基于夜間燈光數(shù)據(jù)的長沙市城市建成區(qū)提取結(jié)果對(duì)比分析

王 敏，李景保，梁莉莉，黃 欽，龔熊波

(湖南師范大學(xué)地理科學(xué)學(xué)院，地理空間大數(shù)據(jù)挖掘與應(yīng)用湖南省重點(diǎn)實(shí)驗(yàn)室，中國 長沙 410081)

城鎮(zhèn)用地作為社會(huì)經(jīng)濟(jì)活動(dòng)的基本空間載體，是推進(jìn)城市化進(jìn)程的重要物質(zhì)基礎(chǔ)[1，2]。城市建設(shè)用地面積大小也從一定程度上反映了某個(gè)城市的發(fā)展?fàn)顩r。自改革開放以來，中國城鎮(zhèn)化率從1978年的17.92%上升至2019年的60.6%，快速的城市化過程，使得大量的農(nóng)用地轉(zhuǎn)化為城市用地[3-5]。 傳統(tǒng)的方法已經(jīng)很難有效對(duì)城市建成區(qū)范圍進(jìn)行動(dòng)態(tài)監(jiān)測(cè)[6，7]。因此，如何及時(shí)準(zhǔn)確地提取城市建成區(qū)范圍為城市研究提供基礎(chǔ)信息仍然具有重要的研究意義。

隨著衛(wèi)星技術(shù)的發(fā)展，越來越多的學(xué)者開始利用遙感影像進(jìn)行城市的動(dòng)態(tài)監(jiān)測(cè)[8-10]，夜間燈光數(shù)據(jù)反映了夜晚地球表面的分區(qū)燈光強(qiáng)度，可以反映城市甚至小規(guī)模居民聚集地、車流等發(fā)出的微弱光亮，因此可以明顯地區(qū)分城區(qū)和非城區(qū)，且夜光數(shù)據(jù)能夠頻繁快速地獲取夜間地球表面信息，因而被廣泛應(yīng)用于長時(shí)間序列的城市監(jiān)測(cè)研究[11-13]。目前，應(yīng)用最為廣泛的夜間燈光數(shù)據(jù)由美國國防衛(wèi)星計(jì)劃DMSP (Defense Meteorological Satellite Program)搭載的線性掃描系統(tǒng)OLS和Suomi NPP衛(wèi)星上搭載的可見光近紅外成像輻射儀(VIIRS)收集。燈光數(shù)據(jù)本身不具有連續(xù)性和對(duì)比性,在進(jìn)行長時(shí)間序列研究時(shí)需要進(jìn)行燈光校正。夜間燈光數(shù)據(jù)的校正方法主要有兩種：一種是以穩(wěn)定燈光數(shù)據(jù)為參考影像的燈光校正方法[14，15]；另一種是以輻射定標(biāo)產(chǎn)品為參考影像的燈光校正方法[16]。然而，長時(shí)間序列的城市化研究所采用的影像絕大多數(shù)都是以穩(wěn)定燈光為基礎(chǔ)將NPP-VIIRS模擬成與DMSP-OLS數(shù)據(jù)具有相同輻射特征的夜光影像[17-20]，尚未有研究對(duì)比分析過不同燈光校正方法下城市建成區(qū)的提取精度，且夜間燈光數(shù)據(jù)本身有飽和效應(yīng)和燈光溢出現(xiàn)象，導(dǎo)致提取的城市區(qū)域普遍偏高。已有學(xué)者基于燈光亮度與植被指數(shù)之間的負(fù)相關(guān)關(guān)系，在一定程度上解決了由于燈光飽和效應(yīng)導(dǎo)致的過度提取問題[21，22]。

