夜光遙感數據應用述評與展望

鄭淵茂，何原榮，王曉榮，高元衡

(1.廈門理工學院 數字福建自然災害監測大數據研究所，福建 廈門 361024；2.中國科學院城市環境研究所 城市環境與健康重點實驗室，福建 廈門 361021；3.桂林旅游學院，廣西 桂林 541006)

0 引言

在經濟全球化的背景下，夜間燈光的強弱直接反映人類活動區域的社會發展進程。基于夜間燈光遙感數據視角，國內外學者在城市外部空間結構的變化和內在社會經濟發展的改變方面開展了不少研究。夜間燈光(nighttime light，NTL)遙感可直接反映人類的社會經濟活動，因為來自城市、城鎮、工業場所、漁船和其他人類活動的人造光在夜間均被記錄下來[1]。夜光遙感是利用遙感技術從空中獲取地球表面的夜間光線強度信息，其來源是1976年9月美國發射的軍事氣象衛星計劃(defense meteorological satellite program，DMSP)搭載的傳感器(operational linescan system，OLS)，該計劃最初為獲取夜間云層反射的微弱月光，來提取夜間云層的空間分布信息，意外發現DMSP/OLS在無云情況下可獲取城鎮、夜間漁船、天然氣燃燒、閃電及火光等地表活動信息[2]。與主要用來監測地表變化的普通遙感衛星影像相比，夜光遙感更多地反映以人類社會經濟活動為中心的觀測，夜光遙感數據的空間覆蓋范圍廣、成像周期短、經濟成本低，可快速、準確、客觀地獲取地球地表和人類活動信息。

目前，在國際上有2種常用的能夠觀測夜光數據的遙感衛星：一種是國防氣象衛星項目的業務線掃描系統(DMSP/OLS)；另一種是Suomi國家極軌合作伙伴(Suomi national polar-orbit partnership，S-NPP)衛星上搭載的可見光紅外成像輻射儀(visible infrared imaging radiometer suite，VIIRS)。DMSP/OLS在夜間工作可探測到地球表面的城鎮燈光、閃電及火光等活動信息，與黑暗的鄉村背景在影像數據上形成鮮明的對比[3]。DMSP/OLS最開始獲取夜光影像數據，存在輻射測量精度粗糙、空間分辨率低和缺乏星載標定等局限性。后來新一代高分辨率的NPP/VIIRS提供前所未有的夜光觀測能力，極大地克服DMSP/OLS數據的一些限制和不足，NPP/VIIRS數據具有更高的星載校準輻射測量精度，保證能夠探測極低亮度光的能力[4]。高分辨率的NPP/VIIRS夜光遙感數據的出現，使得應用領域更加廣泛。常用夜光遙感數據集的特點及應用，如表1所示。

表1 常用夜光遙感數據集的特點及應用

此外，中國在2018年成功地發射中國首顆專業夜光遙感衛星“珞珈一號”，其空間分辨率更高，“珞珈一號”衛星的出現為夜光遙感數據的研究提供了更大的舞臺和潛力[5-6]。總結前人的研究結果[7]，不同夜光遙感對地觀測平臺的基本參數，如表2所示。夜光遙感數據在人口空間化、GDP、電力消耗量、碳排放、貧困基尼系數、城市群空間格局、城市擴張、城市建筑物提取、城市群演變分析、自然災害風險評估及重大事件評估等社會科學領域得到廣泛應用。夜光遙感數據已經成為研究社會經濟參數及時空動態模擬的重要數據源之一。夜光遙感數據具有空間信息豐富、時效性強的優點，適用于大尺度的研究和事件序列分析。目前，雖然基于夜光數據的應用研究成果在不斷積累，但缺乏對成果進行系統性的歸納總結，以及存在總結的覆蓋面不全、時效性不強等不足。基于此，本文對夜光遙感數據在人口空間化、GDP、電力消耗量、城市建成區提取、城市群與城市體系發展監測、城市化與生態環境協調的監測及重大事件評估等領域的研究成果進行詳細地概況總結，并探索其應用前景。

表2 不同夜光遙感對地觀測平臺的基本參數

1 社會經濟參數估算

夜間燈光強度與人類社會經濟活動高度相關，可用于進行人類社會活動分析及社會經濟指標估算。傳統統計調查方法在獲取社會經濟參數時往往存在缺乏空間信息等局限性；而夜光數據具有時空連續性，可為社會經濟參數估算提供重要價值。

