DMSP/OLS和VIIRS/DNB夜间灯光影像的校正及拟合

李雪萍，贡 璐

(1. 新疆大学资源与环境科学学院，新疆 乌鲁木齐 830046； 2. 新疆大学绿洲生态教育部重点实验室，新疆 乌鲁木齐 830046)

夜间灯光数据能够表征人类活动强度和城市化进程，应用最广泛的夜间灯光数据为美国国防气象卫星(defense meteorological satellite program，DMSP)搭载的可见红外成像线性扫描业务系统(operational linescan system，OLS)数据及美国新一代国家极轨卫星(Suomi national polarorbiting partnership，Suomi-NPP)搭载的可见光近红外成像辐射(visible infrared imaging radiometer suite，VIIRS)传感器数据[1]。夜间灯光影像将城镇夜光及其他发光体表征为亮值斑块即灯光区，使城镇等发光体明显区别于黑暗的无灯光背景区，避免了传统遥感影像城镇区域与非城镇区域混淆问题，为监测人类活动提供了数据源，在宏观尺度的城市研究中具有巨大的潜力和应用前景。

由于OLS传感器设计局限导致DMSP/OLS影像之间不连续、像元DN值过饱和等问题，数据于2013年截止，现被VIIRS白天/夜间波段(day and night band，DNB)夜间灯光数据取代。为获得长时间序列稳定的夜间灯光数据，需要对两者夜间灯光数据进行校正与拟合。目前，部分学者针对DMSP/OLS数据提出了多种不变目标区域的相互校正方法，这些研究选择亮值年际变化小的区域作为标准区域，确立参考影像数据，对其他年份影像数据建立各类回归模型进行相互校正，形成了适用于我国区域完整的夜间灯光影像校正的技术方法[2-6]。后又有学者提出了各种基于植被指数构建城市灯光指数为DMSP/OLS数据去饱和的方法，该类方法侧重单一影像校正，不同年际影像校正需获取相应年植被指数数据[7-9]。而VIIRS/DNB数据在城市研究中需要去除火点噪声，且该数据存在时间短，不足以支持长时间序列的研究。大多数学者在长时间序列研究中对两种夜间灯光数据设置不同的处理方法，降低了结果的可比性，对两者数据拟合的研究鲜有报道。

为研究校正后获得的长时间序列夜间灯光数据的效果，对其模拟社会经济参量的能力进行探索，选择新疆连续年份的夜间灯光数据模拟社会经济参量。以往基于两种夜间灯光数据的社会经济参量研究在省级和县级两个尺度上与区域社会经济参量进行回归分析，大多数研究是单一年份数据的线性模拟或两种数据的对比模拟，且在部分模拟研究中没有对数据进行校正，少有研究长时间序列下校正后的模拟[10-12]。利用校正后的夜间灯光数据对社会经济参量模拟的研究有助于提升数据可靠性与解释力，对数据广泛应用具有重要意义。

本文选择不变目标区域法先校正DMSP/OLS影像数据，用校正后的DMSP/OLS影像数据对VIIRS/DNB进行重分类，利用两者在时间和空间上的重叠数据对VIIRS/DNB影像数据进行线性拟合；选择新疆不同年份的夜间灯光数据模拟社会经济参量，分析校正后长时间序列夜间灯光数据与部分社会经济参量的关系，以得到长时间序列连续稳定的夜间灯光数据，提升数据可比性及应用能力，拓展夜间灯光数据的应用范围，加强对长时间序列下人类活动及其生态环境影响的理解。

1 数据源及数据概况

1.1 数据源

DMSP/OLS稳定夜间灯光影像数据集由美国国家海洋与大气管理局(National Oceanic and Atmospheric Administration,NOAA)下属的美国国家地球物理数据中心(National Geophysical Data Center，NGDC)发布，选择全部34期影像，影像数据集由6个不同的DMSP卫星F10(1992—1994年)、F12(1994—1999年)、F14(1997—2003年)、F15(2000—2007年)、F16(2004—2009年)、F18(2010—2013年)获取。全部影像均在NGDC的网站下载。

北半球的VIIRS/DNB合成的月平均灯光辐射数据集，冬季像元DN值受积雪影响，夏季像元DN值受植被影响，因此，选择2012—2017年10月影像数据，全部影像在NGDC的网站下载。

本文在处理过程中使用的中国县级行政区划矢量数据来自国家基础地理信息中心的全国1∶400万数据库，新疆1996—2016年年末人口总数、生产总值、平均每天耗电量、建设用地数据来自新疆维吾尔自治区统计局发布的《新疆统计年鉴》。