綜上，鑒于目前尚未有研究對(duì)比分析過不同燈光校正方法下的城鎮(zhèn)用地提取精度，本文以長沙市為例，用兩種主要的燈光校正方法對(duì)DMSP-OLS夜光數(shù)據(jù)進(jìn)行校正，并選取2010年經(jīng)過預(yù)處理后的影像，分別與增強(qiáng)型植被指數(shù)EVI構(gòu)建燈光修正指數(shù)，用于城市建成區(qū)提取。最后，根據(jù)2010年長沙市土地利用數(shù)據(jù)以及Google地球影像，選用混淆矩陣與空間位置對(duì)比法，對(duì)比評(píng)價(jià)兩種燈光校正方法下的夜光數(shù)據(jù)以及在此基礎(chǔ)上構(gòu)建的燈光修正指數(shù)在提取城市建成區(qū)時(shí)的精度差異。

1 研究區(qū)與數(shù)據(jù)預(yù)處理

1.1 研究區(qū)

長沙市位于湖南省東部偏北位置，是湖南省省會(huì)城市，長江中游重要的中心城市，經(jīng)濟(jì)實(shí)力雄厚，城市化水平高，截至2019年，城鎮(zhèn)化率達(dá)79.5%。長沙市下轄6個(gè)市轄區(qū)、2個(gè)縣級(jí)市、1個(gè)縣，分別為芙蓉區(qū)、天心區(qū)、岳麓區(qū)、開福區(qū)、雨花區(qū)、望城區(qū)、瀏陽市、寧鄉(xiāng)市以及長沙縣，總面積達(dá)到11 819 km2。隨著社會(huì)經(jīng)濟(jì)的發(fā)展，長沙城市規(guī)模不斷擴(kuò)大，城市聚集程度不斷提高，長沙市建成區(qū)主要集中分布在長沙市市區(qū)范圍內(nèi)。因此，后文在進(jìn)行空間位置對(duì)比時(shí)，考慮到長沙市范圍遼闊，僅選取長沙市市區(qū)作為空間位置對(duì)比區(qū)域，進(jìn)行空間位置的精度對(duì)比。

1.2 數(shù)據(jù)來源

圖1 2010年長沙市土地利用分類圖Fig. 1 Land use classification map of Changsha city in 2010

DMSP-OLS數(shù)據(jù)來源于美國國家地球物理數(shù)據(jù)中心https://www.ngdc.noaa.gov/eog/dmsp/downloadV4com- posites.html，每顆DMSP衛(wèi)星搭載的OLS傳感器可以獲取3 km范圍內(nèi)的遙感影像，傳感器平均每6 h監(jiān)控一次地球信息。目前，美國國家地球物理中心所提供的DMSP-OLS燈光數(shù)據(jù)有第4版夜間燈光時(shí)間序列產(chǎn)品和全球輻射校準(zhǔn)夜間燈光產(chǎn)品，文中使用的DMSP-OLS數(shù)據(jù)涉及2000—2013年的第4版穩(wěn)定燈光數(shù)據(jù)產(chǎn)品以及2006年輻射校準(zhǔn)燈光數(shù)據(jù)。植被增強(qiáng)指數(shù)EVI來源于美國航空航天局(https://lpdaacsvc.cr.usgs.gov-/appeears/explore)提供的2010年6到12月具有1 km分辨率的MYD13A3月度合成數(shù)據(jù)。2010年長沙市土地利用分類數(shù)據(jù)，如圖1所示，來源于中國科學(xué)院資源環(huán)境與數(shù)據(jù)中心(http://www.resdc.cn/data.aspx)。

1.3 數(shù)據(jù)預(yù)處理

目前，主要的夜間燈光數(shù)據(jù)校正方法有基于穩(wěn)定燈光數(shù)據(jù)的校正方法和基于全球輻射定標(biāo)產(chǎn)品燈光校正法兩種，為了對(duì)比不同校正方法下夜光影像的城市建成區(qū)提取精度，以2000—2013年非輻射定標(biāo)產(chǎn)品為載體分別用兩種主要的燈光校準(zhǔn)方法進(jìn)行校正，為城鎮(zhèn)提取的精度對(duì)比提供基礎(chǔ)影像。

