遥感—以常用夜光遥感卫星介绍为主

一、夜光遥感简述

夜光遥感是获取无云条件下地表发射的可见光-近红外电磁波信息。这些信息大部分由地表人类活动发出，其中最主要的是人类夜间灯光照明，同时也包括石油天然气燃烧、海上渔船、森林火灾以及火山爆发等来源。

二、常用夜光遥感研究数据源卫星

（一）Defense Meteorological Satellite Program（DMSP）

美国国防气象卫星（Defense Meteorological Satellite Program，DMSP）是世界上唯一的专用军事气象卫星，获取的夜间灯光影像被越来越多地用来研究人类活动, 近年来广泛应用于城镇扩张、经济活动评价、人口密度估算、电力消耗和碳排放、光污染以及灾害评价等。

（二）NPOESS Preparatory Project（NPP）

美国航空航天局（National Aeronautics and Space Administration，NASA）运行了很多卫星系统，其中一个重要的卫星系统是NPOESS Preparatory Project (NPP)，用于探测地球环境和大气，追踪大气臭氧和气溶胶以及海洋和陆地表面温度，监测海冰和陆地冰川，监控火山爆发、森林火灾、干旱、洪水、沙尘暴、飓风/台风等自然灾害。总之，NPP可以从太空中监测地球的健康，提供长时间序列数据，主要承担未来地球科学任务。

（三）珞珈一号01星

珞珈一号01星主要承担夜光遥感和导航增强两个任务。为保障夜光遥感数据的几何精度，卫星采用了双星敏定姿和双频GPS定轨，达到的姿态和轨道确定精度指标在20kg级微纳卫星中处于国际领先水平。

三、DMSP、NPP以及珞珈一号夜间遥感数据源相关信息

（一）DMSP搭载的OLS（Operational Linescan System）传感器

1、特点

DMSP-OLS具有放大光电的能力，能够在夜间探测到地球表面微弱的电磁波，例如城市灯光、小规模居民地、渔船灯光以及火灾等光源。

每天可以获得两幅全球影像，即白天和黑夜各一幅。

2、数据可获取年序

目前可获得的产品数据为年合成稳定夜间灯光数据（1992年起至2013年）

3、传感器配备波段

可见光及近红外波段：波长范围（0.4-1.0μm）、光谱分辨率（6bit）

热红外波段：波长范围（10-13μm）、光谱分辨率（8bit）

4、NOAA生产的全球稳定夜间灯光数据特点

剔除了受云覆盖或是暂时性事件（火灾等）影响的像元；

空间分辨率为30 arc-second（弧秒）（约1000m）；

覆盖的空间范围为南纬65°至北纬75°，经度为0°至180°；

像元值（DN值）范围为0到63。0为背景值，表示该区域没有灯光，其数值越高则说明其灯光亮度越大，也意味着该区域的人类活动聚集度越高。

5、稳定夜间灯光数据存在的三个缺陷

（1）传感器的辐射分辨率较低，可能产生“过饱和”现象。受限于该传感器的辐射分辨率，高于其能接受辐射最大值的部分无法获取，导致原本像元值应该超过63的区域被限制为63。

（2）传感器缺乏在轨辐射定标。不同年份或不同卫星的DMSP-OLS稳定夜间灯光数据缺乏可比性，例如两幅稳定夜间灯光数据中，像元值相同的像元所对应夜间灯光辐射亮度不一定是一样的。

（3）数据存在“溢出效应“，即在灯光边缘区域会出现溢出现象。潜在的城市对象往往会大于实际的城市范围。

出现溢出现象的原因有DMSP-OLS稳定夜间灯光数据的空间分辨率过大、DMSP-OLS传感器的相邻两个覆盖区域间有大面积的重叠区域、在合成稳定夜间灯光数据时，出现了一定的地理位置偏差。

（二）Suomi NPP卫星搭载的VIIRS（Visible Infrared Imaging Radiometer Suite）传感器

1、特点

NPP-VIIRS继承了AVHRR、MODIS、DMSP-OLS传感器，每天可获得两幅全球影像（白天和黑夜个一幅）

2、数据可获取年序

Suomi-NPP卫星发射于2011年10月。由于Suomi NPP在轨时间较短，目前仅提供2012年至今的日数据以及逐月合成数据和部分年份的年合成数据。

3、传感器配备波段

总共有22个波段，总光谱范围为0.4-12.5μm；

Day/Night Band（DNB）波段是用于探测夜间灯光强度的主要波段。DNB波段的波长范围为0.5-0.9μm（全色波段），其空间分辨率约为750m，可拍摄范围覆盖了从南纬65°到北纬70°的区域。DNB波段的光谱分辨率为14-bit且执行了在轨辐射定标操作，这意味着该传感器能够更灵敏地捕捉到地球表面的灯光信息。

