仇雅倩，薛翔宇，韓文軍，陳曉玲，李 熙

1.武漢大學測繪遙感信息工程國家重點實驗室，武漢430079

2.武漢大學地球空間信息技術協(xié)同創(chuàng)新中心，武漢430079

3.國網經濟技術研究院，北京100052

在夜間無云的條件下，由衛(wèi)星傳感器獲得城鎮(zhèn)燈光、海上油氣井燃燒、艦船發(fā)光、火災火點等可見光的過程即為夜光遙感.目前，獲取夜光遙感影像的衛(wèi)星及傳感器主要有美國國防氣象衛(wèi)星線性業(yè)務掃描系統(tǒng)(defense meteorological satellite program/operational linescan system,DMSP/OLS)、NASA 以及NOAA 于2011年10月發(fā)射的Suomi NPP衛(wèi)星及搭載的可見紅外成像輻射儀（visible infrared imaging radiometer suite,VIIRS）.DMSP/OLS 是最初設計用于檢測夜間云層的軍事氣象衛(wèi)星，直到1972年科學家才意識到OLS 傳感器能夠對城市的光線、氣體燃燒、捕魚船隊和其他照明特征進行成像[1].國家海洋和大氣管理局的國家地球科學數據中心（national oceanic and atmospheric administration/national geoscience data center,NOAA/NGDC）只保留了1992—2013年的DMSP/OLS 數據，雖然該衛(wèi)星系統(tǒng)仍在收集數據，但已不再歸檔保存DMSP/OLS 數據，轉而支持Suomi NPP 衛(wèi)星的VIIRS 傳感器.VIIRS 具有專門檢測燈光的日夜波段（day/night band,DNB），且擁有比DMSP/OLS 更高的空間和輻射分辨率，但缺乏長時間序列的數據記錄.

夜光影像不僅可以反映夜間城鎮(zhèn)燈光，而且可以捕捉到夜間漁船、天然氣燃燒、森林火災的發(fā)光等[2]，在社會經濟參數估算[3-6]、區(qū)域發(fā)展研究[7-11]、重大事件評估[12]、油氣田監(jiān)測[13]、漁業(yè)監(jiān)測等諸多研究領域有廣泛應用.然而，目前大多數夜光遙感只是針對長時間序列DMSP/OLS 影像或相對較高分辨率的VIIRS 影像進行研究，而并未以獲取時間的不同對比DMSP/OLS 和VIIRS 兩種夜光影像.有關對比分析DMSP/OLS 和VIIRS 在估算社會經濟參數等方面差異性的研究較少.文獻[14]的研究分析表明：在預測人口和經濟密度最低的撒哈拉以南的非洲地區(qū)的人口和經濟措施方面，VIIRS 相對于DMSP/OLS 能夠提供更精確的社會經濟參數估算.文獻[15]基于政府統(tǒng)計數據評估比較了VIIRS 和DMSP/OLS 在提取城市區(qū)域數據方面的潛能，結果表明VIIRS 比DMSP/OLS 具有更高的空間準確性.文獻[16]以中國省級和地級市尺度對比評價了VIIRS 和DMSP/OLS 對地區(qū)生產總值的評估能力，結果表明VIIRS 的評估能力優(yōu)于DMSP/OLS.文獻[17]以中國省級尺度對比了VIIRS 和DMSP/OLS 校正社會經濟變量的能力，認為造成兩者差異的原因是DMSP/OLS的飽和度和量化的影響，此外還與兩者影像的獲取時間有一定的關系.文獻[18]基于線性回歸分析研究了在多尺度情況下DMSP/OLS 和VIIRS 對國內生產總值（gross domestic product,GDP）等社會經濟參數的建模能力，結果表明：無論是以何種尺度來衡量，只要利用DMSP/OLS 對VIIRS 進行去噪處理，VIIRS 對GDP 和EPC 的建模均優(yōu)于DMSP/OLS.本文根據DMSP/OLS 和VIIRS 在獲取時間上的差異研究兩種燈光的一致性與差異性，并在此基礎上通過多種尺度的探究分析兩者之間的輻射差異與何種社會經濟活動或參數有關，且以省級尺度分析比較不同燈光對電力消費的預測能力.

