一种面向区域尺度的DMSP／OLS夜间灯光影像校正方法

摘 要：针对美国国防气象卫星计划（Ｄｅｆｅｎｓｅ Ｍｅｔｅｏｒｏｌｏｇｉｃａｌ Ｓａｔｅｌｌｉｔｅ Ｐｒｏｇｒａｍ，ＤＭＳＰ）／ 线性扫描业务系统（ＯｐｅｒａｔｉｏｎａｌＬｉｎｅｓｃａｎ Ｓｙｓｔｅｍ，ＯＬＳ） 夜间灯光影像存在大量饱和像元的问题，提出一种基于不饱和像元校正的去饱和方法。以北京市为研究区，提取出待校正影像内不饱和灯光像元与参考影像相应像元拟合，通过幂函数回归模型将参考影像校正到各期待校正影像尺度，得到饱和像元的真实灯光值；建立相互校正模型将待校正影像统一校正到参考影像尺度上，使影像具有可比性；利用连续性校正获得北京市１９９２—２０１３ 年时间序列影像数据。结果表明，该校正方法更大程度地改善了ＤＭＳＰ ／ ＯＬＳ 像元饱和现象，与ＧＤＰ 和人口的拟合优度分别为０． ７１６ 和０． ８１２，相比不变目标区域校正方法（ＧＤＰ：Ｒ２ ＝ ０． ６１３；人口：Ｒ２ ＝ ０． ７１３），相关性有明显提高。该校正方法能消除地域间的差异，提高了夜间灯光影像的数据质量，形成较为优质的影像序列数据集。

关键词：美国国防气象卫星计划／ 线性扫描业务系统；夜间灯光；连续性；校正方法；ＧＤＰ

中图分类号：Ｐ２３７ 文献标志码：Ａ 开放科学（资源服务）标识码（ＯＳＩＤ）：

文章编号：１００３－３１０６（２０２４）０６－１４８１－０８

０ 引言

夜间灯光影像在表征城市化进程和人类活动强度方面具有广泛的应用［１］，在能源消耗和碳排放等领域提供了独特的研究视角。传感器将发光体所在的空间位置于影像对应位置赋予灯光值，使其区别于其他黑暗的无光亮的区域，其中人类集聚程度越高和经济发达的地区灯光值越大，且灯光区较为集中呈连片效应，能直观地以视觉角度对比各城市经济发展状况。相对其他遥感影像，夜光影像能更好地反映社会发展规律［２］，其研究主要集中在灾难评估［３］、碳排放［４－６］、贫困地区识别［７］、经济空间化［８］等领域，已逐渐成为研究国家尺度和乃至省市甚至更小尺度的各种人类社会活动及各类自然现象的指标［９］，具有相当大的研究前景。

目前被广泛应用的夜光数据是美国国防气象卫星计划（Ｄｅｆｅｎｓｅ Ｍｅｔｅｏｒｏｌｏｇｉｃａｌ Ｓａｔｅｌｌｉｔｅ Ｐｒｏｇｒａｍ，ＤＭＳＰ）搭载的可见红外成像线性扫描业务系统（Ｏｐｅ-ｒａｔｉｏｎａｌ Ｌｉｎｅｓｃａｎ Ｓｙｓｔｅｍ，ＯＬＳ）所生产的夜间灯光影像数据集。因为传感器自身原因，致使影像存在大量饱和像元，不利于用该套数据集进行长时间序列的研究。因此，像元的饱和问题、影像间不具可比性和不连续性问题，成为生产长时间序列夜间灯光影像数据亟待解决的难题［１０－１１］，较大程度地限制了夜光影像的应用范围。

对ＤＭＳＰ ／ ＯＬＳ 影像校正常用的是不变目标区域法［１２－１４］，用一幅辐射定标影像对非辐射定标数据进行校正，此方法解决了不同传感器获取的影像间不具备可比性的问题，但只在一定程度上拉伸了像元值域，并未彻底解决像元饱和的问题。不变目标区域较多选择鸡西或鹤岗市等经济发展较慢的地区，若研究区为小尺度地区，则只能先对全国进行校正，再将研究区裁剪下来，地区之间存在差异，以此校正方法得到的影像数据可能缺乏精确性。除此之外，部分学者采用辅助数据对影像去饱和，如道路数据和ＥＶＩ 指数［１５］等，但因算法复杂，而应用较少。

