基于DMSP/OLS夜光数据的中国人口数据建模外文翻译资料

英语原文共 11 页，剩余内容已隐藏，支付完成后下载完整资料

基于DMSP/OLS夜光数据的中国人口数据建模

摘要

对1996年3月至1997年1月至2月期间获得的中国辐射定标的DMSP-OLS夜间灯光数据进行了评估，以了解其作为省，县和市级人口数据来源的潜力。将光斑分为六类光强，并从影像中提取其区域范围。提取与定居点相对应的光斑的平均像元值。开发了一种轻量量度来衡量定居点的三维能力。还针对每个空间单位计算了称为光照面积百分比的光群集度量密度。利用异速生长模型和线性回归模型来估计中国人口和三个空间层次的人口密度，以光照面积，光量，像元平均值和光照面积百分比作为自变量。发现DMSP-OLS夜间数据使用异速生长模型和光照面积或光量作为输入，在县和市两级对非农业（城市）人口进行了合理准确的估计。非农业人口密度在县级线性回归模型中使用光照面积百分比进行最佳估计。非农业人口和全部人口的估计总数与中国统计在所有三个空间层面的真实值接近。 得出的结论是，1公里分辨率辐射校准的DMSP-OLS夜间灯光影像有可能提供一个国家的人口估计，并从太空中揭示其城市人口。

简述

国防气象卫星计划（DMSP）始于20世纪70年代，由几个卫星组成，这些卫星位于海拔约830公里的圆形太阳同步近极地轨道上。由于每颗卫星每天经过地球上任何地点两次，轨道周期约为101分钟，因此每六小时可获得近乎完整的全球覆盖。这些卫星携带不同的传感器，即操作线扫描系统（OLS），微波成像仪（SSM/I），大气水蒸气分析仪（SSM/T-2），沉淀电子和离子光谱仪（SSJ/4），大气温度分析仪（SSM/T） ），离子闪烁监测器（SSI/ES）和磁力计（SSM）（http://www.ngdc.noaa.gov/dmspl），它们提供了有关大气，海洋和地球太阳物理环境的宝贵数据。

本文仅集中于从OLS获取的夜间影像数据.OLS用于监视云的分布和每日两次云顶温度，白天一次和晚上一次。其由它由两个望远镜和一个光电倍增管（PMT）组成。 它以扫描宽度大约3,000千米的扫描模式扫描地球。其由两个望远镜和一个光电倍增管（PMT）组成，它的扫描模式是以大约3000千米的扫描宽度扫描地球。一个望远镜对可见光和近红外波段（0.40到1.10 pm）的辐射敏感，而另一个望远镜在热红外波段（10.0到13.4 um）处成像。高质量模式下的空间分辨率为0.55 km，平滑模式下的空间分辨率为2.7 km。在非常微弱的照明条件下（辐射率可测量为瓦特/平方厘米 球面度 能量）在0.47至0.95微米的可见和近红外波段区域中检测辐射的PMT被用于使用月光检测夜间云，最低点的空间分辨率为2.7 km。它产生了一个独特的城市灯光，气体火光，火灾和点燃物体的数据集，这使得人们可以在观察大陆上人口的大小和分布（Croft，1978）。通过使用代表城市的亮点的大小和形状，可以评估能源消耗率。

过去20年来，这些OLS夜间数据仅以电影胶片的形式存档。因此，辐射值只能通过使用微型增透膜直接测量正片胶片透明度来获得，正如Welch和Zupko（1980）的工作所证实的那样，他计算了“光罩”的体积每个城市都基于微密度扫描配置文件。发现该量与城市的能源消耗强烈相关。自1992年以来，DMSP项目的数据库在NOAA国家地球物理数据中心建立，从而使DMSP影像的定量分析更容易。 这已经重新引起人们对使用DMSP-OLS夜间影像进行人口估计和建立全球人口数据库的兴趣）。Sutton等人比较了1990年美国人口普查中得出的美国人口密度图和美国大陆的复合DMSP-OLS图。 他们得出的结论是，这两个表现出强烈的相关关系，并且DMSP-OLS影像中的饱和区域集群与这些集群覆盖的人口密切相关。

本文试图将DMSP-OLS影像对人口模型的潜力进行评估，扩展到另一个文化领域-中国，该国与美国大约在同一地区，但人口超过12亿且4.5倍于美国。因此，中国的人口密度远高于美国。这种评估利用了影像饱和像元的面积和像元的平均像元值来模拟三种不同空间尺度的人口：省，县和城市。

