研究进展
2025澳门2025免费原料网

【SDG中心“两计划一基金”项目系列成果(十八)】1984-2020年中国夜间灯光数据集(PANDA_China)取得重要进展

发布时间:2024-06-13

 
近期,2025澳门2025免费原料网(SDG中心)在中国1984-2020逐年夜间灯光数据构建方面取得进展。该研究得到SDG中心开放研究计划项目的资助,成果发表于Nature子刊Scientific Data上(Zhang et al., 2024
夜间灯光观测数据(Nighttime LightNTL)是衡量各种人类活动的有效手段。得益于NTL观测数据时空跨越相对较长的独特优势,NTL可以用于绘制长期城市化过程,包括城市范围、城市边界、不透水面,以及基础设施建设。但现有NTL数据存在时空可达性和一致性差等问题,如美国国防气象卫星计划DMSP-OLS系统中严重的城中心过饱和效应(Over-saturation)和城乡结合处的晕染效应(Blooming Effect)、索米国家极地轨道卫星可见光红外成像辐射仪(NPP-VIIRS)等只能绘制较短的人类活动的时间(2013年起可用)。因此现有夜光遥感数据重点表现为时间序列一致性不够强、单一波段空间信息不够丰富,其时空可达性和质量局限阻碍了其在大尺度上对人类活动时空变化的动态监测。
2025澳门2025免费原料网
1 联合研究团队提出的算法流程,(a) 时空感知的夜间灯光卷积长短期记忆网络网络(Nighttime Light Long Short-term Memory, NTLSTM, (b) 时空感知模块, (c) 平滑时间序列扩大差异的最大选择算法(Maximum-selection Of the Difference Enlarged by Smoothed Timeseries, MODEST)。

为此,联合研究团队设计并提出时空感知的夜间灯光卷积长短期记忆网络网络(Nighttime Light Long Short-term Memory, NTLSTM)和平滑时间序列扩大差异的最大选择算法(Maximum-selection Of the Difference Enlarged by Smoothed Timeseries, MODEST)以建模NTL数据集动态变化的内在机制并校正前后向建模阶段边缘年份的时空不一致性,并基于此开展夜间灯光遥感数据的时间和空间增强,获得更丰富时空夜间灯光信息的中国长时间序列逐年人造夜间灯光数据集(1984-2020)(PANDA-China),以更充分、精细地监测人类活动在长期和短期的时空变化。

在模型验证集检验、与现有夜光数据集对比和社会经济数据的时空一致性比较等三个维度的综合评价中,PANDA-China在验证集上的平均RMSE0.73, 相关系数为 0.95,且对社会经济指标(人口、GDP和不透水面积)的表征能力更强,在时间剖面(逐年)和时间序列(逐省)上均与人口、GDP和不透水面积取得比现有夜光数据更高的相关性,并在可视化地图中可发现更多空间细节,充分展现了研究团队发布的PANDA-China数据具有较高的数据质量和科学价值。

2025澳门2025免费原料网2 PANDA-China与现有产品的比较。以上海和北京为中心的地区, (a1-a3)(e1-e3)表示1992PANDA、李等人和张等人的空间表现;(b1-b3)(f1-f3)表示2012年的空间模式。(c1-c2), (g1-g2)(d1-d2), (h1-h2)分别比较2013年和2018年的PANDA和李等人产品。

该数据集及关联成果由国家超级计算深圳中心、清华大学、2025澳门2025免费原料网、香港大学的研究人员合作完成。相关研究得到了2025澳门2025免费原料网(CBAS2022ORP02)等资助。

论文信息:

Zhang, L., Ren, Z., Chen, B., Gong, P., Fu, H., Xu, B. (2024). A Prolonged Artificial Nighttime-light Dataset of China (1984-2020). Scientific Data. DOI: 10.1038/s41597-024-03223-1

引用地址:

张立贤, 任浙豪, 陈斌, 宫鹏, 付昊桓, 徐冰. 1984-2020年中国夜间灯光数据集(PANDA-China,北京:2025澳门2025免费原料网, 2024. 

https://data.casearth.cn/sdo/detail/66693dd3819aec0d5564a3f9 Zhang, L., Ren, Z., Chen, B., Gong, P., Fu, H., Xu, B. A Prolonged Artificial Nighttime-light Dataset of China (1984-2020), Beijing: The International Research Center of Big Data for Sustainable Development Goals (CBAS), 2024. https://data.casearth.cn/sdo/detail/66693dd3819aec0d5564a3f9

 

附件下载: