【数据分享】中国长时间序列夜间灯光数据集(2000-2020)
Part1摘要
夜间灯光影像能够反映地表夜间灯光亮度,从而在一定程度上表征人类活动强度,长时间序列的夜间灯光数据对于城市发展研究具有重要参考价值。基于DMSP/OLS第四版非辐射定标夜间年平均灯光强度数据、NPP/VIIRS月度数据和EVI数据,经过数据预处理、校正和数据融合,得到中国长时间序列夜间灯光数据集(2000-2020)。该数据集内容包括:(1)修正的2000-2013年EANTLI年度数据;(2)异常值处理后的2012年4月-2020年12月NPP/VIIRS月度数据;(3)2012-2020年NPP/VIIRS年度数据集;(4)2000-2020年类EANTLI夜间灯光数据集。其中,NPP/VIIRS月度数据集和年度数据集的空间分辨率为500 m,其余数据空间分辨率为1 km。数据集存储为.tif格式,由750个数据文件组成,数据量为2.21 GB(压缩为6个文件,1.71 GB)。
Part2数据引用方式
仲晓雅, 闫庆武*, 李桂娥. 中国长时间序列夜间灯光数据集(2000-2020)[J/DB/OL]. 全球变化数据仓储电子杂志(中英文), 2022. https://doi.org/10.3974/geodb.2022.06.01.V1.
Part3参考文献
[1] 郑启明. 夜间灯光遥感数据处理关键技术与多中心城市监测研究[D]. 杭州: 浙江大学, 2020.
[2] 陈颖彪, 郑子豪, 吴志峰等. 夜间灯光遥感数据应用综述和展望[J]. 地理科学进展, 2019, 38(2): 205-223.
[3] 董鹤松, 李仁杰, 李建明等. 基于DMSP-OLS与NPP-VIIRS整合数据的中国三大城市群城市空间扩展时空格局[J]. 地球信息科学学报, 2020, 22(5): 1161-1174.
[4] Zhao, X., Xia, X., Liu, X., et al. Combining DMSP/OLS nighttime light with echo state network for prediction of daily PM2.5 average concentrations in Shanghai, China [J]. Atmosphere, 2015, 6(10): 1507-1520.
[5] Elvidge, C. D. A fifteen year record of global natural gas flaring derived from satellite data [J]. Energies, 2009, 3(2): 595-622.
[6] Levin, N., Kyba, C., Zhang, Q., et al. Remote sensing of night lights: A review and an outlook for the future [J]. Remote Sensing of Environment, 2020, 237(C): 111443.
[7] 曹子阳, 吴志峰, 米素娟等. DMSP/OLS稳定夜间灯光影像在中国的分类校正方法[J]. 地球信息科学学报, 2020, 22(2): 246-257.
[8] 仲晓雅, 闫庆武, 厉飞等. 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[J]. 地理与地理信息科学, 2021, 37(6): 46-51.
[9] 卓莉, 张晓帆, 郑璟等. 基于EVI指数的DMSP/OLS夜间灯光数据去饱和方法[J]. 地理学报, 2015, 70(8): 1339-1350.
[10] 李明峰, 蔡炜珩. NPP/VIIRS多时相夜光遥感影像校正方法[J]. 测绘通报, 2019(7): 122-126.
[11] Zhao, M., Zhou, Y., Li, X., et al. Building a series of consistent night-time light data (1992-2018) in Southeast Asia by integrating DMSP-OLS and NPP-VIIRS [J]. IEEE Transactions on Geoscience and Remote Sensing, 2019, 99: 1-14.
[12] Chen, Z., Yu, B., Yang, C., et al. An extended time series (2000–2018) of global NPP-VIIRS-like nighttime light data from a cross-sensor calibration [J]. Earth System Science Data, 2021, 13(3): 889-906.
Part4数据说明
1、本数据从国内网站收集而来,不能保证数据的准确性
2、本数据仅用作为学习用途,不能用于商业通途
3、本公众号只负责数据的搜集和整理工作,不能保证数据的精度和准确度以及时效性。
4、如数据有侵权,请告知本号,本号会第一时间删除该数据。
Part5数据获取方式
方式一:转发本次数据文章到朋友圈,全部公开可见并集赞15个,保留2小时
方式二:转发50人以上技术交流群10分钟
两种方式任选其一
添加小编微信发送转发截图,Ai尚研修会员无需转发可直接领取!
推荐
7、8月份直播课程推荐
网络直播+助学群辅助+导师面对面实践工作交流
(点击课程标题了解课程详情)
环境生态/遥感类 |
最新导则下:基于遥感解译与GIS技术环境影响评价图件制作实践应用 |
长时间序列遥感数据处理及在全球变化、物候提取、植被变绿与固碳分析、生物量估算与趋势分析等领域中的应用实践技术培训班 |
第二期 Python语言在地球科学领域中的应用实践技术应用高级培训班 |
R语言在生态环境领域中的实践技术应用培训班 |
陆面生态水文模拟与多源遥感数据同化的实践技术应用培训班 |
植被参数光学遥感反演方法(Python)及遥感与生态模型数据同化算法实践技术应用 |
语言类 |
基于R语言的非参数与半参数回归模型实践技术应用培训班 |
基于R语言的Meta分析【全流程、不确定性分析】方法与Meta机器学习高级应用 |
【夏令营】针对课题组人员AI培养计划:“开启AI科研之路” |
大气科学类 |
地下水/水文/地质类 |
全流程各工程类型地下水环境影响评价【一级】方法与MODFLOW Flex建模实践技术应用 |
岩土工程渗流问题之有限单元法:理论、模块化编程实现、开源程序手把手实操应用培训班 |
PHREEQC建模及典型案例解析与高阶拓展应用【反向“编译”、“玩转”后处理技术、GibbsStudio和PhreePlo方法】实践培训班 |
碳专题 |
基于LEAP模型的能源环境发展、碳排放建模预测及不确定性分析实践应用 |
添加小编微信,海量数据、视频教程免费获取
免费数据资源(部分数据展示)
Ai尚研修海量资源(数据、课件、书籍、视频教程)一键免费领取
(点击数据标题,直接进入)
土利用数据
上下滑动查看更多
超级会员专享
END
声明: 本号旨在传播、传递、交流,对相关文章内容观点保持中立态度。涉及内容如有侵权或其他问题,请与本号联系,第一时间做出撤回。
END
Ai尚研修丨专注科研领域
技术推广,人才招聘推荐,科研活动服务
科研技术云导师,Easy Scientific Research