基于時(shí)間序列夜間燈光數(shù)據(jù)的EPC預(yù)測(cè)模型

張 銳 劉鵬飛 王 慶

(1東南大學(xué)交通學(xué)院, 南京 210096)(2 東南大學(xué)儀器科學(xué)與工程學(xué)院, 南京 210096)(3 中國(guó)民用航空局機(jī)場(chǎng)司, 北京 100000)

電力消耗量(EPC)是定量衡量區(qū)域電力消費(fèi)狀況的基本指標(biāo)，準(zhǔn)確了解EPC對(duì)于基礎(chǔ)設(shè)施規(guī)劃、能源分配和環(huán)境保護(hù)至關(guān)重要.現(xiàn)有的中國(guó)EPC數(shù)據(jù)均來(lái)自行政單元發(fā)布的統(tǒng)計(jì)年鑒或者其他統(tǒng)計(jì)資料，盡管這些數(shù)據(jù)具有權(quán)威性，但是統(tǒng)計(jì)周期長(zhǎng)，更新緩慢，而且缺乏詳細(xì)的內(nèi)部空間信息，不能夠有效地揭示電力消費(fèi)量的空間差異.因此，基于網(wǎng)格或者柵格的電力消耗數(shù)據(jù)，是一個(gè)更為及時(shí)有效的選擇[1-3].

夜間燈光(NTL)遙感長(zhǎng)期以來(lái)被認(rèn)為可以用來(lái)反映人類(lèi)活動(dòng)和社會(huì)發(fā)展規(guī)律[4]，目前被廣泛用于國(guó)民生產(chǎn)總值[5]、人口密度[6]、電力消費(fèi)EPC[7]、溫室氣體排放[8]等社會(huì)經(jīng)濟(jì)參數(shù)估算.同時(shí)，夜間燈光也可以用來(lái)評(píng)價(jià)民用航空機(jī)場(chǎng)的可達(dá)性及服務(wù)范圍[9-10].美國(guó)國(guó)防氣象衛(wèi)星(DMSP)搭載的可見(jiàn)光成像線性掃描業(yè)務(wù)系統(tǒng)(OLS)和美國(guó)國(guó)家極軌衛(wèi)星(Suomi-NPP)搭載的可見(jiàn)光近紅外成像輻射儀(VIIRS)夜間燈光波段(day/night band，DNB)成為獲取夜間燈光數(shù)據(jù)的2個(gè)主要來(lái)源.

Elvidge等[11]利用DMSP/OLS數(shù)據(jù)，以21個(gè)不同經(jīng)濟(jì)發(fā)展?fàn)顩r的國(guó)家為研究對(duì)象，分析了夜間燈光強(qiáng)度與電力消費(fèi)量之間的關(guān)系.李通等[12]在縣級(jí)尺度上利用DMSP/OLS數(shù)據(jù)模擬重建了1995—2008年電力消費(fèi)的空間格局，較為可靠地揭示了該時(shí)間段電力消費(fèi)的時(shí)空變化情況.吳健生等[13]基于DMSP/OLS數(shù)據(jù)和能源統(tǒng)計(jì)數(shù)據(jù)之間的定量關(guān)系，在地級(jí)尺度上模擬了1995—2009年能源消費(fèi)的空間格局.潘竟虎等[2]基于DMSP/OLS數(shù)據(jù)、MODIS NDVI數(shù)據(jù)和社會(huì)經(jīng)濟(jì)統(tǒng)計(jì)數(shù)據(jù)，比較了不同夜間燈光降飽和指數(shù)模型對(duì)夜間燈光數(shù)據(jù)飽和的處理效果，構(gòu)建了電力消耗估算模型，定量估算了2000—2012年EPC.李峰等[14]通過(guò)對(duì)比不同數(shù)據(jù)校正方法(相互校正法[15]、最優(yōu)閾值法[16]、人類(lèi)定居指數(shù)[17]、植被調(diào)整夜間燈光城市指數(shù)[18]和增強(qiáng)植被調(diào)整夜間燈光城市指數(shù)[19])對(duì)夜間燈光數(shù)據(jù)的處理結(jié)果，評(píng)估了DMSP/OLS和NPP/VIIRS數(shù)據(jù)對(duì)社會(huì)經(jīng)濟(jì)統(tǒng)計(jì)指標(biāo)的模擬能力.

