中國區域NPP-VIIRS年度夜間燈光數據的合成方法與對比驗證

胡為安, 劉傳立, 詹淇雯

(1.江西理工大學 土木與測繪工程學院, 江西 贛州 341000； 2.廣東工貿職業技術學院，廣州 510510)

0 引 言

當夜間天空無云時, 遙感衛星傳感器能夠捕捉到城市燈光、漁船燈光、火點等可見光輻射源, 這些為夜間無云條件下獲取的地球可見光的影像即為夜間燈光數據。目前使用最為廣泛的夜間燈光數據是美國國防氣象衛星(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)數據和美國新一代國家極軌衛星(Suomi national polar-orbiting partnership, Suomi-NPP)搭載的可見光近紅外成像輻射(visible infrared imaging suite, VIIRS)傳感器數據[1]。DMSP的設計初衷是為了獲取月光照射下的云層信息, 由于OLS傳感器具有較強的光電放大能力使其可探測到夜間地表微弱的近紅外輻射[2], 敏銳地捕捉到地表極光、火光以及夜間城市燈光等輻射光源, 對人類社會活動有較好的表征, 從此拉開了基于夜間燈光數據科研工作的序幕。2011年美國航天局成功發射了Suomi NPP衛星, 其搭載的VIIRS傳感器相比與OLS傳感器而言, 具有更高的時間和空間分辨率, 輻射探測范圍更廣, 相比于傳統DMSP-OLS夜間燈光數據更具發展潛力[3]。

DMSP-OLS穩定年度夜間燈光數據產品包括由6個不同衛星傳感器獲取的1992—2013年共34期年度影像, OLS傳感器的設計缺陷導致影像之間存在不連續、未經星上輻射校正[4]和像元DN值過飽和等問題。由于DMSP-OLS穩定年度夜間燈光數據發布較早, 目前校正方法有像元DN值頻率分布法[5]、不變目標法[6-7]、輔助參數法[8]等, 影像校正研究已相對成熟。

反觀NPP-VIIRS夜間燈光數據, 其作為未來研究新的數據源, 分為年度平均數據和月度平均數據兩種。目前發布經過校正的年度夜間燈光數據只有2015和2016年兩期, 未校正的月度數據從2012年4月起每月一期。針對NPP-VIIRS年度夜間燈光數據缺乏和月度數據校正的問題, 一些學者提出過相應的解決方法： Shi等[9]、柴子為等[10]提出利用DMSP-OLS夜間燈光數據剔除NPP-VIIRS月度數據中噪聲的方法, 由于DMSP-OLS數據存在燈光飽和效應且僅適用于2012和2013年, 并不適用于長時間序列NPP-VIIRS夜間燈光數據的校正； 陳慕琳等[11]針對NPP-VIIRS部分月度數據中高緯度地區燈光缺失的情況, 對比了4種插補方法的適宜性, 研究對象只適用于反映社會經濟因素的穩定光源； 周翼等[12]采用12個月的月份數據合成年度數據, 忽略了部分月度數據中高緯度地區燈光缺失的不足； 李明峰等[13]提出了NPP-VIIRS多時相影像的校正方法, 缺乏對年度數據合成方法的研究。為了彌補NPP-VIIRS夜間燈光數據在年際研究中的不足, 本文提出一種基于部分月度(不包括5—7月)夜間燈光影像數據合成年度夜間燈光影像數據的方法, 通過將其他類型的NPP-VIIRS數據與合成數據進行定性和定量對比分析, 驗證了合成年度夜間燈光方法的可靠性和科學性。

1 數據來源與分析

1.1 數據來源

NPP-VIIRS夜間燈光數據來源于美國國家海洋和大氣管理局(NOAA/NGDC)。NPP-VIIRS有云掩膜處理數據(vcmcfg)和云掩膜散光校正數據(vcmslcfg)兩種數據格式。由于2013年缺少vcmslcfg類型數據, 本文選擇時序性相對完整的vcmcfg類型數據進行研究, 該數據可通過網址https: //eogdata.mines.edu/download_dnb_composites.html獲得。將NOAA/NGDC網站提供的2015和2016年兩期年度夜間燈光數據設為標準年度數據。“火石(Flint)”夜間燈光數據通過中國科學院提供的網址https: //pan.baidu.com/s/17UqS7P66_6AMdr-a4sfUXA獲得。

省、市級行政區劃數據來源于國家基礎信息中心的1∶4×106的數據庫(審圖號: GS(2016)2556號), 社會經濟參量等數據來源于中國國家統計局發布的《中國城市統計年鑒》和《中國統計年鑒》。