1 數據和預處理

1.1 夜間燈光數據

夜間燈光數據使用DMSP/OLS 和VIIRS 兩種數據，其基本參數信息如表1所示.NOAA提供可免費使用的DMSP/OLS 數據為1992—2013年的年度夜光影像，可免費使用的VIIRS 數據為2011年11月至今的月度數據和2015年的年度數據產品.從NOAA 網站上下載2013年DMSP/OLS 數據和2015年VIIRS 的年度數據產品作為本文研究的夜光數據.

表1 DMSP/OLS 和VIIRS 基本參數Table1 Basic parameters for DMSP/OLS and VIIRS

DMSP/OLS 原始數據采用WGS1984 坐標系，空間分辨率為2 700 m，獲取的夜光影像時間為20:30—21:30 之間，觀測到的燈光值以6 bit 灰度值進行記錄，故灰度值范圍為0—63，0 表示無燈光，63 表示能記錄的燈光最大值，則DMSP/OLS 記錄的燈光值為相對值而不是絕對的輻射率值.由于DMSP/OLS 能記錄的最大值為63，很多地區(qū)如明亮的城市區(qū)域會出現飽和現象.研究中使用的DMSP/OLS 非輻射定標夜間穩(wěn)定燈光值（stable lights）產品對燈光進行了濾除處理，去除了閃電、天然氣燃燒、火光和漁船等短暫燈光.VIIRS原始數據采用WGS1984 坐標系，空間分辨率為742 m，其夜光影像獲取時間為凌晨1:30 左右，觀測到的燈光值根據噪聲水平進行12 位或14 位量化，記錄的燈光值即為輻射率值，單位為nW/(cm3·sr).研究中同樣對所采用的VIIRS2015年年度數據進行了燈光濾除處理，消除了云層、閃電、月球照明等影響，然而并未消除火災、漁船燈光等短暫燈光的影響.

DMSP/OLS 數據最多只保留到2013年，而VIIRS 僅公布了2015年的年度數據.已有研究表明中國燈光增量主要來自于建成區(qū)擴張[19]，而已有建成區(qū)在1年至2年內的燈光增加比率較小[16].因此，本文假設2013—2015年城鎮(zhèn)范圍內燈光的變化較小，采用2013年DMSP/OLS 數據和2015年VIIRS年度數據產品進行對比分析，探究DMSP/OLS和VIIRS 之間的一致性與差異性以及造成時間上的差異性因素.圖1和2 分別給出了中國2013年DMSP/OLS 夜間燈光影像和2015年VIIRS 夜間燈光影像，為減小投影面積變形，已將兩種燈光數據轉為阿爾伯斯等積圓錐投影.

圖1 中國2013年DMSP/OLS 夜間燈光影像Figure1 Nighttime light imagery of China in 2013 by DMSP/OLS

圖2 中國2015年VIIRS 夜間燈光影像Figure2 Nighttime light imagery of China in 2015 by VIIRS

1.2 土地利用數據

國家基礎地理信息中心發(fā)布了2010年全球30 m 地表覆蓋數據（GlobeLand30-2010），分類時所采用的影像主要為30 m 多光譜影像，包括美國陸地資源衛(wèi)星（Landsat）TM5、ETM+多光譜影像和中國環(huán)境減災衛(wèi)星（HJ-1）多光譜影像.GlobeLand30-2010 數據共包括10 個類型，分別為耕地、森林、草地、灌木地、濕地、水體、苔原、人造地表、裸地、冰川、永久積雪.其中人造地表主要是由人工建造活動形成的地表，包括城鎮(zhèn)等各類居民地、工礦、交通設施等，而不包括建設用地內部連片綠地和水體.GlobeLand30-2010 數據的總體精度為83.51%，Kappa 系數為0.78，人造地表精度達到86.94%.

1.3 人均GDP 和EPC 統(tǒng)計數據

采用2013年中國地級市人均地區(qū)生產總值、2013年和2015年省級電力消費數據進行分析討論，人均GDP 數據（單位為萬元）來自各地級市2014年統(tǒng)計年鑒或經濟發(fā)展公報，省級電力消費數據來自中國統(tǒng)計局發(fā)布的2014年和2016年統(tǒng)計年鑒資料，臺灣省、香港特別行政區(qū)、澳門特別行政區(qū)因缺少經濟統(tǒng)計資料而不納入地級市和省級尺度的研究范圍.