綜上所述，現(xiàn)有的研究大多以DMSP/OLS數(shù)據(jù)和EPC為研究數(shù)據(jù)，未將2012年后的NPP/VIIRS數(shù)據(jù)引入時(shí)間序列，因此未能很好地模擬長(zhǎng)時(shí)間序列上的EPC的變化情況，且現(xiàn)有的夜間燈光數(shù)據(jù)校正方法仍存在一定的局限性，在對(duì)DMSP/OLS數(shù)據(jù)的飽和校正時(shí)，未能有效區(qū)分飽和像素點(diǎn)的空間差異.此外，上述研究未能很好地實(shí)現(xiàn)DMSP/OLS和NPP/VIIRS數(shù)據(jù)的擬合.

本文利用不變目標(biāo)區(qū)域法實(shí)現(xiàn)2001—2013年DMSP/OLS數(shù)據(jù)的相互校正，利用2001—2013年的EVI年度數(shù)據(jù)實(shí)現(xiàn)對(duì)DMSP/OLS數(shù)據(jù)的飽和校正，得到校正后非飽和的2001—2013年DMSP/OLS數(shù)據(jù)，利用回歸模型對(duì)校正后的DMSP/OLS數(shù)據(jù)和NPP/VIIRS數(shù)據(jù)進(jìn)行擬合，得到區(qū)域尺度上的2001—2018年夜間燈光數(shù)據(jù)，從而構(gòu)建出省級(jí)EPC預(yù)測(cè)研究模型.

1 研究數(shù)據(jù)和區(qū)域

由于缺乏西藏、香港、澳門(mén)和臺(tái)灣省的EPC統(tǒng)計(jì)數(shù)據(jù)，研究區(qū)域僅限于國(guó)內(nèi)其他30個(gè)省份.

本文使用的DMSP/OLS夜間燈光數(shù)據(jù)集可以從科羅拉多礦業(yè)學(xué)院佩恩斯公共政策研究所網(wǎng)站下載(https://eogdata.mines.edu/dmsp/downloadV4composites.html).數(shù)據(jù)集中有3種年度平均數(shù)據(jù)類(lèi)型：無(wú)云覆蓋、平均可見(jiàn)光和穩(wěn)定光.在這3類(lèi)數(shù)據(jù)中，穩(wěn)定光數(shù)據(jù)包含來(lái)自城市、城鎮(zhèn)和其他具有持續(xù)照明的地點(diǎn)的光，而火災(zāi)、火山、背景噪音和其他短暫事件則被丟棄[20].20期影像數(shù)據(jù)由4個(gè)不同的DMSP衛(wèi)星F14(2001—2003年)、F15(2001—2007年)、F16 (2004—2009年)和F18(2010—2013年)獲取.

NPP/VIIRS夜間光照數(shù)據(jù)同樣也可以從科羅拉多礦業(yè)學(xué)院的網(wǎng)站下載(https://eogdata.mines.edu/download_dnb_composites.html).這些數(shù)據(jù)包括2012-04—2018-12的月平均輻射率綜合數(shù)據(jù)，然而由于這是一個(gè)初步的產(chǎn)品，因此NPP/VIIRS月度數(shù)據(jù)沒(méi)有經(jīng)過(guò)過(guò)濾，以消除與氣體耀斑、火災(zāi)、火山或極光有關(guān)的光探測(cè)，數(shù)據(jù)集也沒(méi)有經(jīng)過(guò)處理以消除背景噪聲.

增強(qiáng)植被指數(shù)(EVI)數(shù)據(jù)為中分辨率成像光譜儀(moderate resolution imaging spectroradiometer，MODIS)的EVI月合成產(chǎn)品，從地理空間數(shù)據(jù)云下載(http://www.gscloud.cn/).

中國(guó)縣級(jí)行政邊界矢量圖和河流湖泊數(shù)據(jù)，都是國(guó)家基礎(chǔ)地理信息中心的全國(guó)1∶4 000 000數(shù)據(jù)庫(kù)獲取的，所有的夜間光照數(shù)據(jù)都是根據(jù)中國(guó)的行政邊界提取的.

EPC統(tǒng)計(jì)數(shù)據(jù)來(lái)自2002—2019年的《中國(guó)統(tǒng)計(jì)年鑒》.

2 研究方法

2.1 數(shù)據(jù)預(yù)處理

DMSP/OLS、NPP/VIIRS和EVI原始影像坐標(biāo)系均為WCG-84坐標(biāo)系，為了避免影像網(wǎng)格變形對(duì)夜間影像數(shù)據(jù)的影響，首先將所有夜間燈光強(qiáng)度影像按照中國(guó)行政區(qū)域進(jìn)行提取，后將提取得到的影像坐標(biāo)系轉(zhuǎn)換到蘭伯特等積方位投影坐標(biāo)系，并利用最近鄰分配法將影像中的網(wǎng)格重采樣為 1 000 m.

利用經(jīng)濟(jì)強(qiáng)度法設(shè)定的合適閾值區(qū)間去除異常值(過(guò)高值和過(guò)低值)以提取NPP/VIIRS影像中有效的夜間燈光數(shù)據(jù)，并將影像中存在的負(fù)輻射像元賦值為0，然后將月度NPP/VIIRS和EVI影像合成為年度影像，即

(1)

式中，Dy為年度平均夜間燈光值；Di為第i月的月度平均夜間燈光值；m為月數(shù).由于5—7月的NPP/VIIRS數(shù)據(jù)缺失嚴(yán)重，因此不參與計(jì)算，故i≠5，6，7，因此m=9.

(2)

式中，Ey為年度EVI數(shù)據(jù)；Ei為第i月的EVI數(shù)據(jù).

2.2 基于EVI數(shù)據(jù)的DMSP/OLS數(shù)據(jù)校正

2.2.1 相互校正

獲取中國(guó)區(qū)域內(nèi)歷年穩(wěn)定影像，需要考慮到不同年份傳感器和同一年份不同傳感器采集到的影像數(shù)據(jù).同一年份中不同傳感器獲取的穩(wěn)定亮值像元應(yīng)保持一致；前一年份的亮值像元必定是后一年份的穩(wěn)定亮值像元[21].根據(jù)上述原則，將2001—2013年數(shù)據(jù)進(jìn)行處理，得到每年對(duì)應(yīng)的穩(wěn)定夜間燈光影像掩膜，然后利用穩(wěn)定夜間燈光影像掩膜去除相應(yīng)年份夜間燈光影像中的不穩(wěn)定像元.

依據(jù)遙感影像像元亮度值(digital number，DN)年際波動(dòng)小、年內(nèi)動(dòng)態(tài)范圍分布廣泛的原則[22]選取黑龍江省雞西市[23]作為樣本區(qū)域.以影像總灰度值較高、連續(xù)性好的F16傳感器的2007年作為參考標(biāo)定年度[21].

利用一元二次回歸模型對(duì)各年度雞西市影像數(shù)據(jù)與參考數(shù)據(jù)集進(jìn)行擬合回歸，利用對(duì)應(yīng)年份的回歸模型對(duì)獲取到的中國(guó)區(qū)域穩(wěn)定夜間燈光影像DN值進(jìn)行回歸校正.

Dcor=a1D2+b1D+c1

(3)

式中，Dcor為相互校正后的DN值；D為原始DN值；a1、b1、c1分別為一元二次回歸方程的回歸系數(shù).

2.2.2 飽和校正

經(jīng)過(guò)相互校正后不同年份間的DMSP/OLS夜間燈光影像具有可比性，但是相互校正并沒(méi)有削弱城市中心像元DN值飽和的問(wèn)題.基于植被與人類(lèi)活動(dòng)成負(fù)相關(guān)趨勢(shì)的原理[24-27]，且EVI指數(shù)能夠減弱土壤背景、大氣對(duì)植被指數(shù)的影響和克服NDVI易飽和問(wèn)題[27]，提出了基于EVI修正的燈夜間燈光總和[19]，其計(jì)算公式如下：

(4)

式中，DEAT為基于EVI修正的夜間燈光總和；E為原始EVI值.

首先，將DMSP/OLS數(shù)據(jù)分為飽和區(qū)和非飽和區(qū)[28]，本文將D=Dcorm(Dcorm為Dcor中的最大值)像元點(diǎn)所在的區(qū)域定義為飽和區(qū)，其余區(qū)域定義為非飽和區(qū).本文僅對(duì)飽和區(qū)內(nèi)的像元點(diǎn)進(jìn)行飽和校正，非飽和區(qū)內(nèi)的像元點(diǎn)保持原值.

