数据源：NPP-VIIRS夜 间 灯 光 数 据 有 2 种 类 型：vmflg 与vmsflg格 式。本 文 选 择 时 序 更 加 完 整 的 vmflg 格式的夜间灯光数据进行研究。本文将NOAA/NGDC 网站提供的去除了不稳定光源与背景值的2015年年度夜间灯光数据作研究使用基础数据之一，进行逐年校正。

1.DMSP/OLS夜间灯光数据

1.1简介：

自 1970 年代以来，美国空军国防气象卫星计划 (DMSP) 一直在运行能够检测

来自城镇的可见光和近红外 (VNIR)发射的卫星传感器。DMSP 操作线扫描系统 (OLS) 在两个光谱带（VIS 和 TIR）中获取地球的全球白天和夜间图像。在

夜间“VIS”带通跨越谱（0.5〜0.9微米）的VNIR部分。VIS 波段信号在夜间使用光电倍增管 (PMT) 增强，从而可以检测微弱的 VNIR 发射源。PMT 系统用于夜间检测云。夜间灯光增强的一个意外后果是检测到城市灯光、瓦斯耀斑和火灾。 

自 1997 年以来，EOG 一直在结合 DMSP-OLS 拍摄的图像来制作全球夜间光照图。从 1992 年到 2013 年的年度数据使 DMSP Nighttime Light 成为可用于人类活动夜间遥感的最长数据系列。

第 4 版 DMSP-OLS 夜间灯时间序列  

这些文件是使用日历年所有可用存档的 DMSP-OLS 平滑分辨率数据制作的无云复合材料。在两颗卫星正在收集数据的情况下 - 产生了两种复合材料。产品为30弧秒网格，跨越-180至180度经度和-65至75度纬度。许多约束用于选择最高质量的数据以输入合成：

每个合成集都以卫星和年份命名（F121995 来自 1995 年的 DMSP 卫星编号 F12）。三种图像类型可作为 GeoTIFF 从版本 4 合成下载：

数据来自 3,000 公里宽的 OLS 条带的中间一半。中间一半的灯具有更好的地理位置，更小，并且具有更一致的辐射测量。

基于太阳高度角排除阳光照射数据。

基于太阳高度角排除眩光。

基于月球照度的计算排除了月光数据。

根据使用 OLS 热带数据和 NCEP 表面温度网格识别的云，排除了对云的观测。

极光的照明特征已通过目视检查逐轨排除在北半球。

2.NPP-VIIRS夜间灯光数据

2.1简介：

在每月的无云 DNB 合成中，全球有许多地区无法获得当月的高质量数据覆盖。这可能是由于云层覆盖，特别是在热带地区，或者是由于太阳光照射，就像在各自夏季的两极发生的那样。因此，这些数据的用户必须使用无云观测文件，而不是假设平均辐射图像中的值为零意味着没有观测到灯光。

第 1 版每月系列使用两种不同的配置在全球范围内运行。第一个排除受杂散光影响的任何数据。如果辐射值已经过杂散光校正程序（参考），则第二个包括这些数据。这两个配置在文件名中分别表示为“vcm”和“vcmsl”。“vcmsl”版本，包括杂散光校正数据，将有更多的数据覆盖到两极，但质量会降低。由用户决定哪一组最适合他们的应用程序。

3.珞珈一号夜间灯光数据

3.1简介：

2018年6月2日12时13分，酒泉卫星发射中心，武汉大学“珞珈一号”科学实验卫星01星搭乘长征二号丁运载火箭，准确进入预定轨道。珞珈一号卫星数据获取系统已正式发布，可通过以下网址进行数据产品查询：

“珞珈一号”卫星整星为20kg，携带的大视场高灵敏夜光遥感相机，具备130m分辨率、260km幅宽的夜光成像能力，将为基于夜光遥感的宏观经济分析等研究提供数据。同时，卫星搭载导航增强科学试验载荷，可开展北斗导航系统定位精度提升等试验。

http://59.175.109.173:8888/index.html

该卫星是全球首颗专业夜光遥感卫星，由武汉大学领衔，联合长光卫星技术有限公司研制。这是武汉大学“珞珈一号”科学试验卫星工程的第一颗卫星，主要用于试验验证国内处于空白的“夜光遥感”技术，和国家急需的“低轨卫星导航增强”等技术。

 4.夜间灯光数据的处理.

 4.1 首先将下载的数据重投影为兰伯特等面积投影坐标系，并进行重采样使像元分辨率为500ｍ，最后利用中国行政区划的矢量文件裁剪出夜间灯光图像的中国区域。

4.2 NPP/VIIRS数据对灯光亮度比较敏感，灯光值除城市的亮度外还包括火灾、气体耀斑及火山等其他类型的灯光，需要对异常值进行处理。处理过程包括两个部分。

4.21 最大灯光值处理。选择中国发展最快的地区北京、上海及广州等作为样本区域，把区域内灯光亮度的最大值作为最大阈值，若整个影像中像元的灯光值大于最大阈值，则像元赋值为最大阈值。不同年份的最大阈值结果利用最优拟合模型（TNL-GDP求取）。原则上月度夜间灯光数据最大值低于对应年度最大灯光值。夜间灯光数据存在个别像元突变情况。根据我国过去20多年城市化发展不断加剧的现实情况与夜间灯光数据的特点，假设前一年影像中存在的像元亮度不会在后一年消失，同时后一年影像像元的DN值不小于前一年对应像元的DN值。基于该假设，对影像继续进行时间序列上的连续性校正。本文选择饱和校正后的2015和2016为基准，校正其它年份的影像，2015年之前的利用以下模型进行校正：

式中：DNn-1为第n-1年影像DN值；DNn为第n年影像DN值。

具体在ARCGIS的操作为：

意思是如果1中的像元灰度值大于2中的，则使用1替换2的像元值，否则使用2的像元灰度值。

异常值的处理，使用2015年年度数据(大于0的像元值赋值为1，等于0的赋值为0)，与其它年份相乘。对于月度数据的处理大致相似。

数据涵盖1993-2020年度处理好的数据，和2013-2021年处理好的月度数据。