1.3.1 以穩(wěn)定燈光影像為參考數(shù)據(jù)校正夜光影像 參考鄒進(jìn)貴的校正方法，首先對(duì)燈光數(shù)據(jù)進(jìn)行掩膜提取，并將參考坐標(biāo)設(shè)置為GCS_WGS_1984,分辨率為1 km的遙感影像，對(duì)中國區(qū)域DN>0的像元進(jìn)行提取，獲取2000—2013年間的穩(wěn)定亮值像元，選取燈光亮度年際變化小且經(jīng)濟(jì)發(fā)展穩(wěn)定的F162007雞西市的夜間燈光數(shù)據(jù)作為參考數(shù)據(jù)，將參考數(shù)據(jù)分別與不同傳感器各個(gè)年度的燈光數(shù)據(jù)建立如下式所示的一元二次方程，根據(jù)各個(gè)參數(shù)值進(jìn)行回歸校正，最后將DN>63的燈光灰度值賦值為63[14]。

DNa=a×DN2+b×DN+c，

(1)

式中：DNa和DN分別為校正后、校正前的夜間燈光數(shù)據(jù)，a，b和c為一元二次函數(shù)的擬合參數(shù)。

同年度不同傳感器的夜間燈光影像，通過取其平均值獲取多傳感器同年度的遙感影像。最后，根據(jù)下式，進(jìn)行夜光數(shù)據(jù)的連續(xù)性校正，即前一年影像中某一像元的DN值不應(yīng)大于后一年影像中同一位置像元的DN值。

(2)

n=2000，2001，2002,…,式中：DN(n-1,i)和DN(n,i)分別表示像元i的在第n-1和第n年的燈光亮度值。

1.3.2 以輻射定標(biāo)產(chǎn)品為參考數(shù)據(jù)校正夜光影像 參考曹子陽的燈光校正方法，選取黑龍江鶴崗市作為偽不變區(qū)，將2000—2013年間DMSP-OLS穩(wěn)定燈光數(shù)據(jù)與F162006輻射定標(biāo)產(chǎn)品作為待校正影像和參考影像，選擇相關(guān)系數(shù)最高的一元二次方程，構(gòu)建回歸模型，進(jìn)行燈光回歸校正[16]。對(duì)相互校正后的影像進(jìn)行同年度不同傳感器之間的影像校正，最后根據(jù)下式，完成影像的連續(xù)性校正。

(3)

圖2 長沙市各年度夜光影像的灰度值變化Fig. 2 Gray value change of night light image in Changsha

n=2000，2001，2002，…n式中：DN(n-1,i)，DN(n,i)和DN(n+1,i)分別為像元i的在第n-1，n和n+1年的燈光亮度值。

1.4 數(shù)據(jù)處理結(jié)果驗(yàn)證

利用長沙市1：100萬矢量地圖進(jìn)行掩膜提取，根據(jù)下式統(tǒng)計(jì)不同方法校正后的長沙市夜光影像總DN值，

(4)

式中：DNi表示研究區(qū)內(nèi)第i個(gè)像元的DN值；n為研究區(qū)內(nèi)影像中的總柵格數(shù)；TNLI：研究區(qū)內(nèi)的總DN值。由圖2可見，在經(jīng)過預(yù)處理后的夜光影像中穩(wěn)定亮值像元表現(xiàn)出持續(xù)增長趨勢(shì)，具有很好的連續(xù)性和一致性，可以用于后續(xù)的對(duì)比分析[14]。

2 研究方法

2.1 基于增強(qiáng)型植被指數(shù)(EVI)修正的燈光指數(shù)EANI

已有研究表明植被覆蓋度和不透水面之間密切相關(guān)且成負(fù)相關(guān)關(guān)系，Zhang等人對(duì)城市區(qū)域的NDVI與NTL做剖面圖發(fā)現(xiàn)，離城市中心越遠(yuǎn)植被覆蓋度越高，基于歸一化植被指數(shù)NDVI定義了如下式所示的城市燈光指數(shù)VANUI[22]。

VANUI=(1-NDVI)NTL，

(5)

