DMSP/OLS 與NPP/VIIRS 燈光數據的連續性校正*

肖袁俊，李保山，宋文丹，程勇翔*，黃敬峰

（1.石河子大學 生命科學學院，新疆 石河子 832000；2.浙江大學農業遙感與信息技術應用研究所，浙江 杭州 310058）

長時間序列夜間燈光遙感數據的出現使人類活動與大尺度空間城市化的深入研究成為了可能，越來越多的學者開始將夜間燈光數據用于估計人口密度[1]、區域電力消耗[2]、城市面積及其擴張速度[3-4]和國內生產總值[5]等各類社會經濟指標。但由于長時間夜間燈光數據是來自兩個不同衛星數據的整合，圖像間往往會出現數據不連續、像元過飽和、標準不同無法比較的情況，這大大限制了夜間燈光數據的應用。因此，有必要對同一傳感器內及不同傳感器間的燈光數據進行校正，以消除數據的異常波動，增加數據的可用性。

自21 世紀以來，研究者們主要通過兩種方案解決上述問題，第一種是利用輻射定標數據進行的絕對校正，從而獲得具有物理意義的各年真實燈光值[6-7]；第二種是利用燈光不變目標區域法進行的逐年燈光相對校正，從而獲得不具實際物理意義，但具有同一標準相對連續的燈光數據。研究者們普遍選擇西西里島[8-9]、黑龍江省[7，10]、日本[2，5]、洛杉磯[11]等地作為不變目標區，通過構建不變目標區各年間圖像數值轉換關系，實現校正圖像向目標圖像的數值轉換，從而獲得相對連續的燈光校正結果。然而，作者認為不變目標區域法只能是一種理論假設，利用該方法對燈光數據進行校正有一定的風險，其可行性仍有待商榷，這是因為在全球經濟迅速發展的背景下，不變目標區域實際上是不存在的[12]。如何找到DMSP/OLS 數據間的一般普遍轉換關系才是解決問題的關鍵。此外，對于DMSP/OLS 與NPP/VIIRS 數據間的相互校正，學者們也從不同的角度探討了它們彼此間的內在轉換關系。Ma 等[13]與Zhao 等[14]將NPP/VIIRS 數據進行對數轉化后與DMSP/OLS 數據分別利用BiDoseResp（Biphasic Dose Response）和sigmoid 函數模型建立數據間的相互轉換關系，實現兩衛星數據間的相互校正。Zhu 等[5]在計算不同行政區兩衛星數據間各自總夜間燈光亮度基礎上，構建函數轉換關系，實現兩衛星數據間的相互校正。Li 等[15]在計算DMSP/OLS 圖像各級別像元值在對應空間位置NPP/VIIRS 圖像上的平均值基礎上，構建函數轉換關系，實現兩衛星數據間的相互校正。作者認為Li 等所提出的兩衛星數據間的相互校正方法思路清晰，規律穩定，較為可行。

綜上所述，研究選擇中國作為研究范圍，擬對DMSP/OLS 與NPP/VIIRS 中國夜間燈光數據進行連續校正。校正過程分兩步，首先利用DMSP/OLS 2013 年圖像為基礎實現對DMSP/OLS 1992-2012 各年圖像的模擬重構。其次，統計DMSP/OLS 2013 年圖像各級別像元值相應空間位置NPP/VIIRS 2013 年圖像上的平均值，構建兩衛星數據間的轉換“橋梁”，實現2014-2018 NPP/VIIRS 燈光數據向DMSP/OLS 燈光數據的轉換，最終實現1992-2018 年兩衛星間中國夜間燈光的連續校正。研究結果可為遙感燈光數據的有效應用提供一種可行性的解決方案。