從夜間燈光數據中提取人口和社會經濟發展信息的研究可分為2類。一類是建立夜間燈光數據之間的統計關系。采用夜間燈光區域內的面積和DN值構建統計模型；從線性回歸模型、非線性回歸模型，以及對數回歸模型等不同統計模型對提取的參數進行統計及分析計算。He等[8]建立夜光影像飽和校正DN值與電力消耗之間的線性回歸模型，韓向娣等[9]提出一種在城市指標(GDP、建成區、用電量)之間建立對數回歸模型方法，用分區模型計算形成了GDP密度圖，較完整地表征全國社會經濟的宏觀分布狀況及特征。另一類是繪制特定參數的時空分布圖，不僅可從統計年鑒的人口普查數據中評估夜光影像強度分布與人口密度或GDP之間的關系[10]，且應用增強植被指數及數字高程模型等輔助空間信息[11-13]，提高了各類參數的反演提取精度。

1.1 人口統計估算

人口統計數據是研究城市發展、國家及政府制定政策和發展戰略的重要數據來源，可為經濟發展、社會進步、全球變化等研究提供關鍵參數，而夜光影像與人口數據相關性較強。因此可通過對夜光影像的研究實現人口數據空間化評估。

Sutton等[14]基于燈光區域與人口密度之間的相關性，以美國區域為研究對象，提出城市人口密度衰減模型，從城市邊緣到中心，驗證DMSP/OLS燈光數據在分析及估算人口的潛在可行性，得到DMSP/OLS數據的定量關系。Lo[15]以中國區域為研究對象，采用夜光面積、夜光強度、夜光強度和夜光面積百分比為自變量，構建多元夜光指標估算模型，應用“夜光百分比”的夜光密度測量方法，對縣、市級非農業人口的估算相當準確。Amaral等[16]基于巴西的亞馬遜區域DMSP/OLS夜光影像，采用夜光影像面積與人口的相關性來實現人口空間化，最終得到其決定系數大于0.8。Briggs等[17]對歐盟區域的人口空間化進行評估，基于普查人口與土地覆蓋面積、光發射之間的相關性，進行回歸統計得R2>0.9，結果表明模型可用性較好。Zeng等[18]根據夜光強度與普查人口變量建立線性回歸模型，采用RY聚類算法與最短路徑算法，有效地提高模型性能，獲得更明確詳細的人口分布特征。高義等[19]根據中國沿海地區統計年鑒中人口數據與夜光數據的回歸函數進行人口數據空間化，反演得到1 km×1 km和0.5 km×0.5 km 2個不同空間尺度的區縣人口空間化網格，得出NPP/VIIRS數據反演精度優于DMSP/OLS數據，表明NPP/VIIRS數據更適用于人口空間化研究。Tan等[20]利用夜光數據、人口普查統計數據及土地利用數據，構建1 km×1 km分辨率的人口密度圖，對縣的人口進行空間匹配，模擬精度高，得出500～1 500人/km2之間的人口密度下降了41%，表明該區域發生密度區域消失現象。總之，NPP/VIIRS夜光數據在實現人口空間化及社會經濟參數空間化具有巨大潛力。近年來在地理信息和遙感技術的輔助下，大量的研究基于不同的空間模型進行人口空間化[18-21]，最新主要研究是利用NPP/VIIRS夜光數據生成空間格網的人口密度圖，隨著夜光數據研究的深入，人口空間化逐步趨于精細化。采用夜光數據進行人口估算總結，如表3所示。

表3 夜光數據估算人口的總結

1.2 國民生產總值分析

國民生產總值(GDP)反映經濟綜合性發展的水平，是衡量各個國家及地區經濟發展水平的重要指標，其增長率即經濟增長率。GDP一般是基于各類報表進行統計獲得，其工作量較大且繁瑣，同時得出的結果不能體現空間信息，不能快速地衡量各區域的經濟發展狀況。對國家和地區而言，高精度的GDP是發展的關鍵數據，但完整的序列數據通常難以獲取，由于夜間燈光與GDP存在較高相關性，夜光數據在GDP估算中具有較好的應用潛能，可為國家GDP估算的經濟參數提供重要依據。