4、合成数据特点

日数据的空间分辨率为750m，可用于实现对短时间时间间隔变化的动态分析，但该数据受到云覆盖的影响较大；

月合成数据以及年合成数据的空间分辨率均为500m左右。该数据剔除了受云覆盖影响的像元或是使用算法校正了这些像元的辐射亮度值。

5、数据缺点

由于传感器的高灵敏性会导致数据中出现“噪点”，例如渔船的灯光、冰雪的高反射导致的数值异常等。

（三）珞珈一号

珞珈一号微纳卫星无星上定标设备，珞珈一号01星，将夜光传感器设计为具备白天、夜间成像能力，通过构建白天-夜间辐射基准传递模型，实现夜间传感器各探元的非均匀性定标。还需进行带控制的区域网平面平差来保证影像的绝对定位和相对定位精度。

表1 来源于李德仁，张过，沈欣，钟兴，蒋永华，汪韬阳，涂建光，李治江.2019.珞珈一号01星夜光遥感设计与处理.遥感学报，23（6）：1011-1022.

表2-1 来源于陈佐旗《基于多源夜间灯光遥感影像的多尺度城市空间形态结构分析》

四、国界数据、行政区划数据数据源

一、GADM：高精度全球行政区划数据库（使用此类数据务必格外谨慎）

https://gadm.org/

二、open street map

OpenStreetMap

五、土地覆盖数据集数据源

MODIS 的土地覆盖产品数据（MOD12Q1）

30米全球土地覆盖数据集（GlobeLand30）

六、遥感影像数据获取数据源

一、landsat

EarthExplorer

二、哨兵 sentine

https://scihub.copernicus.eu/dhus/#/home

三、modis

LAADS DAAC

四、中国资源卫星应用中心

中国资源卫星应用中心

五、国家基础地理信息中心

欢迎光临国家基础地理信息中心网站

六、NOAA（包含夜间灯光影像NPP、DMSP）

Data and Products | NCEI

七、拜读陈佐旗研究员《基于多源夜间灯光遥感影像的多尺度城市空间形态结构分析》后的部分基础理论笔记

声明：蓝色字体内容为本人查阅补充的知识

（一）在地理空间表达（Geospatial representation）体系里，有两个重要的概念——“离散对象”和“连续场”。“离散对象”指的是在一定范围内，具有明确空间范围且边界范围内属性值唯一的地理实体，例如行政区划图，每一个行政区划都是经过精确测量，且与其相对应的属性（包括名称、人口数、面积等）也是具有确切数值的。而“连续场”是在一个地理空间里连续变化的且无确切边界的地理现象，例如地形起伏（高程变化）、大气压力、土壤湿度等。一般情况下，“离散对象”是以矢量数据的形式存储，而“连续场”往往是以栅格数据的形式体现的。在前人的研究下，夜间灯光数据已经被证明与人类活动的聚集程度有着密切的正相关关系，那么夜间灯光遥感影像可以被认为是一种体现人类活动聚集程度的“连续场”。

（二）根据Giuliano等人给出的定义，"城市中心"被认为是相较于周围区域，拥有高聚集度和高密度的就业人口以及人类活动的区域。

（三）城市是借助多种交通网络以及通讯网络的非农业人口集聚地，出现和集聚第二、第三产业的主要场所。（按“三次产业划分规定”，第二产业是指采矿业（不含开采辅助活动）、制造业（不含金属制品、机械和设备修理业）、电力、燃气及水的生产和供应业，建筑业。第三产业即服务业，是指除第一产业、第二产业以外的其他行业）

（三）在不同的研究尺度和研究背景下，城市的表达形式是多样的。在城市地理学中，城市通常是指市、镇建成区的空间范围，有时候也被认为是指具有一定空间规模和人口规模的面状区域。为了能够全面地研究城市问题，通常从两个不同的角度研究和分析城市，两个研究角度分别为城市实体（Urban Entity）和城市性质（Urban Quality）。对城市实体的描述，通常是通过分析或模拟城市人口规模（人口数量、人口密度以及聚集程度等）、城市职能以及经济发展情况来实现的。而城市性质则更多的依靠认知制图，以了解城市中人类的行为举止模式，并帮助提高人类的生活质量。

