基于ArcGIS 对DMSP/OLS 夜间灯光数据的校正方法

卢吉瑞 赵 阳* 吕绍伦 陈万基

（1、伊犁师范大学资源与生态研究所，新疆 伊宁 835000 2、伊犁师范大学生物与地理科学学院，新疆 伊宁 835000）

DMSP（Defense Meteorological Sat ellite Program，DMSP）是由美国空军空间和导弹系统中心运行的国防部计划。DMSP 是设计、建造、发射和维护监测气象、海洋和日地物理环境的卫星，距离地球表面830 公里的高度，其搭载的业务型线扫描传感器OLS（Operational Linescan System,OLS）可记录地球表面的可见光和近红外辐射，收集地表3000 公里宽幅的图像，像素在高分辨率（精细模式）下为0.55 公里，在低分辨率（平滑模式）下为2.7 公里，且每天提供全球覆盖影像两次。

在社会经济发展的过程中，由于长时间序列DMSP/OLS 夜间灯光数据具有时效性、经济性和较高的区域年际对比性[1]，近些年广泛用于人口密度估算、经济活动评价以及城市扩张演变等[2]，逐步成为众多学者对各领域研究的重要依据。卓莉等基于DMSP/OLS 夜间灯光数据的强度，将灯光区分为内部与外部两部分，并模拟了灯光区内部与外部的人口密度，进而得到，DMSP/OLS 夜间灯光数据在人口密度估算和其他社会经济数据的研究中具有巨大的潜力[3]。葛心韵对灯光数据进行分析处理后结合研究区GDP 数据构建多种回归模型，表明时效性较强的DMSP/OLS 夜间灯光数据在GDP的预测中较传统的GDP 数据获取方式具有效率高，空间性强等优势[4]。蓝斐芜等利用阈值分割法对DMSP/OLS 等数据提取了广西桂林、柳州和南宁三个主要城市的建成区。结果显示，夜间灯光数据对提取建成区具有一定的可信度，其总体精度达到了83%以上[5]。由于OLS 传感器在航行过程中增益记录和交叉定标的缺失，导致城市中心出现灰度值在63 时达到过饱和状态，不在上升，许文鑫等利用京津冀、长江三角洲和珠江三角洲三大城市群为研究对象，基于灯光强度与植被指数呈现反向发展的趋势等思想构建了一种使用复合指数模型校正夜间灯光数据的过过饱和区域[6]。

由于DMSP/OLS 数据本身存在的缺陷。数据存在由多个传感器采集完成，且灯光亮度过饱和值被限定为63等问题，导致同一年份数据存在差异，相邻的不同年份不具有连续性和对比性。对此，本文将基于ArcGIS 平台，以中国区域为例，提出一套较为完整的DMSP/OLS 夜间灯光数据的校正方法。

1 影像数据介绍与分析

1.1 数据介绍

DMSP/OLS 数据来自美国国家海洋与大气管理局（https://www.ngdc.noaa.gov），数据为年度合成栅格数据，坐标系为WGS 1984 坐标系，收集地表宽幅为3000 公里的影像。数据在1992-2003 年间共采用6 个传感器，分别为F10(1992-1994)、F12（1994-1999）、F14（1997-2003）、F15（2000-2007）、F16（2004-2009）、F18（2010-2013）。其DN 值范围为0-63，单个像元所代表的数字为对应地表灯光亮度的平均值，数值越大，相应地表灯光亮度越高，无灯光区域亮度值为0。文章将采用整套共34 期数据作为主要研究对象。

中国行政边界数据来自中国科学院资源环境科学与数据中心（https://www.resdc.cn/data），数据采用地理坐标系为GCS_Krasovsky_1940，可通过Arcmap10.8 软件变换坐标系得到与灯光数据相同的地理参考坐标系进行进一步数据分析。