早在1997年，Elvidge等[22]以21個國家為研究對象，研究表明DMSP/OLS夜光數據與GDP總值存在高度相關性，其回歸系數達到0.97。之后，Doll等[23]以歐盟及美國區域為研究對象，構建區域尺度GDP估算模型，并繪制出分辨率5 km的GDP格網地圖，結果表明應用夜光數據研究分析GDP可行性極高。Chen等[24]鑒于數據缺失，利用1992—2008年1°緯度×1°經度網格修正GDP格網，得出夜光數據可彌補信息匱乏缺失。隨著NPP/VIIRS夜光數據的出現，夜光數據在GDP研究取得進一步發展。Li等[25]分析中國31個省份的NPP/VIIRS夜光影像，采用線性回歸模型進行經濟建模評估，表明NPP/VIIRS夜光數據(R2=0.854 4)比DMSP/OLS夜光數據(R2=0.767 8)與GDP的相關性更加顯著，具有更好地預測性及建模能力，為NPP/VIIRS夜光數據構建全球和區域經濟模型奠定基礎。徐康寧等[26]基于1992—2012年中國的省級數據，采用夜光數據客觀評價GDP增長與中國經濟發展的真實性，結果雖有差異，但整體之間誤差較小。李宗光等[27]基于根據夜光強度與GDP顯著的相關性，提取了連片特困區的GDP回歸模型并進行空間化建模，相關系數R2達到0.873 8，客觀地反映經濟發展狀況。此外，由于夜光數據存在飽和現象，可結合輔助數據，如人口數據、土地利用數據等對GDP進行綜合評價分析。Wang等[28]以烏干達為研究區域，基于夜光數據提出一種新的增強型夜光模型(ELIM)和農業價值比率，結果與網格化的全球GDP數據集相比，差異為1 km水平，因此，可獲取社會經濟活動的空間異質性。

總之，采用夜光數據與GDP之間的相關性來統計預測經濟發展狀況，是評估GDP的有效措施，夜光遙感數據在監測國民生產總值方面可發揮重要作用。此外，夜光數據對社會經濟參數研究具有較大潛力，但僅采用單一的數據源難以全面準確地表達社會經濟參數。因此，可結合其他輔助數據來提高估算與分析精度。夜光數據進行GDP估算的應用總結，如表4所示。

表4 夜光數據估算GDP的總結

1.3 電力消耗量估算

能源消耗與經濟發展息息相關，而電力消耗是能源消耗的重要組成，電力消耗量可客觀地衡量社會發展水平。由于電力統計單位仍處于行政單位層面，空間差異信息缺乏，限制了統計的有效應用。而夜光數據可體現城鄉區域的燈光密度和燈光設施的使用狀況，可為電力消耗的空間化信息提供依據，高分辨率的夜光數據可快速、準確地反演得出電力消耗狀況，引起廣大學者探索。

始于20世紀80年代，Welch[29]利用DMSP/OLS數據構建電力消耗和燈光面積之間的回歸模型，證明夜光數據估算電力消耗量的潛在可行性。Elvidge等[22]根據夜光與電力消耗量的相關性構建對數模型，開發一種新方法來校正夜光飽和像素，采用光斑植被(SPOT/ACT)10 d合成產物，去除夜光影像的飽和現象。Amaral等[30]發現電力消耗和夜光存在線性相關性，構建了單時相電力消耗估算模型，并采用DMSP/OLS數據分析亞馬遜地區的電力消耗的時空模式。Letu等[31]根據夜間穩定燈光的空間分布特征對影像飽和區域進行校正，采用三次回歸方程修正用電量數據之間的回歸關系，進一步驗證夜光影像能較好地估計電耗量。He等[8]分析了中國大陸在2000—2008年EPC(electric power consumption)的時空動態，通過建模反演得到中國2000—2008年電力消費的空間格網數據，結果證明飽和校正后的夜光數據與電力消耗量的相關性更強。Shi等[32]采用穩定夜光數據從多個角度探討一帶一路國家EPC的時空模式，驗證新型夜光數據NPP/VIIRS對于一帶一路國家EPC的估算能力。之后，Shi等[33]嘗試評估電力的時空格局變化，基于夜光數據和用電統計數據，比較不同邊界內用電量的時空演變，得出夜光數據與用電量的R2>0.95，發現1992—2013年間，城市化成為城市建成區用電量快速增長的推手，并得出城市不同邊界存在時空變異性。

2 城市化進程監測分析

城市化程度是各個國家經濟發展的重要標志。城市化可促進區域的經濟發展，區域的經濟發展又可推動生活及生產進步。因此，城市化進程監測有利于評估區域經濟發展。利用夜光數據直觀地反映城市化建設過程中的空間動態過程，可提取城市空間信息進行城市群體系發展監測，有助于分析城市化發展模式和空間結構的演化規律。

