夜光遥感数据应用述评与展望

郑渊茂，何原荣，王晓荣，高元衡

(1.厦门理工学院 数字福建自然灾害监测大数据研究所，福建 厦门 361024；2.中国科学院城市环境研究所 城市环境与健康重点实验室，福建 厦门 361021；3.桂林旅游学院，广西 桂林 541006)

0 引言

在经济全球化的背景下，夜间灯光的强弱直接反映人类活动区域的社会发展进程。基于夜间灯光遥感数据视角，国内外学者在城市外部空间结构的变化和内在社会经济发展的改变方面开展了不少研究。夜间灯光(nighttime light，NTL)遥感可直接反映人类的社会经济活动，因为来自城市、城镇、工业场所、渔船和其他人类活动的人造光在夜间均被记录下来[1]。夜光遥感是利用遥感技术从空中获取地球表面的夜间光线强度信息，其来源是1976年9月美国发射的军事气象卫星计划(defense meteorological satellite program，DMSP)搭载的传感器(operational linescan system，OLS)，该计划最初为获取夜间云层反射的微弱月光，来提取夜间云层的空间分布信息，意外发现DMSP/OLS在无云情况下可获取城镇、夜间渔船、天然气燃烧、闪电及火光等地表活动信息[2]。与主要用来监测地表变化的普通遥感卫星影像相比，夜光遥感更多地反映以人类社会经济活动为中心的观测，夜光遥感数据的空间覆盖范围广、成像周期短、经济成本低，可快速、准确、客观地获取地球地表和人类活动信息。

目前，在国际上有2种常用的能够观测夜光数据的遥感卫星：一种是国防气象卫星项目的业务线扫描系统(DMSP/OLS)；另一种是Suomi国家极轨合作伙伴(Suomi national polar-orbit partnership，S-NPP)卫星上搭载的可见光红外成像辐射仪(visible infrared imaging radiometer suite，VIIRS)。DMSP/OLS在夜间工作可探测到地球表面的城镇灯光、闪电及火光等活动信息，与黑暗的乡村背景在影像数据上形成鲜明的对比[3]。DMSP/OLS最开始获取夜光影像数据，存在辐射测量精度粗糙、空间分辨率低和缺乏星载标定等局限性。后来新一代高分辨率的NPP/VIIRS提供前所未有的夜光观测能力，极大地克服DMSP/OLS数据的一些限制和不足，NPP/VIIRS数据具有更高的星载校准辐射测量精度，保证能够探测极低亮度光的能力[4]。高分辨率的NPP/VIIRS夜光遥感数据的出现，使得应用领域更加广泛。常用夜光遥感数据集的特点及应用，如表1所示。

表1 常用夜光遥感数据集的特点及应用

此外，中国在2018年成功地发射中国首颗专业夜光遥感卫星“珞珈一号”，其空间分辨率更高，“珞珈一号”卫星的出现为夜光遥感数据的研究提供了更大的舞台和潜力[5-6]。总结前人的研究结果[7]，不同夜光遥感对地观测平台的基本参数，如表2所示。夜光遥感数据在人口空间化、GDP、电力消耗量、碳排放、贫困基尼系数、城市群空间格局、城市扩张、城市建筑物提取、城市群演变分析、自然灾害风险评估及重大事件评估等社会科学领域得到广泛应用。夜光遥感数据已经成为研究社会经济参数及时空动态模拟的重要数据源之一。夜光遥感数据具有空间信息丰富、时效性强的优点，适用于大尺度的研究和事件序列分析。目前，虽然基于夜光数据的应用研究成果在不断积累，但缺乏对成果进行系统性的归纳总结，以及存在总结的覆盖面不全、时效性不强等不足。基于此，本文对夜光遥感数据在人口空间化、GDP、电力消耗量、城市建成区提取、城市群与城市体系发展监测、城市化与生态环境协调的监测及重大事件评估等领域的研究成果进行详细地概况总结，并探索其应用前景。

表2 不同夜光遥感对地观测平台的基本参数

1 社会经济参数估算

夜间灯光强度与人类社会经济活动高度相关，可用于进行人类社会活动分析及社会经济指标估算。传统统计调查方法在获取社会经济参数时往往存在缺乏空间信息等局限性；而夜光数据具有时空连续性，可为社会经济参数估算提供重要价值。

从夜间灯光数据中提取人口和社会经济发展信息的研究可分为2类。一类是建立夜间灯光数据之间的统计关系。采用夜间灯光区域内的面积和DN值构建统计模型；从线性回归模型、非线性回归模型，以及对数回归模型等不同统计模型对提取的参数进行统计及分析计算。He等[8]建立夜光影像饱和校正DN值与电力消耗之间的线性回归模型，韩向娣等[9]提出一种在城市指标(GDP、建成区、用电量)之间建立对数回归模型方法，用分区模型计算形成了GDP密度图，较完整地表征全国社会经济的宏观分布状况及特征。另一类是绘制特定参数的时空分布图，不仅可从统计年鉴的人口普查数据中评估夜光影像强度分布与人口密度或GDP之间的关系[10]，且应用增强植被指数及数字高程模型等辅助空间信息[11-13]，提高了各类参数的反演提取精度。

1.1 人口统计估算

人口统计数据是研究城市发展、国家及政府制定政策和发展战略的重要数据来源，可为经济发展、社会进步、全球变化等研究提供关键参数，而夜光影像与人口数据相关性较强。因此可通过对夜光影像的研究实现人口数据空间化评估。

Sutton等[14]基于灯光区域与人口密度之间的相关性，以美国区域为研究对象，提出城市人口密度衰减模型，从城市边缘到中心，验证DMSP/OLS灯光数据在分析及估算人口的潜在可行性，得到DMSP/OLS数据的定量关系。Lo[15]以中国区域为研究对象，采用夜光面积、夜光强度、夜光强度和夜光面积百分比为自变量，构建多元夜光指标估算模型，应用“夜光百分比”的夜光密度测量方法，对县、市级非农业人口的估算相当准确。Amaral等[16]基于巴西的亚马逊区域DMSP/OLS夜光影像，采用夜光影像面积与人口的相关性来实现人口空间化，最终得到其决定系数大于0.8。Briggs等[17]对欧盟区域的人口空间化进行评估，基于普查人口与土地覆盖面积、光发射之间的相关性，进行回归统计得R2>0.9，结果表明模型可用性较好。Zeng等[18]根据夜光强度与普查人口变量建立线性回归模型，采用RY聚类算法与最短路径算法，有效地提高模型性能，获得更明确详细的人口分布特征。高义等[19]根据中国沿海地区统计年鉴中人口数据与夜光数据的回归函数进行人口数据空间化，反演得到1 km×1 km和0.5 km×0.5 km 2个不同空间尺度的区县人口空间化网格，得出NPP/VIIRS数据反演精度优于DMSP/OLS数据，表明NPP/VIIRS数据更适用于人口空间化研究。Tan等[20]利用夜光数据、人口普查统计数据及土地利用数据，构建1 km×1 km分辨率的人口密度图，对县的人口进行空间匹配，模拟精度高，得出500～1 500人/km2之间的人口密度下降了41%，表明该区域发生密度区域消失现象。总之，NPP/VIIRS夜光数据在实现人口空间化及社会经济参数空间化具有巨大潜力。近年来在地理信息和遥感技术的辅助下，大量的研究基于不同的空间模型进行人口空间化[18-21]，最新主要研究是利用NPP/VIIRS夜光数据生成空间格网的人口密度图，随着夜光数据研究的深入，人口空间化逐步趋于精细化。采用夜光数据进行人口估算总结，如表3所示。

表3 夜光数据估算人口的总结

1.2 国民生产总值分析

国民生产总值(GDP)反映经济综合性发展的水平，是衡量各个国家及地区经济发展水平的重要指标，其增长率即经济增长率。GDP一般是基于各类报表进行统计获得，其工作量较大且繁琐，同时得出的结果不能体现空间信息，不能快速地衡量各区域的经济发展状况。对国家和地区而言，高精度的GDP是发展的关键数据，但完整的序列数据通常难以获取，由于夜间灯光与GDP存在较高相关性，夜光数据在GDP估算中具有较好的应用潜能，可为国家GDP估算的经济参数提供重要依据。

