SEAM夜光数据溢出效应去除模型程序发布

发布日期:2020-07-27 11:07
浏览次数:417
SEAM1
SEAM夜光数据溢出效应去除模型


夜间灯光遥感数据直接反映了人类活动的时空分布,因此被广泛应用于城市研究、社会经济活动监测等领域。DMSP/OLS数据提供了1992-2013年的历史夜间灯光观测,且卫星过境时人类活动相对活跃,因此在利用灯光数据的研究中该数据有着不可替代的地位。然而,由于受多种因素的影响,DMSP/OLS夜间灯光数据存在一些问题,其中对于溢出效应的研究相对较少。我们提出了一种无需借助任何辅助数据的自适应的溢出校正方法(self adjusting model, SEAM),该方法借助空间响应函数以及伪亮像元,通过回归确定溢出系数并实现对于溢出效应的去除。我们在中国区域对所提出方法进行检验,同时与已有的方法进行对比。目视效果和定量评估以及对城市的提取结果都显示该模型可以更好地去除溢出效应,提高数据质量。SEAM模型的简单易使用使得其为实现大区域的溢出效应去除提供了可能。

代码问题请联系:HuYangIvy0724@126.com

REF: Cao, X., Hu, Y., Zhu, X.*, Shi, F., Zhuo, L., & Chen, J. (2019). A simple self-adjusting model for correcting the blooming effects in DMSP-OLS nighttime light images. Remote Sensing of Environment, 224, 401-411.



分享到: