Hoy, Xiaoyang actualiza los documentos SCI recientemente reaparecidos, y los presentaré en tres partes. Este artículo explica principalmente la descarga y el procesamiento de datos DMSP/OLS.
1. Introducción (Parte)
El rápido desarrollo económico requiere mejores métodos de seguimiento y previsión. El producto interno bruto (PIB) es ampliamente considerado como uno de los principales indicadores para medir el desarrollo económico sostenible de un país o región. Proporciona una nueva base para el desarrollo económico regional y la formulación de estrategias de desarrollo sostenible para predecir el desarrollo económico a diferentes escalas. Los datos del PIB provienen principalmente de encuestas realizadas por la Oficina Nacional de Estadística u otros departamentos administrativos. A pesar de su autoridad, tienen limitaciones inherentes (por ejemplo, "inyección de agua" e incertidumbres introducidas por los métodos de datos estadísticos). Las imágenes NTL brindan una oportunidad única para observar las actividades humanas directamente desde el espacio, lo que permite muchas aplicaciones, como mapear áreas urbanas, estimar la población y la urbanización, y monitorear desastres y conflictos. Al mismo tiempo, se encuentra que existe una fuerte correlación entre NTL y el PIB, lo que hace posible utilizar NTL para construir un modelo de pronóstico del PIB. En los modelos de pronóstico del PIB existentes, las investigaciones tienden a enfocarse en las perspectivas de los niveles provincial y municipal, y hay pocos estudios sobre el pronóstico del PIB a nivel nacional. Este estudio tiene como objetivo llenar este vacío mediante el desarrollo de pronósticos del PIB para todas las provincias de China.
2. Descarga de datos
- Sitio web de descarga de datos DMSP/OLS:
- Mapa fronterizo vectorial nacional (no contiene líneas de diez guiones)
Enlace: https://pan.baidu.com/s/1E1TcHUt2-dR_d4w0AtI_WQ
Código de extracción: 0946
3. Tratamiento de datos
La Figura 1 muestra la suma de los valores DN (valor DN total, TDV) de todos los píxeles de valor brillante en la región de China sin corregir. Como puede verse:
① Los datos del mismo año pueden ser adquiridos por diferentes sensores, y el número total de píxeles de valor brillante adquiridos por diferentes sensores es inconsistente, y el valor DN total es inconsistente;
② Hay fluctuaciones anormales en el número total de píxeles y valores DN totales adquiridos por el mismo sensor en diferentes años;
③Debido a la existencia de los dos problemas anteriores, los datos entre las imágenes de luz nocturna multifásica son discontinuos e incomparables;
④Debido a la limitación de la resolución espectral del sensor, los valores de píxeles en el área central urbana están agrupados y saturados, y el valor máximo de DN es 63, lo que hace que la diferencia en el área central urbana sea insignificante.
La fórmula para calcular el TDV es:
En la fórmula, DNi representa el valor DN de i píxel; Ni representa el número de i píxel.
Figura 1 TDV sin corregir en China
1. Estadísticas de datos de TDN
Entonces, ¿cómo se calculan los datos TDV anteriores? Podemos usar nuestro viejo amigo ModelBuilder. Extraiga la región china enmascarando [Analista espacial] - [Extraer análisis] - [Extraer por máscara]. Luego use [Ráster de proyección] para proyectarlo como Krassovsky_1940_Albers (más adecuado para China). Dado que es necesario crear una tabla de atributos para contar los valores de píxeles de DN, es necesario usar la herramienta [Mostrar estadísticas de zonificación en la tabla], pero la premisa de usar esta herramienta es convertir los datos en números enteros. Por lo tanto, debe usar [Herramientas de análisis] - [Análisis matemático] - [Convertir a entero] para lograrlo. Y agregue un campo TDV de punto flotante a la tabla.
Figura 2 Estadísticas del generador de modelos TDV
Después de construir la tabla de atributos, use la calculadora de campo para ingresar una expresión para obtener TDV y luego realice estadísticas en el campo TDV. De acuerdo con el método anterior para completar las estadísticas de datos de 1992 a 2013.
2. Corrección mutua y corrección de saturación
Las 34 imágenes de luz estable corregidas esperadas de 1992 a 2013 y los datos del sensor F16 en 2006 en los datos del producto de calibración radiométrica se corrigen mutuamente y se saturan. Use el modelo de corrección RSR para la corrección, y los parámetros de corrección se muestran en la tabla a continuación
En la fórmula, DN representa el valor de brillo antes de la corrección; a, b, c son coeficientes de regresión; DN correcto representa el valor de DN después de la corrección.