2.1 城市建成區監測提取

由于城市的城鎮區域在夜間發出燈光，因此夜光遙感數據可準確提取、分析城市建成區的范圍及空間聚集現象(城市群)，對準確地評估全球范圍和國家區域的城市化進程具有重要的作用[7]。城市建成區的區域范圍是城市化的重要參數，夜光影像數據能有效地提取城市建成區范圍及變化狀況，研究表明對夜光影像數據進行圖像分割，將較亮區域視為城市建成區[34-35]。在國內外學者研究中，Croft[2]首次提出依據夜光數據提取城市建成區可行性，之后許多學者基于夜光數據對城市建成區開展了大量的研究，主要包含基于閾值的影像分類法、基于像元的影像分類法、基于采樣的影像分類法3種提取方法。基于閾值的影像分類法中，經典提取方法有：經驗閾值法[36-38]、突變檢測法[39-40]、統計數據比較法[41-42]、較高分辨率影像數據空間比較法[43-45]。Milesi等[37]基于土地覆蓋數據和DMSP/OLS數據，采用區域閾值法對建成區提取，表明中分辨率成像光譜儀數據結合夜光數據可快速評估城市化帶來的城市土地覆蓋及生態變化。黃璐等[40]基于DMSP/OLS數據，建立一元二次回歸模型，采用突變檢測法確定提取城市建成區閾值，并采用最大似然法分類建成區來分析城市建成區發展狀況。Henderson等[43]基于DMSP/OLS數據，采用較高分辨率影像數據空間比較法來確定提取夜光影像提取建成區的閾值，并劃分確定了不同經濟發展狀況的城市邊界。王曉慧等[44]采用DMSP/OLS夜光數據，基于分區的較高分辨率數據比較法提取城鎮用地信息，來不斷調整確定最佳閾值，結果表明該方法增強了提取效率，也提高總體精度，較準確地反映城鎮發展狀況。經驗閾值法是根據前人的研究基礎來確定閾值，具有便捷性且易實現性，但受主觀意識影響，閾值確定不穩定。突變檢測法具有較強的客觀性，依據夜光自身來確定閾值，無需其他輔助數據的支持，符合實際但工作量大。統計數據比較法以政府發布的建成區統計數據為基礎確定閾值，操作簡便，但受統計數據影響，結果略有偏頗。較高分辨率影像數據比較法具有較強客觀性，但在大尺度區域的研究成本高且效率較低。近年來，基于閾值的影像分類法的研究方法層出不窮，比如鄰域分析法[47-49]、聚類閾值法[50-51]、最大自相關雙閾值法[52]、分層閾值法[53-54]等。此外，存在基于像元的影像分類法，比如支持向量機法[55-56]，混合像元線性分解方法[57]；還有基于采樣的影像分類法進行城市建成區的提取，比如人工神經網絡(ANN)方法[58]。綜上所述，基于夜光影像數據的城市建成區提取方法總結，如表5所示。

表5 基于夜光數據的城市建成區提取方法總結

2.2 城市群與城市體系發展監測

夜光遙感數據不僅用來監測、提取城市建成區，還可分析城市群的時空演化模式。城市是一個復雜系統，不僅關系到人口、社會經濟及環境的可持續發展，也表征區域的國際競爭力。城市化進程是在時空上的區域地理形態漸變過程，也是復雜人文內涵形成變化過程。城市群是以中心城市為核心，向周圍輻射構成城市集合，反映社會經濟、生產生活、城市規劃和基礎設施建設的相互影響。國外研究中，Zhang等[59]對1992—2008年印度、中國、日本和美國的城市夜光遙感影像數據提取分類，得到其城市化的動態圖，表明夜光影像在衡量全球城市化動態的時空變化具有潛在性。范俊甫等[60]采用經驗閾值法對渤海城市群的DMSP/OLS夜光數據進行校正，分析1992—2010年環渤海區域的空間格局，發現中小城市比大城市持續擴張的速度快，核心城市與周圍衛星城市聯通性漸增。Yu等[61]通過對夜光數據的空間聚類分析，對城市空間群進行地理劃分，得到中國的五大城市群。Zhou等[62]利用東南亞的夜光遙感數據，研究1999—2000年其夜光數據與人口、城市規模的定量關系，結果表明斯里蘭卡、印度和巴基斯坦的夜間燈光增長速率較快，而孟加拉國和尼泊爾則較慢。