記經(jīng)飽和校正后的DN值為DEVI，其計(jì)算公式如下：

(5)

2.2.3 年內(nèi)融合

為了充分利用同一年份中2個(gè)不同傳感器獲取到的夜間燈光影像的數(shù)據(jù)信息，解決發(fā)光像元不一致的問(wèn)題[29]，對(duì)經(jīng)相互校正及飽和校正后的夜間燈光影像進(jìn)行年內(nèi)融合，即

(6)

2.2.4 年際校正

為了進(jìn)一步提高夜間燈光影像間的連續(xù)性，需要對(duì)經(jīng)年內(nèi)融合后的夜間燈光影像進(jìn)行年際校正，中國(guó)區(qū)域內(nèi)不存在逆城市化過(guò)程[22]，因此根據(jù)文獻(xiàn)[30-31]對(duì)中國(guó)區(qū)域的夜間燈光影像進(jìn)行正向和反向年際校正，以分別確保前一年份影像中像元的DN值不大于后一年份影像中像元的DN值,以及后一年份影像中像元的DN值不小于前一年份影像中像元的DN值,即

(7)

(8)

對(duì)二次年際校正后同一年份中像元的DN值進(jìn)行平均處理，以獲得更為接近實(shí)際情況的夜間燈光影像.

(9)

2.3 NPP/VIIRS數(shù)據(jù)校正

將校正后2013年的DMSP/OLS影像中的亮值像元作為掩膜[32],提取2012—2018年NPP/VIIRS影像中對(duì)應(yīng)的像元，以此得到NPP/VIIRS影像中的穩(wěn)定像元.

2.4 2種夜間燈光數(shù)據(jù)校正

計(jì)算校正后的2012年和2013年DMSP/OLS影像和NPP/VIIRS影像內(nèi)30個(gè)省市自治區(qū)內(nèi)縣尺度上的夜間燈光總和，利用二次回歸方程，實(shí)現(xiàn)DMSP/OLS影像和NPP/VIIRS影像的擬合，即

(10)

式中，t為像元總數(shù)；Tn為n年度夜間燈光影像的夜間燈光總和.校正后的夜間燈光數(shù)據(jù)總和如圖1所示.

圖1 校正后的夜間燈光數(shù)據(jù)

2.5 燈光指標(biāo)與統(tǒng)計(jì)EPC的空間模型

本文采用線性、二次項(xiàng)和乘冪3種回歸模型對(duì)夜間燈光數(shù)據(jù)和EPC的空間關(guān)系進(jìn)行分析，各回歸方程如下：

線性模型

yEPC=a2xT+b2

二次項(xiàng)模型

乘冪模型

式中，xT為校正后的夜間燈光總和；yEPC為預(yù)測(cè)的EPC數(shù)據(jù)；a2、b2、c2分別為對(duì)應(yīng)回歸模型的回歸系數(shù).

本文利用相對(duì)誤差(RE)[32]和平均絕對(duì)相對(duì)誤差(MARE)[33]來(lái)評(píng)價(jià)夜間燈光數(shù)據(jù)預(yù)測(cè)EPC的能力.

(11)

(12)

式中，e為相對(duì)誤差；TEPC為目標(biāo)區(qū)域的實(shí)際EPC數(shù)據(jù)；PEPC為預(yù)測(cè)后的EPC數(shù)據(jù)；l為年份或省份總數(shù).

3 結(jié)果與討論

3.1 基于時(shí)間序列的國(guó)家尺度預(yù)測(cè)模型

參考Zhu等[34]提出的方法，通過(guò)構(gòu)建國(guó)家尺度上基于時(shí)間序列所建立的EPC數(shù)據(jù)與校正后的夜間燈光數(shù)據(jù)的線性、二次項(xiàng)和乘冪模型(見(jiàn)圖2)，可以發(fā)現(xiàn)所建立的3種模型的決定系數(shù)(R2)值均在0.95以上，說(shuō)明使用擬合后的擴(kuò)展的夜間燈光數(shù)據(jù)可以用來(lái)對(duì)2001—2018年中國(guó)EPC數(shù)據(jù)進(jìn)行長(zhǎng)期動(dòng)態(tài)建模.

圖2 2001—2018年國(guó)家尺度上長(zhǎng)時(shí)間序列的夜間燈光數(shù)據(jù)和電力消費(fèi)量的回歸模型

通過(guò)所建立的模型預(yù)測(cè)EPC數(shù)據(jù)，進(jìn)一步驗(yàn)證基于時(shí)間序列EPC建模(見(jiàn)表1)的準(zhǔn)確性.因未校正前的DMSP/OLS數(shù)據(jù)和NPP/VIIRS數(shù)據(jù)在時(shí)間序列上無(wú)法通過(guò)建立的模型對(duì)EPC數(shù)據(jù)進(jìn)行建模，因此表1沒(méi)有給出未校正前的數(shù)據(jù)結(jié)果.