式中：VANUI指利用歸一化植被指數(shù)校正的夜間燈光指數(shù)，NDVI指歸一化植被指數(shù)，NTL指進(jìn)行試驗(yàn)的夜間燈光數(shù)據(jù)。

增強(qiáng)型植被指數(shù)EVI是改進(jìn)后歸一化植被指數(shù)NDVI，減小了大氣、土壤對(duì)植被指數(shù)的影響，同時(shí)避免了高植被覆蓋區(qū)的飽和問題[23]。為了避免部分月份對(duì)植被覆蓋度的影響，選取2010年6到12月MYD13A3中的EVI產(chǎn)品取平均值作為試驗(yàn)數(shù)據(jù)，將年平均增強(qiáng)型植被指數(shù)EVI歸一化，根據(jù)植被指數(shù)與夜間燈光之間的反比關(guān)系，構(gòu)建如下式所示的燈光修正指數(shù)[24]。

EANI=(1-EVInorm)NTL，

(6)

式中：EANI指利用增強(qiáng)型植被指數(shù)校正的夜間燈光指數(shù)，EVInorm指將年平均增強(qiáng)型植被指數(shù)的數(shù)值映射到[0,1]之間，NTL指進(jìn)行試驗(yàn)的夜間燈光數(shù)據(jù)。

2.2 城市建成區(qū)提取

1997年，Imhoff首次將突變檢測(cè)法應(yīng)用于城市邊界檢測(cè)中。Imhoff認(rèn)為城市區(qū)域是一個(gè)完整的斑塊，設(shè)定一個(gè)初始閾值并不斷增加提取邊界的閾值，城市區(qū)域邊界的周長不斷減小，當(dāng)增大閾值到某一點(diǎn)時(shí)，城市開始破碎，城市斑塊周長突然增加或者保持不變，這個(gè)值即為提取城市邊界的最佳閾值[25]。

選用如圖3所示，經(jīng)過預(yù)處理后的夜間燈光影像以及在此基礎(chǔ)上構(gòu)建的燈光修正指數(shù)進(jìn)行突變檢測(cè)，其中(a)以穩(wěn)定燈光為參考數(shù)據(jù)校正后的長沙市夜間燈光影像；(b)以輻射定標(biāo)產(chǎn)品為參考數(shù)據(jù)校正后的長沙市夜間燈光影像；(c)圖(a)經(jīng)過EANI修正的長沙市燈光指數(shù)；(d)圖(b)經(jīng)過EANI修正的長沙市燈光指數(shù)。由圖4所示其中(a)，(b)，(c)和(d)分別指以圖3(a)，(b)，(c)和(d)為檢測(cè)對(duì)象的突變檢測(cè)結(jié)果，周長突變點(diǎn)即為城市提取的最佳閾值，根據(jù)閾值提取相應(yīng)影像的城市區(qū)域，提取結(jié)果如圖5所示，其中(a)，(b)，(c)和(d)分別指以圖3(a)，(b)，(c)和(d)為對(duì)象的城市建成區(qū)提取結(jié)果。

圖3 長沙市2010年夜間燈光影像Fig. 3 The night-light time images of Changsha city in 2010

圖4 2010年長沙市城市區(qū)域斑塊周長變化圖Fig. 4 Patch perimeter change of Changsha city in 2010

圖5 長沙市城市建成區(qū)提取結(jié)果Fig. 5 Extraction results of urban build-up area in Changsha city

2.3 精度評(píng)定方法

2.3.1 混淆矩陣 混淆矩陣也稱為誤差矩陣，是精度評(píng)價(jià)的標(biāo)準(zhǔn)格式，文中選用應(yīng)用最為廣泛的總體分類精度(Overall Accurcy)和Kappa系數(shù)作為評(píng)價(jià)指標(biāo)。總體精度是正確分類的像元個(gè)數(shù)與研究區(qū)總體像元個(gè)數(shù)之比。Kappa系數(shù)常用于一致性檢驗(yàn)。

Po=Tr/N，

(7)