Henderson等[43]利用 DMSP/OLS夜光數據提取不同發展水平狀況城市的城市范圍，如舊金山、北京和拉薩等城市，證明DMSP/OLS數據可應于城市區域提取。一些學者通過融合多源的遙感數據來解決 DMSP/OLS 夜光數據的飽和現象問題，提高提取精度，如融合遙感植被指數[63]、地表溫度[64]或更高空間分辨率的遙感影像數據[65]。相較于 DMSP/OLS 夜光數據，新一代的NPP/VIIRS夜光數據克服了DMSP/OLS數據的一些限制，采用星上定標來保證探測地球表面極低亮度光線的能力。Shi等[66]利用 NPP/VIIRS 數據提取了中國12個城市的城市建成區，并證明NPP/VIIRS數據提取精度優于 DMSP/OLS；Chen等[67]采用 NPP/VIIRS數據獲取上海市 33 個城市核心區，并保留更多的城市地表細節，可為城市土地遙感監測提供更精確數據來源。

夜光遙感數據不僅廣泛地應用于城市群研究，在城市體系也得到逐步發展研究。城市體系是以中心城市為核心，在一定地理空間區域范圍內不同性質、規模和類型的城市相互聯系、相互作用的城鎮體系。張超等[68]基于長江經濟帶1996—2010年城市夜間燈光數據分析其空間結構，得出城市體系由數量增長向規模擴張轉變。Li等[69]提出了一種基于遺傳算法的城市群自動閾值(GA-UCAT)方法確定最優閾值，通過整合VIIRS DNB、MODIS及Landsat-8 OLI數據，定性定量檢測城市化動態(OA=0.854和Kappa=0.699)，最終可準確高效地監測城市化進程。Zhong等[70]以鄱陽湖為區域，結合DMSP/OLS夜光數據、土地使用數據和統計數據，基于輔助數據比較法選取最優閾值，應用時空模式分析，構建標準偏差橢圓(SDEO模型)得到土地擴展重心由西南向東北偏移，經濟空間快速發展。

Li等[71]采用Luojia 1-01 數據與NPP/VIIRS數據，通過計算人類住區指數(HSI)、簡單閾值分割(STS)和SVM監督分類這3種方法來提取城市區域。得出采用Luojia 1-01數據的HSI方法提取城市區域的效果最佳，其Kappa系數值最大，達到0.834。研究結果表明，采用Luojia 1-01夜間燈光數據可提高城市區域的提取精度，且誤數據具有更高的分辨率和更豐富的空間信息，比前人得到更好的提取與識別結果。

Ou等[72]首次對Luojia 1-01夜光數據容量進行調查并提取不透水表面的范圍和程度。主要以北京、上海和廣州這3個城市為研究對象，采用動態閾值分割方法，從NPP/VIIRS和Luojia 1-01 2種類型的夜光數據中提取了不透水面積空間范圍。研究得出Luojia 1-01數據具有空間分辨率更高、測量范圍廣等特點，比NPP/VIIRS數據能更精確地繪制出不透水面的空間范圍。結果表明：對于不透水面積的空間范圍，Luojia 1-01夜光影像是一種具有潛力和應用前景的遙感影像數據源，但其難以準確估計其不透水的程度。將來的研究可通過聯合Luojia 1-01數據與其他數據來改善不透性估計程度的準確性。

2.3 城市化與生態環境協調的監測

城市加速發展會帶來一系列生態環境破壞問題。因此，保護生態環境，努力實現經濟發展與生態環境協調發展，對城市的可持續發展具有重要意義。夜光遙感數據可快速、有效、長時段地監測生態環境，為優化城市土地利用格局和防范生態環境風險提供重要數據支撐。

Imhoff等[73]應用1994—1995年夜光結合普查數據和數字土壤，分析城市化帶來的生態效應，發現城市化對土地的初級生產力具有削弱的影響。Milesi等[37]基于MODIS數據、土地覆蓋圖和夜光數據，構建光能利用模型，選擇凈初級生產力(net primary productivity，NPP)指標來研究城市化進程對生態環境的影響，得到分辨率1 km×1 km的土地覆蓋圖及城市空間擴展圖，發現城市擴張會導致植物初級生產力下降，表明夜光結合NPP可對生態環境快速評估。彭建等[74]綜合利用DMSP/OLS夜光數據、SPOT/VGT數據，基于閾值分割法可快速識別生態用地，精度達到85.64%，有效地彌補了單一的數據源進行生態環境監測的不足。董晨煒等[75]運用夜光數據，結合MODIS NDVI數據，以NDVI均值作為評價指標，發現2007—2013年的環杭州灣區域的城市NDVI均值變小，而城市建成區的植被狀況變差，表明夜光數據結合NDVI數據可反演城市植被覆蓋情況。喬旭寧等[76]結合DMSP/OLS夜光數據和MODIS17A3數據，基于一元線性趨勢法構建熱點分析模型研究太湖流域人類活動對生態環境造成的影響，發現在2000—2010年間的年均NPP變化范圍是388.79～452.54 gCm-2a-1，土地轉型導致城市擴張使得植被NPP呈波動下降。