1 研究方法

1.1 數據來源

DMSP/OLS 數據全部來自美國國家地球物理數據中心（https://ngdc.noaa.gov/），F10-F18 六個傳感器共記錄了1992-2013 年間34 幅夜間燈光圖像（如表1 所示），每期數據DN 值取值范圍均為0～63（最大報告光），其分辨率為30 arcsec，空間范圍覆蓋了除兩極地區以外的所有人類活動區。DMSP/OLS 傳感器通常在高增益設置下運行，使檢測下限達到1.54×10－9W·cm－2·sr－1·μm－1，但也會導致部分大城市的核心城區出現數據過飽和現象[16-17]。DMSP/OLS 每期數據的DN 值間并不具有可比性，需要進行相對連續校正后才能使用[3]。

表1 DMSP/OLS 不同傳感器夜間燈光數據集的時間分布

NPP/VIIRS 數據來自美國國家海洋和大氣管理局（NOAA）以及美國國家海洋和大氣研究所（NCEI）2011 年底發射的Suomi NPP 衛星（https://ngdc.noaa.gov/eog/viirs/download_dnb_composites.html），內含5 個地球觀測傳感器，其中帶有22 個波段的VIIRS 能在很短的時間間隔內分辨較低的光級，檢測下限改良至0.02 W·cm-2·sr-1·μm-1，數據分辨率為15 arcsec[18]。因為NPP/VIIRS 月值數據排除了雜散光等因素的影響，所以某些月份的部分地區數據可能出現缺失，各期數據具體缺失情況如表2 所示。由于NPP/VIIRS 數據并沒有過濾以及去除圖像中的噪聲，所以在使用時需先進行數據的去噪聲處理。

表2 NPP/VIIRS 數據缺失程度

研究中對校正后的燈光數據進行準確性和連續性驗證時所用到的社會經濟數據包括1992-2018《中國統計年鑒》各年中國及各省（區）國內生產總值（GDP）和電力消耗總量（EPC）；1999-2018《中國城市年鑒》各年省會城市GDP 數據；1999-2018《中國城市年鑒》和《中國縣域統計年鑒》部分數據較為完整的縣或縣級市各年GDP 數據。上述年鑒均來自于中國經濟社會大數據研究平臺（https://data.cnki.net/Yearbook/Navi?type=type&code=A）。

1.2 數據預處理

由于DMSP/OLS 數據在某些年份存在兩個數據，如F12 和F14 傳感器都記錄了1994 年夜間燈光數據，為充分利用已獲取的數據信息，研究首先將這些年份的兩個傳感器數據取平均值，即：

式中：L 為某年兩個傳感器所記錄的夜間燈光平均值，La、Lb分別為不同傳感器數據，處理后得到1992-2013 年共22 幅夜間燈光數據。

研究所獲NPP/VIIRS 數據為月值數據，每一年都記錄了逐月夜間燈光，因未排除雜散光、閃電、月球光照等因素對數據準確性的影響，該數據本身存在部分缺失。因此，研究僅對有效數據進行了年燈光平均值計算，即：

式中：Lp是某年某像元夜間燈光平均值，i 表示月份，Li表示該像元i 月的夜間燈光指數，Ti表示該像元第i 月是否為有效燈光值。當i 月該像元數據有效時，Ti=1；反之，Ti=0。經上式處理后，可得到2013-2018 年共6 幅夜間燈光數據。

1.3 DMSP/OLS 圖像間校正

研究所獲取的DMSP/OLS 數據未經過輻射定標，1992-2013 年所有數據由6 個不同的傳感器所記錄，不同傳感器對相同亮度的燈光會有不同的評價結果，直接使用此數據將使圖像由于系統誤差出現極大的異常波動，因此需要對DMSP/OLS 圖像進行校正處理后才能應用于研究工作中。目前為止，輻射定標是對DMSP/OLS 數據最理想的校正手段，它能最大程度降低像元過飽和，減小誤差，使得各年間夜間燈光圖像出現穩定的連續性，但輻射定標法由于算法復雜且參數不易獲取，實現起來較為困難[19]。本研究首次提出像元數值模擬法，即通過建立DMSP/OLS 2013 年0～63 各級DN 值與DMSP/OLS 1992-2012 各年燈光數據相應空間位置統計平均值間的數值轉換關系，分別建立2013 年燈光DN 值向其他各年燈光DN 值的模擬標準（圖1 顯示部分年份），依據所建標準，實現DMSP/OLS 2013 年燈光數據對1992-2012 各年燈光數據的模擬重構，需要特別說明的是當被重構年原始數據為0 時，重構數據依然保持為0，不進行數據轉換。最終完成DMSP/OLS 圖像間的燈光校正。

