基于多源遥感影像的长春市城市建成区提取

夜光遥感影像记录的城市灯光与人类活动密切相关,已广泛应用于城市信息提取。珞珈一号作为新一代夜光遥感数据源,比以往的夜光数据具有更高的空间分辨率和光谱分辨率,可以更清晰地表达城市建成区范围和内部结构。本文利用珞珈一号夜光遥感影像,通过人类居住指数（human settlement index, HSI）、植被覆盖和建筑共同校正的城市夜光指数（vegetation and build adjusted nighttime light urban index, VBANUI）及支持向量机（support vector machine, SVM）监督分类3种方法对长春市城市建成区进行提取,并与利用NPP/VIIRS（suomi national polar-orbiting partnership/visible infrared imaging radiometer suite）夜光遥感影像、采用同样方法得到的结果对比。结果显示：本文提出的VBANUI提高了传统植被覆盖校正的城市夜光指数（vegetation adjusted nighttime light urban index, VANUI）的提取精度,使用珞珈一号夜光遥感影像通过VBANUI提取的城市建成区结果最优,其Kappa系数为0.80,总体分类精度为90.74%;使用珞珈一号和NPP/VIIRS夜光遥感影像通过HSI按最佳阈值提取城市建成区的Kappa系数分别为0.75和0.72,总体分类精度分别为88.27%和86.54%;复合数据的SVM监督分类法中Landsat-NDBI、Landsat-NDBI-VIIRS、Landsat-NDBI-LJ和Landsat-NDBI-LJlog的Kappa系数分别为0.602、0.627、0.643和0.681,总体分类精度分别为81.11%、81.52%、82.25%和84.48%。研究结果表明：3种提取方法下,均为使用珞珈一号夜光遥感影像的结果优于使用NPP/VIIRS夜光遥感影像的结果,证明相比于NPP/VIIRS夜光遥感影像,珞珈一号夜光遥感影像更适用于城市尺度的建成区范围提取。     

VIIRS/DNB夜间灯光月度产品插补方法对比——以北京为例

新一代VIIRS/DNB(Visible Infrared Imaging Radiometer Suite Day/Night Band)夜间灯光数据因其具备更精细的时空分辨率、数据不存在饱和现象、不同年份数据可比性强等优点而迅速代替DMSP/OLS(Defense Meteorological Satellite Program's Operational Linescan System)夜间灯光数据成为新的研究热点。但由于杂散光的污染,VIIRS/DNB夏季数据数值缺失严重,致使数据在空间和时间上不连续,因此,插补缺失数据成为后续应用的前提。鉴于此,论文从插补结果异常值、与参照值对比、计算性能三个方面,系统比较了三次样条插值(样条)、三次Hermite插值(Hermite)、灰色预测模型(GM)、三次指数平滑法(指数)4种插补方法的适用性,以期为插补VIIRS/DNB夜间灯光数据提供方法选择的依据。研究结果表明：①异常值比较方面,Hermite法未出现异常值,另外3种算法仅出现少量异常值(0.02%~1.34%);②与参照值的对比方面,Hermite法与参考值接近程度最高,GM接近程度最低,样条法和指数法介于两者中间;③算法性能比较方面,4种方法都具备计算简单、容易编程的特点,但指数法的算法时长是另外3种方法的10倍以上。因此,综合多方表现,当插补月份前后两侧均有足够长的原始数据时,插补效果好、计算速度快、不会出现过冲现象的Hermite法最适宜,样条法次之;当插补月份仅单侧有足够长的数据时,适宜采用指数法(插补效果好、计算速度较慢)或GM(插补效果偏低、计算速度快)进行插补。     