此外，夜光影像數據也應用于生態環境方面監測。比如，Duan等[77]利用NPP/VIIRS數據可監測洪澤湖非法采砂對生態環境造成的不利影響，解決了夜間砂船非法采砂的傳統監測方法的失效，得出NPP/VIIRS數據可有效地反映挖沙船的時空分布，可監測非法挖沙活動，較好地應用于洪澤湖的生態環境監測。廖李紅等[78]基于DMSP/OLS數據和Landsat遙感數據，構建表征城市化與生態環境的夜光指數，采用城市化與生態環境耦合協調發展度模型，結果表明晉江市的城市化與生態環境耦合協調性較高。黃隆楊等[79]利用夜間燈光數據和土地利用類型構建最小累積阻力模型(MCR)，最終得出水生廊道貫穿市域呈雙十字型構架，陸生廊道在外圍呈環狀分布，呈環狀分布在市域四周，整體上呈現出“四橫三縱”的空間格局，量化了生態格局為相關的城市空間規劃提供支撐。此外，在生態環境損失與污染調查中，李景剛等[80]基于NDVI指數，結合多種地理遙感空間數據(如DMSP/OLS夜光數據、SPOT/VGT時間序列數據)來構建半定量化模型，可快速評估城市擴建中生態損失。Jiang等[81]首次采用Luojia 1-01夜光遙感數據用于調查人工光污染的研究，表明Luojia 1-01夜光數據可獲取更精細的人工空間細節夜間光線，并得出在機場、街道和商業服務區域的人工光污染的程度較大。

3 重大事件評估

夜光遙感數據可估算社會經濟參數，當發生重大事件時，經濟參數會隨之變動，而重大事件尤其是自然災害發生時，需要及時準確地進行災損評估，而傳統的調查耗時長、精度差且存在一定的風險性。近年來，越來越多的新型夜光遙感數據用于自然災害的快速評估及應用研究，夜光遙感數據的變化在一定程度上能夠反映重大自然災害對災區社會經濟的影響。

3.1 自然災害評估

氣候變幻異常導致自然災害頻發，不僅影響人類生產和生活，也阻礙可持續發展進程。因此，地震、臺風、火災等自然災害的快速評估亟待發展。快速有效地進行災損評估是降低災后經濟損失和應急救援的重要措施，也是災后重建科學決策的重要依據。

Hayashi等[82]應用DMSP/OLS影像數據對1999年土耳其科卡耶利地震和臺灣吉吉地震的震區進行了估算，發現夜光影像監測到的損失與真實報道的損傷情況吻合較好。Kohiyama等[83]基于顯著性檢驗的GES(BTI)方法和時間序列圖像(TSI)方法，在2001年西印度地震災害評估中，TSI方法其結果可很好地識別出災后損傷區域。劉雙慶[84]以強地震為研究對象，基于夜光數據與人口統計的關系模型構建地震生命易損性模型分析災損情況，得出理論與實際結果在一定誤差范圍內具有可行性。Cole等[85]基于NPP/VIIRS數據，結合斷電數據和人口統計制作了一種斷電產品，可進行颶風“桑迪”停電預測及估計斷電量大小。Zheng等[86]采用NPP/VIIRS夜光遙感日數據對臺風災害進行快速評估，提出受影響人口計算方法并得出災后受影響人口提取的準確率為83.2%，可得NPP/VIIRS日數據對于提取臺風造成的受影響人口是有效；同時提取災后受影響區域及受影響人口的時空分布和受影響程度，可為政府制定應急救援管理措施快速提供決策數據支撐。

