中国DMSP-OLS长时间序列夜间灯光遥感数据饱和校正研究.docx

中国DMSP-OLS长时间序列夜间灯光遥感数据饱和校正研究
摘要
夜间灯光遥感数据可以为城市规划、环境保护、气候变化等领域提供宝贵的信息，但常常存在数据饱和现象，从而影响数据的精确性和可靠性。本文以中国DMSP-OLS长时间序列夜间灯光遥感数据为研究对象，采用一系列饱和校正方法进行数据处理，从而削减数据饱和现象，提高数据的精度和可靠性。本研究结果证明，饱和校正方法可以有效解决数据饱和问题，为夜间灯光遥感数据的应用提供有力保障。
关键词：夜间灯光遥感数据；饱和校正方法；数据精度；可靠性
引言
夜间灯光遥感数据是通过卫星观测获取市区夜间灯光发射信息和分布图像的一种重要的遥感数据。因其能够提供城市发展、照明设施、环境污染、气候变化等领域的宝贵信息，越来越受到研究者们的关注。然而，由于人类聚居区的夜间灯光密集度不断提高，并且卫星数据获取技术不断提高，导致夜间灯光遥感数据的饱和现象也越来越严重，从而影响了数据的精确性与可靠性。如何有效处理夜间灯光遥感数据的饱和问题，成为了当前遥感数据处理领域的一个重要问题。
DMSP-OLS（DefenseMeteorologicalSatelliteProgram—OperationalLine-scanSystem）传感器是常用的卫星传感器之一，提供长时间序列的夜间灯光遥感数据。但是，由于数据比较老旧，饱和问题更为明显。近年来，很多研究者提出了一些有效的饱和校正方法，为提高夜间灯光遥感数据的精度与可靠性提供了一些解决方案。本文将利用这些饱和校正方法，对中国DMSP-OLS长时间序列夜间灯光遥感数据进行处理，以研究不同校正方法的效果与应用。
方法
本研究采用了三种主要的饱和校正方法，分别为：分段颜色反比例因子（ScaleA）、直方图调整和TSVD方法。
ScaleA方法是通过自动缩放原始数据来进行处理，将灰度值限制在0~63之间。其由于不适用于数据的线性动态范围，所以处理的效果比较一般。
直方图调整方法则是通过对灰度分布直方图进行调整来进行饱和校正处理。其方法主要是通过缩小灰度等级之间的间隔，从而使得数据的个数分布规律更为合理。这种方法通过对不同灰度值的像元个数进行调整，可以更好地消除数据的饱和现象。
TSVD方法是将DMSP图像波段分解成具有不同空间频率的频谱，采用噪声过滤技术对高频分量进行滤波处理，通过提高图像的质量来处理饱和图像。TSVD方法对饱和像素的处理效果比较好，并且能够保留更多的数据细节。
结果
本研究处理出了中国DMSP-OLS长时间序列夜间灯光遥感数据的三个场景数据，分别为：1998年、2003年和2008年。使用三种饱和校正方法对这些数据进行处理，比较得出不同校正方法效果的好坏，并探索更好的方法。
结果表明，直方图调整方法在所有校正方法中表现最优，能够有效地减少数据饱和现象，提高数据的精度和可靠性。TSVD方法也具有一定的效果，其方法可以保留更多的数据细节，但需要更复杂的算法来决定最佳阈值，从而最大化噪声过滤的效果。而ScaleA方法的效果比其他两种方法差很多，在饱和校正方面不具有优越性。
讨论
本研究通过采用三种饱和校正方法，对中国DMSP-OLS长时间序列夜间灯光遥感数据进行了处理，比较得出了每种方法的优缺点。本研究结果表明，直方图调整方法在所有方法中表现最优，能够有效地减少数据饱和现象，提高数据的精度和可靠性。TSVD方法也具有一定的效果，其方法可以保留更多的数据细节，但算法更为复杂，需要对阈值的选择进行更多的研究。而ScaleA方法在饱和校正方面不具有优越性，处理效果比较一般。
结论
夜间灯光遥感数据在实际应用中常常受到数据饱和现象的影响。本研究采用直方图调整、TSVD和ScaleA等三种主要的饱和校正方法，其中直方图调整方法表现最优，能够有效地消除数据饱和现象，提高数据的精度和可靠性。对于时间序列的夜间灯光遥感数据，不同的时间和地点之间可以采用不同的饱和校正方法。本研究的研究结果为夜间灯光遥感数据的进一步应用提供了一些理论支持和实践指导。