式中：Po為總體分類精度；Tr表示正確分類的像元個(gè)數(shù)；N為研究區(qū)像元總個(gè)數(shù)。

Pe=(a1×b1+a2×b2+…+ac×bc)/N×N，

(8)

K=(Po-Pe)/1-Pe，

(9)

式中：K表示Kappa系數(shù)；Po代表總體分類精度。

2.3.2 Google Earth影像空間位置對(duì)比 混淆矩陣是對(duì)建成區(qū)的面積數(shù)量進(jìn)行精度檢驗(yàn)的常用方法，但是要驗(yàn)證建成區(qū)提取結(jié)果是否準(zhǔn)確，不僅需要對(duì)城市提取區(qū)域的面積數(shù)量進(jìn)行檢驗(yàn)，還需要對(duì)其空間位置進(jìn)行精度驗(yàn)證。因此，為了進(jìn)一步對(duì)比與檢驗(yàn)城市建成區(qū)提取精度，選取長沙市市域范圍內(nèi)建成區(qū)集中連片分布的長沙市市區(qū)作為對(duì)比區(qū)域與2010 年長沙市中心城區(qū)歷史GoogleEarth影像疊置，進(jìn)行空間位置的精度對(duì)比分析，結(jié)果如圖6所示。

圖6 長沙市城市建成區(qū)提取結(jié)果空間位置對(duì)比Fig. 6 Spatial location comparison of urban land extraction results in Changsha city

3 結(jié)果驗(yàn)證與分析

3.1 混淆矩陣精度驗(yàn)證

以2010年長沙市的土地利用數(shù)據(jù)作為驗(yàn)證數(shù)據(jù)。首先，將土地利用數(shù)據(jù)的類別合并為城市區(qū)域與非城市區(qū)域兩大類，再分別對(duì)提取的城鎮(zhèn)用地結(jié)果進(jìn)行精度驗(yàn)證。利用python計(jì)算混淆矩陣，并根據(jù)式(7)，(8)和(9)分別計(jì)算經(jīng)過兩種燈光校正方法后夜光影像以及在此基礎(chǔ)上構(gòu)建的EANI指數(shù)提取城市區(qū)域時(shí)的總體精度與Kappa系數(shù)。本文的主要目的是對(duì)比分析基于兩種主要燈光校正方法下夜光數(shù)據(jù)的城市建成區(qū)提取精度，因此視長沙整個(gè)市域?yàn)橐粋€(gè)整體進(jìn)行驗(yàn)證，驗(yàn)證結(jié)果如表1所示。由表1可知，利用突變檢測(cè)法提取4幅影像的城市區(qū)域效果較好，總體分類精度都達(dá)到90%以上，Kappa系數(shù)均在0.7以上。在提取城鎮(zhèn)用地時(shí)，以輻射定標(biāo)產(chǎn)品為參考影像校正的夜光數(shù)據(jù)及以此為載體構(gòu)建的燈光修正指數(shù)比以穩(wěn)定燈光數(shù)據(jù)為參考影像校正的夜光數(shù)據(jù)及以此為載體構(gòu)建的燈光修正指數(shù)，表現(xiàn)出更高的總體分類精度和Kappa系數(shù)。以輻射定標(biāo)產(chǎn)品為參考影像校正后的燈光數(shù)據(jù)以及以此為載體構(gòu)建的燈光修正指數(shù)在提取城市的Kappa時(shí)均達(dá)到0.93，但后者在提取城市區(qū)域的總體分類精度比前者高0.14個(gè)百分點(diǎn)；而以穩(wěn)定燈光為參考影像校正后的燈光數(shù)據(jù)為載體構(gòu)建的燈光修正指數(shù)在提取城鎮(zhèn)用地時(shí)，總體分類精度和Kappa系數(shù)上均低于未構(gòu)建燈光修正指數(shù)的影像。