数据

本研究中的中国DMSP-OLS数据是1996年3月至1997年 2月期间获得的无云辐射校准低光数据的综合。 这种类型的数据相对于“百分比照明”数据（OLS数据的一个版本）具有优势，其中记录了相对于无云轨道时间的光被观察到的时间百分比作为每个像元的值。即使是非常弱的光源，像元饱和也会导致“百分比点亮”的数据形成“高光溢出”，从而导致城市区域被夸大或形成不存在的城市区域。另一方面，辐射校准的夜间灯光数据被发现能够更准确地显示人口密度，并在城市内提供详细的分区。

辐射校准数据是通过使用OLS设置在24分贝和50分贝之间的增益交替获得的。 数据的辐射范围从最低值1.54 * 10-9W cm-2sr-1um-1至最大值3.17 * 10-7Wcm-2sr-1um-1。该像元是一个数值（DN）以字节格式在0和255之间存储的值。

可以使用以下公式将0和254之间的值转换为辐射：

数据已经由Elvidge等人开发的算法处理。它从大量的夜间OLS影像中检测可见的红外发射源和云，并将它们映射到一致的参考网格。 通过使用按时间序列排列的影像，城市、城镇和工业企业生产的稳定灯光可以与燃气火炬，船只，火灾和闪电引起的短暂灯光分开。 使用的参考网格是NASA-USGS Global 1km AVHRR项目中的古蒂等面积投影，这是在所有纬度和连续的陆地（南极除外）中提供一个统一的网格大小最好的办法。

在这个研究中，辐射校准数据能够与人口密度和能源消耗更直接的相关，这与Welch和Zupko采用的同一性推理和卫星影像的常规人口估计方法相同。图1显示了中国的DMSP-OLS辐射数据，图2显示了DN值大于零的数据的频率分布曲线。 稳定灯光的DN值从5变化到166，平均值为12.52（标准偏差 8.27），中位数为10，模式为9.频率分布曲线高度偏向左侧或低侧。 超过40％的像元具有8,9和10的DN值。因此，经辐射校准的DMSP-OLS低光数据在像元值中处于相当有限的范围。

1990年国际地球信息科学中心（CIESIN）的中国区域项目获得了1990年1：100万Arc/Info格式的中国省级和县级行政区域数据（http：// www.ciesin.org）。其中包含了1990年中国人口和经济数据的dbf格式中国农业数据集。dbf格式允许将这些数据与县边界数据相关联，以便在ArcView GIS（或Arc/Info）中显示。通过1998年中国统计年鉴还获得了中国1997年省一级的其他人口和社会经济数据。所有这些数据都是为了调查中国区域辐射校准的DMSP-OLS夜间影像在本研究中进行种群估计和建模的潜力。在获取DMSP-OLS影像的当年，很难获得相应年份中国县级的人口和社会经济数据。

方法

基于Tobler对尼罗河三角洲沉降量的观测，以前的研究是利用全球尺度卫星影像进行人口估算，利用从影像测量得到的沉降面积作为异速生长模型的输入数据：

或其对数形式：

图1.1996年3月至1997年2月期间取得的辐射定标DMSP-OLS夜间合成影像。

图2.图1所示中国区域辐射校正的DMSP-OLS夜间影像的DN值频率分布曲线。

其中P是人口，A是定居点的建筑面积，a是系数，b是指数。 a和b都必须由经验决定，它们往往因特定文化领域的人口密度而异。另一种更常用于大规模多光谱卫星影像如Landsat MSS和TM的方法是基于卫星数据的四个波段的像元值开发线性回归模型：

其中PD是每个像元的人口密度; X1，X2, X3和X4是卫星影像的波段1至4的像元值; a到e是必须经验确定的系数。

我们在分析中将使用两种方法。 经辐射校正的DMSP-OLS夜间灯光显示出不同的区域范围，当通过视觉判断时，它们看起来与定居点的大小正相关。使用ERDAS Imagine等影像处理软件可以轻松地从影像中提取这些光斑的区域范围。这些灯光也显示了从城市的一部分到另一部分的光强度的变化。使得建筑物密度较高的地区表现出较亮的光线，因此可以在人口密度和光强度之间建立正相关关系。 由于DMSP-OLS数据只有一个波段，所以线性回归模型可以简化为下式：

其中X是每个像元的光强度（DN值）。

定居点光强度的空间变化是有用的信息，应该用于人口模型。 基于自然断裂使用平行六面体分类法将非零辐射校正的DMSP-OLS夜间数据（DN值）分成以下六类：（CL1）5-7，（CL2）8-10，（CL 3）11-14，（CL4）15-26，（CL5）27-99和（CL6）100-166。 提取每类DN值的面积范围。在Welch和Zupko的方法中，还使用以下公式计算了沉降量（V）：

