博客园传图片方便，大小限制在10M，CSDN在5M，所以...

一、介绍

首先这个产品是由美国国家海洋和大气管理局(NOAA)和美国国家海洋和大气研究所(NCEI)的地球观测组(Earth Observations Group，EOG)利用可见光红外成像辐射仪套件(Visible Infrared Imaging Radiometer Suite，VIIRS)昼/夜波段(DNB)的夜间数据制作的一套平均辐射复合图像，这个图像目前是版本一(20170309)。npp是个卫星的名字。

这种数据把全世界范围划分成了六块：

名称

范围

T1

180°W-60°W，0°N-75°N

T2

60°W-60°E，0°N-75°N

T3

60°E-180°E，0°N-75°N

T4

180°W-60°W，65°S-0°N

T5

60°W-60°E，65°S-0°N

T6

60°E-180°E，65°S-0°N

要研究中国区域的话，选T3就好，因为中国区域范围为：

端

经纬

地点

最东端

135°2′30″E

黑龙江和乌苏里江交汇处

最西端

73°40′E

帕米尔高原zhi乌兹别里山口(乌恰县)

最南端

3°52′N

南沙群岛曾母暗沙

最北端

53°33′N

漠河以北黑龙江主航道(漠河)

版本1复合产品是作为包含geotiff格式文件的压缩包交付的。每个geotiff文件名有7个文件名字段，由一个下划线“_”分隔。内部每个字段都可以有一个额外的破折号分隔符“-”。这些字段后跟一个文件名扩展名。字段描述如下使用这个示例文件名:

SVDNB_npp_20140501-20140531_global_vcmcfg_v10_c201502061154.avg_rade9

字段

含义

SVDNB

VIIRS SDR

npp

卫星名

20140501-20140531

时间范围

global

覆盖范围

vcmcfg

配置缩写

v10

版本1.0

c201502061154

制造时间

avg_rade9

扩展名

由于npp卫星是在2011年 10 月 28 日被发射的，所以这种数据只从2012年4月开始提供，直到现在。这种数据有两种，一种是年产品，一种是月产品。

关于第五字段：

字段

全称

含义

vcm

VIIRS Cloud Mask

月vcm的平均

vcm-ntl

VIIRS Cloud Mask - Nighttime Lights

vcm的平均，并且背景设为0

vcm-orm

VIIRS Cloud Mask - Outlier Removed

无云平均辐射值，滤除了火焰和其他短暂光线

vcm-orm-ntl

VIIRS Cloud Mask - Outlier Removed - Nighttime Lights

包括vcm-orm，背景设为了0

关于扩展名：

扩展名

含义

avg_rade9

单位是 nanoWatts/cm2/sr，原始DNB值已经被乘了1E9

cf_cvg

无云覆盖，整数

cvg

整数

计划用月数据的avg_rade9h，年数据用vcm-orm-ntl.avg_rade9。

月产品

在每月的数据组合中，全球有许多地区不可能获得当月高质量的数据覆盖。这可能是由于云层的遮挡，尤其是在热带地区，或者是由于太阳光照，就像两极在各自的夏季所发生的那样。因此，这些数据的用户必须使用无云的观测文件，并且不能假定平均辐射率图像中的值为零意味着没有观察到光线。

版本1月度系列使用两种不同的配置全局运行。第一种方法排除了任何受杂散光影响的数据。第二组包括这些数据，如果辐射值经过了流光校正程序(参考)。这两个配置在文件名中分别表示为“vcm”和“vcmsl”。“vcmsl”版本，包括了经过光波校正的数据，将有更多的数据覆盖到两极，但质量将会降低。由用户决定哪一组最适合他们的应用程序。

每个月的压缩包里包含2个文件，第一个是平均的DNB辐射率，第二个包含在平均中使用的无云观测的数量。它们可以通过它们的文件名扩展名avg_rade9.tif和cf_cvg.tif来区分。