早在1997年，Elvidge等[22]以21个国家为研究对象，研究表明DMSP/OLS夜光数据与GDP总值存在高度相关性，其回归系数达到0.97。之后，Doll等[23]以欧盟及美国区域为研究对象，构建区域尺度GDP估算模型，并绘制出分辨率5 km的GDP格网地图，结果表明应用夜光数据研究分析GDP可行性极高。Chen等[24]鉴于数据缺失，利用1992—2008年1°纬度×1°经度网格修正GDP格网，得出夜光数据可弥补信息匮乏缺失。随着NPP/VIIRS夜光数据的出现，夜光数据在GDP研究取得进一步发展。Li等[25]分析中国31个省份的NPP/VIIRS夜光影像，采用线性回归模型进行经济建模评估，表明NPP/VIIRS夜光数据(R2=0.854 4)比DMSP/OLS夜光数据(R2=0.767 8)与GDP的相关性更加显著，具有更好地预测性及建模能力，为NPP/VIIRS夜光数据构建全球和区域经济模型奠定基础。徐康宁等[26]基于1992—2012年中国的省级数据，采用夜光数据客观评价GDP增长与中国经济发展的真实性，结果虽有差异，但整体之间误差较小。李宗光等[27]基于根据夜光强度与GDP显著的相关性，提取了连片特困区的GDP回归模型并进行空间化建模，相关系数R2达到0.873 8，客观地反映经济发展状况。此外，由于夜光数据存在饱和现象，可结合辅助数据，如人口数据、土地利用数据等对GDP进行综合评价分析。Wang等[28]以乌干达为研究区域，基于夜光数据提出一种新的增强型夜光模型(ELIM)和农业价值比率，结果与网格化的全球GDP数据集相比，差异为1 km水平，因此，可获取社会经济活动的空间异质性。

总之，采用夜光数据与GDP之间的相关性来统计预测经济发展状况，是评估GDP的有效措施，夜光遥感数据在监测国民生产总值方面可发挥重要作用。此外，夜光数据对社会经济参数研究具有较大潜力，但仅采用单一的数据源难以全面准确地表达社会经济参数。因此，可结合其他辅助数据来提高估算与分析精度。夜光数据进行GDP估算的应用总结，如表4所示。

表4 夜光数据估算GDP的总结

1.3 电力消耗量估算

能源消耗与经济发展息息相关，而电力消耗是能源消耗的重要组成，电力消耗量可客观地衡量社会发展水平。由于电力统计单位仍处于行政单位层面，空间差异信息缺乏，限制了统计的有效应用。而夜光数据可体现城乡区域的灯光密度和灯光设施的使用状况，可为电力消耗的空间化信息提供依据，高分辨率的夜光数据可快速、准确地反演得出电力消耗状况，引起广大学者探索。

始于20世纪80年代，Welch[29]利用DMSP/OLS数据构建电力消耗和灯光面积之间的回归模型，证明夜光数据估算电力消耗量的潜在可行性。Elvidge等[22]根据夜光与电力消耗量的相关性构建对数模型，开发一种新方法来校正夜光饱和像素，采用光斑植被(SPOT/ACT)10 d合成产物，去除夜光影像的饱和现象。Amaral等[30]发现电力消耗和夜光存在线性相关性，构建了单时相电力消耗估算模型，并采用DMSP/OLS数据分析亚马逊地区的电力消耗的时空模式。Letu等[31]根据夜间稳定灯光的空间分布特征对影像饱和区域进行校正，采用三次回归方程修正用电量数据之间的回归关系，进一步验证夜光影像能较好地估计电耗量。He等[8]分析了中国大陆在2000—2008年EPC(electric power consumption)的时空动态，通过建模反演得到中国2000—2008年电力消费的空间格网数据，结果证明饱和校正后的夜光数据与电力消耗量的相关性更强。Shi等[32]采用稳定夜光数据从多个角度探讨一带一路国家EPC的时空模式，验证新型夜光数据NPP/VIIRS对于一带一路国家EPC的估算能力。之后，Shi等[33]尝试评估电力的时空格局变化，基于夜光数据和用电统计数据，比较不同边界内用电量的时空演变，得出夜光数据与用电量的R2>0.95，发现1992—2013年间，城市化成为城市建成区用电量快速增长的推手，并得出城市不同边界存在时空变异性。

2 城市化进程监测分析

城市化程度是各个国家经济发展的重要标志。城市化可促进区域的经济发展，区域的经济发展又可推动生活及生产进步。因此，城市化进程监测有利于评估区域经济发展。利用夜光数据直观地反映城市化建设过程中的空间动态过程，可提取城市空间信息进行城市群体系发展监测，有助于分析城市化发展模式和空间结构的演化规律。

