一种面向每日多波段夜间灯光数据构建的新型多源融合框架
《ISPRS JOURNAL OF PHOTOGRAMMETRY AND REMOTE SENSING》:A novel multi-source fusion framework for daily multiband nighttime light data construction
【字体:
大
中
小
】
时间:2026年10月24日
来源:ISPRS JOURNAL OF PHOTOGRAMMETRY AND REMOTE SENSING 12.9
编辑推荐:
夜间灯光(NTL)作为人类在地球上活动的重要指示器,具有独特意义。与全色夜间灯光数据相比,多波段观测能提供更丰富的光谱信息以刻画人工照明特征。然而,目前尚不存在同时具备日时间分辨率和多波段RGB信息的现有数据集,这限制了短期光谱动态的研究。本研究提出了一种基于多源数据融合的再
夜间灯光(NTL)作为人类在地球上活动的重要指示器,具有独特意义。与全色夜间灯光数据相比,多波段观测能提供更丰富的光谱信息以刻画人工照明特征。然而,目前尚不存在同时具备日时间分辨率和多波段RGB信息的现有数据集,这限制了短期光谱动态的研究。本研究提出了一种基于多源数据融合的再构造框架,生成500米分辨率的日夜间灯光RGB(DNTL-RGB)数据,实现了对中国范围内人工照明短期光谱动态的连续表征。所提出的框架将全色NTL信号明确分解为RGB分量。通过整合NPP-VIIRS日观测、SDGSAT-1 RGB影像及辅助地理空间变量,构建了红色、绿色和蓝色波段各自的特征集。为每个RGB波段开发了独立的基于LightGBM(Light Gradient Boosting Machine,轻量级梯度提升机)的估算模型,以估算各波段的NTL强度,从而实现了对RGB组分之间异质性的显式表征。重建结果采用多尺度验证策略进行评估,包括与SDGSAT-1 RGB观测的像素级和城市级比较。该框架保持了空间分布特征,并与SDGSAT-1 RGB观测实现了良好的时间一致性,展示了其在恢复RGB夜间强度方面的稳健性。在像素尺度上,重建波段与SDGSAT-1 RGB数据集表现出强相关性(红、绿、蓝波段的相关系数R分别为0.882、0.895和0.797),而城市级一致性则进一步提高(R > 0.97)。高结构相似度和峰值信噪比指标表明各RGB通道具有稳定的结构一致性和高信号保真度。通过实现日夜间灯光RGB重建,所提出的框架为人工照明短期动态的高频光谱监测提供了可扩展的解决方案。DNTL-RGB数据作为该框架的经验验证,支持对城市活动波动、社会经济过程、人地相互作用及可持续发展进行定量分析。
引言
夜间人工照明已成为人类活动导致的一个重要且广泛的环境问题。夜间灯光(NTL)遥感提供了一种从夜间视角观察人类活动和城市环境的独特手段。卫星传感器获取的NTL数据已被广泛应用于分析城市活动(Elvidge等, 1997; Elvidge等, 2001; Gaston等, 2013; Falchi等, 2016; Shi等, 2023; Xing等, 2024),如经济增长(Chen等, 2023b; Chen等, 2024; You和Chen, 2022)、二氧化碳排放(Chen等, 2023a; Shi等, 2016; Shi等, 2019)、自然灾害(Zhao等, 2018; Yuan等, 2023)、武装冲突(Yu等, 2023)、刻画城市空间结构(Yu等, 2014; Chen等, 2017; Wang等, 2022; Shi等, 2023; Wu等, 2024)及其相互作用(Tu等, 2022; Tu等, 2024; Wang等, 2025b; Wang等, 2025a)、识别城市发展因素(Wu等, 2023b)、映射人类健康风险(Sánchez de Miguel等, 2022)。随着光污染及其潜在健康影响的关注度日益增加,理解夜间照明的光谱特征变得越来越重要(Huang等, 2025a)。人类对短波长光敏感(Cajochen等, 2005),蓝光暴露可扰乱昼夜节律、抑制褪黑素分泌并损害睡眠质量(Aulsebrook等, 2018; Czeisler, 2013; Holzman, 2010)。与主要收集用于描述国家和经济社会发展情况的传统统计数据相比,NTL遥感数据在空间覆盖范围、跨区域可比性和时效性方面具有显著优势,使其成为环境与健康相关研究中日益宝贵的资源(Li等, 2020; Zheng等, 2023b)。