1.2 数据概况分析

DMSP/OLS稳定夜间灯光辐射数据产品包括由多个DMSP卫星传感器获取的1992—2013年共34期影像，影像去除了极光、野火等不稳定光源，以及月光、云的干扰，最后的数据值为无云图幅稳定光的年均灰度(DN)值，其范围是0～63。该影像数据集是由DMSP不同传感器获得的，而不同DMSP卫星搭载的OLS传感器具有不同的辐射探测性能、飞行前辐射标定，探测光谱波段也存在细微差别，且随着时间的推移，各传感器的辐射探测能力也逐渐衰退。影像数据未进行星上辐射校正和相互校正，造成同一个卫星传感器获取的连续不同年度的影像间相同位置的亮值像元DN值之间的异常。且由不同的传感器获取的同一年度的影像数据之间存在差异，主要表现为影像中的亮值像元的DN值总和不相等，以及影像间相同位置的亮值像元的DN值不同。长时间序列的DMSP/OLS稳定夜间灯光影像数据集存在的这些问题导致不同年份、不同传感器间的长时间序列数据不具有连续性和可比性。因此，利用该数据集进行长时间尺度的应用研究时，必须进行相互校正。但影像中像元最大值DN值为63，且许多城市核心区域出现了大量DN值为63的像元聚集情况，由此可推断影像中的像元DN值出现了饱和现象。像元DN值饱和会导致影像所表示的某一区域的灯光强度值低于其真实值，进而在灯光强度指标的相关研究中会产生误差，影响研究的准确性，因此影像需进行饱和校正。

VIIRS传感器的DNB探测通道继承了DMSP上OLS传感器的微光探测能力，增强了探测敏感度，提高了空间分辨率，两者传感器参数对比见表1。VIIRS/DNB合成的月平均灯光辐射数据产品自2012年4月至今每月一期影像，影像过滤了杂散光、闪电、月光、云覆盖的影响，同时保留了极光、火、船及其他暂时性灯光。且该数据不存在DMSP/OLS稳定夜间灯光影像数据的问题，解决了像元DN值过饱和现象，其在轨检验校正程序也进一步提高了影像的清晰度。

表1 OLS和VIIRS传感器的参数比较

应用ArcGIS软件对两者影像进行数据预处理，以我国县级行政边界面状数据为掩膜，提取所有数据的我国行政区域影像。所有数据的地理坐标系均为WGS-84坐标系，投影坐标系为兰伯特等面积投影坐标系，同时将影像数据空间重采样为1 km。应用ArcGIS软件数据管理模块的栅格属性工具集为影像创建栅格属性数据表，根据属性表提取影像DN值大于0的像元，对像元DN值进行统计分析，统计出影像的亮值像元DN值总和(total DN value，TDN)和亮值像元的总数量(total lit pixel，TLP)随时间变化的趋势，分析结果如图1所示。其影像亮值像DN值总和(TDN)的计算公式为

(1)

式中，DNi表示影像中i像元的DN值；Ci表示影像中i像元的数量。

DMSP/OLS稳定夜间灯光影像数据像元的TDN和TLP随时间变化总体呈上升的趋势，但由图1可看出同一传感器不同年份TDN和TLP异常波动，说明同一传感器不同年份影像数据中存在大量非稳定亮值像元，即在上一年探测到的像元在后一年中不存在；不同传感器同年份TDN和TLP差异较大，说明不同传感器同年影像数据中存在大量不一致像元，即不同传感器同年的亮值像元在数量、质量和地理位置上不一致。VIIRS/DNB影像数据像元TDN和TLP在2013年大幅度增加，2013年后总体呈缓慢下降的趋势，结合DMSP/OLS影像数据2013年像元TDN和TLP，说明我国在2013年城市化发展迅速；之后我国部分发达城市灯光数据可能达到稳定饱和，即在数量和质量上趋于稳定，在地理位置上由城市中心向外扩散。

图1表明影像数据的像元的TDN和TLP不在同一数量级内，且由于两者数据由不同传感器获得，两者之间存在极大的差异，因此在研究中很少有学者同时使用这两种数据，仅有少量学者用不同处理方法将其运用在定性研究中。由于VIIRS/DNB数据的质量高于DMSP/OLS数据，故本文对VIIRS/DNB合成的月平均灯光辐射数据进行变换，拟合DMSP/OLS稳定夜间灯光影像数据，以达到同时使用的目的。