2.1 城市建成区监测提取

由于城市的城镇区域在夜间发出灯光，因此夜光遥感数据可准确提取、分析城市建成区的范围及空间聚集现象(城市群)，对准确地评估全球范围和国家区域的城市化进程具有重要的作用[7]。城市建成区的区域范围是城市化的重要参数，夜光影像数据能有效地提取城市建成区范围及变化状况，研究表明对夜光影像数据进行图像分割，将较亮区域视为城市建成区[34-35]。在国内外学者研究中，Croft[2]首次提出依据夜光数据提取城市建成区可行性，之后许多学者基于夜光数据对城市建成区开展了大量的研究，主要包含基于阈值的影像分类法、基于像元的影像分类法、基于采样的影像分类法3种提取方法。基于阈值的影像分类法中，经典提取方法有：经验阈值法[36-38]、突变检测法[39-40]、统计数据比较法[41-42]、较高分辨率影像数据空间比较法[43-45]。Milesi等[37]基于土地覆盖数据和DMSP/OLS数据，采用区域阈值法对建成区提取，表明中分辨率成像光谱仪数据结合夜光数据可快速评估城市化带来的城市土地覆盖及生态变化。黄璐等[40]基于DMSP/OLS数据，建立一元二次回归模型，采用突变检测法确定提取城市建成区阈值，并采用最大似然法分类建成区来分析城市建成区发展状况。Henderson等[43]基于DMSP/OLS数据，采用较高分辨率影像数据空间比较法来确定提取夜光影像提取建成区的阈值，并划分确定了不同经济发展状况的城市边界。王晓慧等[44]采用DMSP/OLS夜光数据，基于分区的较高分辨率数据比较法提取城镇用地信息，来不断调整确定最佳阈值，结果表明该方法增强了提取效率，也提高总体精度，较准确地反映城镇发展状况。经验阈值法是根据前人的研究基础来确定阈值，具有便捷性且易实现性，但受主观意识影响，阈值确定不稳定。突变检测法具有较强的客观性，依据夜光自身来确定阈值，无需其他辅助数据的支持，符合实际但工作量大。统计数据比较法以政府发布的建成区统计数据为基础确定阈值，操作简便，但受统计数据影响，结果略有偏颇。较高分辨率影像数据比较法具有较强客观性，但在大尺度区域的研究成本高且效率较低。近年来，基于阈值的影像分类法的研究方法层出不穷，比如邻域分析法[47-49]、聚类阈值法[50-51]、最大自相关双阈值法[52]、分层阈值法[53-54]等。此外，存在基于像元的影像分类法，比如支持向量机法[55-56]，混合像元线性分解方法[57]；还有基于采样的影像分类法进行城市建成区的提取，比如人工神经网络(ANN)方法[58]。综上所述，基于夜光影像数据的城市建成区提取方法总结，如表5所示。

表5 基于夜光数据的城市建成区提取方法总结

2.2 城市群与城市体系发展监测

夜光遥感数据不仅用来监测、提取城市建成区，还可分析城市群的时空演化模式。城市是一个复杂系统，不仅关系到人口、社会经济及环境的可持续发展，也表征区域的国际竞争力。城市化进程是在时空上的区域地理形态渐变过程，也是复杂人文内涵形成变化过程。城市群是以中心城市为核心，向周围辐射构成城市集合，反映社会经济、生产生活、城市规划和基础设施建设的相互影响。国外研究中，Zhang等[59]对1992—2008年印度、中国、日本和美国的城市夜光遥感影像数据提取分类，得到其城市化的动态图，表明夜光影像在衡量全球城市化动态的时空变化具有潜在性。范俊甫等[60]采用经验阈值法对渤海城市群的DMSP/OLS夜光数据进行校正，分析1992—2010年环渤海区域的空间格局，发现中小城市比大城市持续扩张的速度快，核心城市与周围卫星城市联通性渐增。Yu等[61]通过对夜光数据的空间聚类分析，对城市空间群进行地理划分，得到中国的五大城市群。Zhou等[62]利用东南亚的夜光遥感数据，研究1999—2000年其夜光数据与人口、城市规模的定量关系，结果表明斯里兰卡、印度和巴基斯坦的夜间灯光增长速率较快，而孟加拉国和尼泊尔则较慢。