基于此，本文以北京市为例，提出一种基于不饱和灯光像元的传感器校正方法，用非辐射定标影像中有灯光值且不饱和的像元，与辐射定标影像相应像元拟合，将辐射定标影像拟合到各期非辐射定标影像尺度，得到饱和像元的真实灯光值。以此消除不同地区间的差异，更大程度地对像元去饱和。对影像进行相互校正和连续性校正，形成逐年增长、具有可比性的长时间序列影像数据集。校正后的数据在人口分布和经济发展等方面的研究更具可靠性与科学性。

１ 数据来源

ＤＭＳＰ ／ ＯＬＳ 夜间灯光影像由美国国家地球物理数据中心（Ｎａｔｉｏｎａｌ Ｇｅｏｐｈｙｓｉｃａｌ Ｄａｔａ Ｃｅｎｔｅｒ，ＮＧＤＣ）提供，常用影像产品为第四版ＤＭＳＰ ／ ＯＬＳ 灯光数据和辐射定标灯光数据。第四版ＤＭＳＰ ／ ＯＬＳ 灯光数据由６ 个不同传感器获取１９９２—２０１３ 年，共３４ 期夜光影像，如表１ 所示。影像已去除极光和野火等不稳定光源，年均灰度（ＤＮ）值为０ ～ ６３。不同传感器间所获取的影像不具有可比性，因此在用ＤＭＳＰ ／ ＯＬＳ 夜光影像进行长时间序列研究前需进行相互校正。由于传感器所能表示的像元ＤＮ 值最大为６３，即当达到饱和后，传感器无法表示出更强的灯光，进而会造成城市中心出现大量ＤＮ 值为６３ 的像元聚集现象，不利于相关研究，因此需要对影像进行饱和校正。

本文使用的行政区划数据来源于全国地理信息资源目录服务系统；北京市１９９２—２０１３ 年ＧＤＰ 和人口数据来自北京市统计局发布的《北京统计年鉴》。

２ 校正方法

对于ＤＭＳＰ ／ ＯＬＳ 夜间灯光数据的校正多集中于国家尺度，且多参考曹子阳等［１２］所提出的校正方法。部分学者的相关研究常基于小尺度地区［１６］，这就需先在国家尺度上对ＤＭＳＰ ／ ＯＬＳ 夜光数据进行校正，再掩膜提取出所要研究的区域，各地区间有一定差异，以该方法得到的小尺度地区长时间序列的影像数据集准确性有待提高，对于ＤＭＳＰ ／ ＯＬＳ 夜光数据的饱和问题也未彻底解决。针对上述问题，本文提出一种基于不饱和像元的ＤＭＳＰ ／ ＯＬＳ 夜光数据校正方法，能有效解决不同地区间的差异性和灯光像元值饱和问题。

首先掩膜提取出北京市的夜间灯光影像，然后将提取的影像数据投影至兰伯特等面积投影，并重采样为１ ０００ ｍ×１ ０００ ｍ。在辐射定标影像数据中选择Ｆ１６２００６ 作为参考影像，对３４ 期待校正影像进行校正，最终获得北京市１９９２—２０１３ 年夜间灯光影像数据集。影像校正流程如图１ 所示。

２． １ 饱和校正

学者们相继提出了不同的改进ＤＭＳＰ ／ ＯＬＳ 夜光数据饱和问题的方法［１７－１９］，但均只能一定程度拉伸像元值域，不能彻底解决该问题。基于此，本文提出一种以不饱和像元为拟合对象，将辐射校正后的夜光影像拟合到待校正影像尺度的方法。将辐射校正影像与３４ 期待校正影像进行线性、对数、二次多项式、三次多项式以及幂数拟合后，选择相关系数Ｒ２（表２）较高的幂函数作为校正方程（式（１）），并将待校正夜光影像中ＤＮ 值为６３ 的像元由拟合后的辐射校正夜光影像所代替（式（２））。为提高拟合准确性，将北京市中待校正影像ＤＮ 值为６３ 的像元剔除，只选用有灯光值且不饱和的像元进行回归分析。采用上述方法，得到用辐射校正影像校正后的北京市１９９２—２０１３ 年３４ 期去饱和夜间灯光影像数据。

