中國區域DMSP/OLS夜間燈光影像的校正

盧 秀,李 佳,段 平,張碧蓉,李 晨

(1. 云南師范大學旅游與地理科學學院，云南 昆明 650500; 2. 云南省高校資源與環境遙感重點實驗室，云南 昆明 650500; 3. 南京師范大學虛擬地理環境教育部重點實驗室，江蘇 南京 210023)

美國國防軍事氣象衛星(Defense Meteorological Satellite Program,DMSP)搭載的線性掃描系統(operational linescan system,OLS)傳感器與一般接收太陽光輻射地表后反射信號的傳感器不同，OLS傳感器接收的主要是夜間燈光照射下的地面火情、云層分布及云頂溫度，因此該系統具有較強的光電放大能力，使得OLS傳感器可運用到火光、燈光等的探測中[1]。鑒于夜間燈光影像具有很強的光電放大能力，且存儲量小，可直觀反映人類活動，被廣泛應用于城鎮化監測[2-5]、社會經濟因素估算[6-8]、戰爭等重大事件評估[9-11]等方面。

DMSP/OLS夜間燈光數據包括3種圖像產品數據，分別為:①第四版本的非輻射定標夜間平均燈光強度影像產品數據，數據下載網址為：https:∥www.ngdc.noaa.gov/eog/dmsp/downloadV4composites.html。該產品數據目前包括34期影像，時間跨度為：1992—2013年，每期的DN值范圍為0～63。經過濾除云、火光等的偶然噪聲后進行平均化處理得到，每期影像均包括3種數據類型，分別為平均可見光影像、穩定燈光影像和無云觀測頻數影像，一般使用穩定燈光影像對城鎮化監測等進行反演和定量研究，但是各期數據之間缺乏連續性和可比性，且存在數據飽和問題，因此本文研究校正的是該長時間序列的影像數據。②全球輻射定標產品數據。該產品數據是對非輻射定標夜間燈光影像進行的輻射定標試驗，去除或降低燈光數據飽和的問題，該數據產品目前僅包括8期數據，不能實現長時間序列的研究。③平均燈光XPct產品數據。該產品數據來源于無云光監測的平均可見光波段DN值乘以燈光檢測的百分比頻率。

DMSP/OLS夜間燈光影像由于傳感器未經過星上定標，導致長時間序列的各期影像之間缺乏連續性和可比性，且由于光譜分辨率的限制，使得大量的城市中心像元出現DN值為63的集聚飽和現象等問題，因此學者們對以上存在的問題提出相應的解決辦法。2009年，文獻[12]提出了不變目標區域的方法對全球的夜間燈光影像的不連續和不可比問題進行了校正，該方法以Sicily為不變動的參考區域，以F121999為參考數據集，將待校正影像與F121999參考數據集進行比較建立回歸方程。該方法較適用于全球夜間燈光數據的校正，對于某一國家尺度的適用性不強。文獻[3]在Elvidge的基礎上，提出了適合中國區域的夜間燈光影像的校正方法。首先統計分析了中國主要城市1992—2008年的GDP統計數據和建成區面積數據，確定黑龍江省的雞西市為校正中國區域的不變動參考區域，選擇F16的2007年數據作為參考數據集，實現長時間序列DMSP/OLS夜間燈光數據的相互校正、年內融合和年際間校正，卻忽略了影像的飽和問題。文獻[13]基于地理探測器模型驗證分析，提出利用單元路網長度去飽和算法。結合2006年的輻射定標產品數據對2013年DMSP/OLS穩定燈光數據進行飽和校正。文獻[14]結合DMSP/OLS數據和Landsat數據，建立去除水體并且緩解燈光強度飽和的指數RwNTLI，結果表明該方法在一定程度上降低了影像的飽和問題。以上幾位學者提出的方法能夠在一定程度上緩解影像的飽和問題，但是僅局限在單期影像的校正，無法在長時間序列上進行研究。因此，本文旨在對1992—2013年長時間序列的DMSP/OLS夜間燈光影像進行飽和校正、相互校正、年內融合及年際間校正等一系列校正內容，從而解決夜間燈光影像的飽和、影像間不連續及不可比等的問題。

1 校正方法

具體校正思路為：①確定黑龍江省的雞西市為參考區域；②選取已經經過飽和校正的輻射定標產品數據中的2006年F16傳感器的數據作為對連續穩定燈光影像進行飽和校正、相互校正的參考數據集；③對1992年至2013年34期夜間燈光影像進行相同年份的年內融合及不同年份的年際間校正，從而解決燈光影像的飽和、影像間不連續及不可比等問題。

1.1 影像預處理

原始穩定燈光影像的坐標為WGS-84，空間分辨率為30″。研究區域為中國區域，因此根據原始影像裁剪出中國區域影像。為了使投影面積變形最小，對坐標系進行變換，橢球體為D_Krassovsky_1940，投影坐標為Krassovsky_1940_Albers。統一影像分辨率為1000 m。