Henderson等[43]利用 DMSP/OLS夜光数据提取不同发展水平状况城市的城市范围，如旧金山、北京和拉萨等城市，证明DMSP/OLS数据可应于城市区域提取。一些学者通过融合多源的遥感数据来解决 DMSP/OLS 夜光数据的饱和现象问题，提高提取精度，如融合遥感植被指数[63]、地表温度[64]或更高空间分辨率的遥感影像数据[65]。相较于 DMSP/OLS 夜光数据，新一代的NPP/VIIRS夜光数据克服了DMSP/OLS数据的一些限制，采用星上定标来保证探测地球表面极低亮度光线的能力。Shi等[66]利用 NPP/VIIRS 数据提取了中国12个城市的城市建成区，并证明NPP/VIIRS数据提取精度优于 DMSP/OLS；Chen等[67]采用 NPP/VIIRS数据获取上海市 33 个城市核心区，并保留更多的城市地表细节，可为城市土地遥感监测提供更精确数据来源。

夜光遥感数据不仅广泛地应用于城市群研究，在城市体系也得到逐步发展研究。城市体系是以中心城市为核心，在一定地理空间区域范围内不同性质、规模和类型的城市相互联系、相互作用的城镇体系。张超等[68]基于长江经济带1996—2010年城市夜间灯光数据分析其空间结构，得出城市体系由数量增长向规模扩张转变。Li等[69]提出了一种基于遗传算法的城市群自动阈值(GA-UCAT)方法确定最优阈值，通过整合VIIRS DNB、MODIS及Landsat-8 OLI数据，定性定量检测城市化动态(OA=0.854和Kappa=0.699)，最终可准确高效地监测城市化进程。Zhong等[70]以鄱阳湖为区域，结合DMSP/OLS夜光数据、土地使用数据和统计数据，基于辅助数据比较法选取最优阈值，应用时空模式分析，构建标准偏差椭圆(SDEO模型)得到土地扩展重心由西南向东北偏移，经济空间快速发展。

Li等[71]采用Luojia 1-01 数据与NPP/VIIRS数据，通过计算人类住区指数(HSI)、简单阈值分割(STS)和SVM监督分类这3种方法来提取城市区域。得出采用Luojia 1-01数据的HSI方法提取城市区域的效果最佳，其Kappa系数值最大，达到0.834。研究结果表明，采用Luojia 1-01夜间灯光数据可提高城市区域的提取精度，且误数据具有更高的分辨率和更丰富的空间信息，比前人得到更好的提取与识别结果。

Ou等[72]首次对Luojia 1-01夜光数据容量进行调查并提取不透水表面的范围和程度。主要以北京、上海和广州这3个城市为研究对象，采用动态阈值分割方法，从NPP/VIIRS和Luojia 1-01 2种类型的夜光数据中提取了不透水面积空间范围。研究得出Luojia 1-01数据具有空间分辨率更高、测量范围广等特点，比NPP/VIIRS数据能更精确地绘制出不透水面的空间范围。结果表明：对于不透水面积的空间范围，Luojia 1-01夜光影像是一种具有潜力和应用前景的遥感影像数据源，但其难以准确估计其不透水的程度。将来的研究可通过联合Luojia 1-01数据与其他数据来改善不透性估计程度的准确性。

2.3 城市化与生态环境协调的监测

城市加速发展会带来一系列生态环境破坏问题。因此，保护生态环境，努力实现经济发展与生态环境协调发展，对城市的可持续发展具有重要意义。夜光遥感数据可快速、有效、长时段地监测生态环境，为优化城市土地利用格局和防范生态环境风险提供重要数据支撑。

Imhoff等[73]应用1994—1995年夜光结合普查数据和数字土壤，分析城市化带来的生态效应，发现城市化对土地的初级生产力具有削弱的影响。Milesi等[37]基于MODIS数据、土地覆盖图和夜光数据，构建光能利用模型，选择净初级生产力(net primary productivity，NPP)指标来研究城市化进程对生态环境的影响，得到分辨率1 km×1 km的土地覆盖图及城市空间扩展图，发现城市扩张会导致植物初级生产力下降，表明夜光结合NPP可对生态环境快速评估。彭建等[74]综合利用DMSP/OLS夜光数据、SPOT/VGT数据，基于阈值分割法可快速识别生态用地，精度达到85.64%，有效地弥补了单一的数据源进行生态环境监测的不足。董晨炜等[75]运用夜光数据，结合MODIS NDVI数据，以NDVI均值作为评价指标，发现2007—2013年的环杭州湾区域的城市NDVI均值变小，而城市建成区的植被状况变差，表明夜光数据结合NDVI数据可反演城市植被覆盖情况。乔旭宁等[76]结合DMSP/OLS夜光数据和MODIS17A3数据，基于一元线性趋势法构建热点分析模型研究太湖流域人类活动对生态环境造成的影响，发现在2000—2010年间的年均NPP变化范围是388.79～452.54 gCm-2a-1，土地转型导致城市扩张使得植被NPP呈波动下降。

