DMSP/OLS和VIIRS/DNB夜間燈光影像的校正及擬合

李雪萍，貢 璐

(1. 新疆大學資源與環境科學學院，新疆 烏魯木齊 830046； 2. 新疆大學綠洲生態教育部重點實驗室，新疆 烏魯木齊 830046)

夜間燈光數據能夠表征人類活動強度和城市化進程，應用最廣泛的夜間燈光數據為美國國防氣象衛星(defense meteorological satellite program，DMSP)搭載的可見紅外成像線性掃描業務系統(operational linescan system，OLS)數據及美國新一代國家極軌衛星(Suomi national polarorbiting partnership，Suomi-NPP)搭載的可見光近紅外成像輻射(visible infrared imaging radiometer suite，VIIRS)傳感器數據[1]。夜間燈光影像將城鎮夜光及其他發光體表征為亮值斑塊即燈光區，使城鎮等發光體明顯區別于黑暗的無燈光背景區，避免了傳統遙感影像城鎮區域與非城鎮區域混淆問題，為監測人類活動提供了數據源，在宏觀尺度的城市研究中具有巨大的潛力和應用前景。

由于OLS傳感器設計局限導致DMSP/OLS影像之間不連續、像元DN值過飽和等問題，數據于2013年截止，現被VIIRS白天/夜間波段(day and night band，DNB)夜間燈光數據取代。為獲得長時間序列穩定的夜間燈光數據，需要對兩者夜間燈光數據進行校正與擬合。目前，部分學者針對DMSP/OLS數據提出了多種不變目標區域的相互校正方法，這些研究選擇亮值年際變化小的區域作為標準區域，確立參考影像數據，對其他年份影像數據建立各類回歸模型進行相互校正，形成了適用于我國區域完整的夜間燈光影像校正的技術方法[2-6]。后又有學者提出了各種基于植被指數構建城市燈光指數為DMSP/OLS數據去飽和的方法，該類方法側重單一影像校正，不同年際影像校正需獲取相應年植被指數數據[7-9]。而VIIRS/DNB數據在城市研究中需要去除火點噪聲，且該數據存在時間短，不足以支持長時間序列的研究。大多數學者在長時間序列研究中對兩種夜間燈光數據設置不同的處理方法，降低了結果的可比性，對兩者數據擬合的研究鮮有報道。

為研究校正后獲得的長時間序列夜間燈光數據的效果，對其模擬社會經濟參量的能力進行探索，選擇新疆連續年份的夜間燈光數據模擬社會經濟參量。以往基于兩種夜間燈光數據的社會經濟參量研究在省級和縣級兩個尺度上與區域社會經濟參量進行回歸分析，大多數研究是單一年份數據的線性模擬或兩種數據的對比模擬，且在部分模擬研究中沒有對數據進行校正，少有研究長時間序列下校正后的模擬[10-12]。利用校正后的夜間燈光數據對社會經濟參量模擬的研究有助于提升數據可靠性與解釋力，對數據廣泛應用具有重要意義。

本文選擇不變目標區域法先校正DMSP/OLS影像數據，用校正后的DMSP/OLS影像數據對VIIRS/DNB進行重分類，利用兩者在時間和空間上的重疊數據對VIIRS/DNB影像數據進行線性擬合；選擇新疆不同年份的夜間燈光數據模擬社會經濟參量，分析校正后長時間序列夜間燈光數據與部分社會經濟參量的關系，以得到長時間序列連續穩定的夜間燈光數據，提升數據可比性及應用能力，拓展夜間燈光數據的應用范圍，加強對長時間序列下人類活動及其生態環境影響的理解。

1 數據源及數據概況

1.1 數據源

DMSP/OLS穩定夜間燈光影像數據集由美國國家海洋與大氣管理局(National Oceanic and Atmospheric Administration,NOAA)下屬的美國國家地球物理數據中心(National Geophysical Data Center，NGDC)發布，選擇全部34期影像，影像數據集由6個不同的DMSP衛星F10(1992—1994年)、F12(1994—1999年)、F14(1997—2003年)、F15(2000—2007年)、F16(2004—2009年)、F18(2010—2013年)獲取。全部影像均在NGDC的網站下載。

北半球的VIIRS/DNB合成的月平均燈光輻射數據集，冬季像元DN值受積雪影響，夏季像元DN值受植被影響，因此，選擇2012—2017年10月影像數據，全部影像在NGDC的網站下載。

本文在處理過程中使用的中國縣級行政區劃矢量數據來自國家基礎地理信息中心的全國1∶400萬數據庫，新疆1996—2016年年末人口總數、生產總值、平均每天耗電量、建設用地數據來自新疆維吾爾自治區統計局發布的《新疆統計年鑒》。