表1 城市建成區(qū)提取結(jié)果精度評(píng)定

3.2 Google Earth影像空間位置對(duì)比檢驗(yàn)

用突變檢測(cè)法分別對(duì)預(yù)處理后的4幅影像進(jìn)行檢測(cè)，根據(jù)檢測(cè)出來的最佳閾值提取城市區(qū)域，提取結(jié)果如圖4所示。在ArcGIS 10.6中，將提取出來的城市建成區(qū)通過轉(zhuǎn)換工具轉(zhuǎn)化為矢量面狀數(shù)據(jù)，再與Google Earth影像進(jìn)行空間疊置，得到如圖6所示的空間位置對(duì)比圖。圖6(a)，(b)，(c)和(d)共4幅影像中藍(lán)色方框部分可以明顯看出建成區(qū)提取的空間位置差異。在序號(hào)為1，2，3和4的藍(lán)色方框中，圖6(a)所提取的城市區(qū)域面積最大，在(b)中面積明顯縮小，說明以輻射定標(biāo)產(chǎn)品為參考影像所校正的夜間燈光數(shù)據(jù)在提取城市建成區(qū)時(shí)能夠有效緩解燈光溢出帶來的過度提取問題。圖6中(c)和(d)都是基于兩種方法校正后的燈光影像為載體構(gòu)建的燈光修正指數(shù)EANI用于城市提取的結(jié)果，其中(c)是以穩(wěn)定燈光數(shù)據(jù)為參考影像校正后的燈光數(shù)據(jù)為載體構(gòu)建的燈光修正指數(shù)所提取的城市區(qū)域與Google Earth影像的空間疊置結(jié)果，(d)是以輻射定標(biāo)產(chǎn)品為參考影像校正后的燈光數(shù)據(jù)為載體構(gòu)建的燈光修正指數(shù)所提取的城市區(qū)域與Google Earth影像的空間疊置結(jié)果。在序號(hào)為2和3的藍(lán)色方框中，圖6(a)將城市邊緣的部分林地錯(cuò)分為城鎮(zhèn)用地，圖6(c)通過構(gòu)建燈光修正指數(shù)提取城鎮(zhèn)用地，在城市邊界有效的避免了錯(cuò)分的現(xiàn)象；序號(hào)為1和4的藍(lán)色方框區(qū)域，分別是長沙市望城區(qū)和黃花國際機(jī)場(chǎng)，在圖6(c)中都將其分為了非城鎮(zhèn)用地，可能是因?yàn)橥菂^(qū)和黃花機(jī)場(chǎng)的城市經(jīng)濟(jì)發(fā)展水平較低因而燈光亮度值不高，且該區(qū)域植被覆蓋度較高，在經(jīng)過增強(qiáng)型植被指數(shù)修正之后，導(dǎo)致亮度進(jìn)一步降低，因而被錯(cuò)誤識(shí)別為非城鎮(zhèn)用地。圖6(b)和(d)中序號(hào)為2，3和4的藍(lán)色方框中建成區(qū)范圍存在明顯的空間位置差異。圖6(b)中，序號(hào)為2和3方框所在區(qū)域，由于燈光溢出現(xiàn)象，導(dǎo)致與城市邊界相鄰的非城鎮(zhèn)用地判別為城鎮(zhèn)用地，由圖6(d)可見，通過構(gòu)建燈光修正指數(shù)，一定程度上緩解了燈光溢出導(dǎo)致的錯(cuò)分現(xiàn)象。對(duì)比圖6(b)和(d)中序號(hào)為4的區(qū)域，燈光修正指數(shù)緩解燈光溢出現(xiàn)象的作用則更為明顯。但是，在圖6(c)中未識(shí)別出的長沙市望城區(qū)(序號(hào)為1的藍(lán)色方框)與黃花機(jī)場(chǎng)(序號(hào)為4的藍(lán)色方框)，在圖6(d)中可以明顯識(shí)別出來，且比圖6(a)和(b)中的空間位置更準(zhǔn)確。