此外，夜光影像数据也应用于生态环境方面监测。比如，Duan等[77]利用NPP/VIIRS数据可监测洪泽湖非法采砂对生态环境造成的不利影响，解决了夜间砂船非法采砂的传统监测方法的失效，得出NPP/VIIRS数据可有效地反映挖沙船的时空分布，可监测非法挖沙活动，较好地应用于洪泽湖的生态环境监测。廖李红等[78]基于DMSP/OLS数据和Landsat遥感数据，构建表征城市化与生态环境的夜光指数，采用城市化与生态环境耦合协调发展度模型，结果表明晋江市的城市化与生态环境耦合协调性较高。黄隆杨等[79]利用夜间灯光数据和土地利用类型构建最小累积阻力模型(MCR)，最终得出水生廊道贯穿市域呈双十字型构架，陆生廊道在外围呈环状分布，呈环状分布在市域四周，整体上呈现出“四横三纵”的空间格局，量化了生态格局为相关的城市空间规划提供支撑。此外，在生态环境损失与污染调查中，李景刚等[80]基于NDVI指数，结合多种地理遥感空间数据(如DMSP/OLS夜光数据、SPOT/VGT时间序列数据)来构建半定量化模型，可快速评估城市扩建中生态损失。Jiang等[81]首次采用Luojia 1-01夜光遥感数据用于调查人工光污染的研究，表明Luojia 1-01夜光数据可获取更精细的人工空间细节夜间光线，并得出在机场、街道和商业服务区域的人工光污染的程度较大。

3 重大事件评估

夜光遥感数据可估算社会经济参数，当发生重大事件时，经济参数会随之变动，而重大事件尤其是自然灾害发生时，需要及时准确地进行灾损评估，而传统的调查耗时长、精度差且存在一定的风险性。近年来，越来越多的新型夜光遥感数据用于自然灾害的快速评估及应用研究，夜光遥感数据的变化在一定程度上能够反映重大自然灾害对灾区社会经济的影响。

3.1 自然灾害评估

气候变幻异常导致自然灾害频发，不仅影响人类生产和生活，也阻碍可持续发展进程。因此，地震、台风、火灾等自然灾害的快速评估亟待发展。快速有效地进行灾损评估是降低灾后经济损失和应急救援的重要措施，也是灾后重建科学决策的重要依据。

Hayashi等[82]应用DMSP/OLS影像数据对1999年土耳其科卡耶利地震和台湾吉吉地震的震区进行了估算，发现夜光影像监测到的损失与真实报道的损伤情况吻合较好。Kohiyama等[83]基于显著性检验的GES(BTI)方法和时间序列图像(TSI)方法，在2001年西印度地震灾害评估中，TSI方法其结果可很好地识别出灾后损伤区域。刘双庆[84]以强地震为研究对象，基于夜光数据与人口统计的关系模型构建地震生命易损性模型分析灾损情况，得出理论与实际结果在一定误差范围内具有可行性。Cole等[85]基于NPP/VIIRS数据，结合断电数据和人口统计制作了一种断电产品，可进行飓风“桑迪”停电预测及估计断电量大小。Zheng等[86]采用NPP/VIIRS夜光遥感日数据对台风灾害进行快速评估，提出受影响人口计算方法并得出灾后受影响人口提取的准确率为83.2%，可得NPP/VIIRS日数据对于提取台风造成的受影响人口是有效；同时提取灾后受影响区域及受影响人口的时空分布和受影响程度，可为政府制定应急救援管理措施快速提供决策数据支撑。

张宝军[87]基于DMSP/OLS夜光遥感数据，以汶川地震重灾区为研究区域，探索夜光数据与灾损状况的相关性，研究结果表明，灾后夜光影像的亮度情况和亮度值减少的大小与灾后的受影响人口数及受影响建筑面积等灾情指标存在较显著的相关性。李钢[88]采用精度较高的NPP/VIIRS夜光遥感数据对GDP空间化进行模拟，并构建包含GDP数据、台风灾害综合评价指数与经济损失指数之间的经济损失模型，结果表明，台风灾害过程的综合评价指数与经济损失指数具有很高的相关性，其相关系数达到0.866，具有较好的可行性。

3.2 其他重大事故评估

夜光遥感数据不仅能监测评估自然灾害，还可用于评估其他重大事故及人道主义灾难。比如在火灾方面，Badarinath等[89]、Chand等[90]、Elvidge等[91]描述DMSP/OLS夜光数据在巴西、印度北安查尔邦、喀拉拉邦森林火灾探测和监测方面，夜光数据和火灾表现出高度的相关性。在强风暴方面，Cao等[92]采用NPP/VIIRS夜光数据研究华盛顿飓风“桑迪”所带来的电力中断，通过与电力公司的实际调查数据对比核对，证明NPP/VIIRS夜光数据能够定量统计飓风造成的损失。在洪涝方面，莫建飞等[93]利用夜光数据与社会统计数据，应用GIS技术构建广西流域洪涝社会经济暴露度模型，并获得洪涝人口数量和GDP格网图，表明夜光影像数据在洪涝评估具有一定的可行性。在战争方面，Li等[94]研究夜光影像在叙利亚危机的人道主义灾难方面的时空洞察力，获得了传统方式难以获知的时空分布信息，结果表明夜光遥感数据可作为监测人道主义危机的可靠数据源[95]。

4 结束语

4.1 应用评述

随着科技的不断进步，在经济全球化背景下，夜光遥感数据可用性逐渐增强，夜光遥感数据的共享性使其在不同领域应用中发挥重要的作用。研究发现：稳定夜光数据，每日和每月的夜光数据集，主要是DMSP/OLS和NPP/VIIRS数据，在数据的处理应用、空间化信息提取分析、空间数据挖掘等，被广泛用于人口空间化分析、能源消耗估算等社会经济参数分析评估、城市建成区提取和自然灾害评估等研究热点主题。

近年来，夜间灯光遥感数据可用性不断加强，由遥感科学、经济学等社会科学逐步向生态学、物理学等自然科学领域发展渗透。虽然基于夜光遥感数据研究在深度和广度均有诸多进展，但仍存一定的局限性。

1)夜光遥感数据本身的缺陷阻碍和削弱了其在定量分析中的准确性。具体表现在：DMSP/OLS数据拥有较长的时间跨度，但分辨率较低且存在辐射饱和导致定量化精度不高，存在一定的误差，且由于区域间社会经济水平、发展程度差异，导致在采用DMSP/OLS数据时需分区进行参数设计(非机理性)，在一定程度上限制夜光遥感数据精细化应用。

而NPP/VIIRS数据在2012年才有数据相继发布，由于其分辨率较高，使得NPP/VIIRS数据与社会经济指标相关性更高，其模拟社会经济参量的残差小于DMSP/OLS数据[96]。NPP/VIIRS 数据在辐射饱和、空间分辨率有显著的提升，但是却存在背景噪声、数据时间跨度较短等不足。

学者们针对这些问题也积极开展多方面的努力，在一定程度弥补数据质量缺陷带来的干扰，但还是不可避免地会削弱定量分析的准确性和结论可靠性。今后可获取更高空间分辨率和时间分辨率的夜间灯光影像数据进行地理空间国情和社会经济参数的监测评估。

2)夜光遥感数据受不同经济状况及大气云层气候局限性影响。主要表现在：夜光遥感数据反演社会经济参数更适用于城市和发达农村的夜光强度相对较高的区域。在农村山区或小村庄里的住宅分布稀疏，基础设施和商业设施较分散且不发达，夜间光线较少，遥感卫星较难探测到地面光线数据。

大气云层气候局限性主要是暴雨和较厚的云层的气象，影响夜光遥感数据的图像质量，大量降水会引起地表反射率的变化。此外，夜间灯光数据不适合大气校正，特别应考虑气溶胶散射人工光，可降低检测到的夜间灯光数据这一事实[86]。