圖1 2013 年DMSP/OLS 燈光數據DN 值對部分年份燈光數據轉換標準

1.4 DMSP/OLS 與NPP/VIIRS 相互校正

由于DMSP/OLS 與NPP/VIIRS 數據對燈光數據評價標準完全不同，為了長時間序列夜間燈光的相關研究能順利進行，需要對DMSP/OLS 數據與NPP/VIIRS 數據進行相互校正。為實現兩種數據的相關轉換，研究首先計算出2013 年DMSP/OLS 數據0～63 各級別像元在2013 年NPP/VIIRS 燈光數據相應空間位置的平均值，將得到的64組對應關系采用指數函數進行擬合，結果如圖2 所示，所建立的統計回歸模型的擬合優度為0.9905。最后，利用構建的回歸轉換模型作為“橋梁”，實現2014-2018 各年NPP/VIIRS 年平均燈光數據向DMSP/OLS 數據的轉換。

圖2 NPP/VIIRS 平均輻射亮度對應DMSP/OLS DN 值的函數轉換關系

式中：y 為2014-2018 年NPP/VIIRS 初次校正后數據，x為NPP/VIIRS 校正前數據。

由于所獲取的NPP-VIIRS 數據并沒有經過過濾，以及去除與火災、氣體耀斑、火山和背景噪音有關的光線探測，所以需對初次校正后的數據進行進一步處理以減少這類不利因素的干擾[20]。研究中假定在DMSP/OLS 數據集中2010-2013 年連續四年DN 值都為0 的像元即為“無燈光像元”，因而在NPP/VIIRS 相對于DMSP/OLS 燈光校正結果中，若校正數據屬于“無燈光像元”，則將該校正結果再賦值為0。通過上述步驟研究完成兩衛星燈光數據間的相互校正。研究方法的整體流程如圖3 所示。

圖3 校正方案流程圖

2 結果與分析

通過上述方法研究獲取了1992-2018 年中國夜間燈光連續校正結果（圖4 展示部分年份）。從圖中可看出，改革開放以來中國夜間燈光明顯變亮，特別是中國華北平原、長三角以及珠三角地區夜間燈光明顯變亮，這些區域相應的經濟也在高速發展。中國夜間燈光分布的大致規律為“東明西暗”，這與中國的人口分布格局、區域經濟發展水平緊密相關。

圖4 部分年份夜間燈光校正后圖像

研究通過對比各年DMSP/OLS 數據校正前后真實和模擬值散點圖的線性擬合優度來檢驗DMSP/OLS 燈光數據校正的合理性。從圖5 和表3 可以看出，各年DMSP/OLS 數據校正前后真實值和模擬值存在著極強的關聯性，各年數據線性擬合優度范圍介于0.9728～0.9988 之間，平均擬合優度達0.9890。其中，越接近2013 年參考圖像年份的數據散點圖線性擬合優度值越高。結果分析表明，模擬重構的DMSP/OLS 各年數據結果具有合理性。

表3 1992-2012 年校正前后數據線性擬合優度

圖5 部分年份DMSP/OLS 燈光數據校正前后原始值和模擬值散點圖

為驗證1992-2018 年DMSP/OLS 與NPP/VIIRS 連續燈光的校正結果，研究利用與燈光亮度緊密關聯的中國各級行政區社會經濟數據對燈光校正的結果進行了準確性和連續性評估。在中國國家級層面，1992-2018 年中國逐年燈光灰度總量（TSOL）與該時期中國逐年GDP、EPC間有著極顯著的正相關關系（圖6），相關系數分別為0.9809、0.9822。TSOL 與GDP、EPC 間線性擬合優度分別為0.9622、0.9648。分析表明在該層級燈光校正結果與社會經濟發展狀況相符合。