1.4 數據預處理方法

研究中所使用的數據主要為夜光數據和全球地表覆蓋數據，而本文的研究區(qū)域主要為中國大陸區(qū)域，且夜光影像的獲取還受很多因素的影響，如積雪湖水等對燈光的輻射以及極光、火災等短暫燈光的影響，因此首先對人造地表燈光進行提取以消除這些不利影響.該數據預處理目的主要如下：1）將VIIRS 模擬為DMSP/OLS 數據；2）對人造地表燈光進行提取.本文研究的主要技術路線如圖3所示.

圖3 本文研究的技術路線Figure3 Technical route in this study

1.4.1 VIIRS 模擬DMSP/OLS 數據

鑒于DMSP/OLS與VIIRS 在單位上的區(qū)別，文獻[20]將VIIRS 數據模擬為DMSP/OLS數據

式中，X為2015年VIIRS 數據，Y為2013年DMSP/OLS 數據，m=11.731 9，n=0.443 6，?F表示對影像進行高斯濾波，yi,j表示第i行、第j列像元DN 值，c取為常數值63.DMSP/OLS和VIIRS 的空間分辨率有很大差別，為確保數據的準確性，對VIIRS 數據進行重采樣，使其重采樣后的分辨率與DMSP 分辨率相同.需要特別說明的是文中計算統(tǒng)計的VIIRS 燈光值均模擬為DMSP/OLS 后的VIIRS 數據.

1.4.2 提取人造地表燈光

利用國家基礎地理信息中心發(fā)布的2010年全球30 m 地表覆蓋數據提取中國區(qū)域的人造地表.當人造地表降尺度到與DMSP/OLS 相同分辨率時，把提取到的人造地表二值影像轉為浮點型數據進行重采樣處理，然后將像元值大于等于0.1 的像元認為是人造地表.圖4和5 分別給出了提取的DMSP/OLS 和VIIRS 人造地表燈光.

圖4 中國2013年DMSP/OLS 人造地表燈光Figure4 Artificial surfaces light of China in 2013 by DMSP/OLS

2 研究方法

2.1 燈光輻射亮度比較

將提取到的人造地表燈光影像轉為阿爾伯斯等積圓錐投影后為保證研究結果的普遍性，本文采用多尺度探究DMSP/OLS 和VIIRS 在時間上的差異性.對于不同的尺度，統(tǒng)計各區(qū)域內燈光平均值分別為

圖5 中國2015年VIIRS 人造地表燈光Figure5 Artificial surfaces light of China in 2015 by VIIRS

式中，MD、MV分別為區(qū)域內城鎮(zhèn)地表范圍的DMSP/OLS 燈光均值和VIIRS 夜間燈光均值，di和vi分別為DMSP/OLS 和VIIRS 影像區(qū)域內城鎮(zhèn)地表范圍的像元的DN 值，n為區(qū)域內所有像素數目.

2.1.1 差異性度量指標

度量差異性的指標很多，本文采用區(qū)域內DMSP/OLS 和VIIRS 燈光均值的比值作為度量差異性的指標，設立燈光差異指數（light difference index,ILD）為

該指標表明：若ILD值越偏離1，則DMSP/OLS 和VIIRS 在時間上的差異性越大；反之，若ILD值越接近于1，則差異越小.

2.1.2 回歸方法

關于區(qū)域內DMSP/OLS 與VIIRS 一致性分析，采用常數項為0 的一元二次多項式回歸分析方法為

式中，a和b為回歸系數，x為區(qū)域內DMSP/OLS 燈光均值，y為相應區(qū)域內VIIRS 燈光均值.回歸分析所得的相關指數R2越接近1，回歸效果越好，兩者之間的相關性也越強.

2.1.3 分段統(tǒng)計方法

為更好地體現人均GDP 統(tǒng)計數據與燈光差異之間的規(guī)律性，將人均GDP 數據劃分為以下14 個區(qū)間：小于3 萬、3 萬～4 萬、4 萬～5 萬、······、14 萬～15 萬、大于15 萬元，分別統(tǒng)計各區(qū)間城市數目及ILD最大值，探究人均GDP 與不同燈光在時間上的差異性之間的關系.