3)基于夜光遥感的研究目前还局限于全球、国家、市级城市尺度及市级城市内部小尺度研究应用，且夜光遥感数据在城市化研究大部分还停留在建成区识别、区域经济、人口相关性分析等区域尺度；而在城市内部尺度的灯光概率分布、城市内部发展特征的研究相对不足，尤其针对大型工程项目监测和局部尺度的监管尚处于空缺阶段，迫切需要发掘新型夜光遥感数据的潜力以拓展新尺度的科学研究和应用实践。

此外，针对不同的研究区域需要选择合适的空间尺度，来提高研究结果的可靠性。对不同的研究区可充分考虑文化因素的影响，如城市和农村电力消费习惯之间的差异、民族风俗等可被充分考虑。因此，要完整地考虑研究区域的概况，来确定合适的空间尺度和模型进行分析以得到更准确的研究成果。

4)夜光遥感数据广泛应用于人口、经济参数评估、城市扩张范围识别、能源消耗估算等区域尺度，但在城市内部特征的多要素提取、生态环境监测评估方面的研究相对不足，需要扩展新的研究领域。此外，目前利用夜光遥感数据开展的社会经济研究中，夜光遥感数据充当的是一种辅助数据，研究中缺乏对区域灯光差异的地表真实情况的对比分析。今后，可采用夜光遥感数据结合高分辨率遥感数据等方式对各个领域开展更加精细的、定量化的分析研究。

4.2 展望

夜光遥感数据可为空间尺度的研究提供快捷有效的数据源，夜光数据广泛应用于社会经济与城市化进程等研究，如人口空间化、GDP统计、电力能源消耗估算等社会经济参数估计；城市建成区提取、城市群和城市体系发展监测、城市化与生态环境协调影响的监测等城市化进程监测分析。然而，由于受夜光数据自身的存在的局限性影响，仍需研究新的数据处理方法。未来发展主要有以下几个方面：研究发展新型数据源；多源数据结合，提高数据反演精度；优化数据处理方法，进行知识深度挖掘；注重多学科交叉融合来扩展研究领域。

1)新型数据源。夜光遥感的数据集将由单一的DMSP/OLS数据发展为更高的空间分辨率和更宽辐射范围的数据源。如新一代的NPP/VIIRS夜光影像，其空间分辨率为742 m，以及最新成功发射地中国新型的“珞珈一号”夜光影像的空间分辨率高达130 m。与NPP/VIIRS夜光数据相比，“珞珈一号”夜光数据具有更高空间分辨率，将为社会经济参数等评估提供更加精确的、定量化的数据支撑。未来，可发展更多更高空间分辨率和更高质量的夜光影像数据。

2)多源数据结合。与多源数据结合应用，更好地发挥夜光数据在各种领域的深入应用；夜光遥感影像数据可结合日间遥感影像、高分辨率影像数据、地表温度数据、遥感植被指数数据、土地利用数据及社会统计数据等进行宏观社会经济等参数评估的知识发现，加速促进夜光遥感应用发展和其他相关研究。多源数据联合应用将成为未来研究趋势。

3)知识深度挖掘。夜光遥感数据研究将更加侧重于发现问题和解决问题，通过优化数据处理方法，来提升已有研究成果进行知识深度挖掘，而不是仅仅对已有的结论和观点的重新论证。夜光遥感数据将由定性讨论逐渐走向定量分析，尤其在各尺度的社会经济参数估算和生态环境健康监测领域研究中，夜光遥感数据具有其他数据无法比拟的优势，通过采用地面观测数据与空中卫星数据的“地空”一体化的方式，能够将夜光遥感数据的空间化信息更加精确地展示出来。因此，通过对夜光遥感数据的知识深度挖掘，可增强国家及城市的社会经济的监测估算能力和提高其监测的准确度。

4)注重学科渗透融合。学科交叉融合应可用来拓展新的研究领域，自然地理学、应用经济学及社会学等不同学科的结合研究交流也将成为研究热点。不同学科思想的碰撞扩展应用领域，与各类统计数据相结合对比分析，可将夜光遥感数据逐步走向精细化的研究，准确反映空间信息分布，有助于数据挖掘，能够快速获取全国及全世界范围内的社会经济参数信息，可用来快速、大范围地进行地理国情及世情状况的监测。因此，从长远来看，夜光遥感数据将结合不同学科领域，在监测人类社会活动方面发挥重要的作用，并在地理国情和世情监测、自然科学及社会科学等领域具有更广阔的应用前景。