圖6 國家尺度TSOL 與GDP、EPC 關系

在中國省（區）級尺度，1992-2018 年各省（區）逐年TSOL 與相應GDP 和EPC 有著極顯著的正相關關系（圖7），相關系數平均值和標準差分別為0.9720±0.015 和0.9731±0.01。分析表明在該尺度燈光校正結果與社會經濟發展狀況相符合。

在中國市、縣級尺度，1992-2018 年各省會城市（其中缺失1992-1996、2004-2006 年拉薩市GDP 數據）逐年TSOL 與相應GDP 有著極顯著的正相關關系（表4），相關系數平均值和標準差為0.9509 ± 0.028。1999-2018 年中國部分縣及縣級市（所選中的中國49 個縣或縣級市為隨機挑選，由于早期年份GDP 數據較難獲取，參與計算的有效數據為894 個，缺少數據86 個）逐年TSOL 與相應GDP 也有著顯著的正相關關系（表5），相關系數平均值和標準差為0.9415±0.038。以上分析表明在較低行政尺度上燈光校正結果與社會經濟發展狀況也相符合。綜上所述，研究所得1992-2018 年中國燈光校正結果具有一定的準確性和連續性，所得數據可用于今后中國不同行政區社會經濟指標的估算。

表4 城市尺度TSOL 與GDP 關系

表5 縣級尺度TSOL 與GDP 關系

3 討論

DMSP/OLS 燈光連續性校正常采用不變目標區域法來實現[9]，即選定一個燈光恒定區，假定該區域長時間以來燈光指數未發生變化。基于該假設，通過不變目標區建立待校正數據與目標年份數據的函數轉換關系，依據所建立的轉換關系，完成DMSP/OLS 燈光數據間的連續校正，該方法雖然能在一定程度上增強DMSP/OLS 數據的連續性，但也有諸多弊端。首先，被選作為不變目標區的西西里島、黑龍江省以及日本、洛杉磯等地雖然在全球經濟發展的背景下保持了較為穩定的發展水平，但不排除近年來這些地區燈光發生不同程度的緩慢變化，這將為研究帶來一定程度的風險[12]。尤其在中國地區，近年來人口增多、經濟發展迅速、基礎設施愈加完善，除高原荒漠等無人區外的其他地區夜間燈光指數都有不同程度地增加，這導致對不變目標區的尋找在一定程度上增加了難度。其次，在確定不變目標區的范圍時摻雜了較多的主觀因素，人為設置閾值將使不變目標區識別自動化程度大為降低，難以處理不同地區的不同情形。此外，該方法中也有研究者再結合植被指數消除DMSP/OLS 數據過飽的擴展性研究[2，21]。這種方法除了主觀設置閾值這一缺陷外，還首先假定了城市化與植被的對立關系，即夜間燈光亮度與植被指數NDVI 成反比，植被指數越小的地區，夜間燈光應越強，這種假設在確定的一小范圍地區內可能是成立的。然而，并不是所有地區都符合較亮的燈光和較低的NDVI 的模式，在研究國家尺度甚至更大范圍時默認此假設可能對研究結果造成不可忽視的誤差[22]。本研究摒棄了以往研究廣泛應用的不變目標法，提出了一種全新的DMSP/OLS 數據校正方法——像元數值模擬法。該方法步驟簡單，容易理解，且在校正過程中使用全部的數值，它們全部參與到待校正圖像與參考圖像對應關系的計算中，最大程度保證了數據的完整性，同時校正過程也未設定閾值，減少了人為因素對實驗造成的干擾。燈光校正結果準確有效，校正精度0.989 高于不變目標區域法所得的0.947[9]。