式中：ＤＮ 为辐射校正后的北京市夜间灯光影像的ＤＮ 值，ＤＮ′为辐射校正影像通过校正方程拟合到相应待校正影像的ＤＮ 值，ＤＮ１ 为北京市３４ 期待校正夜间灯光影像的ＤＮ 值，ＤＮ′１ 为北京市去饱和后的３４ 期夜间灯光影像的ＤＮ 值，ａ、ｂ 为模型参数。

２． ２ 相互校正

由于１９９２—２０１３ 年ＤＭＳＰ ／ ＯＬＳ 夜间灯光影像由６ 种不同传感器获取，因此还存在着不同影像间无可比性的问题，由此，用北京市去饱和后的３４ 期夜光影像为自变量，辐射校正后的夜光数据为因变量，用提取工具将所有像元ＤＮ 值列入灰度矩阵中。选用回归系数较高的幂函数建立校正模型（式（３）），将３４ 期去饱和后的影像拟合到相同尺度，使其具有可比性。

ＤＮ２ ＝ ｃ × ＤＮ′１ｄ ， （３）

式中：ＤＮ２ 为北京市校正后影像ＤＮ 值，ｃ、ｄ 为模型参数。

２． ３ 连续性校正

连续性校正分为年内校正和年际间校正，由于传感器自身差异，经相互校正后的相同年份不同传感器之间所获取的ＤＮ 值有所不同，为使北京市内像元灯光值表达的更准确，对相同年份不同夜光影像进行年内融合。若２ 幅同年影像中同一位置的像元值均为０，则融合后影像的相同位置像元ＤＮ 值也为０；否则，为２ 幅影像的均值。

式中：ＤＮｕ（ｎ，ｉ ）、ＤＮｖ（ｎ，ｉ ）分别为北京市第ｎ 年校正后的２ 期夜光影像中ｉ 像元的ＤＮ 值，ＤＮ（ｎ，ｉ ）为北京市年内融合后第ｎ 年夜光影像中ｉ 像元的ＤＮ 值。

经饱和校正、相互校正和年内校正后的ＤＭＳＰ ／ＯＬＳ 影像在长时间序列上仍存在个别像元的亮度值有波动的现象。近几十年来，我国经济不断增长，因此，可假设北京市１９９２—２０１３ 年的夜光影像，在相同位置的像元灯光值是不断增加的，即后一年的像元灯光值不应小于前一年的灯光值［２０］。基于此，对北京市１９９２—２０１３ 年的ＤＭＳＰ ／ ＯＬＳ 夜光影像进行年际间校正：

式中：ＤＮ（ｎ＋ １ ，ｉ ）、ＤＮ（ｎ，ｉ ）、ＤＮ（ｎ－ １ ，ｉ ）分别为北京市第ｎ＋１ 年、第ｎ 年和第ｎ－１ 年经校正后的夜间灯光影像第ｉ 像元的ＤＮ 值。

３ 结果与分析

为检验改进后的非辐射夜间灯光影像数据校正方法的科学性，选择北京市为研究区，从定性和定量２ 个角度与不变目标区域校正方法获得的结果进行对比分析。

３． １ 影像定性评价

为更好对比不变目标区域的校正方法所得的结果，与基于不饱和像元的校正方法所得的结果的异同点，用未经饱和校正和相互校正的非辐射夜间灯光影像与经过２ 种方法处理后的夜光数据进行比较分析。选取２０１３ 年为研究对象，采用目视解译法从定性角度展示３ 种影像的细节变化。如图２ 所示（审图号：ＧＳ（２０１６）２５５６），图２（ａ）为Ｆ１８２０１３ 年未经校正的夜光影像，图２（ｂ）为采用不变目标区域校正法对中国区域校正后裁剪出北京市的夜光影像，图２（ｃ）为基于不饱和像元的校正方法处理后的结果。

