大数据应用 | 夜间灯光数据在经济学中的应用与挑战

前两期，【数据seminar】介绍了关于卫星遥感数据在经济学中的应用情况（详见下方系列回顾）。而其中，最受欢迎的，要数夜间灯光数据。学者们使用夜间灯光数据进行了多种多样的研究，但随着夜间灯光数据在经济学研究中的使用越来越广泛，其局限性也逐渐被学者所认识。本周【数据seminar】要推介的这篇文章Night Lights In Economics: Sources And Uses就是一篇讨论这个问题的佳作。作者是来自怀卡托大学的John Gibson、Susan Olivia和Geu Boe-Gibson，文章发表在Journal of Economic Surveys上。

系列回顾

文章概要

简介：夜间灯光数据作为经济活动的代理指标，越来越受到经济学家的青睐。这很大程度上是因为传统经济统计数据（如国家或地区GDP）的缺失或不准确。但夜间灯光数据的易获取可能导致不适当的使用。当用户未能认识到提供这些数据的卫星并非专为经济学家设计时，这些数据的局限性就可能威胁到基于这些数据的分析的有效性，尤其是在进行时间比较或对农村地区进行分析时。文章还回顾了夜间灯光数据的卫星来源，讨论了这些数据的问题，并调查了它们在经济学中的一些应用。

关键词： 密度、发展、DMSP、亮度、夜间灯光、VIIRS

主要内容

文章首先介绍了卫星夜间灯光图像的历史，详细描述了夜间灯光数据的两个主要来源：国防气象卫星计划操作线扫描系统（DMSP）和Suomi卫星上的可见红外成像辐射计套件（VIIRS），对比了两种数据在参数上的一些差异，并且讨论了DMSP数据固有的局限性。其次，文章回顾了夜间灯光数据在经济学中的各种应用，包括评估地方干预措施（如道路改善、海岸线稳定和援助项目）、研究政治操纵、地区偏袒以及国家行动对地方的影响等。这些研究通常在发展中国家进行，因为这些国家的传统经济统计数据可能不可用或不准确。

最后文章指出，应用经济学家在使用夜间灯光数据时没有足够的批判性，尤其是依赖于DMSP数据——获得此类数据的传感器并非设计用于提供长期、时间一致和空间精确的地球灯光测量。文章建议经济学家应该更加关注遥感文献，以便更好地理解卫星检测到的夜间灯光数据，并做出更明智的数据使用决策。

文章最有价值的部分是对DMSP数据和VIIRS数据的对比，可以给我们日后的使用提供参考。文章指出：与DMSP相比，VIIRS具有以下几点巨大优势：

1. 更高的空间分辨率：

• VIIRS的传感器提供了更高的空间分辨率，其在中心区域的分辨率为742米×742米，而DMSP的分辨率为560米×560米。这意味着VIIRS能够捕捉到更精细的细节，尤其是在城市区域。

2. 更好的时间一致性：

• VIIRS传感器具有在轨校准（in-flight calibration）功能，通过太阳能扩散器确保读数在时间上具有可比性。这与DMSP的传感器不同，后者没有记录增益设置的变化，导致夜间灯光的亮度在不同夜晚可能不可比。

3. 更宽的动态范围：

• VIIRS的动态范围（从最亮的白天场景到最暗的夜晚场景）几乎有七个数量级（Lmax/Lmin = 6,700,000），而DMSP的动态范围通常小于两个数量级。这使得VIIRS能够捕捉到更广泛的亮度变化，包括在城市核心区域的灯光。

4. 更高的量化精度：

• VIIRS数据使用14位精度（n = 16,384）进行量化，而DMSP数据使用6位（n = 64）。更高的量化精度意味着VIIRS能够提供更丰富的亮度信息，减少了量化误差。

5. 更好的时间序列数据：

• VIIRS提供了每月的夜间灯光数据，而DMSP数据是年度的。这使得VIIRS数据在时间序列分析中更为有用，因为它提供了更频繁的数据点。

6. 更少的饱和问题：

• 由于VIIRS具有更宽的动态范围和更高的量化精度，它在城市核心区域不太可能出现饱和问题，这在DMSP数据中是一个常见问题。

7. 更晚的过境时间：

• VIIRS的过境时间大约在凌晨1:30，这可能有助于减少由于夏季晚些时候仍然有光线而产生的杂散光影响。

8. 更多的光谱波段：

• VIIRS在白天有21个光谱波段，在夜间有11个，这有助于云层检测，从而选择图像最清晰的夜间进行分析。而DMSP只有一个额外的波段（热红外区域）。

9. 更少的卫星间差异：

• VIIRS的数据在不同卫星之间显示出更少的差异，这减少了时间序列数据中的噪声，使得数据在不同卫星和年份之间更加一致。

10. 更现代的数据源：

• VIIRS是比DMSP更现代的数据源，它的数据更新更频繁，且随着时间的推移，其时间序列将变得更长，而DMSP的数据已经停止更新。

这些优点使得VIIRS数据在研究夜间灯光与经济活动之间的关系时，提供了更准确和可靠的信息。

当然，在实际应用中，由于时间序列的缘故，有时经济学家将不得不使用DMSP数据。对此作者也提出了相关建议，那就是尽可能对DMSP的数据进行校准，比如Abrahams等人提出的“去模糊”（deblurring）方法，该方法可以通过模拟夜间地理定位误差、反转扭曲矩阵（distortion matrix）以去模糊DMSP图像。可以减少DMSP数据的空间误差，提高其在小区域或边界效应研究中的准确性。

小结

总的来说，本文对于夜间灯光数据的应用和内在局限性有非常好的总结，值得一看。

如需阅读原文，后台回复关键词“20240212”即可获取全文PDF。

星标⭐我们不迷路！想要文章及时到，文末“在看”少不了！

点击搜索你感兴趣的内容吧

往期推荐

数据Seminar

这里是大数据、分析技术与学术研究的三叉路口

    欢迎扫描👇二维码添加关注    

点击下方“阅读全文”了解更多