表1 國(guó)家尺度時(shí)間序列預(yù)測(cè)EPC的準(zhǔn)確性 %

從圖2可以看出，校正后的夜間燈光數(shù)據(jù)與EPC之間的R2值分別為0.96(線性)、0.99(二次項(xiàng))和0.95(乘冪)，均表現(xiàn)出高度的相關(guān)性.從表1可以看出，線性模型的MARE值為8.166%，二次項(xiàng)模型的MARE值為5.650%，而乘冪模型的MARE值為9.366%.這表明，利用2001—2018年夜間光照數(shù)據(jù)，3個(gè)回歸模型均能恰當(dāng)反映中國(guó)EPC的長(zhǎng)期動(dòng)態(tài)，且二次項(xiàng)函數(shù)模型在全國(guó)范圍內(nèi)是最優(yōu)的，更能準(zhǔn)確地預(yù)測(cè)國(guó)家尺度上的EPC數(shù)據(jù).

3.2 基于省級(jí)單位預(yù)測(cè)模型

參考Zhu等[34]提出的方法構(gòu)建基于省級(jí)單位所建立的EPC數(shù)據(jù)與校正后的夜間燈光數(shù)據(jù)的線性、二次項(xiàng)和乘冪模型.圖3為3種模型下夜間燈光數(shù)據(jù)與EPC數(shù)據(jù)的R2值，圖4為3種模型下夜間燈光數(shù)據(jù)與EPC數(shù)據(jù)的MARE值.

圖3 2001—2018年省級(jí)單位的夜間燈光數(shù)據(jù)和EPC的回歸模型R2 值

從圖3可以看出，3種模型下所有年份的R2值均高于0.7，且二次項(xiàng)模型的R2值優(yōu)于線性模型的R2值，更優(yōu)于乘冪模型的R2值.

從圖4可以看出，2001—2002年，乘冪模型下每年的平均MARE值低于線性和二次項(xiàng)模型；2003—2004年，線性模型下每年的平均MARE值低于二次項(xiàng)和乘冪模型；2005—2018年，二次項(xiàng)模型下每年的平均MARE值低于線性和乘冪模型.因此根據(jù)選擇R2值相對(duì)較優(yōu)、平均MARE值最小的模型為最優(yōu)模型的原則，2001—2002年，建模模型為乘冪模型；2003—2004年，建模模型為線性模型；2005—2018年，建模模型為二次項(xiàng)模型.

圖4 2001—2018年省級(jí)單位的夜間燈光數(shù)據(jù)和EPC的回歸模型的MARE值

根據(jù)選定的最優(yōu)模型，進(jìn)一步評(píng)估了未校正前、校正后以及參考文獻(xiàn)[23, 35]校正方法(下文簡(jiǎn)稱為參考校正)校正后不同年份省級(jí)單位夜間燈光影像夜間燈光數(shù)據(jù)與EPC的關(guān)系(見(jiàn)表2).

表2 基于省級(jí)單位最優(yōu)模型的夜間燈光數(shù)據(jù)和EPC的模型擬合精度

從表2可以看出，由未校正前DMSP/OLS影像得出的夜間燈光數(shù)據(jù)與EPC數(shù)據(jù)的R2最小值出現(xiàn)在2001和2002年，為0.72，最大值出現(xiàn)在2003和2007年，為0.89.而2014年以后為利用未校正前的NPP/VIIRS影像提取到的夜間燈光數(shù)據(jù)與EPC數(shù)據(jù)所建立的模型，R2值已低至0.7以下，最小值出現(xiàn)在2017年，為0.56；而最大值出現(xiàn)在2016年，為0.71.而經(jīng)過(guò)本文校正方法與參考校正方法校正后的夜間燈光數(shù)據(jù)與EPC數(shù)據(jù)的R2值都在0.75以上，且所有年份校正后的夜間燈光數(shù)據(jù)與EPC數(shù)據(jù)建模所得的MARE值均優(yōu)于未校正前的MARE值.且本文校正后的R2值和MARE值分別為0.878和28.783%，均優(yōu)于參考校正后的R2值和MARE值(0.863和29.223%).由此可知，利用本文方法校正后的夜間燈光數(shù)據(jù)能夠更好地表征EPC數(shù)據(jù).

