基于珞珈一号夜间灯光数据的GDP空间化
ps:普普通通记录贴,地信菜鸡,以防结果被打回来重做然而忘了怎么操作。处理过程参考了很多论文,但操作还是自己来的,也有一点不专业的思考,所以也算原创吧。
记录:
一、数据获得与预处理
1、珞珈一号全国一张图、2016年年均SNPP-VIIRS夜间灯光数据、全国行政区划图
2、定义投影
因为全国数据太大,处理很费时间,所以先裁了自己需要的区域再重设投影。找到的裁剪方法有两种,一个按掩膜提取,一个clip。不知道不同方法会不会对数据有影响,但两种方法裁出来的图是有些不一样。我浅薄的选择了裁出来边缘更光滑的clip。
(复刻操作时clip出现了缺失的现象,但之前我裁另一个省的时候没出现这种状况。接下来的操作采用按掩膜提取获得的影像。)
重投影时,选择的是albers 。
(每次使用arcgis都十分后悔当初为什么没有安装中文包,以至于每次操作前都实现去查xxx的英文是什么。参考:《1.1GIS工具箱中英文对照(基于10.2)——Spatial Analyst Tool,Analysis Tools》, 一起来围观吧 https://blog.csdn.net/Aries_27/article/details/115857950?utm_source=app&app_version=5.3.0&code=app_1562916241&uLinkId=usr1mkqgl919blen救我狗命。)
3、DN值校正
参考:
https://mp.weixin.qq.com/s/AoiyYm-vvi_nBHZReWFD5A?from=groupmessage&scene=1&subscene=10000&clicktime=1649488212&enterid=1649488212
然而并没有使用。
通过阅读文中的几种方法,初步选定逐年校正,但是由于珞珈一号较新,以及全国一张是由多张影像镶嵌而成,无法找到适合对照,在与专业课学长讨论之后,忽略了该操作。
4、掩膜去噪
数据:NOAA官方提供的2016年年均SNPP-VIIRS夜间灯光数据,因为“已通过官方地面系统处理,年均数据的噪声值已被降低到最低水平”。
使用重分类,将viirs数据分为两个类别,亮区赋为1,非亮区为0,然后使用栅格计算器与重投影后的珞珈一号影像相乘。
5、辐射校正
公式:
查的一些论文会提到先转浮点型再进行辐射校正,看的视频教程是直接进行的校正。两种都试过,对结果影响似乎不是很大,最后选择先转浮点再矫正。
校正后辐射值变得非常小,老师觉得有些不合常理。Emm
因为最后没有使用到辐射值的数据,所以对这个问题没做太多思考。按理要进行灯光空间分布特征分析,但不在研究范围内,略过了。
二、GDP空间化模拟
1、构建夜间灯光指数
选用:TNL、I、S、CNLI
(关于TNLI与TNL,并不太明白,查夜间灯光总强度又感觉它们是一个指数。)
(公式截自论文:https://kns.cnki.net/kcms/detail/detail.aspx?dbcode=CMFD&dbname=CMFD202101&filename=1021562861.nh&uniplatform=NZKPT&v=WFQf_m_51RHjJOU25a52JKBUYL0lhXUC6CSxIFvTTb3gzXo1ia4iRTwx7fAIbAr3)
计算TNL:
计算I:
先算的DNmax,对NL该区域像元总数进行理解时出现误差,以为是最大值的个数,没想出解决办法只能一个一个数,幸好做的区域小,最大亮度值一般只有一个。后面看另一篇论文时,觉得应该是全部像元数。
计算像元总数时,先重分类将所有像元值赋为1,然后如上图计算sum值。最后按公式算出I值。
计算S:
同上,重分类将像元亮区赋为1,非亮区赋为0,然后计算sum,最后相除。
计算CNLI:I * S
2、获取GDP数据
因为GDP空间化模拟需要进行数学分析,样本量要足够,获取GDP时要细分到区县。选用的是第二、三产业的增加值与夜间灯光指数进行分析。
因为所选分析区域第一产业占比不算小,尝试性 用总GDP进行过分析,最后得出的GDP预测值与官方统计值相对误差较大。
关于夜间灯光数据与一、二、三产业的相关性分析:
https://kns.cnki.net/kcms/detail/detail.aspx?dbcode=CJFD&dbname=CJFD2012&filename=DQXX201201020&uniplatform=NZKPT&v=ntANfGDeObeCTpjPrLzeG1pxmi_TS2k7sBkX2bVhFDjOxHvQf9B-WlOjnYIWQI05
3、回归模型分析
SPSSAU数据分析平台:
https://www.spssau.com/?103000000
选用模型:线性、对数、幂函数、指数
根据R方值确定应用模型。
最后采用的模型R方值不算高,0.5往上,同为线性模型,低于之前样本过少进行分析时所获得的线性模型。
4、GDP空间化模拟
(公式如上,截自同一篇论文)
GDPy,j为根据回归模型得到的每个行政区的GDP预测值。
做GDPt的栅格图时,先尝试直接在arcgis 里载入excel,然后与行政区划相关联,面砖栅格,失败。最后选择在行政区划.shp的属性表中手输GDP官方值,第一次数据类型为整形,面转栅格失败。改数据类型为浮点型,成功。获取栅格图后,通过区域分析得到每个行政区的官方GDP值。
根据公式计算。
5、出图
挑一个花花绿绿的颜色
流泪.jpg
每一次因为卡住向老师提问时be like
基于珞珈一号夜间灯光数据的GDP空间化相关推荐
- 一、DMSP/OLS、NPP/VIIRS等夜间灯光数据之GDP空间化的理论介绍
一.前言 自上世纪90年代以来,DMSP/OLS夜间灯光数据问世,由于和其他遥感数据不同,该数据可以探测到地球夜间微弱的灯光.随着数据的积累,可以获取长时间序列的数据之后,随后常用于人类社会经济指标的 ...
- 五、DMSP/OLS、NPP/VIIRS等夜间灯光数据之GDP空间化的渔网建立
四.DMSP/OLS夜间灯光数据之GDP空间化的拟合方程获取https://mp.csdn.net/mp_blog/creation/editor/114187711 一.前言 上一节详细介绍了如何获 ...
- 零、DMSP/OLS、NPP/VIIRS等夜间灯光数据之GDP空间化的真实GDP计算
一.前言 在很多论文中进行GDP空间化之前,会提出对统计年鉴中的GDP数据求真实GDP的理论,那么在开始GDP空间化理论之前,还是给大家介绍一下如何计算真实GDP. 真实GDP计算公式是根据:实际GD ...
- 八、DMSP/OLS夜间灯光数据之GDP空间化结果分析——增长速度
对于GDP空间化增长速度这一结果的分析来说,主要就是需要将每个格网的GDP增量的到,其次就是计算发展时间内的每个格网GDP平均增量,然后按照自然断点的分配方式进行增长速度的分级显示. 也就是这种分级显 ...
- 夜间灯光数据文章大合集
接下来详细按照以下的目录录制相关视频 数据下载 DMSP/OLS夜间灯光数据下载 NPP/VIRRS夜间灯光数据下载 珞珈一号夜间灯光数据下载 数据预处理 DMSP/OLS夜间灯光数据预处理 校正方程 ...
- 十三、基于DMSP/OLS、NPP/VIIRS夜间灯光数据和兴趣点(POI)城市建成区提取——理论
一.前言 夜间灯光数据是卫星传感器对夜间建筑物,道路和交通工具等发出灯光的记录[1,被广泛应用于城市建成区提取中.利用夜间灯光数据提取城市的建成区,能在很大程度上避免传统多光谱遥感的光谱混淆 .但由于 ...
- 十四、基于DMSP/OLS、NPP/VIIRS夜间灯光数据和兴趣点(POI)城市建成区提取——POI数据建成区提取
一.前言 POI核密度估计法建成区提取核心思路就是利用POI核密度分析,然后绘制出整个区域核密度等值线,定义Sd为以核密度值为d的等值线包围的环状曲线内部的面积,定义Sd开根号为Sd的理论半径,得到这 ...
- 一、DMSP/OLS、NPP/VIIRS夜间灯光数据之城市建成区提取之理论介绍
图1 环渤海城市群城市建成区扩张图 一.前言 对于上述图1,很多小伙伴可能见过类似的,那么这种图怎么来通过GIS或者通过其他软件实现.早期由于遥感影像种类有限,大部分城市建成区范围通过Landsat等 ...
- DMSP夜间灯光数据
数据和详细信息参见https://ngdc.noaa.gov/eog/dmsp/dmsp.html) 1.美国国防气象卫星计划(Defense Meteorological Satellite Pro ...
- 二、DMSP/OLS夜间灯光数据校正一理论介绍
夜间灯光数据介绍: 1.美国国防气象卫星计划(Defense Meteorological Satellite Program,DMSP)由美国空军航天与导弹系统中心运作,卫星运行的线性扫描系统(Op ...
最新文章
- python字典去最值_python 比较字典value的最大值的几种方法
- leetcode:Plus One
- 计算机视觉与深度学习 | 基于MATLAB 使用CNN拟合一个回归模型来预测手写数字的旋转角度(卷积神经网络)
- VTK:循环收缩用法实战
- “没有找到iliertutil.dll,因此这个应用程序未能启动。”文件拷贝 PE 或者 dos...
- 聊聊人工智能领域的工作状态?知乎回答
- php折半查找算法,PHP如何实现折半查找算法
- JBOSS5+ActiveMQ5.7集成
- VisualAssistX中文注释提示错误 解决办法
- 计算机实验云平台,浅析基于云平台的计算机实验教学中心建设
- PCL implicit shape model 做目标识别分类
- 让IPv6强大的关键——NDP邻居发现协议
- 数字水印技术研究综述
- 关于向量值函数方程变分的一点注记
- Python自学笔记6:实操案例三(十进制转换二、八、十六进制),手机充值,计算能量消耗,预测未来子女身高
- 计算机网申兴趣爱好怎么写,网申个人爱好如何填写?
- 为什么我的CDMA手机获取不了CellID?
- 函数可导但是导函数不连续的例子
- Java代码实现百万级数据XLS文件和XLSX文件的读取(已经过测试, 安心使用)
- Kafka的原理(一图看懂)