目前,NTL数据集大致分为两大类:宽波段全色NTL数据和多光谱NTL数据。宽波段全色NTL测量将宽光谱范围内的辐射亮度整合到单一通道中,提供了总体光强,但光谱信息有限。常用的NTL数据包括国防气象卫星计划业务线扫描系统(DMSP-OLS)和可见红外成像辐射仪套件(NPP-VIIRS),均属于此类别。DMSP-OLS提供了最早的全球夜间照明长期记录,但其粗空间分辨率、缺乏机载定标以及传感器饱和限制了其定量应用。随后的NPP-VIIRS改进了其辐射质量和空间细节,成为广泛采用的全球NTL数据来源。这些产品提供了夜间灯光强度的每日观测值,能够实现与人类过程相关的短期时间变化的刻画。然而,其宽波段特性限制了光谱区分能力,制约了对照明类型的识别,并阻碍了对人工照明波长依赖性环境和社会经济影响的评估。
多光谱NTL数据(如RGB数据集)提供了多光谱信息,增强了分析各种环境和城市动态的能力。常见的多光谱NTL数据包括吉林-1(Jilin-01)卫星传感器(Xu等, 2017; Guk和Levin, 2020)和可持续发展目标科学卫星1号(SDGSAT-1)(Guo等, 2022; Guo等, 2023)等,这些传感器捕捉到了城市照明的更精细光谱细节。吉林-1提供亚米到米级空间分辨率的高空间分辨率NTL RGB影像,SDGSAT-1则以40米一致分辨率提供自由获取的NTL RGB数据,具有严格的机载定标和系统性的11天全球覆盖,确保了科学应用的数据连续性和标准化。尽管提供了多光谱NTL遥感信息,但该数据集在提供连续日观测和空间覆盖均匀性方面存在局限,制约了其对大规模、定量分析短期多光谱NTL动态的适用性。国际空间站(ISS)夜间照片(DeLucas, 1996; Sánchez de Miguel等, 2019; Warren, 2020)提供了空间细节可达约10米的天文学家获取的夜间照片。但ISS夜间照片缺乏一致的地面定位和辐射定标,这限制了其在定量NTL研究中的适用性。因此,尽管具有光谱优势,现有多光谱NTL数据集仍不足以支持与生态系统和人类健康研究相关的短期夜间灯光动态的一致、大规模评估。因此,通过整合宽波段全色NTL数据和多光谱NTL数据来开发日夜间灯光多波段数据集,对于理解人造光的时空和光谱动态具有重要意义。
大量工作致力于探索从灰度遥感影像中重建彩色信息。例如,Nie等(2024)提出了一种新颖的双向布局-语义-像素联合解耦和嵌入网络来恢复遥感影像的彩色。一种包含多尺度卷积下采样和注意力机制的深度神经网络模型已被用于将灰度遥感影像转换为彩色遥感影像(Wang等, 2021a)。包含自编码器原理和多尺度卷积模块的深度卷积生成对抗网络已被应用于彩色遥感影像(Wu等, 2021)。然而,这些方法主要是为白天光学影像或其他高分辨率多光谱数据开发的,不能直接应用于全色夜间灯光产品。同时,有限的可用多波段NTL参考样本使得深度学习模型难以学习稳定的映射。一种双变换融合算法(Lu等, 2024)和一种双采样调整方法(Huang等, 2025b)已被提出,通过整合白天光学数据与全色NTL影像来生成彩色夜间灯光影像。最近,时空融合方法被探索用于通过整合全色VIIRS观测和高分辨率SDGSAT-1 RGB影像来生成日多波段NTL数据,尽管这类方法受限于配对多波段参考数据的可用性(Bian等, 2025)。然而,所有这些方法都需要额外的高质量参考数据作为模型输入,这限制了其在生成大规模日多波段NTL数据集方面的时空泛化能力。Rybnikova等(2022)曾尝试使用几种机器学习模型从全色NTL影像中重建多波段信息,但仍受限于时空泛化能力,阻碍了大规模日多波段NTL数据集的生成。此外,它们依赖相对有限的输入变量集合,这可能会限制其表征多波段NTL信号复杂性的能力。先前的研究表明,多个地理空间变量对夜间照明模式有贡献。例如,道路网络与夜间照明表现出强烈的空间关系(Liu等, 2025; Wu等, 2024; Xu等, 2022)。兴趣点(POI)分布捕捉了城市功能和人类活动强度的差异,这与光发射的空间变异性密切相关(Lou等, 2019; Wu等, 2022; Yu等, 2018)。这些研究表明,纳入更广泛的地理空间特征集可能更好地捕捉夜间照明的异质性。LightGBM方法(Ke等, 2017)是一种基于树的集成学习算法,非常适合对多源地理空间变量与夜间灯光强度之间的复杂非线性关系进行建模,同时保持高计算效率和稳健性。此外,其处理高维和异质输入特征的能力,加上其在不同区域的强泛化能力,使其特别适合大规模NTL估算任务。