其中V1 = 7 * CL1，V2 = 9 * CL2，V3 = 11 * CL3，V4 = 15 * CL4，V5 = 27 * CL5和V6 = 100 * CL6。 V1到V6的每个乘法器是该类别出现的最高DN值。正确的强度乘以该类别的面积以进行卷积。值得注意的是，光量实际上是由光强度加权的光斑的面积范围。这种简化的方法近似地逼近了复杂多中心解决方案中的光量。图3显示了上海这样一个在光强度方面表现出复杂空间变化的特大城市。与城市简化的土地利用图（图4）相比，显然建筑中心区域（市中心）比周边区域具有更强的光线。郊区带反过来比周围的农田地区更加明亮。光强度与土地利用类型和土地覆盖类型有明显的关系，并描绘出最佳的建筑面积。

为了与分析中的体积进行比较，光斑面积（没有光强度）也被简单地计算为：

其中LA是光斑面积，ACL1到ACL6分别是DN类别1到6的区域。 在这种情况下，光斑面积是定居点建成区的替代物。

在随后的分析中，使用不同的空间尺度（省和县），光的百分比计算如下：

其中PCLA是空间单元中光斑面积的百分比或光密度，LA是空间单位中的光斑面积，LANDAREA是空间单位的陆地面积。 直观地发现PCLA与人口密度存在关联。

图3.上海市辐射校正后的DMSP-OLS夜间影像（与图4相比较）

省级人口建模

由于中国现有的省级人口和社会经济数据可以在获得，因此可以研究DMSP-OLS夜间影像数据与以下变量之间的关系：(1)1997年的人口；(2)1997年的家庭数，(3)1997年的人口密度，（4）1991年的非农业人口，（5）1995年的城市人均收入，（6）1997年的人均收入，（7）1988年的能源消费，（8）1988年的电力消费，（9）1997年工业总产值。为了将DMSP-OLS影像登记到省级单位，使用ERDAS Imagine将地理坐标中的分类夜间影像转换为多边形（矢量格式）。借助ArcIInfo Project功能，将地理坐标转换为中国省边界文件的兰伯特投影。然后使用Arc-View将矢量化的DMSP-OLS 与省覆盖面结合（图5）。结果表明，DMSP-OLS覆盖的光强级别与上述九个省级变量相关。此次研究只分析了中国28个省和市。由于缺乏数据，海南省和西藏自治区（西藏）未纳入分析。此外，台湾和香港，澳门两个特别行政区（SAR）的经济体系与中国大陆的经济体系大相径庭。

由ArcView GIS提取的表格数据被输出到SAS程序中，该程序根据公式5,6计算出光斑面积（LA），省光斑面积百分比（PCLA）和光量（V），以及上面给出的7。通过计算Pearson相关系数（表1），研究了从DMSP-OLS影像导出的这些变量与所提到的9个人口和社会经济变量之间的关系。结果清楚地表明，光斑面积（LA）与非农业人口、能源消耗、电力消耗和工业总产值强相关。光量（V）仅与非农业人口相关性略有改善。 然而，光量的常见对数转换（LOGV）与非农业人口的普通对数转换（LOGNAGSI）相关性更强，这表明异速生长模型（方程2b）使用光量代替建成面积的有效性。全省光斑面积百分比（PCLA）与人口密度、农村人均收入和城镇人均收入密切相关。 也发现光斑面积百分比（PCLA）与省级尺度上的像元平均值（PIX-MEAN）（0.0001水平显着性的r = 0.95）有很强的相关性，但与人口密度、人均城镇收入和人均农村收入之间的相关性更强（表1）。相关分析表明，DMSP-OLS夜间影像数据的光强度可以揭示一些人口经济特征（人均收入和全省的经济状况），而城市光的分布范围（光斑面积）与非农业人口（即城市）人口的规模以及该省的能源和电力消费有关。

图4.上世纪70年代初上海市土地利用/土地覆盖图

这些发现表明，可以使用光照面积，光斑面积百分比和像元均值来预测省级非农业人口和人口密度。为了校正这些模型，随机挑选出十个省市作为样本提供地面实况数据。这十个省市分别是安徽、福建、甘肃、广东、河北、湖北、辽宁、青海、陕西和上海，人口密度从非常高的上海（1821.25人/平方公里）到非常低的青海（6.89人/平方公里）。获得以下三个模型：

然后将这三种模型应用于中国其余18个省市，以确定可实现的精确度。结果如表2所示。从表中可以清楚地看出，异速生长模型的平均相对误差为12.11％，平均绝对相对误差为47.96％。在人口密度低的宁夏，山西和新疆出现了严重的错误（即高估）。18个省的估计的非农业人口仅低估了5.2％。在将这个模型（公式8）应用于所有28个省时，估计的非农业人口总数为228166613人，其中仅比实际239272126人低估了4.6％。换句话说，可以使用DMSP-

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[22557]，资料为PDF文档或Word文档，PDF文档可免费转换为Word