由图２ 可以看出，原始影像像元的ＤＮ 值域为［０，６３］，有大量饱和像元聚集在市区中心，造成大片白光，无法展示繁华区域内部层次结构。而用２ 种方法校正后的夜光影像像元的ＤＮ 值域均大于６３，高于原始影像，表明影像的饱和问题得到了一定程度缓解。但相比之下，去除极大值后，用不变目标区域校正法校正后的影像ＤＮ 最大值为１６６，而采用不饱和像元的方法校正后的影像最大值为３３８，就去饱和程度而言，本文所提出的方法更优。

３． ２ 影像定量评价

为验证提出的校正方法的合理性，提取北京市未经校正的３４ 期非辐射夜间灯光数据、经不变目标区域校正法校正后的夜光数据和经不饱和像元方法校正后的夜光数据，计算３ 种影像数据的亮值像元总数（Ｔｏｔａｌ Ｌｉｔ Ｐｉｘｅｌ，ＴＬＰ）和亮值像元ＤＮ 值总和（Ｔｏｔａｌ ＤＮ ｖａｌｕｅ，ＴＤＮ）进行分析比较，结果如图３所示。

由图３ 可以看出，在长时间序列中原始影像的ＴＤＮ 波动变化呈无序现象，个别传感器所生成的连续影像也具有波动特性，且同年份但不同传感器间所获取的影像不具有可比性，差异较大。经２ 种方法校正后影像更符合现实情况，北京市内像元ＴＤＮ呈逐年上升趋势，与不断增长的经济相吻合，但相比之下，不变目标区域法校正后的ＴＤＮ 增长趋势逐年放缓，而不饱和像元法校正的影像并不明显，更符合这些年北京市经济发展的特性。相同年份中不饱和像元法校正的ＴＤＮ 更高。究其原因，不变目标区域校正法只能一定程度上拉伸像元ＤＮ 值域，而本文提出的方法较为彻底地去除了像元饱和现象，对于经济发达的城市改进后的校正方法愈加具有优势；原始影像的ＴＬＰ 变化较大，呈无序波动，而校正后的２ 套夜间灯光影像在长时间序列中ＴＬＰ 整体效果较好，呈逐年缓慢增长趋势，且２ 种方法校正后的影像在相同年份中ＴＬＰ 差别不大，因此也相互验证了２ 种方法在连续性校正方面的合理性。

以上研究表明，经改进后的校正方法校正的长时间序列夜光数据不仅具有连续性，且很好地解决了像元饱和问题。

３． ３ 影像校正后的质量检验

社会经济与夜间灯光具有较好的相关性，已有相关学者用夜间灯光反映各级尺度的社会经济活动［２１－２３］，进而可用经济验证校正后夜间灯光数据的质量。用２ 种方法校正的北京市夜间灯光结果数据分别与ＧＤＰ 和人口进行拟合，对其相关性作了分析，如图４ 所示。以此检验校正后的长时间序列影像数据集的质量，从侧面也可反映夜光影像数据与社会经济参量拟合的潜力。

由图４ 可以看出，基于不变目标区域校正法校正的结果数据与ＧＤＰ 和人口回归分析，Ｒ２ 分别达到０． ６１３、０． ７１３；基于不饱和像元校正法校正的结果数据与ＧＤＰ 和人口回归分析，Ｒ２ 分别达到０． ７１６、０． ８１２，与之相比，基于后者方法校正的结果数据在与ＧＤＰ 和人口拟合后，Ｒ２ 均提高０． １ 左右，一定程度上增强了与社会经济间的线性关系。由上可知，本文所提出的夜间灯光校正方法能较好地提升夜光影像的质量。

４ 结束语

本文基于不饱和像元对ＤＭＳＰ ／ ＯＬＳ 夜间灯光影像去饱和校正与相互校正方面进行改进，经过连续性校正后形成逐年增长、具有可比性的长时间序列夜光影像数据集。相较传统不变目标区域校正方法，本文改进方法的优点如下：

① 选择北京市不饱和灯光像元与参考影像相应灯光像元回归分析，消除地区间的差异，剔除饱和像元能一定程度提高待校正影像和参考影像间的相关关系，有效改善影像质量，更符合实际情况。