1.2 數據概況分析

DMSP/OLS穩定夜間燈光輻射數據產品包括由多個DMSP衛星傳感器獲取的1992—2013年共34期影像，影像去除了極光、野火等不穩定光源，以及月光、云的干擾，最后的數據值為無云圖幅穩定光的年均灰度(DN)值，其范圍是0～63。該影像數據集是由DMSP不同傳感器獲得的，而不同DMSP衛星搭載的OLS傳感器具有不同的輻射探測性能、飛行前輻射標定，探測光譜波段也存在細微差別，且隨著時間的推移，各傳感器的輻射探測能力也逐漸衰退。影像數據未進行星上輻射校正和相互校正，造成同一個衛星傳感器獲取的連續不同年度的影像間相同位置的亮值像元DN值之間的異常。且由不同的傳感器獲取的同一年度的影像數據之間存在差異，主要表現為影像中的亮值像元的DN值總和不相等，以及影像間相同位置的亮值像元的DN值不同。長時間序列的DMSP/OLS穩定夜間燈光影像數據集存在的這些問題導致不同年份、不同傳感器間的長時間序列數據不具有連續性和可比性。因此，利用該數據集進行長時間尺度的應用研究時，必須進行相互校正。但影像中像元最大值DN值為63，且許多城市核心區域出現了大量DN值為63的像元聚集情況，由此可推斷影像中的像元DN值出現了飽和現象。像元DN值飽和會導致影像所表示的某一區域的燈光強度值低于其真實值，進而在燈光強度指標的相關研究中會產生誤差，影響研究的準確性，因此影像需進行飽和校正。

VIIRS傳感器的DNB探測通道繼承了DMSP上OLS傳感器的微光探測能力，增強了探測敏感度，提高了空間分辨率，兩者傳感器參數對比見表1。VIIRS/DNB合成的月平均燈光輻射數據產品自2012年4月至今每月一期影像，影像過濾了雜散光、閃電、月光、云覆蓋的影響，同時保留了極光、火、船及其他暫時性燈光。且該數據不存在DMSP/OLS穩定夜間燈光影像數據的問題，解決了像元DN值過飽和現象，其在軌檢驗校正程序也進一步提高了影像的清晰度。

表1 OLS和VIIRS傳感器的參數比較

應用ArcGIS軟件對兩者影像進行數據預處理，以我國縣級行政邊界面狀數據為掩膜，提取所有數據的我國行政區域影像。所有數據的地理坐標系均為WGS-84坐標系，投影坐標系為蘭伯特等面積投影坐標系，同時將影像數據空間重采樣為1 km。應用ArcGIS軟件數據管理模塊的柵格屬性工具集為影像創建柵格屬性數據表，根據屬性表提取影像DN值大于0的像元，對像元DN值進行統計分析，統計出影像的亮值像元DN值總和(total DN value，TDN)和亮值像元的總數量(total lit pixel，TLP)隨時間變化的趨勢，分析結果如圖1所示。其影像亮值像DN值總和(TDN)的計算公式為

(1)

式中，DNi表示影像中i像元的DN值；Ci表示影像中i像元的數量。

DMSP/OLS穩定夜間燈光影像數據像元的TDN和TLP隨時間變化總體呈上升的趨勢，但由圖1可看出同一傳感器不同年份TDN和TLP異常波動，說明同一傳感器不同年份影像數據中存在大量非穩定亮值像元，即在上一年探測到的像元在后一年中不存在；不同傳感器同年份TDN和TLP差異較大，說明不同傳感器同年影像數據中存在大量不一致像元，即不同傳感器同年的亮值像元在數量、質量和地理位置上不一致。VIIRS/DNB影像數據像元TDN和TLP在2013年大幅度增加，2013年后總體呈緩慢下降的趨勢，結合DMSP/OLS影像數據2013年像元TDN和TLP，說明我國在2013年城市化發展迅速；之后我國部分發達城市燈光數據可能達到穩定飽和，即在數量和質量上趨于穩定，在地理位置上由城市中心向外擴散。

圖1表明影像數據的像元的TDN和TLP不在同一數量級內，且由于兩者數據由不同傳感器獲得，兩者之間存在極大的差異，因此在研究中很少有學者同時使用這兩種數據，僅有少量學者用不同處理方法將其運用在定性研究中。由于VIIRS/DNB數據的質量高于DMSP/OLS數據，故本文對VIIRS/DNB合成的月平均燈光輻射數據進行變換，擬合DMSP/OLS穩定夜間燈光影像數據，以達到同時使用的目的。

