DMSP OLS与VIIRS夜间灯光数据可互换性及转换方法咨询

针对你用1992-2013年DMSP-OLS（avg_vis波段）和2014-2021年VIIRS（avg_rad波段）非洲夜间灯光数据做经济增长指标的需求，两类数据因测量机制、动态范围差异无法直接互换，需通过校准模型实现统一，而非单一固定转换系数，具体方案如下：

1. 核心校准思路：重叠年份拟合 #

两类数据有2012-2013年的重叠期，这是校准的关键依据：

• 选取非洲境内覆盖不同灯光强度（城市核心、乡村、工业区）的样本区域，避开DMSP饱和区（avg_vis=63）和VIIRS异常值（云污染、临时火光，可通过VIIRS的QF_Cloud_Mask波段过滤）。
• 拟合二者的数值关系，常用模型包括：
  • 线性回归：适用于非饱和区域，公式为 VIIRS_avg_rad = a * DMSP_avg_vis + b
  • 非线性回归（对数/幂函数）：针对DMSP饱和区域，用 VIIRS_avg_rad = a * ln(DMSP_avg_vis + 1) + b 或幂函数模型，能更好拟合高亮度区域的对应关系。

2. 区域化转换系数参考 #

已有针对非洲的研究给出过校准参数参考（需结合你的研究范围验证）：

• 非饱和区域线性模型系数：a≈0.32，b≈-0.15
• 注意：全球通用校准模型（如Elvidge等人提出的模型）需本地化调整，非洲的灯光分布、经济活动结构有特殊性，直接套用会产生误差。

3. 基于GEE代码的校准实现 #

你提供的GEE脚本可通过以下步骤修改完成校准：

1. 数据预处理：筛选2012-2013年的DMSP和VIIRS数据，裁剪至非洲边界；对DMSP饱和值（avg_vis=63）做替换（如设为62.5）或指数衰减修正。
2. 样本提取：用ee.Image.sample()或reduceRegion()提取两类数据的对应样本点，过滤异常值。
3. 模型拟合：调用ee.Reducer.linearFit()或自定义非线性拟合函数，得到校准系数。
4. 数据转换：将拟合系数应用到1992-2013年的DMSP数据，转换为VIIRS的辐射亮度单位（nW/cm²/sr），实现跨年份数据统一。

4. 校准效果验证 #

• 计算校准前后夜间灯光总亮度（NTL sum），与非洲各国GDP数据做相关性分析，验证校准后相关性是否提升。
• 分区域（如西非、东非、南部非洲）验证模型适用性，确保不同子区域的转换精度。

内容的提问来源于stack exchange，提问作者Kenta