基于DMSP/OLS等夜间灯光数据贫困地区识别分析教程
文章平均质量分 66
针对已有贫困研究中仍存在的贫困分类研究,动态研究等方面不足,从相对贫困角度入手,选取山西省117个区县为研究对象,基于夜间灯光数据.NDVI数据和社会经济统计数据,构建以夜间灯光指数为自变量的多维贫困指数估算模型来量化识别相对贫困县域,并综合运用锡尔指数、空间局部自相关等分析方法进行分析
端木宛白的GIS课堂
测绘工程硕士研究生毕业,目前博士在读,熟练掌握Arcgis、cad、cass、Smart 3d等专业软件,实践经验丰富,在校期间参与多个国家自然基金项目,将全面致力于测绘、地信、无人机等领域的学习应用和研究。
展开
-
一、DSMP/OLS等夜间灯光数据贫困地区识别——理论
对于贫困的定量研究,前人多实用传统的社会经济统计数据构建模型,但是该数据存在统计口径多源、样本获取受限等不足,不能较好的反映区域贫困的时间按序列编号。随着遥感技术的不断发展,DMSP/OLS等夜间灯光数据的广泛应用为了大范围、动态的区域贫困监测提供一种新的方式。前人从多视角、多维度研究了区域贫困问题,但是均存在不足,从相对贫困的角度开展研究目前较少,其次是缺乏对县域相对贫困的水平动态性研究。原创 2023-06-17 17:06:20 · 635 阅读 · 0 评论 -
二、DSMP/OLS等夜间灯光数据贫困地区识别——MPI和灯光指数计算
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。原创 2023-06-18 21:44:39 · 839 阅读 · 0 评论 -
三、DSMP/OLS等夜间灯光数据贫困地区识别——MPI和灯光指数拟合、误差分析
当我们准备好MPI和灯光指数(包括总灯光指数和平均灯光指数)之后,接下来主要的过程就是通过将MPI和灯光指数拟合,构建多维度指数估算模型,这里我解释一下前文中的MPI计算过程,其实利用熵值法确定指标权重,并通过各 指 标 归 一 化 数 值 乘 以 对 应 的 权 重 再 求 和 后 可 得 MPI。在本研究中,该指数为负向指数,数值越大, 表示贫困程度越低。主要是将MPI和灯光指数进行线性回归分析,用于构建以夜间灯光指数为自变量的多维 贫困指数模型。原创 2023-06-19 11:36:00 · 1673 阅读 · 0 评论 -
四、DMSP/OLS等夜间灯光数据贫困地区识别——相对误差相关折线图制作
前文对于MPI和灯光指数拟合、误差分析,本文重点介绍地理加权分析,但是在此之前给大家介绍一下专业表格制作,其实专业的软件有很多像Orgin、棱镜等,到我们熟知的Excel,其实各有千秋,Excel入手容易,但是其整体颜色搭配逼格不高,所以为了制作处逼格高的图,这里给大家分享GraphPad Prism也就是棱镜子软件,用于制作各种图。原创 2024-03-09 21:08:28 · 147 阅读 · 0 评论