1.2 数据分析

研究中共采用1992-2013 年间6 个传感器F10(1992-1994)、F12 （1994-1999）、F14 （1997-2003）、F15（2000-2007）、F16（2004-2009）、F18（2010-2013）共34期进行研究，主要针对数据过饱和、不连续和存在波动性等问题进行分析，见图1-2。

图1 校正前亮值像元数量

原数据需要换位适合于研究区的投影坐标系，且单个栅格面积不规整，在后期研究计算中存在一定障碍。

数据灰度值范围为0-63，造成影像像元灰度值在达到63 以后处于过饱和状态，不再上升，尤其对城市中心区域发展的表现中其缺陷比较明显。

同一年份不同传感器所获得的数据存在差异，理论上地表的灯光在同一时间是相同的，传感器获得的信息也应当一致，但从数据显示灯光亮值数量及灰度值总和都有不同程度的差异。如1994 年F10 传感器获得的像元亮值数量为841911，像元灰度值总和为6561835，F12传感器获得的像元亮值数量为744982，像元灰度值总和为7865519。像元亮值数量差异为11.51%灰度值总和差异为16.57%，从数据显示存在较大差异。

不同年份同一传感器获得的数据存在波动性，依据中国的发展趋势，后一年灯光亮值数量和总灰度值大于前一年，但在F121996、F121999、F152003 期等都较前一期数据存在异常的发展趋势。如F152003 期数据较F152002 期数据，F152002 期数据像元亮值数量为1277332，像元灰度值总和为12386438，F152003 期数据像元亮值数量为1225855，像元灰度值总和为9568120，后一年较前一年像元亮值数量降低4.03%，像元灰度值总和降低22.75%。

同传感器连续年份对应的像元灰度值总和逐渐上升，而亮值像元数量持续减少。在发展过程中两者应当都呈现增幅状态。如2011-2013 年亮值像元数量从2011年的1564391 持续下降到2013 年的1405048，而亮值像元灰度值总和从20158751 增多到22734118。亮值像元数量总体下降10.19%，亮值像元灰度值总和总体增加11.33%。其发展趋势不同于我国的整体发展趋势，需要进一步校正。

图2 校正前像元DN 值总和

2 影像数据校正方法

2.1 数据预处理

2.1.1 提取中国区域夜间灯光数据

由于在中国科学院资源环境与数据中心下载到的中国行政边界数据与DMSP/OLS 夜间灯光数据地理坐标系不一致，需在掩膜裁剪之前在Arcmap 软件平台数据管理工具（Data Management Tools）中投影和变换的投影将空间数据的一种坐标系转换为另一中坐标系，使中国行政边界数据的坐标系转换为与灯光数据一致的WGS_84 坐标系。利用空间分析工具（Spatial Analyst Tools），提取分析，按掩膜提取功能以中国行政边界数据为掩膜对象，提取出1992-2013 年34 期中国区域的夜间灯光影像栅格数据。

2.1.2 重采样

为防止投影形变对计算单个像元面积所带来的影响，用投影栅格工具将掩膜裁剪后的栅格数据投影坐标系转换为兰伯特等面积投影坐标系，栅格数据单个像元重采样为1km2[7]。

2.2 数据校正方法

2.2.1 过饱和校正

通过对1992-2012 年中国城市经济发展数据分析，鹤岗市在20 年中发展较为缓慢[2]，一直处于稳定发展状态[8]。其次对鹤岗市1992 年和2012 年灯光数据做出相关性分析如图3，可得到相关系数R2可达0.729，进一步证明了鹤岗市发展状况，将鹤岗市作为作为不变目标区域[9]，选取F162006 影像数据参考影像[6]，对鹤岗市1992-2013 年灯光数据建立二次回归模型计算，如表1。