（四）传统的利用遥感技术探究城市空间形态的方法大多分成两个部分，首先是利用不透水层的光谱特性，从遥感数据中识别出城市范围：再对多时相的城市范围数据进行时间序列分析，从而实现对城市区域的时空变化研究，再辅以土地利用、统计调查数据以及专家经验等辅助数据，探究造成城市区域扩张的因素以及城市区域扩张对人类活动所造成的影响。（不透水面（impervious surface area，ISA）是指由不透水材料覆盖的地表，通常包括屋顶、停车场及道路等渗透率较小的表面，是城市化最显著的特征）

（五）城市建成区作为城市空间形态结构中的重要组成部分，提取城市建成区是研究城市空间形态的基础。（城市建成区，指市行政区范围内经过征收的土地和实际建设发展起来的非农业生产建设地段，它包括市区集中连片的部分以及分散在近郊区与城市有着密切联系，具有基本完善的市政公用设施的城市建设用地（如机场、铁路编组站、污水处理厂、通讯电台等）。城市建成区与不透水面密不可分。）

（六）通过与已有全球土地覆盖产品数据，证实了当前人类活动范围不仅仅局限于不透水层，已渗透至部分非不透水层区域（例如城市森林等）。（据本人生活经验，云南由于自然生态环境优越，森林公园、部分“全民健身”栈道也为非不透水面）

（七）DMSP-OLS数据预处理方法：由Elvidge等人提出的年际校正模型（尽可能地提高不同年份间的数据连续性）、由Liu等人提出的年内融合模型（将同一年份的多个稳定夜间灯光数据融合成一副影像）。

（八）当前国内外利用夜间灯光数据提取城市建成区范围的方法，主要分为三类：

阈值法：

1、依靠对研究区域的主观背景知识，人为设置夜间灯光亮度阈值，将超过该阈值的区域视为城市区域；

2、引入辅助数据来优化阈值设置方法。例：Henderson等人在基于Landsat TM数据提取的城市不透水层的基础之上，与DMSP-OLS稳定夜间灯光数据进行空间比较，获得最优的夜间灯光阈值；

3、Imhoff等人提出的“突变检测法“。突变检测法认为提取的城市应保证市中心区域的完整性。当阈值逐渐增加时，被识别出的城市建成区也会随之收缩。当阈值增大到某一个值时，城市建成区则会从内部出现破碎，形成多个类似”孤岛“的斑块。换言之，城市建成区的周长总和会忽然增加。基于对市中心区域的完整性保障，城市建成区”破碎”前的阈值则被认为是该研究区提取城市建成区的最佳阈值。（本人认为与空间破碎度分析有较高的相似性）

面向对象分类法：

在遥感图像数字处理领域，”面向对象”的概念被应用到了图像识别和分类等领域，主要包括图像分割、对象特征提取以及对象识别等过程。例：Zhou等人使用控制标记符分水岭分割算法。

面向地理知识发现算法：

利用面向地理知识发现算法提取城市建成区的基本思想是利用研究人员的先验知识在遥感数据上选取城市建成区和非城市建成区的训练样本，然后将这些训练样本输入至某一个或某几个面向地理知识发现算法，通过机器学习的方式，训练得到城市建成区的识别模型，并以此提取研究区域的城市建成区范围。（鲁棒robustness可以理解为模型对数据变化的容忍度。Huber从稳健统计的角度给出了鲁棒性的3个要求：1、模型具有较高的精度或有效性；2、对于模型假设出现的较小偏差，只能对算法性能产生较小的影响；3、对于模型假设出现的较大偏差，不能对算法性能产生“灾难性“的影响。）

参考文献

【1】《喜讯传来，珞珈一号传回第一景图像》来源：测绘遥感信息工程国家重点实验室、武汉大学报社，2018-06-04 19:16

【2】陈颖彪，郑子豪，吴志峰，等.2019.夜间灯光遥感数据应用综述和展望[J].地理科学进展，38（2）：205-223.

【3】李德仁，张过，沈欣，钟兴，蒋永华，汪韬阳，涂建光，李治江.2019.珞珈一号01星夜光遥感设计与处理.遥感学报，23（6）：1011-1022.

【4】陈佐旗.基于多源夜间灯光遥感影像的多尺度城市空间形态结构分析[D].保存地点：华东师范大学，2017

【5】GIULIANO G,SMALL K A.Subcenters in the Los Angeles region [J].Regional Science and Urban Economics,1991,21(2):163-182

【6】吕宁，高杨，邓玉娇，薛重生. 浙江省义乌市城市空间结构动态变化遥感监测 [J].国土资源遥感，2005，17（4）：65-68

【7】YuanYWRS.城市不透水面空间分析——以宁波为例.CSDN

【8】管他叫大靖.提高模型鲁棒性的一些方法.知乎