通過上述分析可得：(1)以輻射定標(biāo)產(chǎn)品為參考影像校正的夜間燈光數(shù)據(jù)在提取城市建成區(qū)時(shí)具有比以穩(wěn)定燈光數(shù)據(jù)為參考影像校正的夜間燈光數(shù)據(jù)在提取城市區(qū)域時(shí)具有更高精度的空間位置。(2)以兩種主要燈光校正方法校正過的燈光影像為載體構(gòu)建的燈光修正指數(shù)EANI在提取城市建成區(qū)時(shí)都能在一定程度上緩解燈光溢出現(xiàn)象導(dǎo)致的城市區(qū)域過度提取問題。(3)以輻射定標(biāo)產(chǎn)品這一參考數(shù)據(jù)校正的夜光影像為載體構(gòu)建的EANI指數(shù)，在提取的城市區(qū)域時(shí)即能夠有效緩解過度提取，也能識(shí)別燈光亮度值不高、經(jīng)濟(jì)發(fā)展相對(duì)落后的城鎮(zhèn)區(qū)域。

4 結(jié)論與展望

4.1 結(jié)論

本文選用兩種主要的燈光校正方法，建立2000—2013年兩種長時(shí)間序列的燈光數(shù)據(jù)集，選取2010年長沙市夜間燈光影像并以此為載體構(gòu)建EANI指數(shù)，提取城市區(qū)域。最后，利用2010年長沙市土地利用數(shù)據(jù)與Google Earth影像進(jìn)行精度驗(yàn)證，得出以下結(jié)論：基于圖3中4幅夜光影像進(jìn)行城市區(qū)域提取的總體精度差異較小，在3%以內(nèi)；但通過對(duì)比提取的城市區(qū)域的空間位置與Google Earth影像中城市區(qū)域的空間位置，發(fā)現(xiàn)以輻射定標(biāo)產(chǎn)品為參考影像校正的燈光影像所提取的城市邊界范圍比以穩(wěn)定燈光為參考影像校正的夜光數(shù)據(jù)所提取的城市區(qū)域更加準(zhǔn)確，原因是輻射定標(biāo)產(chǎn)品具有更高的輻射分辨率，由此校正的燈光數(shù)據(jù)具有更高的輻射分辨率，夜光數(shù)據(jù)本身的飽和效應(yīng)和燈光溢出現(xiàn)象得到一定的緩解，因此可以更準(zhǔn)確的識(shí)別城鎮(zhèn)用地。

4.2 展望

DMSP/OLS夜間燈光影像能夠大范圍，多尺度的監(jiān)測(cè)城市動(dòng)態(tài)信息，但是DMSP/OLS夜光數(shù)據(jù)本身的連續(xù)性和可比性方面存在不一致。因此，在進(jìn)行城市監(jiān)測(cè)時(shí)需要進(jìn)行燈光校正。不同的燈光校正方法也間接影響著夜間燈光數(shù)據(jù)的動(dòng)態(tài)變化進(jìn)而對(duì)城鎮(zhèn)用地信息提取產(chǎn)生影響。本文通過對(duì)比分析不同燈光校正方法下城鎮(zhèn)用地提取精度，發(fā)現(xiàn)以輻射定標(biāo)產(chǎn)品為參考影像校正的夜間燈光數(shù)據(jù)在城鎮(zhèn)提取時(shí)精度更高，為未來城市動(dòng)態(tài)監(jiān)測(cè)前燈光校正方法的選擇提供科學(xué)依據(jù)。此外，文中驗(yàn)證了根據(jù)增強(qiáng)型植被指數(shù)修正的夜間燈光影像能夠在一定程度上緩解燈光飽和效應(yīng)和溢出現(xiàn)象，提高城市區(qū)域的提取精度。由于DMSP/OLS夜光數(shù)據(jù)和EVI增強(qiáng)型植被指數(shù)的分辨率不高，城鎮(zhèn)用地信息提取過程中仍有部分區(qū)域存在一定誤差。如何利用現(xiàn)有數(shù)據(jù)(如：地表溫度數(shù)據(jù)、人口密度、POI等)對(duì)夜間燈光影像進(jìn)行修正，提高夜間燈光的城市監(jiān)測(cè)能力，還需要進(jìn)一步深入研究。