1.2 數據分析

DNB(day night band)是NPP-VIIRS用于探測夜間燈光強度的重要波段, 波長范圍為0.5～0.9 μm, 空間分辨率約為0.5 km, 輻射分辨率為14 bit且經過在軌輻射定標操作, 這就意味著DNB傳感器不但可以探測到穩定的城鎮燈光, 同時可以捕獲火光、漁船和油氣井等短暫光源及冰雪高反射導致的異常燈光, 降低了燈光數據的質量。 此外, 由于DNB數據產品未進行去光處理, 導致NPP-VIIRS月度夜間燈光數據中存在負值和大量背景噪聲, 這些影響因素仍在一定程度上限制了該數據的應用。 因此, 利用月度數據合成年度數據的過程中, 仍需對負值、背景噪聲、不穩定光源和連續性問題進行處理。

2 NPP-VIIRS年度數據的合成

2.1 數據預處理

NPP-VIIRS月度夜間燈光數據地理坐標系為GCS_WGS_1984, 影像網格會隨著緯度的變化而發生變形, 需要對下載的數據進行預處理。首先將影像數據投影至符合中國地形的Albers等面積投影坐標系, 并將像元大小重采樣至0.5 km×0.5 km, 利用中國行政區劃數據掩膜裁剪出中國區域的夜間燈光影像數據。由于裁剪出的影像存在極少數的異常值(DN值大于原始月度數據的最大值), 利用原始月度數據中的最大值將異常值進行替換。

2.2 年度均值圖像合成

由于受到雜散光污染的影響, 中國夏季中高緯度地區的燈光數據嚴重失真(全部像元值為0), 該情況集中體現在5—7月的數據中, 因此利用月度數據合成年度數據時將5—7月的燈光數據進行剔除, 利用2012—2018年的其他9個月的燈光數據合成年度燈光數據

(1)

其中,DNi表示某月的燈光亮度值,DNj表示某年的平均燈光亮度值。

2.3 負值消除

通過將合成年度燈光數據導入ArcGIS軟件可知, NPP-VIIRS月度燈光數據中存在負值的情況在合成的年度燈光數據中并未得到解決。但是, 理論上燈光輻射值應該大于等于0, 本文按照式(2)， 利用網站提供的2015年的標準年度數據替換2015年合成年度數據中的負值, 然后以2015年合成年度數據為基準數據, 2012—2014年按照各年數據中的負值由后一年的均值圖像中的非負值替換, 2016—2018年按照各年數據中的負值由前一年的均值圖像中的非負值替換, 最后得到不包含負值的2012—2018年的合成年度燈光數據。

(2)

式中:DNi表示2015年合成年度夜間燈光像元值,DN2015表示NOAA/NGDC網站提供的2015年標準年度數據的夜間燈光像元值。

2.4 不穩定光源與背景噪聲消除

DNB波段對于波段范圍內的微弱光源具有非常高的敏感性, 探測城鎮燈光的同時也能捕獲漁船燈光、人為火點和氣體燃燒等不穩定光源。這些不穩定光源不可能同時存在于連續兩年的夜間燈光數據的同一位置, 可以認為上一年(下一年)的燈光在下一年(上一年)中沒有出現, 即可認定其為不穩定光源。此外, 合成的年度夜間燈光數據中仍然存在大量背景噪聲, 需要對不穩定光源和背景噪聲進行剔除。

NOAA/NGDC網站發布了已經去除不穩定光源和背景噪聲的2015和2016年兩期年度夜間燈光數據, 因此其他各年均值影像中的不穩定光源和背景噪聲可以利用該兩年數據對其進行去除。先將兩期年度夜間燈光數據的二值圖像相乘得到合成二值圖像,DN>0的部分設置為1,DN≤0的部分設置為0,DN=1的部分認定為穩定光源和無背景噪聲區域。將合成二值圖像與2015和2016年均值影像相乘去除不穩定光源和背景噪聲, 從而獲得穩定可靠的2015和2016年均值影像。分別提取其他各年均值影像的二值圖像, 以合成二值圖像為基準數據, 2012—2015年年度數據按照式(3)獲取穩定可靠光源區域, 2016—2018年年度數據按照式(4)獲取穩定可靠光源區域, 將穩定可靠光源區域與對應年份均值影像相乘, 得到去除不穩定光源和背景噪聲的2012—2018年長時間序列影像。

(3)

(4)

式中:DN表示待校正年份均值影像中的穩定可靠光源；DNk表示待校正年份影像的穩定可靠光源;DNk+1表示校正年份后一年二值影像的穩定可靠光源；DNk-1表示校正年份前一年二值影像的穩定可靠光源。