2 數據校正

運用不變目標校正法，對我國區域DMSP/OLS穩定夜間燈光影像數據進行了傳感器間相互校正、連續性校正及過飽和校正；利用不變目標結合校正后DMSP/OLS 2012年穩定夜間燈光影像數據為參考，校正重分類后的VIIRS/DNB合成的月平均燈光輻射數據，并對校正結果進行評定。形成了一套適用于我國區域的DMSP/OLS和VIIRS/DNB夜間燈光數據的預處理及校正方法，校正流程如圖2所示。

2.1 DMSP/OLS穩定夜間燈光影像數據的校正

在空間分辨率為1 km的夜間燈光數據中我國區域城市不存在衰退現象，前一年存在的亮值區域應在后一年繼續存在；但分析數據發現前一年存在的亮值區域在后一年消失，且不同傳感器同年影像的亮值區域也不一致，導致該問題的原因是存在不穩定像元與不一致像元。這些像元不能反映夜間燈光的空間變化，需剔除保留穩定亮值像元。在ArcGIS軟件中提取DMSP/OLS 34期影像像元DN值大于0的區域，對不同傳感器同年份影像進行相交分析，保留公共亮值像元；以2013年影像與下一年影像進行相交分析保留公共亮值像元為下一年穩定像元，以此類推，得到1992—2013年的穩定亮值像元影像，再用Extraction工具得到每個像元的DN值，按行列導入Excel中獲得影像像元DN值矩陣。

2.1.1 傳感器間相互校正

多傳感器影像像元DN值異常波動是造成影像數據不連續的主要原因，為提高影像連續性，對影像進行傳感器間的相互校正。參考文獻[7—8]選取F16 2007年鶴崗市作為標定數據。選取一元二次方程式建立校正模型式

DNc=aDN2+bDN+c

(2)

式中，DN、DNc分別為校正前、后像元灰度值；a、b、c為回歸參數。

將每一期待校正影像的像元DN值矩陣與標定數據的像元DN值矩陣進行擬合，其回歸參數見表2。

表2 DMSP/OLS數據集影像相互校正模型參數

續表2

2.1.2 影像間連續性校正

傳感器間相互校正后的影像數據削弱了像元DN值飽和程度，但影像不連續問題仍然存在，主要表現為多傳感器同年影像相同位置像元DN值之間存在差異,以及多傳感器獲取的多年影像的數據像元DN值異常波動，故需要進行影像間連續性校正。利用式(3)對同年不同傳感器相互校正后的影像數據進行校正，形成1992—2013年每年唯一的數據集。

(3)

2.1.3 長時間序列影像過飽和校正

我國城市發展規律與夜間燈光數據TDN和TLP的總體趨勢表明，我國城市區域呈增長趨勢。因此假設DMSP/OLS數據某一年影像中的亮值區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為亮值像元，且前一年影像中的亮值像元的DN值應小于后一年影像中相同亮值區域像元的DN值。基于此假設，可得對多傳感器獲取的多年度影像數據進行校正的公式為

(4)

2.2 VIIRS/DNB合成的月平均燈光輻射數據的校正

VIIRS/DNB合成的月平均燈光輻射數據沒有去除火點及背景噪聲，本文運用Ma等的方法取0.30×10-9W·m-2·sr-1作為閾值處理VIIRS/DNB浮點型數據噪聲，以獲得穩定夜間燈光數據。將VIIRS/DNB浮點型數據轉換為整型數據對其進行探索性分析，與校正后的DMSP/OLS數據對比發現VIIRS/DNB數據像元DN值較小的區域在DMSP/OLS影像中像元DN值為0。基于此，利用影像像元DN值分布對VIIRS/DNB數據進行重分類，去除極小值像元，同時縮小像元值域范圍。假設2012、2013年校正后的DMSP/OLS數據分別與同年VIIRS/DNB數據具有相同亮值區域，據此以同年份DMSP/OLS數據亮值區域為掩膜提取VIIRS/DNB數據中的有效區域。以不變目標結合校正后2012年的DMSP/OLS影像為標定數據，利用式(2)為校正模型，將每一期VIIRS/DNB影像擬合回歸進行校正。

3 結果分析與討論

3.1 影像校正結果分析

3.1.1 影像定性評價

為展示數據校正的細節，本文以新疆為例選擇6個年份(1995、2000、2005、2010、2015、2017)校正前夜間燈光影像及校正后影像進行目視解譯(如圖3所示)。其中左圖為該年份校正前影像，右圖為校正擬合后的影像。通過目視解譯發現校正后影像亮值像元區域少于同年原始數據影像，且校正后影像像元的DN值域高于原始影像，說明校正在一定程度上削弱了影像DN值飽和問題；校正后影像亮值區域隨時間序列增加并未出現影像衰退現象，直觀地反映出良好的連續性。