1.2 中國區域的DMSP/OLS夜間燈光數據校正

1.2.1 影像數據分析

圖1所示為未經校正的中國區域的所有亮值像元(像元DN值大于0)的數量，圖2所示為未經校正的中國區域的所有亮值像元的DN值總和(total DN value,TDV)。可以看出：①同一年份的數據可由不同傳感器進行獲取，且不同傳感器獲取的亮值像元總數量不一致、總DN值不一致；②同一傳感器獲取的不同年份的像元總數量、總DN值存在異常波動；③由于以上兩個問題的存在，導致多期夜間燈光影像間數據不連續、不可比；④由于傳感器光譜分辨率的限制，使得城市中心區域的像元值集聚飽和，DN值最大為63，使得城市中心地帶的差異不明顯。TDV的計算公式為

(1)

式中，DNi表示i像元的DN值；Ni表示i像元的數量。

1.2.2 相互校正與飽和校正

將1992—2013年的34期待校正的穩定燈光影像與輻射定標產品數據中的2006年F16傳感器的數據進行相互校正、飽和校正。不變動的參考區域選擇：黑龍江省的雞西市。分別對待校正影像和輻射定標產品數據裁剪出雞西市的數據，分別統計DN值，進行如式(2)的二次回歸模型計算，將模型結果運用到待校正的34期影像，完成影像的飽和校正、相互校正。

DNcorrect=a×DN2+b×DN+c

(2)

式中，DN表示校正前的亮度值；a、b、c為回歸系數；DNcorrect表示校正后的DN值。

所求結果見表1。

表1 穩定燈光影像二次回歸模型的模型參數

續表1

1.2.3 年內融合

不同傳感器獲取的同一年份的數據不一致，為了充分利用各獨立傳感器獲取的數據，同時為了能夠解決傳感器獲取數據的不連續問題，研究按照式(3)對相互校正及飽和校正后的部分影像進行年內融合。需要進行年內融合的年份包括：1994、1997—2007年。年內融合包括：①兩幅影像對應的某像元的DN值，均為0，則該像元的DN值為0；②否則，取二者的平均值作為該像元的DN值。

DN(n,i)=

(3)

1.2.4 年際間校正

經過年內融合之后，仍然存在不同年份之間的影像不可比的現象，因此對其進行年際間校正。校正依據是：后一年的像元DN值應該不小于前一年同一位置的像元DN值。如式(4)所示，年際間校正包括：①后一年的某像元DN值為0，則前一年的同一位置的像元DN值也為0；②前一年的某像元的DN值大于后一年同位置的像元DN值，則將前一年的DN值賦值給后一年該位置的像元DN值；③否則，后一年的像元DN值為本身的DN值。

(4)

式中，n=1992,1993,1994,…,2013；DN(n-1,i)、DN(n,i)、DN(n+1,i)分別表示影像的像元i在n-1、n、n+1年的DN值。

1.2.5 影像校正結果

對1992—2013年的夜間燈光影像進行以上相互校正、飽和校正，年內融合及年際間校正，校正結果如圖3所示(由于篇幅限制，文中僅列出中國區域1995、2000、2005及2010年的影像的校正結果)。

2 檢驗校正結果

定量檢驗對中國區域夜間燈光影像校正的合理性，分別從2個角度進行校驗：①對校正后影像的亮值像元總數和亮值像元總DN值進行統計，校正后的像元總數和像元總DN值變化趨勢如圖4、圖5所示；②早期文獻[15—16]的研究結果表明，GDP數據與夜間燈光數據在國家或大區域空間尺度上存在線性相關關系，因此，本文研究在省級尺度上對2013年校正前后影像的TDV值進行對比，比較省級尺度GDP與校正前后的TDV值之間的線性相關性，校正前后的相關性如圖6、圖7所示。

校正后的夜間燈光數據每一年的亮值像元總數和總DN值較未校正前的數據均呈現逐漸增長的趨勢。經過校正，充分利用各傳感器獲取的數據，每一年均只有一份有效數據，影像的一致性和連貫性均得到提升。

以2013年的夜間燈光數據為例，對校正前后的夜間燈光TDV值進行統計，并與中國各個省GDP統計數據(除香港、澳門、臺灣的統計數據)進行線性關系比較，發現校正前的TDV值與GDP之間的相關性并不高，且數據點雜亂分布，不呈現明顯的相關性，R2僅為0.333 3。校正后的TDV值與GDP的相關性較高，R2為0.791 8，影像數據得到了較好的校正。

3 結 語

本文研究對中國區域1992—2013年的DMSP/OLS夜間燈光影像進行了校正，包括：相互、飽和校正，年內融合，年際間校正等步驟，并對校正結果從一致性、連貫性及與GDP的相關性等角度進行驗證，校正結果較好，可使DMSP/OLS夜間燈光數據充分發揮其功能性和時效性，后續可用于GDP、人口等統計數據的長時間序列擬合，用于城市群演化、城鎮空間擴展等研究。