2.5 極高值消除與連續校正

由于地表存在發射率較高的表面, 使得月度夜間燈光影像數據中部分燈光亮度值發生異常, 這些異常值一般都較高, 遠遠高于實際情況, 因此需要消除影像中的極高值。利用MATLAB編程對合成的年度夜間燈光數據中的亮度值進行提取, 去除非連續的極高值, 經統計分析得出2012—2018年各年中國區域的最大燈光亮度值分別為157.41、172.16、195.39、220.92、243.86、269.88和293.27。若將燈光亮度值大于該年最大燈光亮度值視為極高值, 應對其進行消除。對各年合成年度均值影像的燈光亮度值進行提取, 發現極高值只是數值較高, 但數量較少。為了消除合成年度均值影像中的極高值, 本文采用均值濾波法[14]和降值法進行效果對比研究。用均值濾波解算出極高值周圍24個像元的平均值, 再用平均值替換極高值; 消除極高值的目的是為了降低其對整體燈光的影響, 可通過對極高值進行降值處理來削弱這種影響, 本文用中國區域最大亮度值將該年中所有的極高值進行替換, 達到降值的目的。研究表明均值濾波法和降值法對消除極高值的效果差異不大。

以上僅消除了合成年度均值影像中的極高值, 但是對于長時間序列的夜間燈光影像數據仍存在連續性的問題, 需要進一步校正。按照下一年的燈光亮度值不低于上一年的原則, 以2018年年度均值夜間燈光數據為基準數據, 對其他年份數據進行逐年校正, 從而得到2012—2018年長時間序列穩定可靠的年度夜間燈光數據

(5)

式中：DN表示經過校正后的年度燈光亮度值;DNx表示待校正的年度燈光亮度值;DNx+1表示后一年經過校正的年度燈光亮度值。

3 合成結果對比分析

為了驗證合成年度夜間燈光數據方法的可靠性與科學性, 分別進行了定性和定量對比分析。定性對比分析采用目視解譯法比較合成年度數據校正前與校正后相比同年度間像元DN值的變化, 檢驗校正后的燈光數據是否解決了校正前存在的問題。定量對比分析利用合成的年度夜間燈光數據、NOAA/NGDC網站提供的2015和2016年年度夜間燈光數據、中國科學院用NPP-VIIRS月度數據合成的年度數據“火石”和月度夜間燈光數據在省級[15]和市級[16]兩方面的社會經濟參量擬合[17]能力進行對比, 從像元DN值變化和社會經濟參量擬合能力兩方面來對比驗證合成方法的可靠性與科學性。

3.1 像元DN值對比

由于未經校正而直接合成年度均值夜間燈光數據沒有解決月度夜間燈光數據中存在的問題, 從校正后的長時間序列的NPP-VIIRS數據集中選擇2012和2018年的合成年度數據與校正前的合成年度數據進行對比分析, 如圖1所示。夜間燈光數據與社會經濟參量存在較好的線性相關性早已得到證實, 說明燈光可以反映城市的發展水平, 2012—2018年間廣東省是全國GDP貢獻最大的省份, 因此本文以廣東省作為典型區域, 選取2013、2015和2017年的影像數據直觀地對比校正前后夜間燈光影像局部的變化, 如圖2所示。

圖1 中國區域校正前后對比(底圖審圖號： GS(2016)2556號， 自然資源部監制)Fig.1 Comparison before and after correction in China

圖2 廣東省校正前后對比Fig.2 Comparison before and after correction in Guangdong

可以看出, 校正前的年度燈光數據中存在負值、大量背景噪聲和不穩定光源, 影像中存在年際之間不連續的情況, 與實際情況不符。經過校正后的合成年度燈光數據在一定程度上消除了負值、背景噪聲和不穩定光源, 最大DN值也較為合理, 說明合成年度夜間燈光數據更符合實際情況。

3.2 經濟參量擬合能力對比

本文從省級和市級兩方面比較其他類型NPP-VIIRS數據與合成年度數據的社會經濟參量擬合能力來驗證合成年度數據方法的可靠性和科學性。中國科學院利用NPP-VIIRS月度數據合成了名為“火石(Flint)”的年度數據, 該數據具有更高的準確性、穩定性和易用性。鑒于此, 本文選擇NOAA/NGDC網站發布的兩期標準年度數據、“火石”年度夜光數據和12月份的月度數據與合成年度數據進行比較。

根據《中國統計年鑒》和《中國城市統計年鑒》, 提取2012—2018年中國31個省級行政區(不包括香港、澳門、臺灣地區)的GDP和電力消費量與2015—2016年中國336個市級行政區的GDP和年末常住人口, 利用提取的社會經濟參量與省級和市級尺度的TDN進行線性回歸分析。

