排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
现有时间序列夜间灯光影像校正方法只适用于灯光亮度持续增长情况,对于城市收缩地区夜间灯光亮度的校正效果不佳.该文提出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(Inter-annual Se-ries Correction for Shrinking Area,ISCSA),包括多传感器相互校正、多传感器年内融合、时间序列可比较校正和连续校正四方面,以东三省1992-2013年34期DMSP/OLS夜间灯光影像进行验证,并分析其与社会经济数据的相关性.结果显示:该方法校正后的夜间灯光影像不仅能反映东三省长时序的城市扩张现象,还能体现短时间的城市收缩现象;校正后的夜间灯光亮度与GDP和人口的相关性相比原始影像数据和传统连续校正方法均有一定提升,能更合理地反映东三省社会经济要素的发展差异. 相似文献
2.
夜间灯光影像容易受到道路灯光、水面散射等影响而产生背景噪声,这一定程度上影响了利用夜间灯光数据提取建成区的精度。本文基于夜间灯光影像的DN（Digital Number）值与路网密度正相关、与EVI指数（Enhanced Vegetation Index,增强型植被指数）呈负相关的规律,提出了2种可用于建成区提取的夜间灯光亮度修正指数：EVI夜间灯光亮度修正指数EANI (EVI Adjusted Nighttime Light(NTL) Index)和基于道路网密度与EVI指数的夜间灯光亮度修正指数REANI (Road Density & EVI Adjusted NTL Index),并利用珞珈1号卫星（LJ1-01,分辨率约130 m）影像和NPP-VIIRS影像（分辨率约 500 m） 2种不同空间分辨率夜间灯光遥感影像进行验证。以2018年徐州市建成区为研究对象,分区域（主城区、外围区）利用阈值法对2种原始夜间灯光影像、经EANI指数和REANI指数处理后的影像进行建成区提取,得到6种建成区提取的结果。研究表明： ① EANI指数和REANI指数能够有效抑制夜间灯光影像的背景噪声,建成区提取的结果均优于直接利用原始影像的结果,特别是对于城市化水平较低地区的建成区提取效果更佳;② 相较于NPP-VIIRS影像,利用LJ1-01影像提取建成区的效果提高6%左右,说明我国的LJ1-01夜间灯光影像在建成区提取方面有广阔的应用前景。EANI和REANI为建成区提取提供了有效工具,并可应用于城市规划和城市扩张等研究领域。 相似文献
1