校正后所有影像像元DN值域均比同期影像范圍大，說明校正使影像部分DN值得到了拉伸，緩解了像元過飽和現象。文獻[8]使用冪函數回歸模型進行傳感器間的相互校正，其校正后像元DN值大于150，在削弱像元飽和現象的同時在時間上增加了像元DN值波動，使像元DN值在某些年份急速增長，不符合實際情況。本文使用一元二次方程進行校正使像元DN值穩定增長，所有校正后影像像元DN值均小于80。

3.1.2 影像定量評價

為提升評價的客觀性還需對影像進行定量評價，將兩者校正后的同年影像進行合并，統計校正后影像亮值像元TDN和TLP隨時間變化的趨勢，其中，1992—2012年數據為DMSP/OLS影像數據，2013—2017年為VIIRS/DNB影像數據。分析結果如圖4所示。

圖4顯示校正整理后影像的TLP和TDN呈遞增趨勢，TLP在整個時間序列中緩慢增長，其2009—2017年的年間統計值差值逐漸減小；TDN在1992—2005年間平穩增長，2006—2013年間急劇增長，2014—2017年間增長速度又趨于平穩。這可能是由于城市發展到中后期階段城區中心的燈光強度趨于穩定，燈光影像表現為穩定像元，城市通過向周邊地區的擴張和合并繼續發展，這一點通過觀察VIIRS/DNB影像浮點型數據也可得出。

以上研究結果表明校正后的燈光影像解決了DMSP/OLS影像數據本身的問題和DMSP/OLS數據與VIIRS/DNB數據不可比的問題。VIIRS/DNB影像數據在數據處理時將空間分辨率重采樣降低為1000 m，而用DMSP/OLS影像數據為參考重分類和回歸校正后使VIIRS/DNB影像數據像元的DN值表達更像DMSP/OLS影像數據，使VIIRS/DNB影像數據損失了大量細節信息，喪失了數據本身在大氣氣溶膠、夜間云等應用研究中的優勢[13-14]。但不可否認的是，校正后的數據更適合與DMSP/OLS影像數據組成長時間序列的夜間燈光數據，從而應用到城市化研究中。

城市化發展直接體現的是土地利用方式的改變，但夜間燈光影像亮值區域范圍和數值的變化反映出城市土地利用的變化，且影像容易獲取，校正的過程具有可重復性，校正后的影像連續穩定，像元DN值的飽和程度也有所降低，建立的燈光指數適合動態監測大尺度城市化強度與時空分析[15-19]。

3.2 連續影像數據與社會經濟參量的關系

以夜間燈光影像為基礎發展的燈光面積與國內區域經濟參量的聯系[20-21]，證明了利用燈光強度了解一個國家社會經濟發展水平的可行性；而其與電力能源消耗的相關性為節約利用電力資源減少電力消耗的研究提供了有力數據[22-23]。為此，本文選擇年末戶籍人口數、生產總值、平均每天耗電量、建設用地面積討論與新疆區域的TDN的關系(如圖5所示)，對所有數據進行標準歸一化去除量綱，研究校正后1995—2015年夜間燈光數據在我國省級空間尺度上與這些社會經濟參量間的線性回歸關系。一方面可以檢驗影像數據集的校正結果，充分發揮其時效性與經濟性；另一方面可以探索由校正后長時間序列影像擬合社會經濟參量的潛力。新疆區域夜間燈光影像TND與4種參量的相關性都大于0.75，說明這4種參量在長時間序列下與夜間燈光強度有密切關系。

4 結 語

長時間序列夜間燈光影像數據為研究大尺度空間城市化及人類活動監測提供了數據源，但DMSP/OLS影像數據不連續、像元過飽和、數據自2013年后截止、與VIIRS/DNB數據不可比，限制了其推廣應用。本文對我國夜間燈光影像數據存在的問題進行了校正和擬合，獲得了長時間序列穩定的夜間燈光數據，通過對結果的評價，證明了結果的可行性，消除了影像間不穩定、不連續的問題；但現今在長時間序列夜間燈光數據的應用中，不可避免地需要兩種夜間燈光數據參與，VIIRS/DNB影像噪聲和DMSP/OLS影像過飽和仍是夜間燈光數據在城市化進程及人類活動監測研究中提高精度所面臨的問題。同時，本文分析了校正后長時間序列新疆區域夜間燈光影像與社會經濟參量的關系，證明夜間燈光數據對社會經濟參量模擬有巨大潛力，可有效反映人類社會經濟活動。