② 对于影像的饱和校正，先用幂函数回归模型将辐射定标影像校正到各期非辐射定标影像尺度，以此得到饱和像元的真实灯光值，较为彻底地对影像进行去饱和。采用拟合优度较高的幂函数模型将各期去饱和后的待校正影像，校正到参考影像尺度，完成传感器校正，使３４ 期影像具有可比性。

③ 通过与社会经济参量拟合可得，基于不饱和像元校正法校正的结果数据拟合优度更高，比采用不变目标区域校正方法得到的结果数据更具研究价值。

ＤＭＳＰ ／ ＯＬＳ 夜间灯光影像的校正方法还较少，仍处于研究发展阶段，尤其是结合其他数据的校正方法仍有一些问题亟待解决。采用本文提出的基于不饱和像元的校正方法，能够获得质量较高的长时间序列灯光数据集，但像元较大，一些细节信息不能被很好地表现出来。因此，结合道路和兴趣点等数据具有较广的前景，可扩展该套夜间灯光数据的应用范围。

参考文献

［１］ 李雪萍，贡璐． ＤＭＳＰ ／ ＯＬＳ 和ＶＩＩＲＳ ／ ＤＮＢ 夜间灯光影像的校正及拟合［Ｊ］． 测绘通报，２０１９（７）：１３８－１４６．

［２］ 梁丽，边金虎，李爱农，等． 中巴经济走廊ＤＭＳＰ ／ ＯＬＳ与ＮＰＰ ／ ＶＩＩＲＳ 夜光数据辐射一致性校正［Ｊ］． 遥感学报，２０２０，２４（２）：１４９－１６０．

［３］ 范俊甫，何惠馨，胡桃英，等． 一种叙利亚战争城市破坏程度的评估方法［Ｊ］． 测绘科学，２０１８，４３（９）：１２９－１３４．

［４］ 狄乾斌，侯智文，陈小龙． 基于夜间灯光数据的中国海岛县碳排放时空分异及影响因素研究［Ｊ］． 地理与地理信息科学，２０２２，３８（６）：２３－２８．

［５］ 王艳军，王孟杰，柳林，等． ＤＭＳＰ ／ ＯＬＳ 夜光数据的珠三角碳排放时空差异性分析［Ｊ］． 遥感学报，２０２２，２６（９）：１８２４－１８３７．

［６］ 刘贤赵，杨旭． 夜间灯光数据估算中国省域碳排放与国际碳数据库分配的碳排放比较［Ｊ］． 遥感技术与应用，２０２２，３７（２）：３１９－３３２．

［７］ ＥＬＶＩＤＧＥ Ｃ Ｄ，ＳＵＴＴＯＮ Ｐ Ｃ，ＧＨＯＳＨ Ｔ，ｅｔ ａｌ． Ａ ＧｌｏｂａｌＰｏｖｅｒｔｙｍａｐ Ｄｅｒｉｖｅｄ ｆｒｏｍ Ｓａｔｅｌｌｉｔｅ Ｄａｔａ ［Ｊ］． Ｃｏｍｐｕｔｅｒｓ ＆Ｇｅｏｓｃｉｅｎｃｅｓ，２００９，３５（８）：１６５２－１６６０．

［８］ 马瑞雪，付波霖，何宏昌，等． 基于夜光遥感的ＧＤＰ 空间化建模及动态分析———以河南省为例［Ｊ］． 桂林理工大学学报，２０２０，４０（３）：５５７－５６７．

［９］ 关靖云，李东，王亚菲，等． 中国区域ＤＭＳＰＯＬＳ 与ＮＰＰＶＩＩＲＳ 夜间灯光影像校正［Ｊ］． 测绘通报，２０２１（９）：１－８．

［１０］ ＣＡＯ Ｘ，ＨＵ Ｙ，ＺＨＵ Ｘ Ｌ，ｅｔ ａｌ． Ａ Ｓｉｍｐｌｅ ＳｅｌｆａｄｊｕｓｔｉｎｇＭｏｄｅｌ ｆｏｒ Ｃｏｒｒｅｃｔｉｎｇ ｔｈｅ Ｂｌｏｏｍｉｎｇ Ｅｆｆｅｃｔｓ ｉｎ ＤＭＳＰＯＬＳＮｉｇｈｔｔｉｍｅ Ｌｉｇｈｔ Ｉｍａｇｅｓ［Ｊ］． Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ ｏｆ Ｅｎｖｉｒｏｎｍｅｎｔ，２０１９，２２４：４０１－４１１．

