npp夜光数据介绍 viirs_DMSP/OLS与NPP/VIIRS两类夜间灯光数据整合

本文介绍了如何整合NPP/VIIRS和DMSP/OLS夜间灯光数据,通过数据重采样、拟合、平滑处理和连续性校正,解决卫星传感器参数、空间分辨率和光谱响应方式的差异,得到2001至2016年连续的夜光遥感数据集。整合后的数据在建成区提取和灯光强度统计中表现出更高的精度和一致性。
摘要由CSDN通过智能技术生成

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)

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值