二、DSMP/OLS等夜间灯光数据贫困地区识别——MPI和灯光指数计算

一、前言

其实在计算MPI和灯光指数之前，最重要是DMSP/OLS等夜间灯光指数的校正还有就是MPI计算，那么校正分为DMSP/OLS和NPP/VIIRS夜间灯光数据，DMSP/OLS夜间灯光数据校正主要采取不变目标区域法原理进行校正，当前对其有很多优化后的做法，但是万变不离其宗，核心思想还是没有变。NPP/VIIRS夜间灯光数据校正主要采取掩膜法，目前也有很多其他的方法，其实都可以参考，但是最终目标都是为了获得长时间序列可用的夜间灯光数据集。

MPI的计算的难点主要在于统计面板数据的获取，按照本文的一个思路，选取的指标主要有以下的：

 从上表中可以看到，分别从社会、经济、环境三个层面获，以及对应权重。

社会、经济主要源自统计数据面板数据，其中经济中路网密度可以选择从OSM下载，然后计算器路网密度，环境里面的两个指标均可以从国内外某些网站可以下载到。

其中统计面板数据较为难整理，所以可以考虑从某些付费平台下载，例如经管之家有比较多的类似统计面板数据下载。

二、具体步骤

1、灯光指数计算

（1）加载预处理后的灯光数据（本文以山西省为例）

 （2）搜索“以表格分区显示工具”

本文研究角度是县域层面的相对贫困度识别，故在计算灯光指数这一步，选择区域字段里面填-县，如果研究角度是市，那么这里区域字段选择——市。当然这个和个人手中的矢量数据有关系，最终看矢量数据中的情况。

 （3）统计类型这里直接选择ALL，可以看到右侧统计类型的解释中，对统计结果中的SUM和MEAN注意即可，这两者分别对应我们总灯光指数和平均灯光指数。

 （4）确定之后，结果如下，统计结果是以表格的形式展示

 灯光指数就到此

2、MPI计算

（1）重点是整理统计数据，将统计面板数据整理好。

 （2）这里重点介绍一下路网密度和NDVI和地形起伏度的一个计算。

其实很多网站可以下载到对应的NDVI和路网、地形起伏度等数据，下载好之后，直接按照灯光指数计算的方式一样，得到每个县对应的NDVI和地形起伏度值，可以用SUM值代替，那么路网密度就需要下载好路网，统计好长度，除以每个县的总面积得到，这个步骤比较麻烦。

如果使用模型构建器可以达到一个提高效率的效果，这个可以查阅专栏。

（3）根据权重和正负值计算得到MPI

 （4）至此MPI和灯光指数计算完成。