ArcGIS中夜间灯光数据校正详述:步骤与模型构建

版权申诉
5星 · 超过95%的资源 34 下载量 130 浏览量 更新于2024-09-09 23 收藏 592KB DOCX 举报
本文档详细介绍了在ArcGIS中进行夜间灯光数据校正的具体步骤,针对DMSP/OLS夜间灯光影像存在的缺陷展开讨论。首先,我们了解到DMSP/OLS数据存在以下问题: 1. **辐射性能差异**:不同传感器(如F15、F16、F18等)由于辐射标定不足,导致数据稳定性差,同一传感器不同年份的数据可能存在异常波动,平均DN值不稳定。同时,随着卫星老化和传感器性能变化,不同传感器间的数据连续性和一致性受到影响,例如F12和F14间1997年的数据对比就有显著差异。 2. **传感器突变现象**:F18传感器与其他传感器相比,其数据总DN值存在明显偏高,可能导致数据失真。 3. **灯光天花板问题**:由于灯光数据取值范围限制(0-63),当亮度达到上限时,无法反映真实GDP增长,影响数据的准确性。 为解决这些问题,文档构建了校正模型,以ArcGIS Desktop为数据处理平台,利用DMSP/OLS稳定夜间灯光强度影像和中国县级行政区划数据作为工作基础。以下是校正的主要步骤: 3.1 **提取中国区域亮值像元影像**:首先,将全球夜间灯光数据与中国的行政区划数据进行WGS-84坐标系下的匹配,然后使用县级行政边界数据作为掩膜,提取出1992年至2013年间中国各行政区域的夜间灯光影像。为了提高精度和减少网格变形的影响,通常采用兰伯特方位角等面积投影进行转换。 3.2 **校准与连续性校正**:通过特定算法和技术,可能涉及传感器间的数据融合、异常值检测和修正,以及时间序列数据的平滑处理,确保不同年份和传感器的数据具有连续性和可比性。这可能包括时间序列分析、多传感器数据融合、辐射性能校正等步骤。 3.3 **处理天花板问题**:对于灯光亮度上限问题,可能通过统计方法或模型调整,将超过上限的部分映射到一个合理的范围内,保持与GDP增长的对应关系。 这个文档提供了一套完整的夜间灯光数据校正流程,针对ArcGIS环境下的DMSP/OLS数据,旨在提升数据质量,使其更适合作为经济发展和城市化进程的研究工具。通过这些校正步骤,可以消除数据中的噪声,提高数据的可信度,并使得长时间序列的数据在不同传感器间保持一致性和可比较性。