基于灯光数据的京津冀城市多标度异速分析

城镇体系的时空演化是一个复杂的动力学过程,具有无尺度性,其特征可以采用异速标度指数定量描述。论文以京津冀为例,基于1992—2013年夜间灯光数据的校正结果,提取城镇夜间灯光信息,采用多标度异速分析方法,分析京津冀城镇体系的相对发展特征及其空间分异格局。研究发现：①京津冀大城市的增长空间局限日益显著。虽然大城市如京津唐的绝对发展水平高,但接近环境承载量的极限,22 a间增长快速的是大城市交接地带的小城市(如三河、迁安、廊坊等)。②相对增长速度快的城市从东北到西南呈现带状分布——政府选择发展的“雄安新区”就在这个轴带上。由此可以得出两个结论：其一,京津冀城市演化的趋势相对均衡化,空间结构异质性逐步减弱,整个城镇体系的发展趋于相对平衡状态;其二,大、小城市“两极”贯通或许是增强城镇体系功能的有效途径。京津冀的空间格局优化不能仅仅考虑主要的、规模大的中心城市,而应该基于等级结构协调整个城镇网络体系。     

Integration of nighttime light remote sensing images and taxi GPS tracking data for population surface enhancement

The population distribution grid at fine scales better reflects the distribution of residents and plays an important role in investigating urban systems. The recent years have witnessed a growing trend of applying the nighttime light data to the estimation of population at micro levels. However, using the nighttime light data alone to estimate population may cause the overestimation problem due to excessively high light radiance in specific types of areas such as commercial zones and transportation hubs. In dealing with this issue, this study used taxi trajectory data that delineate people’s movements, and explored the utility of integrating the nighttime light and taxi trajectory data in the estimation of population in Shanghai at the spatial resolution of 500 m. First, the initial population distribution grid was generated based on the NPP-VIIRS nighttime light data. Then, a calibration grid was created with taxi trajectory data, whereby the initial population grid was optimized. The accuracy of the resultant population grid was assessed by comparing it with the refined survey data. The result indicates that the final population distribution grid performed better than the initial population grid, which reflects the effectiveness of the proposed calibration process.     

基于夜间灯光和土地利用数据的云南沿边地区GDP空间差异性分析

云南沿边地区包括8个地州,共56个县,其中有25个县市与老挝、缅甸和越南直接毗邻,具有重要的地缘位置。本研究利用土地利用数据和夜间灯光数据在实现云南沿边地区GDP空间化的基础上,对GDP的空间分布格局进行深入探讨,这对缩小区域经济差异及促进地区共同发展具有一定的指导意义。采用土地利用数据对国内生产总值（Gross Domestic Product, GDP）数据的第一产业进行空间化拟合,采用DMSP/OLS夜间灯光数据对GDP的第二、三产业进行拟合,将第一产业和第二、三产业空间化拟合的结果相加,实现云南沿边地区1992-2013年的GDP的空间化拟合。在此基础上对云南沿边地区GDP空间分布差异进行分析。结果表明：① 土地利用数据对第一产业建模的效果较好,拟合的多期数据的相对误差均低于1.12%,采用夜间灯光数据,基于“分类回归”方法对第二、三产业拟合相对误差最大仅为6.404%,最终二者之和拟合的GDP拟合精度都较好,相对误差最大仅为4.241%;② 22期GDP数据在空间分布上均呈现正的相关性,且均为显著集聚;③ GDP空间分布局部集聚的高值-高值区域集中在开远、蒙自等县域,低值-低值地区集中在绿春、西蒙等地区;④ 云南沿边地区县域之间的经济差异在1992-1996年逐渐增强,1996年之后,经济差异波动缩小,空间关联效应呈现波动式的增强和减弱;⑤ 云南沿边地区的三维插值结果均呈现出西北至东南一线的“洼地-丘陵-平地-高峰”地势变化格局,沿边地区的东南角地区即红河州的建水、个旧和开远等县市的GDP最高,“丘陵”地势主要集中在腾冲、保山市以及最南部的景洪地区,“洼地-平地”地势主要分布在沿边地区西北角的贡山和福贡等县域、西南角的西蒙和孟连等县及中部区域的绿春和江城县等地区。     