2 数据校正

运用不变目标校正法，对我国区域DMSP/OLS稳定夜间灯光影像数据进行了传感器间相互校正、连续性校正及过饱和校正；利用不变目标结合校正后DMSP/OLS 2012年稳定夜间灯光影像数据为参考，校正重分类后的VIIRS/DNB合成的月平均灯光辐射数据，并对校正结果进行评定。形成了一套适用于我国区域的DMSP/OLS和VIIRS/DNB夜间灯光数据的预处理及校正方法，校正流程如图2所示。

2.1 DMSP/OLS稳定夜间灯光影像数据的校正

在空间分辨率为1 km的夜间灯光数据中我国区域城市不存在衰退现象，前一年存在的亮值区域应在后一年继续存在；但分析数据发现前一年存在的亮值区域在后一年消失，且不同传感器同年影像的亮值区域也不一致，导致该问题的原因是存在不稳定像元与不一致像元。这些像元不能反映夜间灯光的空间变化，需剔除保留稳定亮值像元。在ArcGIS软件中提取DMSP/OLS 34期影像像元DN值大于0的区域，对不同传感器同年份影像进行相交分析，保留公共亮值像元；以2013年影像与下一年影像进行相交分析保留公共亮值像元为下一年稳定像元，以此类推，得到1992—2013年的稳定亮值像元影像，再用Extraction工具得到每个像元的DN值，按行列导入Excel中获得影像像元DN值矩阵。

2.1.1 传感器间相互校正

多传感器影像像元DN值异常波动是造成影像数据不连续的主要原因，为提高影像连续性，对影像进行传感器间的相互校正。参考文献[7—8]选取F16 2007年鹤岗市作为标定数据。选取一元二次方程式建立校正模型式

DNc=aDN2+bDN+c

(2)

式中，DN、DNc分别为校正前、后像元灰度值；a、b、c为回归参数。

将每一期待校正影像的像元DN值矩阵与标定数据的像元DN值矩阵进行拟合，其回归参数见表2。

表2 DMSP/OLS数据集影像相互校正模型参数

续表2

2.1.2 影像间连续性校正

传感器间相互校正后的影像数据削弱了像元DN值饱和程度，但影像不连续问题仍然存在，主要表现为多传感器同年影像相同位置像元DN值之间存在差异,以及多传感器获取的多年影像的数据像元DN值异常波动，故需要进行影像间连续性校正。利用式(3)对同年不同传感器相互校正后的影像数据进行校正，形成1992—2013年每年唯一的数据集。

(3)

2.1.3 长时间序列影像过饱和校正

我国城市发展规律与夜间灯光数据TDN和TLP的总体趋势表明，我国城市区域呈增长趋势。因此假设DMSP/OLS数据某一年影像中的亮值区域在后一年中不能消失，即前一年影像中亮值像元在后一年中依然为亮值像元，且前一年影像中的亮值像元的DN值应小于后一年影像中相同亮值区域像元的DN值。基于此假设，可得对多传感器获取的多年度影像数据进行校正的公式为

(4)

2.2 VIIRS/DNB合成的月平均灯光辐射数据的校正

VIIRS/DNB合成的月平均灯光辐射数据没有去除火点及背景噪声，本文运用Ma等的方法取0.30×10-9W·m-2·sr-1作为阈值处理VIIRS/DNB浮点型数据噪声，以获得稳定夜间灯光数据。将VIIRS/DNB浮点型数据转换为整型数据对其进行探索性分析，与校正后的DMSP/OLS数据对比发现VIIRS/DNB数据像元DN值较小的区域在DMSP/OLS影像中像元DN值为0。基于此，利用影像像元DN值分布对VIIRS/DNB数据进行重分类，去除极小值像元，同时缩小像元值域范围。假设2012、2013年校正后的DMSP/OLS数据分别与同年VIIRS/DNB数据具有相同亮值区域，据此以同年份DMSP/OLS数据亮值区域为掩膜提取VIIRS/DNB数据中的有效区域。以不变目标结合校正后2012年的DMSP/OLS影像为标定数据，利用式(2)为校正模型，将每一期VIIRS/DNB影像拟合回归进行校正。

3 结果分析与讨论

3.1 影像校正结果分析

3.1.1 影像定性评价

为展示数据校正的细节，本文以新疆为例选择6个年份(1995、2000、2005、2010、2015、2017)校正前夜间灯光影像及校正后影像进行目视解译(如图3所示)。其中左图为该年份校正前影像，右图为校正拟合后的影像。通过目视解译发现校正后影像亮值像元区域少于同年原始数据影像，且校正后影像像元的DN值域高于原始影像，说明校正在一定程度上削弱了影像DN值饱和问题；校正后影像亮值区域随时间序列增加并未出现影像衰退现象，直观地反映出良好的连续性。

