ArcGIS中夜间灯光数据校正详述：步骤与模型构建

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。