例如：

SVDNB_npp_20170101-20170131_00N060E_vcmslcfg_v10_c201702241225.tgz

//包含

SVDNB_npp_20170101-20170131_00N060E_vcmslcfg_v10_c201702241225.avg_rade9.tif

SVDNB_npp_20170101-20170131_00N060E_vcmslcfg_v10_c201702241225.cf_cvg.tif

年产品

年度合成数据仅用“vcm”版本制作，该版本排除了任何受杂散光影响的数据。对年度产品进行进一步处理，以屏蔽短暂的灯光和背景(非灯光)。

每个年压缩包里包含6个文件，4个文件包含平均的DNB辐射值(扩展名avg_rade9.tif)，1个是平均中使用的无云观测的总数量(扩展名cf_cvg.tif)，最后1个文件是不考虑云层覆盖的DNB观测的总数量(扩展名cvg.tif)。4个年平均辐射层可以用配置短名称(字段5)区分。如下例所示。

SVDNB_npp_20150101-20151231_00N060E_vcm_v10_c201701311200.tgz

//包含

SVDNB_npp_20150101-20151231_00N060E_vcm_v10_c201701311200.avg_rade9.tif

SVDNB_npp_20150101-20151231_00N060E_vcm-ntl_v10_c201701311200.avg_rade9.tif

SVDNB_npp_20150101-20151231_00N060E_vcm-orm-ntl_v10_c201701311200.avg_rade9.tif

SVDNB_npp_20150101-20151231_00N060E_vcm-orm_v10_c201701311200.avg_rade9.tif

SVDNB_npp_20150101-20151231_00N060E_vcm_v10_c201701311200.cf_cvg.tif

SVDNB_npp_20150101-20151231_00N060E_vcm_v10_c201701311200.cvg.tif

为了更好把握tif中的信息，下面分别用matlab和envi读了一下图片：

matlab截取了一小块：8337:8349,14641:14654

filepath='D:\复习资料\自学\7_科研\夜光遥感\data\VIIRS\annual\2015\';

file1=[filepath,'SVDNB_npp_20150101-20151231_75N060E_vcm_v10_c201701311200.avg_rade9.tif'];

file2=[filepath,'SVDNB_npp_20150101-20151231_75N060E_vcm_v10_c201701311200.cf_cvg.tif'];

file3=[filepath,'SVDNB_npp_20150101-20151231_75N060E_vcm_v10_c201701311200.cvg.tif'];

file4=[filepath,'SVDNB_npp_20150101-20151231_75N060E_vcm-ntl_v10_c201701311200.avg_rade9.tif'];

file5=[filepath,'SVDNB_npp_20150101-20151231_75N060E_vcm-orm_v10_c201701311200.avg_rade9.tif'];

file6=[filepath,'SVDNB_npp_20150101-20151231_75N060E_vcm-orm-ntl_v10_c201701311200.avg_rade9.tif'];

a1=imread(file1);

a2=imread(file2);

a3=imread(file3);

a4=imread(file4);

a5=imread(file5);

a6=imread(file6);

b1=a1(8337:8349,14641:14654);

b2=a2(8337:8349,14641:14654);

b3=a3(8337:8349,14641:14654);

b4=a4(8337:8349,14641:14654);

b5=a5(8337:8349,14641:14654);

b6=a6(8337:8349,14641:14654);

envi也是按顺序搞得，数据是在太大，有的一个都快两个G了，我的小电脑承受不了。我想到一个好方法，用超大图标查看：

二、数据展示

1、月数据

2014

这年之前没想到搞这个，由于硬盘空间不够给删了。估计也是 5、6、7缺的多，4、8黑龙江有点缺

2015

5、6、7缺的多，4、8黑龙江有点缺

2016

5、6、7缺的多，4、8黑龙江有点缺

2017

5、6、7缺的多，4、8黑龙江有点缺

2018

5、6、7缺的多，4、8黑龙江有点缺

2019

5、6、7缺的多，4、8黑龙江有点缺