| años |
a |
b |
C |
R2 |
años |
a |
b |
C |
R2 |
||
| F10 |
1992 |
0.036 |
0.337 |
2.581 |
0.85 |
F14 |
2001 |
0.032 |
0.56 |
0.487 |
0.869 |
| 1993 |
0.045 |
0.334 |
2.15 |
0.85 |
2002 |
0.023 |
0.631 |
0.356 |
0.888 |
||
| 1994 |
0.039 |
0.518 |
1.252 |
0.85 |
2003 |
0.02 |
1.173 |
-0.215 |
0.855 |
||
| F12 |
1994 |
0.039 |
0.599 |
0.277 |
0.854 |
F15 |
2004 |
0.024 |
1.146 |
-0.153 |
0.901 |
| 1995 |
0.034 |
0.513 |
0.485 |
0.851 |
2005 |
0.026 |
0.872 |
0.123 |
0.855 |
||
| 1996 |
0.037 |
0.479 |
0.511 |
0.862 |
2006 |
0.015 |
1.076 |
-0.081 |
0.894 |
||
| 1997 |
0.03 |
0.56 |
0.413 |
0.877 |
2007 |
0.018 |
0.977 |
0.086 |
0.892 |
||
| 1998 |
0.027 |
0.511 |
0.481 |
0.876 |
2004 |
0.022 |
0.809 |
0.231 |
0.866 |
||
| 1999 |
0.029 |
0.502 |
0.454 |
0.866 |
2005 |
0.022 |
0.919 |
0.096 |
0.887 |
||
| F14 |
1997 |
0.035 |
0.893 |
0.165 |
0.863 |
F 16 |
2006 |
0.019 |
0,92 |
0.1 |
0.924 |
| 1998 |
0.036 |
0.731 |
0.229 |
0.865 |
2007 |
0.019 |
0.701 |
0.31 |
0.888 |
||
| 1999 |
0.028 |
0.901 |
0.124 |
0.863 |
2008 |
0.012 |
0.625 |
0.381 |
0.868 |
||
| 2000 |
0.024 |
0.606 |
0.346 |
0.873 |
2009 |
0.018 |
0.512 |
0.482 |
0.872 |
||
| 2001 |
0.021 |
0.78 |
0.188 |
0.862 |
F18 |
2010 |
0.021 |
0.146 |
1.525 |
0.851 |
|
| 2002 |
0.017 |
1.018 |
-0.113 |
0.876 |
2011 |
0.02 |
0.51 |
0.901 |
0.851 |
||
| 2003 |
0.017 |
1.096 |
-0.101 |
0.89 |
2012 |
0.017 |
0.483 |
0.508 |
0.852 |
||
| 2000 |
0.028 |
0.578 |
0.485 |
0.878 |
2013 |
0.016 |
0.271 |
2.68 |
0.85 |
Use [herramientas de análisis espacial] - [Álgebra de mapas] - [Calculadora ráster] para calcular, como se muestra en la figura, tome 2006 como ejemplo para el cálculo.
3. Integración dentro del año
Los datos obtenidos por diferentes sensores en el mismo año son inconsistentes.Para hacer un uso completo de los datos obtenidos por cada sensor independiente, y para resolver el problema de discontinuidad en los datos obtenidos por los sensores, la investigación sigue la siguiente fórmula para fusionar parte de las imágenes después de la corrección mutua y la corrección de saturación dentro del año. Los años que deben integrarse dentro del año incluyen: 1994, 1997-2007. La fusión intraanual incluye: ①Si el valor DN de un cierto píxel correspondiente a las dos imágenes es 0, entonces el valor DN del píxel es 0; ②De lo contrario, tome el valor promedio de las dos imágenes como el valor DN del píxel .
En la fórmula, n = 1994, 1997, 1998, ..., 2007; DNa (n, i) y DNb (n, i) representan respectivamente el DN del píxel i adquirido por dos sensores diferentes n años después de la corrección y saturación mutua valor de corrección; DN(n, i) indica el valor DN del píxel i en n años después de la corrección de fusión dentro del año de la imagen. Todavía use [herramientas de análisis espacial] - [Álgebra de mapas] - [Calculadora ráster] para calcular, como se muestra en la figura, tome 2006 como ejemplo para calcular la fórmula de corrección:
Con(("xh jz_f10_1994 "!=0) & (" xh jz_f12_1994 "!= 0),(" xh jz_f10_1994 " + " xh jz_f12_1994 ") / 2,0)
4. Corrección interanual
Después de la fusión intraanual, aún existe el fenómeno de que las imágenes de diferentes años no son comparables, por lo que se realiza la corrección interanual. La base de corrección es: el valor DN del píxel en el próximo año no debe ser menor que el valor DN del píxel en la misma posición en el año anterior. Como se muestra en la fórmula (4), la corrección interanual incluye: ① Si el valor DN de cierto píxel en el próximo año es 0, entonces el valor DN del píxel en la misma posición en el año anterior también es 0; ② El valor DN de un cierto píxel en el año anterior Si el valor DN de la celda es mayor que el valor DN del píxel en la misma posición en el próximo año, el valor DN del año anterior se asigna al valor DN del píxel en la misma posición en el próximo año; ③De lo contrario, el valor DN del píxel en el próximo año es en sí mismo el valor DN.
En la fórmula, n = 1992, 1993, 1994, ..., 2013; DN(n-1, i), DN(n, i), DN(n+1, i) representan el píxel i de la imagen en n-1 , n y el valor DN de n+1 años. Como se muestra en la fórmula de corrección en 2006:
Con("rh1997" == 0,0,Con(("rh1997" > 0) & ("rh1997" > "rh1997"),"rh1997","rh1998"));
Tomemos 2006 como ejemplo y echemos un vistazo a los cambios después de cada paso de corrección.
Finalmente, de acuerdo con los pasos estadísticos anteriores, se cuentan los datos corregidos y se puede ver que los datos actuales de detección remota de Daguang de 1992-2013 presentan un patrón ascendente bastante suave.
4. Referencias
【1】Lu Xiu, Li Jia, Duan Ping y otros. Corrección de imágenes de luz nocturna DMSP/OLS en China ［J］．Boletín de Topografía y Cartografía, 2019 ( 7 ): 127-131. DOI : 10.13474/j. cnki．11-2246．20190234．
【2】Preprocesamiento de datos de teledetección luminosa DMSP- Conozca