［１１］ ＺＨＥＮＧ Ｚ Ｈ，ＣＨＥＮ Ｙ Ｂ，ＷＵ Ｚ Ｆ，ｅｔ ａｌ． Ｔｈｅ ＤｅｓａｔｕｒａｔｉｏｎＭｅｔｈｏｄ ｏｆ ＤＭＳＰ ／ ＯＬＳ Ｎｉｇｈｔｔｉｍｅ Ｌｉｇｈｔ Ｄａｔａ Ｂａｓｅｄ ｏｎ Ｖｅｃｔｏｒ Ｄａｔａ：Ｔａｋｉｎｇ ｔｈｅ Ｒａｐｉｄｌｙ Ｕｒｂａｎｉｚｅｄ Ｃｈｉｎａ ａｓ ａｎＥｘａｍｐｌｅ［Ｊ］． Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｒｎａｌ ｏｆ Ｇｅｏｇｒａｐｈｉｃａｌ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｃｉｅｎｃｅ，２０１８，３３（３）：４３１－４５３．

［１２］ 曹子阳，吴志峰，匡耀求，等． ＤＭＳＰ ／ ＯＬＳ 夜间灯光影像中国区域的校正及应用［Ｊ］． 地球信息科学学报，２０１５，１７（９）：１０９２－１１０２．

［１３］ ＥＬＶＩＤＧＥ Ｃ Ｄ，ＺＩＳＫＩＮ Ｄ，ＢＡＵＧＨ Ｋ Ｅ，ｅｔ ａｌ． Ａ ＦｉｆｔｅｅｎＹｅａｒ Ｒｅｃｏｒｄ ｏｆ Ｇｌｏｂａｌ Ｎａｔｕｒａｌ Ｇａｓ Ｆｌａｒｉｎｇ Ｄｅｒｉｖｅｄ ｆｒｏｍＳａｔｅｌｌｉｔｅ Ｄａｔａ［Ｊ］． Ｅｎｅｒｇｉｅｓ，２００９，２（３）：５９５－６２２．

［１４］ ＷＵ Ｊ Ｓ，ＨＥ Ｓ Ｂ，ＰＥＮＧ Ｊ，ｅｔ ａｌ． Ｉｎｔｅｒｃａｌｉｂｒａｔｉｏｎ ｏｆＤＭＳＰＯＬＳ Ｎｉｇｈｔｔｉｍｅ Ｌｉｇｈｔ Ｄａｔａ ｂｙ ｔｈｅ Ｉｎｖａｒｉａｎｔ ＲｅｇｉｏｎＭｅｔｈｏｄ ［Ｊ］． Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｒｎａｌ ｏｆ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ，２０１３，３４（２０）：７３５６－７３６８．

［１５］ 卓莉，张晓帆，郑瞡，等． 基于ＥＶＩ 指数的ＤＭＳＰ ／ ＯＬＳ夜间灯光数据去饱和方法［Ｊ］． 地理学报，２０１５，７０（８）：１３３９－１３５０．

［１６］ 蓝婷，余明，徐智邦，等． 基于ＤＭＳＰ ／ ＯＬＳ 的闽东南地区１９９２－２０１３ 年城市发展格局与扩展过程研究［Ｊ］． 福建师范大学学报（自然科学版），２０１７，３３（４）：７３－８０．

［１７］ ＥＬＶＩＤＧＥ Ｃ Ｄ，ＢＡＵＧＨ Ｋ，ＤＩＥＴＺ Ｊ Ｂ，ｅｔ ａｌ． ＲａｄｉａｎｃｅＣａｌｉｂｒａｔｉｏｎ ｏｆ ＤＭＳＰ-ＯＬＳ Ｌｏｗｌｉｇｈｔ Ｉｍａｇｉｎｇ Ｄａｔａ ｏｆ Ｈｕ-ｍａｎ Ｓｅｔｔｌｅｍｅｎｔｓ ［Ｊ］． Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ ｏｆ Ｅｎｖｉｒｏｎｍｅｎｔ，１９９９，６８（１）：７７－８８．