校正后所有影像像元DN值域均比同期影像范围大，说明校正使影像部分DN值得到了拉伸，缓解了像元过饱和现象。文献[8]使用幂函数回归模型进行传感器间的相互校正，其校正后像元DN值大于150，在削弱像元饱和现象的同时在时间上增加了像元DN值波动，使像元DN值在某些年份急速增长，不符合实际情况。本文使用一元二次方程进行校正使像元DN值稳定增长，所有校正后影像像元DN值均小于80。

3.1.2 影像定量评价

为提升评价的客观性还需对影像进行定量评价，将两者校正后的同年影像进行合并，统计校正后影像亮值像元TDN和TLP随时间变化的趋势，其中，1992—2012年数据为DMSP/OLS影像数据，2013—2017年为VIIRS/DNB影像数据。分析结果如图4所示。

图4显示校正整理后影像的TLP和TDN呈递增趋势，TLP在整个时间序列中缓慢增长，其2009—2017年的年间统计值差值逐渐减小；TDN在1992—2005年间平稳增长，2006—2013年间急剧增长，2014—2017年间增长速度又趋于平稳。这可能是由于城市发展到中后期阶段城区中心的灯光强度趋于稳定，灯光影像表现为稳定像元，城市通过向周边地区的扩张和合并继续发展，这一点通过观察VIIRS/DNB影像浮点型数据也可得出。

以上研究结果表明校正后的灯光影像解决了DMSP/OLS影像数据本身的问题和DMSP/OLS数据与VIIRS/DNB数据不可比的问题。VIIRS/DNB影像数据在数据处理时将空间分辨率重采样降低为1000 m，而用DMSP/OLS影像数据为参考重分类和回归校正后使VIIRS/DNB影像数据像元的DN值表达更像DMSP/OLS影像数据，使VIIRS/DNB影像数据损失了大量细节信息，丧失了数据本身在大气气溶胶、夜间云等应用研究中的优势[13-14]。但不可否认的是，校正后的数据更适合与DMSP/OLS影像数据组成长时间序列的夜间灯光数据，从而应用到城市化研究中。

城市化发展直接体现的是土地利用方式的改变，但夜间灯光影像亮值区域范围和数值的变化反映出城市土地利用的变化，且影像容易获取，校正的过程具有可重复性，校正后的影像连续稳定，像元DN值的饱和程度也有所降低，建立的灯光指数适合动态监测大尺度城市化强度与时空分析[15-19]。

3.2 连续影像数据与社会经济参量的关系

以夜间灯光影像为基础发展的灯光面积与国内区域经济参量的联系[20-21]，证明了利用灯光强度了解一个国家社会经济发展水平的可行性；而其与电力能源消耗的相关性为节约利用电力资源减少电力消耗的研究提供了有力数据[22-23]。为此，本文选择年末户籍人口数、生产总值、平均每天耗电量、建设用地面积讨论与新疆区域的TDN的关系(如图5所示)，对所有数据进行标准归一化去除量纲，研究校正后1995—2015年夜间灯光数据在我国省级空间尺度上与这些社会经济参量间的线性回归关系。一方面可以检验影像数据集的校正结果，充分发挥其时效性与经济性；另一方面可以探索由校正后长时间序列影像拟合社会经济参量的潜力。新疆区域夜间灯光影像TND与4种参量的相关性都大于0.75，说明这4种参量在长时间序列下与夜间灯光强度有密切关系。

4 结 语

长时间序列夜间灯光影像数据为研究大尺度空间城市化及人类活动监测提供了数据源，但DMSP/OLS影像数据不连续、像元过饱和、数据自2013年后截止、与VIIRS/DNB数据不可比，限制了其推广应用。本文对我国夜间灯光影像数据存在的问题进行了校正和拟合，获得了长时间序列稳定的夜间灯光数据，通过对结果的评价，证明了结果的可行性，消除了影像间不稳定、不连续的问题；但现今在长时间序列夜间灯光数据的应用中，不可避免地需要两种夜间灯光数据参与，VIIRS/DNB影像噪声和DMSP/OLS影像过饱和仍是夜间灯光数据在城市化进程及人类活动监测研究中提高精度所面临的问题。同时，本文分析了校正后长时间序列新疆区域夜间灯光影像与社会经济参量的关系，证明夜间灯光数据对社会经济参量模拟有巨大潜力，可有效反映人类社会经济活动。