本研究提出了一种新颖的多源数据融合方法,通过机器学习技术整合全色日观测、RGB NTL信息、道路网络数据、POI数据及辅助地理空间变量,生成中国500米日夜间灯光RGB(DNTL-RGB)数据集。本研究将NTL重建重构为波段特定的RGB估算问题。为评估DNTL-RGB数据集的实用能力,我们将其与日人口热力图进行回归分析,验证了其在表征城市人口分布和快速社会经济变化方面的有效性。我们的数据集填补了现有遥感产品中的一个关键空白,为高时间分辨率城市监测、环境评估和可持续发展研究提供了宝贵的支持。
研究区域
在中国快速城市化转型的背景下,城市已成为人口、经济活动和环境压力中心。它们在推进国家可持续发展目标方面也发挥着关键作用,特别是在夜间能效、生态规划和管理方面。它们还面临着关键的全球挑战,包括气候变化、能源转型和快速城市化。理解空间及日时间动态
方法
NTL重建被设定为波段特定的RGB估算任务。中国的DNTL-RGB数据集通过整合多源遥感信息和辅助地理变量生成(图2)。首先,使用从遥感数据集中提取的统计指标构建RGB波段特征集(表2)。其次,使用LightGBM方法分别开发了红色、绿色和蓝色波段的三个估算模型,并评估模型的性能。
超参数优化和特征选择分析
总体而言,优化后的模型在三个波段上表现出一致的参数模式,表明模型配置的稳定性。具体参数的细微差异反映了各波段独特的光谱特征(表3)。
为增强LightGBM模型的可解释性并量化各输入特征对预测辐射亮度的贡献,计算了红色、绿色和蓝色波段预测的SHAP(SHapley Additive exPlanations,沙普利加法解释)值。
敏感性分析和比较
3×3均值滤波(MF)在噪声抑制、空间细节保持和预测性能之间取得了良好的平衡,并在不同窗口大小下通常优于高斯滤波(GF)(图10和表6)。MF和GF的预测精度随滤波窗口大小的增大而提高,而MF的提升更为显著(表6)。然而,视觉比较表明,增大滤波窗口大小会逐步降低。
结论
本研究开发了一种多源数据融合框架,整合NPP-VIIRS日观测、SDGSAT-1空间-光谱信息和辅助地理空间变量,生成中国2024年的DNTL-RGB数据集。预测结果显示在像素级和城市级均具有良好的精度,R值明显更高、RMSE更低、CS更高且PNSR更高。平均而言,我们的DNTL-RGB数据集在像素尺度的R值分别为0.882、0.895和0.797,在城市尺度的R值分别为0.994、0.994和0.976。
作者贡献
YT设计并开发了方法和软件,进行了分析和验证,并撰写了论文。CW和ZC设计并支持了研究,并对论文进行了审阅。LD进行了验证并撰写和审阅了论文。WX进行了验证和分析。
BY和YL设计了研究方案,提供了支持,监督了研究过程,并对论文进行了审阅。
**资金支持**
本研究得到了国家重点研发计划(编号:2023YFB3906101)、国家自然科学基金(编号:42371332和42301530)以及中国国家留学基金委员会(编号:202306140088)的资助。
**CRediT作者贡献声明**
于越:论文撰写——审阅与编辑、论文撰写——原始稿、可视化、验证、方法论、形式化分析、数据整理。王聪潇:论文撰写——审阅与编辑。陈佐齐:论文撰写——审阅与编辑。董林鑫:论文撰写——审阅与编辑、验证。徐伟:验证、形式化分析。刘岩:论文撰写——审阅与编辑、监督。于柏郎:论文撰写——审阅与编辑、监督。
**利益冲突声明**
作者声明,他们不存在可能影响本文所报告工作的已知的竞争性经济利益或个人关系。作者是本期刊的编委会成员/主编/副主编/客座编辑,并未参与本文的编辑审阅或发表决定。
**致谢**
本研究成果是可持续发展目标卫星一号(SDGSAT-1)开放科学计划的一部分,该计划由可持续发展目标大数据国际研究中心(CBAS)实施。本研究使用的数据来源于SDGSAT-1卫星,由CBAS提供。我们感谢地球观测组提供Black Marble每日夜间灯光数据。我们同样感谢昆士兰大学为开展本研究期间提供的研究访问支持。
于越 | 王聪潇 | 陈佐齐 | 董林鑫 | 徐伟 | 刘岩 | 于柏郎