［１８］ ＬＥＴＵ Ｈ，ＨＡＲＡ Ｍ，ＹＡＧＩ Ｈ，ｅｔ ａｌ． Ｅｓｔｉｍａｔｉｎｇ ＥｎｅｒｇｙＣｏｎｓｕｍｐｔｉｏｎ ｆｒｏｍ Ｎｉｇｈｔｔｉｍｅ ＤＭＳＰ ／ ＯＬＳ Ｉｍａｇｅｒｙ ＡｆｔｅｒＣｏｒｒｅｃｔｉｎｇ ｆｏｒ Ｓａｔｕｒａｔｉｏｎ Ｅｆｆｅｃｔｓ［Ｊ］． Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｒｎａｌｏｆ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ，２０１０，３１（１６）：４４４３－４４５８．

［１９］ ＺＨＡＮＧ Ｑ Ｌ，ＳＣＨＡＡＦ Ｃ，ＳＥＴＯ Ｋ Ｃ． Ｔｈｅ Ｖｅｇｅｔａｔｉｏｎ Ａｄｊｕｓｔｅｄ ＮＴＬ Ｕｒｂａｎ Ｉｎｄｅｘ：Ａ Ｎｅｗ Ａｐｐｒｏａｃｈ ｔｏ Ｒｅｄｕｃｅ Ｓａｔｕｒａｔｉｏｎ ａｎｄ Ｉｎｃｒｅａｓｅ Ｖａｒｉａｔｉｏｎ ｉｎ Ｎｉｇｈｔｔｉｍｅ Ｌｕｍｉｎｏｓｉｔｙ［Ｊ］． Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ ｏｆ Ｅｎｖｉｒｏｍｅｎｔ，２０１３，１２９：３２－４１．

［２０］ ＬＩＵ Ｚ Ｆ，ＨＥ Ｃ Ｙ，ＺＨＡＮＧ Ｑ Ｆ，ｅｔ ａｌ． Ｅｘｔｒａｃｔｉｎｇ ｔｈｅ Ｄｙｎａｍｉｃｓ ｏｆ Ｕｒｂａｎ Ｅｘｐａｎｓｉｏｎ ｉｎ Ｃｈｉｎａ Ｕｓｉｎｇ ＤＭＳＰＯＬＳＮｉｇｈｔｔｉｍｅ Ｌｉｇｈｔ Ｄａｔａ ｆｒｏｍ １９９２ ｔｏ ２００８ ［Ｊ］． Ｌａｎｄｓｃａｐｅａｎｄ Ｕｒｂａｎ Ｐｌａｎｎｉｎｇ，２０１２，１０６（１）：６２－７２．

［２１］ 王珂靖，蔡红艳，杨小唤，等． 基于城镇居民用地再分类的人口数据空间化方法研究———以长江中游４ 省为例［Ｊ］． 遥感技术与应用，２０１５，３０（５）：９８７－９９５．

［２２］ 常定坤，王钦军，杨静怡，等． 海南岛ＧＤＰ 与夜间灯光指数之间的关系模型研究［Ｊ］． 测绘通报，２０２２（增刊２）：１５６－１６１．

［２３］ 马丹，程辉，毛艳玲，等． 基于ＤＭＳＰ ／ ＯＬＳ 夜间灯光影像的省际经济发展水平评估模型研究［Ｊ］． 应用科学学报，２０１７，３５（５）：６４７－６５７．

作者简介

朱军桃 男，（１９７０—），硕士，教授。主要研究方向：工程测量与测绘数据处理。

（*通信作者）李海林 男，（１９９８—），硕士研究生。主要研究方向：夜间灯光遥感数据应用。

兰荣添 男，（１９９８—），硕士研究生。主要研究方向：ＧＮＳＳ 数据处理。

任招财 男，（１９９９—），硕士研究生。主要研究方向：夜间灯光遥感数据应用。

陈荣生 男，（２０００—），硕士研究生。主要研究方向：夜间灯光遥感数据应用。

基金项目：国家自然科学基金（４１４６１０８９）