張寶軍[87]基于DMSP/OLS夜光遙感數據，以汶川地震重災區為研究區域，探索夜光數據與災損狀況的相關性，研究結果表明，災后夜光影像的亮度情況和亮度值減少的大小與災后的受影響人口數及受影響建筑面積等災情指標存在較顯著的相關性。李鋼[88]采用精度較高的NPP/VIIRS夜光遙感數據對GDP空間化進行模擬，并構建包含GDP數據、臺風災害綜合評價指數與經濟損失指數之間的經濟損失模型，結果表明，臺風災害過程的綜合評價指數與經濟損失指數具有很高的相關性，其相關系數達到0.866，具有較好的可行性。

3.2 其他重大事故評估

夜光遙感數據不僅能監測評估自然災害，還可用于評估其他重大事故及人道主義災難。比如在火災方面，Badarinath等[89]、Chand等[90]、Elvidge等[91]描述DMSP/OLS夜光數據在巴西、印度北安查爾邦、喀拉拉邦森林火災探測和監測方面，夜光數據和火災表現出高度的相關性。在強風暴方面，Cao等[92]采用NPP/VIIRS夜光數據研究華盛頓颶風“桑迪”所帶來的電力中斷，通過與電力公司的實際調查數據對比核對，證明NPP/VIIRS夜光數據能夠定量統計颶風造成的損失。在洪澇方面，莫建飛等[93]利用夜光數據與社會統計數據，應用GIS技術構建廣西流域洪澇社會經濟暴露度模型，并獲得洪澇人口數量和GDP格網圖，表明夜光影像數據在洪澇評估具有一定的可行性。在戰爭方面，Li等[94]研究夜光影像在敘利亞危機的人道主義災難方面的時空洞察力，獲得了傳統方式難以獲知的時空分布信息，結果表明夜光遙感數據可作為監測人道主義危機的可靠數據源[95]。

4 結束語

4.1 應用評述

隨著科技的不斷進步，在經濟全球化背景下，夜光遙感數據可用性逐漸增強，夜光遙感數據的共享性使其在不同領域應用中發揮重要的作用。研究發現：穩定夜光數據，每日和每月的夜光數據集，主要是DMSP/OLS和NPP/VIIRS數據，在數據的處理應用、空間化信息提取分析、空間數據挖掘等，被廣泛用于人口空間化分析、能源消耗估算等社會經濟參數分析評估、城市建成區提取和自然災害評估等研究熱點主題。

近年來，夜間燈光遙感數據可用性不斷加強，由遙感科學、經濟學等社會科學逐步向生態學、物理學等自然科學領域發展滲透。雖然基于夜光遙感數據研究在深度和廣度均有諸多進展，但仍存一定的局限性。

1)夜光遙感數據本身的缺陷阻礙和削弱了其在定量分析中的準確性。具體表現在：DMSP/OLS數據擁有較長的時間跨度，但分辨率較低且存在輻射飽和導致定量化精度不高，存在一定的誤差，且由于區域間社會經濟水平、發展程度差異，導致在采用DMSP/OLS數據時需分區進行參數設計(非機理性)，在一定程度上限制夜光遙感數據精細化應用。

而NPP/VIIRS數據在2012年才有數據相繼發布，由于其分辨率較高，使得NPP/VIIRS數據與社會經濟指標相關性更高，其模擬社會經濟參量的殘差小于DMSP/OLS數據[96]。NPP/VIIRS 數據在輻射飽和、空間分辨率有顯著的提升，但是卻存在背景噪聲、數據時間跨度較短等不足。

學者們針對這些問題也積極開展多方面的努力，在一定程度彌補數據質量缺陷帶來的干擾，但還是不可避免地會削弱定量分析的準確性和結論可靠性。今后可獲取更高空間分辨率和時間分辨率的夜間燈光影像數據進行地理空間國情和社會經濟參數的監測評估。

2)夜光遙感數據受不同經濟狀況及大氣云層氣候局限性影響。主要表現在：夜光遙感數據反演社會經濟參數更適用于城市和發達農村的夜光強度相對較高的區域。在農村山區或小村莊里的住宅分布稀疏，基礎設施和商業設施較分散且不發達，夜間光線較少，遙感衛星較難探測到地面光線數據。

大氣云層氣候局限性主要是暴雨和較厚的云層的氣象，影響夜光遙感數據的圖像質量，大量降水會引起地表反射率的變化。此外，夜間燈光數據不適合大氣校正，特別應考慮氣溶膠散射人工光，可降低檢測到的夜間燈光數據這一事實[86]。