圖3a、b分別是省級尺度下4類數據與GDP和電力消費的回歸決定系數R2的對比結果。可知: 2012—2018年長時間序列的合成年度夜光數據的決定系數R2均大于0.81, 比標準數據略高, 明顯高于“火石”年度夜光數據的決定系數R2范圍0.10～0.50和12月原始月度夜光數據的決定系數R2范圍0～0.60。

圖3 4類數據省級尺度下的線性回歸決定系數對比Fig.3 Comparison of 4 kinds of data of linear regression determination coefficients at the provincial scale

圖4、5分別是2015—2016年市級尺度下4類社會經濟參量數據與GDP的線性回歸結果。 可知, 2015—2016年合成年度夜光數據質量不亞于標準數據, 與GDP的線性回歸決定系數R2高達0.843 4～0.849 8, 遠遠高于“火石”年度夜光數據的0.657 0～0.658 9和12月份原始月度夜光數據的0.469 7～0.555 0。

圖4 2015年4類數據與市級GDP的線性回歸結果Fig.4 Linear regression results of 4 types of data and municipal GDP in 2015

圖6、7分別是2015—2016年市級尺度下4類數據與常住人口的線性回歸結果可知, 2015—2016

圖5 2016年4類數據與市級GDP的線性回歸結果Fig.5 Linear regression results of 4 types of data and municipal GDP in 2016

圖6 2015年4類數據與市級常住人口的線性回歸結果Fig.6 Linear regression results of 4 types of data and municipal resident population in 2015

圖7 2016年4類數據與市級常住人口的線性回歸結果Fig.7 Linear regression results of 4 types of data and municipal resident population in 2016

年合成夜光數據與常住人口之間的線性回歸決定系數在0.567 3～0.588 7, 同樣高于“火石”年度夜光數據的0.437 5～0.455 1和12月原始月度夜光數據的0.307 4～0.351 6。

從省、市級兩方面的社會經濟參量擬合能力上看, 合成年度夜間燈光數據質量不亞于NOAA/NGDC網站提供的年度夜間燈光數據, 且遠遠優于“火石”年度夜間燈光數據和12月原始月度夜間燈光數據。通過對“火石”年度夜間燈光數據和月度夜間燈光數據進行分析, 表明該兩種數據不能直接用于年度社會經濟參量研究。“火石”年度夜光數據中人為設定的最大DN值為2 000, 遠遠超過實際情況, 意味著數據中存在較多極高值, 直接影響了數據質量; 而月度原始夜間燈光數據具有存在負值、背景噪聲和極高值等缺點。因此, 通過與NOAA/NGDC提供的標準年度數據、“火石”年度夜光數據和12月原始月度夜光數據在省級和市級尺度上的社會經濟參量擬合能力進行對比, 表明了合成年度夜間燈光數據方法的可靠性和科學性。

4 結束語

NPP-VIIRS夜間燈光數據比DMSP-OLS夜間燈光數據更具發展潛力, 如今已被國內外學者廣泛應用于各類科研之中, 如社會經濟參數估算[10, 18]、生態環境和健康效應[19-21]、城市化監測[22]等。除上述研究之外, NPP-VIIRS夜間燈光在漁業研究、重大事件評估[23]、流行病研究、油氣田監測和森林火災等研究領域均發揮著重要的作用。DMSP/OLS夜間燈光數據發布較早, 且提供了1992—2013年長時間序列穩定的年度數據。第二代夜間燈光數據NPP-VIIRS提供了2012年4月—2019年8月的月度數據, 穩定的年度夜間燈光數據只提供了2015—2016年兩期。針對于NPP-VIIRS年度數據缺失的不足, 大多數相關研究均采用12個月的月度夜間燈光數據進行簡單的合成年度數據或直接利用某月的月度數據直接代替年度數據, 忽略了某些月度數據(5—7月)中高緯度地區燈光數據缺失的情況。鑒于此, 本文提出采用部分月度夜間燈光數據(不包括5—7月)合成年度夜間燈光數據的方法。

本文利用其他3類NPP-VIIRS夜間燈光數據與合成年度夜間燈光在省級和市級尺度上進行社會經濟參量擬合能力對比, 線性回歸決定系數R2與標準年度數據相當, 但遠遠高于中國科學院發布的“火石”年度夜間燈光數據和12個月份的原始月度夜間燈光數據, 證明了合成年度夜間燈光數據的可靠性和科學性, 一定程度上彌補了NPP-VIIRS年度數據較少的不足, 可將其應用于長時間序列的年際變化研究。