3.3 基于時(shí)間序列的省級(jí)尺度預(yù)測(cè)模型

本文利用校正后每個(gè)省份2001—2018年的夜間燈光數(shù)據(jù)與EPC數(shù)據(jù)構(gòu)建線性、二次項(xiàng)和乘冪3種擬合回歸模型，選擇R2值相對(duì)較優(yōu)、平均MARE值最小的模型為最優(yōu)模型，以此來(lái)擬合每個(gè)省份2001—2018年最佳EPC預(yù)測(cè)模型，并與基于省級(jí)單位建模所得的預(yù)測(cè)MARE值進(jìn)行比較，結(jié)果如表3所示.

表3 基于時(shí)間序列和省級(jí)單位建模的EPC預(yù)測(cè)的精度

由表3可知，在基于時(shí)間序列建模時(shí)，本文校正后的夜間燈光數(shù)據(jù)預(yù)測(cè)EPC時(shí)的相對(duì)誤差為13.73%(青海)和2.84%(黑龍江).在基于省級(jí)單位建模時(shí)，未校正前的夜間燈光數(shù)據(jù)預(yù)測(cè)EPC時(shí)的相對(duì)誤差為225.66%(海南)和7.98%(山西)，而本文校正后的夜間燈光數(shù)據(jù)預(yù)測(cè)EPC時(shí)的相對(duì)誤差為231.50%(海南)和3.61%(河南).基于省級(jí)單位建模時(shí)預(yù)測(cè)海南、黑龍江、青海以及新疆EPC時(shí)無(wú)論是數(shù)據(jù)未校正前還是校正后其相對(duì)誤差都較大，這主要是由于該區(qū)域很難區(qū)分城市化地區(qū)的真實(shí)燈光與其他人造結(jié)構(gòu)或某些特殊地表反射的燈光.

對(duì)于基于時(shí)間序列建立的夜間燈光數(shù)據(jù)與EPC的模型，經(jīng)本文方法校正后其R2值和MARE值分別為0.972和7.286%，參考校正后R2值和MARE值分別為0.854和11.307%.對(duì)于基于省級(jí)單位所建立的夜間燈光數(shù)據(jù)與EPC的模型，經(jīng)本文方法校正后其MARE值為28.783%，參考校正后MARE值為29.223%，而未校正前MARE值達(dá)到35.523%.可以看出，基于省級(jí)單位建模的MARE遠(yuǎn)遠(yuǎn)大于基于時(shí)間序列建模的MARE，因此預(yù)測(cè)具體省級(jí)單位的EPC時(shí)，優(yōu)選建立基于時(shí)間序列的回歸模型.

選取上海、陜西和新疆3個(gè)典型省份，進(jìn)一步評(píng)估本文方法的可靠性，結(jié)果如表4所示.由表可知，除2018年新疆的預(yù)測(cè)結(jié)果外，其余預(yù)測(cè)結(jié)果MARE均在15%以內(nèi).2018年新疆的夜間燈光數(shù)據(jù)高于2017年的結(jié)果，而2018年新疆EPC值突然低于2017年的數(shù)值，因此此時(shí)預(yù)測(cè)結(jié)果的誤差超過(guò)30%.可看出，利用本文方法校正后的夜間燈光數(shù)據(jù)來(lái)表征EPC時(shí)，上海、陜西、新疆的預(yù)測(cè)誤差分別為5.911%、3.568%和 8.833%，低于參考校正的校正結(jié)果(8.726%、4.396% 和10.511%)，由此可以看出本文提出的校正方法可以更為可靠地預(yù)測(cè)EPC數(shù)據(jù).

表4 基于時(shí)間序列的EPC預(yù)測(cè)精度

4 結(jié)論

1)本文采用EVI數(shù)據(jù)對(duì)夜間燈光數(shù)據(jù)進(jìn)行校正，解決了DMSP/OLS影像數(shù)據(jù)不連續(xù)、像元飽和效應(yīng)、與NPP/VIIRS影像不可比等問(wèn)題.

2)在國(guó)家尺度上，二次項(xiàng)模型是優(yōu)選模型，校正后的夜間燈光數(shù)據(jù)與EPC的R2和MARE值分別為0.99和5.650%.

3)在省級(jí)尺度上，基于省級(jí)單位與EPC建立的優(yōu)選模型的R2值和MARE值分別為0.878和28.783%.

4)在省級(jí)尺度上，基于時(shí)間序列建立的夜間燈光數(shù)據(jù)與EPC的R2和MARE值分別為0.972和7.286%.