圖7 省級尺度TSOL 與GDP、EPC 關系

DMSP/OLS 與NPP/VIIRS 數據有兩個重疊年份——2012 年、2013 年。解決DMSP/OLS 與NPP/VIIRS 數據相互校正問題的關鍵在于探索重疊年份中兩種數據的對應關系。針對此問題，不同的學者給出了不同的解決方案。Zheng 等人[6]利用1996-2013 年8 期有輻射定標的DMSP/OLS 圖像估算其余無定標DMSP/OLS 圖像的輻射定標值，然后將其與NPP/VIIRS 數據進行線性擬合，利用線性回歸方程將NPP/VIIRS 數據轉換成DMSP/OLS 數據；Tu 等人[21]解決方案與Zheng 類似，他們首先對DMSP/OLS 數據預處理，去除噪聲，并結合植被指數實現對DMSP/OLS 數據的飽和校正，將得到的2012 年、2013 年數據與同年NPP/VIIRS 數據建立擬合曲線，發現兩種數據間具指數對應關系，后利用該數據轉換關系將2000-2013 年DMSP/OLS 燈光數據轉換成NPP/VIIRS 評價標準。Ma 等[13]與Zhao 等[14]都對NPP/VIIRS 數據進行了對數轉化，然后與相應DMSP/OLS 數據繪制散點圖，分別利用BiDoseResp（Biphasic Dose Response）和sigmoid 函數模型找出兩種數據間的轉換關系。Zhu 等[5]計算出中國2012-2013 年31 個省級行政區兩衛星數據間各自的總夜間燈光亮度，分別通過線性、二項式及指數擬合模型得到兩種數據間的轉換關系。Li 等[15]利用DMSP/OLS 圖像各級別像元在NPP/VIIRS 圖像上對應的平均值取值，構建穩定的數據轉換關系，實現兩種數據間的相互轉換。綜上所述，作者認為在所有方法中，Li 所構建的兩衛星數據轉換關系最為穩定，實現過程更為簡單有效，能夠找出兩種數據間一般普遍對應關系。本研究所采用的DMSP/OLS 與NPP/VIIRS 數據相互校正方法與Li 的方法原理相同。

通過本研究的校正方法能夠得到連續且較準確的長時間序列夜間燈光圖像，但在校正過程中仍存在著尚有可能對研究結果造成不確定影響的因素，主要有光暈效應。光暈效應是指光源像元散發的光在非光源像元處發生反射，使傳感器錯誤將非光源像元也作為光源的現象，這將導致發光區域范圍被高估，特別是水面和雪面光暈效應更加明顯[18]。而在NPP/VIIRS 數據中，傳感器的升級使光暈效應對其造成的影響可忽略不計[23]。因此相比DMSP/OLS 數據圖像中的一團光，NPP/VIIRS 數據由于不受光暈效應的影響，能將燈火通明城市顯示成一個精細的互聯城市網絡。若不對光暈效應進行處理，可能會對兩種數據的連續性造成一定程度的影響。但處理光暈效應至今為止仍是一個相當棘手的問題。典型解決方案是使用低光閾值，過濾掉部分DN 值低的像元[24]。但對于確定不同地區的低光閾值的方法和利用閾值處理夜間燈光圖像的具體方式仍有待進一步研究。

4 結論

研究以DMSP/OLS 與NPP/VIIRS 數據存在交疊的DMSP/OLS 2013 年數據為紐帶，利用像元數值模擬法，實現了2013 年DMSP/OLS 數據對1992-2012 各年DMSP/OLS 數據的模擬。結果經驗證，各年模擬數據與原始數據間有較強線性關系，各年數據線性擬合優度平均值和標準差為0.989±0.008，證明該方法能夠完成DMSP/OLS 數據間的連續校正。研究利用DMSP/OLS 2013 年各級燈光數據與2013 年NPP/VIIRS 燈光數據相應空間位置平均值間的數值轉換關系，實現2014-2018 各年NPP/VIIRS 數據向DMSP/OLS 數據的相互轉換。研究所得1992-2018 年連續夜間燈光數據，經中國各級行政尺度GDP、EPC 相關性檢驗，證明燈光連續校正結果與各級社會經濟數據高度吻合，所得燈光連續校正結果正確。研究所建立的燈光校正方法為DMSP/OLS 與NPP/VIIRS 燈光連續校正開辟了新的道路，所構建的方法也適用于全球燈光校正。