2.2 預測經濟參數方法

采用線性回歸分析方法對比不同燈光對電力消費預測的能力，并計算預測得到的電力消費數據的均方根誤差（root mean square error of electricity power consumption,ERMSE）分別為

式中，a和b為回歸系數，x為各省DMSP/OLS 燈光總值或VIIRS 燈光總值，y為原始的各省電力消費數據，表示根據回歸分析得到的各省電力消費總值，n為省份數目.R2數值越接近1，說明燈光數據與電力消費數據的相關性越強，燈光數據對電力消費的預測能力也越強；ERMSE越小，預測得到的結果與真實數據越接近，預測結果越準確.

3 結果討論與分析

3.1 DMSP/OLS 與VIIRS 燈光數據一致性與差異性分析

3.1.1 DMSP/OLS 與VIIRS 燈光數據一致性分析

為保證研究結果的普遍性，分別在地級市、縣域尺度、40 km 漁網、20 km 漁網等尺度探究DMSP/OLS 和VIIRS 在時間上的差異性.基于文獻[19]的數據轉換模型將VIIRS 模擬為DMSP/OLS 影像后統(tǒng)計分析各尺度DMSP/OLS 和VIIRS 均值之間的相關性，采用二次多項式擬合的方法得到了兩者之間的關系，如圖6所示.對于采用網格進行統(tǒng)計的兩種尺度分析來說，統(tǒng)計中難免存在大量的兩種燈光值為0 的網格.為不影響結果分析，在所得統(tǒng)計結果中忽略DMSP/OLS 和VIIRS 均值為0 的網格數據.由分析結果可知：無論對于何種尺度，DMSP/OLS 與VIIRS 的二次多項式擬合結果很好，最低的R2都高達0.962 5，體現了很好的相關性與一致性，但這只是數據上的一致性.從理論上來說，DMSP/OLS 和VIIRS 擬合結果應呈線性關系，且兩種燈光均值的比值約為1，而實際回歸分析結果并非如此，說明DMSP/OLS 和VIIRS 存在一致性的同時，在部分地區(qū)還存在一定的差異性.

3.1.2 DMSP/OLS 與VIIRS 燈光數據差異性分析

在3.1.1 節(jié)4 種尺度上，利用已知的區(qū)域內DMSP/OLS 和VIIRS 燈光均值，通過回歸模型計算得到常數項為0 的一元二次多項式方程.對于不同尺度區(qū)域內DMSP/OLS 均值，根據擬合得到的回歸方程以0.1 為間隔計算區(qū)域內相應的VIIRS 均值，從而得到ILD值，以此探究兩者之間的差異性.在不同尺度上計算得到的結果如圖7所示，可以看出：無論是在何種尺度——以行政區(qū)劃單位和空間網格單元，部分地區(qū)燈光之間都存在著差異，且區(qū)域ILD值隨DMSP/OLS 燈光均值的增加而降低，即DMSP/OLS 燈光均值越高的地方，其燈光之間的差異就越小.對于差異大的地區(qū)，結合2013年地級市人均GDP 數據，分析造成差異性的影響因素.

圖6 不同尺度的DMSP/OLS 與VIIRS 夜間燈光均值線性回歸分析散點圖Figure6 Scatter diagram of linear regression analysis between nighttime light mean of DMSP/OLS and VIIRS in different scales

圖7 不同尺度區(qū)域內夜間燈光差異性變化趨勢Figure7 Trend of nighttime light difference at different scales

為研究人均GDP 與燈光差異之間是否存在一定的相關性，將人均GDP 區(qū)間按照前文已經說明的規(guī)則進行分段，統(tǒng)計各區(qū)間城市數目、相應區(qū)間內的ILD最大值及所有最大值的平均值，所得結果如圖8和9 所示.經分析可以得到以下幾點規(guī)律：1）城市大多集中于人均GDP 低于7 萬的區(qū)間內；2）在人均GDP 低于7 萬的區(qū)間內，燈光差異隨人均GDP 的增加而降低.由此可以初步認為燈光差異與地區(qū)經濟發(fā)展有一定的關系，即經濟相對不發(fā)達的地區(qū)越容易出現燈光差異大的現象.