3)基于夜光遙感的研究目前還局限于全球、國家、市級城市尺度及市級城市內部小尺度研究應用，且夜光遙感數據在城市化研究大部分還停留在建成區識別、區域經濟、人口相關性分析等區域尺度；而在城市內部尺度的燈光概率分布、城市內部發展特征的研究相對不足，尤其針對大型工程項目監測和局部尺度的監管尚處于空缺階段，迫切需要發掘新型夜光遙感數據的潛力以拓展新尺度的科學研究和應用實踐。

此外，針對不同的研究區域需要選擇合適的空間尺度，來提高研究結果的可靠性。對不同的研究區可充分考慮文化因素的影響，如城市和農村電力消費習慣之間的差異、民族風俗等可被充分考慮。因此，要完整地考慮研究區域的概況，來確定合適的空間尺度和模型進行分析以得到更準確的研究成果。

4)夜光遙感數據廣泛應用于人口、經濟參數評估、城市擴張范圍識別、能源消耗估算等區域尺度，但在城市內部特征的多要素提取、生態環境監測評估方面的研究相對不足，需要擴展新的研究領域。此外，目前利用夜光遙感數據開展的社會經濟研究中，夜光遙感數據充當的是一種輔助數據，研究中缺乏對區域燈光差異的地表真實情況的對比分析。今后，可采用夜光遙感數據結合高分辨率遙感數據等方式對各個領域開展更加精細的、定量化的分析研究。

4.2 展望

夜光遙感數據可為空間尺度的研究提供快捷有效的數據源，夜光數據廣泛應用于社會經濟與城市化進程等研究，如人口空間化、GDP統計、電力能源消耗估算等社會經濟參數估計；城市建成區提取、城市群和城市體系發展監測、城市化與生態環境協調影響的監測等城市化進程監測分析。然而，由于受夜光數據自身的存在的局限性影響，仍需研究新的數據處理方法。未來發展主要有以下幾個方面：研究發展新型數據源；多源數據結合，提高數據反演精度；優化數據處理方法，進行知識深度挖掘；注重多學科交叉融合來擴展研究領域。

1)新型數據源。夜光遙感的數據集將由單一的DMSP/OLS數據發展為更高的空間分辨率和更寬輻射范圍的數據源。如新一代的NPP/VIIRS夜光影像，其空間分辨率為742 m，以及最新成功發射地中國新型的“珞珈一號”夜光影像的空間分辨率高達130 m。與NPP/VIIRS夜光數據相比，“珞珈一號”夜光數據具有更高空間分辨率，將為社會經濟參數等評估提供更加精確的、定量化的數據支撐。未來，可發展更多更高空間分辨率和更高質量的夜光影像數據。

2)多源數據結合。與多源數據結合應用，更好地發揮夜光數據在各種領域的深入應用；夜光遙感影像數據可結合日間遙感影像、高分辨率影像數據、地表溫度數據、遙感植被指數數據、土地利用數據及社會統計數據等進行宏觀社會經濟等參數評估的知識發現，加速促進夜光遙感應用發展和其他相關研究。多源數據聯合應用將成為未來研究趨勢。

3)知識深度挖掘。夜光遙感數據研究將更加側重于發現問題和解決問題，通過優化數據處理方法，來提升已有研究成果進行知識深度挖掘，而不是僅僅對已有的結論和觀點的重新論證。夜光遙感數據將由定性討論逐漸走向定量分析，尤其在各尺度的社會經濟參數估算和生態環境健康監測領域研究中，夜光遙感數據具有其他數據無法比擬的優勢，通過采用地面觀測數據與空中衛星數據的“地空”一體化的方式，能夠將夜光遙感數據的空間化信息更加精確地展示出來。因此，通過對夜光遙感數據的知識深度挖掘，可增強國家及城市的社會經濟的監測估算能力和提高其監測的準確度。

4)注重學科滲透融合。學科交叉融合應可用來拓展新的研究領域，自然地理學、應用經濟學及社會學等不同學科的結合研究交流也將成為研究熱點。不同學科思想的碰撞擴展應用領域，與各類統計數據相結合對比分析，可將夜光遙感數據逐步走向精細化的研究，準確反映空間信息分布，有助于數據挖掘，能夠快速獲取全國及全世界范圍內的社會經濟參數信息，可用來快速、大范圍地進行地理國情及世情狀況的監測。因此，從長遠來看，夜光遙感數據將結合不同學科領域，在監測人類社會活動方面發揮重要的作用，并在地理國情和世情監測、自然科學及社會科學等領域具有更廣闊的應用前景。