括以下几个方面:①卫星传感器参数不同,生产两种数据的卫星过境时间有差别,传感器敏感程度也存在较大差别;②两种数据的空间分辨率不同,NPP/VIIRS 数据具有更高的空间分辨率,能够探测到更微弱的灯光辐射;③光谱响应方式不同,DMSP/OLS 数据以灰度值来表示夜间平均灯光强度,而 NPP/VIIRS数据则准确地记录了夜光辐射强度;④DMSP/OLS 数据存在着明显的“天花板效应”,“天花板效应”主要是指部分实际灰度值大于 63 的像元却只能以 63 来表示。
正是基于上述差异而提出了如下的解决方案:
第 1 步,选择 2013 年中有代表性的 12 月 NPP/VIIRS 合成数据,将其空间分辨率重采样降为 1km,也将全部 DMSP/OLS 数据的空间分辨率重采样降为 1km,实现两种数据的空间分辨率匹配。但 NPP/VIIRS 数据具有更强的夜光探测能力,也没有去除火光等零星灯光,所以在重采样后,这些零星微弱灯光仍然会保留,并以较高的图像噪声呈现出来。
第 2 步,根据经验认为 DMSP/OLS 数据灰度值大于 50 的像元存在严重的饱和效应(Li X et al.,2017)