基于合成 VIIRS（NTL）夜间光照数据-印度

最新推荐文章于 2024-11-07 17:15:19 发布

左坷

最新推荐文章于 2024-11-07 17:15:19 发布

阅读量42

点赞数

文章标签：人工智能

GAN based Synthetic VIIRS (NTL) India

基于合成 VIIRS（NTL）的广域网印度

简介

本研究利用了两个主要来源的夜间光照（NTL）数据：国防气象卫星计划（DMSP）和苏美国家极地伙伴关系（SNPP）卫星上的可见光和红外成像套件（VIIRS）。DMSP-OLS 数据以 30 弧秒的空间分辨率提供 1992 年 4 月至 2013 年 12 月的每月 NTL 观测数据，而 VIIRS-DNB 数据以更精细的 15 弧秒分辨率提供 2012 年 4 月以来的每月观测数据。这两个数据集都被广泛用于监测人类活动和自然现象的研究，但它们的分辨率和时间覆盖范围不同，给长期分析带来了挑战。

为了解决这些局限性，本研究使用预处理后的 DMSP 数据生成 1992-2013 年期间类似 VIIRS 的合成图像。使用 2012 年和 2013 年重叠的月度 NTL 数据对模型进行了训练，并根据其他类 VIIRS 数据集以及 GDP 和人口等社会经济指标对生成的图像进行了验证。

最初的 DMSP 月度产品（当前产品即来源于此）由一系列卫星（F10-F18）捕获，并在 1992 年至 2014 年期间由 EOG 提供。下图中的不同颜色显示了其在印度陆地上的可用性；图片来源）。绿色勾号显示的是我们论文中使用的 216 幅月度图像 https://doi.org/10.1080/01431161.2022.2152758，用于生成类似 VIIRS 的改进产品。红色叉号显示的是 EOG 上提供的文件（ Redirecting），但由于印度地区上空的云层，这些产品存在较大的空间差距，因此无法用于生成该改进产品。蓝色单元格表示在创建此改进产品时 EOG 门户网站上没有数据的月份。

基于合成 VIIRS（NTL）夜间光照数据-印度_人工智能

因此，可能会出现多种情况：

某年没有 12 个月的数据，原因是：(a) 没有数据（原始数据来源），如 F12_1994；或 (b) 没有印度的数据（原始数据来源），如 F12_1995。
某年有 12 个月以上的数据，原因是：(a) 数据被多个卫星捕获了 1 个月或更多月（例如，1999 年的数据来自 F12 和 F14）。
某年有正好 12 个月的数据，但不是所有月份的数据，因为它是该年不同卫星拍摄的月份的组合（例如，1994 年来自 F10 和 F12 的数据）。
这些数据在时间上并不连续。建议用户适当使用月度数据。

输出数据特征
本研究生成了印度 VIIRS 类夜间光照图像的月度时间序列，时间跨度为 1992 年 4 月至 2013 年 12 月。这些图像具有以下特点：

空间分辨率 15 弧秒
时间分辨率每月
数据范围辐照度单位：瓦特 cm-2sr-1

引用

Jindal, M., Gupta, P. K., & Srivastav, S. K. (2024). Generation of monthly VIIRS nighttime lights time-series (1992–2013) images using
deep learning (cGAN) technique. Remote Sensing Applications: Society and Environment, 35, 101263. https://doi.org/10.1016/j.rsase.2024.101263