|
|
Part1摘要
夜间灯光影像能够反映地表夜间灯光亮度，从而在一定程度上表征人类活动强度，长时间序列的夜间灯光数据对于城市发展研究具有重要参考价值。基于DMSP/OLS第四版非辐射定标夜间年平均灯光强度数据、NPP/VIIRS月度数据和EVI数据，经过数据预处理、校正和数据融合，得到中国长时间序列夜间灯光数据集（2000-2020）。该数据集内容包括：（1）修正的2000-2013年EANTLI年度数据；（2）异常值处理后的2012年4月-2020年12月NPP/VIIRS月度数据；（3）2012-2020年NPP/VIIRS年度数据集；（4）2000-2020年类EANTLI夜间灯光数据集。其中，NPP/VIIRS月度数据集和年度数据集的空间分辨率为500 m，其余数据空间分辨率为1 km。数据集存储为.tif格式，由750个数据文件组成，数据量为2.21 GB（压缩为6个文件，1.71 GB）。
Part2数据引用方式
仲晓雅, 闫庆武*, 李桂娥. 中国长时间序列夜间灯光数据集（2000-2020）[J/DB/OL]. 全球变化数据仓储电子杂志(中英文), 2022. https://doi.org/10.3974/geodb.2022.06.01.V1.
Part3参考文献
[1] 郑启明. 夜间灯光遥感数据处理关键技术与多中心城市监测研究[D]. 杭州: 浙江大学, 2020.
[2] 陈颖彪, 郑子豪, 吴志峰等. 夜间灯光遥感数据应用综述和展望[J]. 地理科学进展, 2019, 38(2): 205-223.
[3] 董鹤松, 李仁杰, 李建明等. 基于DMSP-OLS与NPP-VIIRS整合数据的中国三大城市群城市空间扩展时空格局[J]. 地球信息科学学报, 2020, 22(5): 1161-1174.
[4] Zhao, X., Xia, X., Liu, X., et al. Combining DMSP/OLS nighttime light with echo state network for prediction of daily PM2.5 average concentrations in Shanghai, China [J]. Atmosphere, 2015, 6(10): 1507-1520.
[5] Elvidge, C. D. A fifteen year record of global natural gas flaring derived from satellite data [J]. Energies, 2009, 3(2): 595-622.
[6] Levin, N., Kyba, C., Zhang, Q., et al. Remote sensing of night lights: A review and an outlook for the future [J]. Remote Sensing of Environment, 2020, 237(C): 111443.
[7] 曹子阳, 吴志峰, 米素娟等. DMSP/OLS稳定夜间灯光影像在中国的分类校正方法[J]. 地球信息科学学报, 2020, 22(2): 246-257.
[8] 仲晓雅, 闫庆武, 厉飞等. 一种面向城市收缩地区的DMSP/OLS夜间灯光影像多年连续校正方法[J]. 地理与地理信息科学, 2021, 37(6): 46-51.
[9] 卓莉, 张晓帆, 郑璟等. 基于EVI指数的DMSP/OLS夜间灯光数据去饱和方法[J]. 地理学报, 2015, 70(8): 1339-1350.
[10] 李明峰, 蔡炜珩. NPP/VIIRS多时相夜光遥感影像校正方法[J]. 测绘通报, 2019(7): 122-126.
[11] Zhao, M., Zhou, Y., Li, X., et al. Building a series of consistent night-time light data (1992-2018) in Southeast Asia by integrating DMSP-OLS and NPP-VIIRS [J]. IEEE Transactions on Geoscience and Remote Sensing, 2019, 99: 1-14.
[12] Chen, Z., Yu, B., Yang, C., et al. An extended time series (2000–2018) of global NPP-VIIRS-like nighttime light data from a cross-sensor calibration [J]. Earth System Science Data, 2021, 13(3): 889-906.
Part4数据说明
1、本数据从国内网站收集而来，不能保证数据的准确性
2、本数据仅用作为学习用途，不能用于商业通途
3、本公众号只负责数据的搜集和整理工作，不能保证数据的精度和准确度以及时效性。
4、如数据有侵权，请告知本号，本号会第一时间删除该数据。
Part5数据获取方式
关注【Ai尚研修科研技术平台】公众号，添加链接里微信直接领取数据
关注【Ai尚研修科研技术平台】公众号，查看更多课程安排及免费数据资料
 |
|
发表于 2022-9-22 00:36:26