DMSP/OLS夜间灯光数据的四川省GDP空间化分析

针对DMSP/OLS夜间灯光数据模拟省级格网GDP问题,该文选取2000、2006以及2010年DMSP/OLS稳定夜间灯光数据、辐射定标夜间灯光数据和四川省第二、三产业社会经济GDP数据,运用相关性分析、对比分析以及回归分析的方法,模拟出四川省GDP空间化密度图并分析与高程之间的关系。结果表明:在省级范围内,GDP与辐射定标灯光数据的相关性明显高于与稳定灯光数据的相关性,且前者的灯光指数CNLI与GDP相关性最高;运用3年的辐射定标灯光数据模拟得到四川省GDP密度图与GDP统计数据的拟合精度均达到0.99以上;2000-2010年四川省GDP呈现由成都市向四周不断扩张的趋势并随高程变化显著,四川省GDP高值区主要集中在高程1 000m以下的成都平原及周边区域,西部高原和山地地区GDP值较低。     

Detection of nighttime sea fog/stratus over the Huanghai Sea using MTSAT-1R IR data

A dual channel difference (DCD) method is applied to detect nighttime sea fog/stratus over the Huanghai Sea using the infrared (IR) data of shortwave (3.5–4.0 μm) and longwave (10.3–11.3 μm) channels from the Multi-functional Transport Satellite (MTSAT)-1R, i.e., shortwave minus longwave brightness temperature difference (SLTD). Twenty-four sea fog events over the Huanghai Sea during March to July of 2006 and 2007 are chosen to determine a suitable value of SLTD for nighttime sea fog/stratus detection, and ...     

DMSP/OLS夜间灯光数据研究成果知识图谱分析

利用CitesSpace软件对1997-2017年DMSP/OLS夜间灯光数据进行知识图谱分析,梳理国内外研究热点与演化历史,发掘研究难点,为后来研究者提供方向。本文选取Web of Science 核心数据集数据库收录的文献,进行合著特征分析、关键词共现分析和文献共被引分析。结果表明：① 夜间灯光数据相关研究最活跃的国家、机构和作者分别是美国、中国科学院和Elvidge;② 社会经济条件估计（人口、人口密度和电力）和城市扩展变化监测一直是国内外研究的热点和前沿;③ 目前的研究难点是如何减少灯光溢出效应以及灯光过饱和现象对研究精度的影响;④ 研究学科交叉性强,涉及地理学、测绘科学与技术、应用经济学、社会学等领域。因此,未来的研究趋势主要表现在数据处理方法的优化、研究领域的拓展以及深化已有研究成果3个方面。     

西安东部夜间异常增温原因及其数值模式预报订正

利用陕西省气象监测站观测资料、NCEP/NCAR和ERA5全球再分析资料,对2019年12月10日凌晨西安东部一次夜间温度异常跃增过程进行深入分析.结果表明:①此次夜间增温过程发展迅速、局地性强、预报难度大.②500 hPa内蒙东部冷槽底后部干燥的西北气流和850 hPa干暖气团有利于产生大气下沉绝热增温.西安地区近地...     

Electricity consumption patterns within cities: application of a data-driven settlement characterization method

ABSTRACT

Urban areas presently consume around 75% of global primary energy supply, which is expected to significantly increase in the future due to urban growth. Having sustainable, universal energy access is a pressing challenge for most parts of the globe. Understanding urban energy consumption patterns may help to address the challenges to urban sustainability and energy security. However, urban energy analyses are severely limited by the lack of urban energy data. Such datasets are virtually non-existent for the developing countries. As per current projections, most of the new urban growth is bound to occur in these data-starved regions. Hence, there is an urgent need of research methods for monitoring and quantifying urban energy utilization patterns. Here, we apply a data-driven approach to characterize urban settlements based on their formality, which is then used to assess intra-urban urban energy consumption in Johannesburg, South Africa; Sana’a, Yemen; and Ndola, Zambia. Electricity is the fastest growing energy fuel. By analyzing the relationship between the settlement types and the corresponding nighttime light emission, a proxy of electricity consumption, we assess the differential electricity consumption patterns. Our study presents a simple and scalable solution to fill the present data void to understand intra-city electricity consumption patterns.