表1 二次回归计算结果

图3 鹤岗市1992 年和2012 年灯光数据相关性分析

（式中DNY为校正后像元灰度值；DNX为校正前像元灰度值；a、b、c 为回归系数。）

基于Arcmap 软件平台空间分析工具（Spatial Analyst Tools），地图代数，栅格计算器工具利用二次回归模型计算过饱和校正后像元灰度值。

2.2.2 传感器校正

将各年份数据中单个像元灰度值数量最多的像元全部赋值为0。在1992-2013 年21 年间共有34 期灯光数据，搭载的6 个传感器（F10、F12、F14、F15、F16、F18）收集的数据存在同一年份两个传感器数据叠加，且不相同，如1994、1997、1998、1999 等。可利用栅格计算器构造计算模型，如式2，如果同一年份不同传感器收集的数据中的同一像元的灰度值其中一者为0，其像元灰度值为0，否则选取两者同一像元灰度值的平均值。不但解决了同一年份多传感器数据问题，而且使各年份具有了稳定性和连续性[10]。

（式中DN（n，i）为第n 年i 像元校正后的灰度值；DN（n，i）a，DN（n，i）b为不同传感器第n 年i 像元校正前的灰度值。）

2.2.3 年际间校正

通过前两者对DMSP/OLS 夜间灯光数据的校正，过饱和校正通过确定参考年份和鹤岗市为不变区域进行二次回归模型分析重新计算，使数据最高灰度值不再限制为63；由于不同传感器本身存在的差异，以及在收集影像的过程中外界影响所带来的干扰等，同一年份不同传感器所收集的合成影像具有一定的差异，传感器校正对同一年份不同传感器收集的数据取值和求平均值的方法，解决了1992-2013 年数据的连续性。但是年份间灯光灰度值总和还是存在波动性。根据我国多年的发展状况，城市一直处于不断扩张的态势，说明我国城市化发展呈现连续增幅状态。前一年的灯光亮值不会在后一年中消失，所以同一像元在后一年依然保持前一年存在的灯光亮斑，且同一像元前一年的灰度值不能大于后一年的灰度值[2]，因此，长时间序列的DMSP/OLS 夜间灯光数据中，随着年份的增大，灯光数据存在亮斑的像元数量会持续增多，年份灯光数据像元总灰度值也会逐渐增大。以上显示，存在波动的主要原因在于同像元后一年灰度值低于前一年，或后一年亮值像元在前一年基础上消失。前两者的校正均未能解决年份间灯光数据像元亮值数量和灯光灰度值总和的波动性。因此，需要年际间校正对灯光数据的波动性进行校正，校正过程主要为：同一像元后一年灰度值等于0，则前一年其灰度值为0；相同像元，后一年灰度值大于0，且前一年灰度值大于当年灰度值时，其灰度值为前一年灰度值；其他像元为原灰度值，表达式为式（3）

（式中n 为1992、1993、1994、……、2013 年，（n-1）、n、(n+1) 为年际间校正连续三年的数据，i 为年份灯光数据像元值某像元值。）

3 数据校正结果评定

理想的校正结果（图4-5）主要从两方面表现：

图4 校正后像元亮值数量

3.1 从灯光数据亮值数量来看，亮值数量随着年份的增大而逐渐增多，整体呈现增幅态势，且增势平滑，说明我国城市化发展较为明显。

3.2 像元灰度值总和在经过过饱和校正后整体数值会有一定程度的增大，轨迹也符合我国发展趋势，呈现增幅状态，证明校正结果良好。

图5 校正后像元灰度值总和

4 结论

长时间序列DMSP/OLS 夜间灯光数据由多个传感器收集所得，数据间存在不可避免的差异，且在影像中存在大量异常值和非稳定像元带来的灰度值的异常波动，导致数据的连续性和可比性受到了严重影响。基于Arcmap 软件平台对1992-2013 年共34 期DMSP/OLS 夜间灯光数据提出了一套较为完整的校正方法，对其进行了重采样、过饱和校正、传感器校正和年际间校正，去除了影像中的异常值，解决了影像的波动性，校正后的像元亮值数量及像元灰度值总和都呈现增幅态势，具有时效性、连续性、稳定性和可比性，在DMSP/OLS 夜间灯光数据研究城市扩张、人口估算和GDP 估算等应用中将更具有准确性。