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。