在各人均GDP 區(qū)間內ILD最大值的平均值為2.28，再次統(tǒng)計ILD大于2.28 的城市數目，并分別統(tǒng)計人均GDP 小于4 萬，4 萬～7 萬及≥7 萬的區(qū)間內ILD大于2.28 的城市數目，結果見表2.在ILD大于2.28 的城市中，人均GDP 小于4 萬的城市約占65%，在4 萬～7 萬區(qū)間內的城市約占33%，而在大于7 萬的區(qū)間內只有一個城市：說明在經濟相對不發(fā)達的地區(qū)，越容易出現燈光差異大的現象.初步推斷其原因如下：兩種燈光數據成像時間不同，DMSP/OLS 成像時間為晚上9∶30 左右，人類活動相對較多，且大部分地區(qū)基礎照明還在持續(xù)提供；VIIRS 成像時間為凌晨1∶30 左右，處于此時間段的經濟相對不發(fā)達城市的人類活動已不活躍，可能不再需要提供基礎照明，導致VIIRS 獲取的燈光影像燈光值相對偏低.

圖8 各人均GDP 區(qū)間內的城市數目Figure8 Number of cities in per capita GDP range

圖9 各人均GDP 區(qū)間內ILD 最大值Figure9 Maximum of ILD in per capita GDP range

表2 各區(qū)間中ILD >2.28 的城市數目及所占比例Table2 Number and proportion of cities whose ILD >2.28

3.2 電力消費預測能力分析

電力消費(electricity power consumption,EPC)是一個重要的社會經濟參數，因此本文比較兩種影像輻射差異性之后分析它們在預測EPC 方面的差異.對統(tǒng)計得到的各省不同燈光總值與電力消費數據進行線性回歸分析，其結果如圖10 所示，此外還計算了兩組數據的均方根誤差如表3所示.DMSP/OLS 燈光總值與2013年各省的EPC 之間的R2值為0.760 8，而VIIRS 與2015年EPC 的R2值為0.855 2，高于DMSP/OLS 的值；利用VIIRS 數據估計得到的各省EPC 與真實EPC 之間的RMSE 值為511.06，低于DMSP/OLS 的598.70.上述兩個結果都說明：相比于DMSP/OLS，VIIRS 與EPC 之間的相關性更強，因此以VIIRS 數據預測EPC 能得到更可靠的結果.

圖10 中國省級區(qū)劃電力消費與VIIRS 夜間燈光總值線性回歸分析散點圖Figure10 Scatter diagram of linear regression analysis between EPC and total nighttime light of VIIRS in provincial units of China

表3 不同數據對電力消費的預測結果Table3 predicting result of EPC analyzed from different data

4 結 論

由于DMSP/OLS 和VIIRS 獲取時間上的不同，同一地區(qū)不同時間的燈光輻射亮度可能存在一定的差異，而至今很少有人以時間獲取的不同為出發(fā)點對兩種燈光數據的一致性與差異性進行探究.鑒于此，本文對比分析了DMSP/OLS 和VIIRS 的輻射亮度的一致性與差異性，并比較分析了兩者對電力消費的預測能力.對于不同的尺度，分別提取兩種夜間燈光數據的人造地表燈光，通過線性回歸分析驗證了不同燈光數據輻射亮度之間存在一致性；同時由于獲取時間上的差異，兩種燈光數據之間也存在一定的差異性.分析引起差異性的社會經濟因素發(fā)現以下兩點規(guī)律：1) 夜間燈光均值越大的地方，其輻射亮度的差異性相對越??；2) 經濟相對不發(fā)達的地區(qū)越容易出現燈光差異大的現象.若以省級尺度對電力消費的預測能力來衡量，則VIIRS 高于DMSP/OLS.當然，研究中也存在以下幾點問題值得進一步探究：

1）數據獲取年份問題.DMSP/OLS 和VIIRS 獲取的數據分別為2013年和2015年的年度數據，而中國的城市化進程可能對結果分析存在一定影響.對于VIIRS 的年度數據產品的發(fā)布會繼續(xù)跟進并更新，減小因數據獲取年份的不同而造成的影響.

2）DMSP/OLS 數據自身的燈光飽和問題.DMSP/OLS 存在量化問題，其DN 值最高僅為63，然而實際可能遠高于此數值.NOAA 發(fā)布的數據升級將有助于解決DMSP/OLS 數據飽和問題.

3）經濟統(tǒng)計數據問題.本文統(tǒng)計GDP 數據時僅統(tǒng)計了中國地級市的GDP 和人均GDP 及各個省的電力消費數據，而沒有進行更細尺度的統(tǒng)計，今后可以考慮加入縣域尺度的統(tǒng)計分析，從而驗證本文結論的普遍性.