国防气象卫星计划(DMSP)和苏美国家极地伙伴关系(SNPP)印度夜间光照(NTL)数据

举报
此星光明 发表于 2024/06/28 17:17:58 2024/06/28
【摘要】 ​GAN based Synthetic VIIRS (NTL) India基于合成 VIIRS(NTL)的广域网 印度简介本研究利用了两个主要来源的夜间光照(NTL)数据:国防气象卫星计划(DMSP)和苏美国家极地伙伴关系(SNPP)卫星上的可见光和红外成像套件(VIIRS)。DMSP-OLS 数据以 30 弧秒的空间分辨率提供 1992 年 4 月至 2013 年 12 月的每月 NTL...

GAN based Synthetic VIIRS (NTL) India

基于合成 VIIRS(NTL)的广域网 印度

简介

本研究利用了两个主要来源的夜间光照(NTL)数据:国防气象卫星计划(DMSP)和苏美国家极地伙伴关系(SNPP)卫星上的可见光和红外成像套件(VIIRS)。DMSP-OLS 数据以 30 弧秒的空间分辨率提供 1992 年 4 月至 2013 年 12 月的每月 NTL 观测数据,而 VIIRS-DNB 数据以更精细的 15 弧秒分辨率提供 2012 年 4 月以来的每月观测数据。这两个数据集都被广泛用于监测人类活动和自然现象的研究,但它们的分辨率和时间覆盖范围不同,给长期分析带来了挑战。

为了解决这些局限性,本研究使用预处理后的 DMSP 数据生成 1992-2013 年期间类似 VIIRS 的合成图像。使用 2012 年和 2013 年重叠的月度 NTL 数据对模型进行了训练,并根据其他类 VIIRS 数据集以及 GDP 和人口等社会经济指标对生成的图像进行了验证。

最初的 DMSP 月度产品(当前产品即来源于此)由一系列卫星(F10-F18)捕获,并在 1992 年至 2014 年期间由 EOG 提供。下图中的不同颜色显示了其在印度陆地上的可用性;图片来源)。绿色勾号显示的是我们论文中使用的 216 幅月度图像https://doi.org/10.1080/01431161.2022.2152758,用于生成类似 VIIRS 的改进产品。红色叉号显示的是 EOG 上提供的文件(Redirecting),但由于印度地区上空的云层,这些产品存在较大的空间差距,因此无法用于生成该改进产品。蓝色单元格表示在创建此改进产品时 EOG 门户网站上没有数据的月份。

因此,可能会出现多种情况:

某年没有 12 个月的数据,原因是:(a) 没有数据(原始数据来源),如 F12_1994;或 (b) 没有印度的数据(原始数据来源),如 F12_1995。
某年有 12 个月以上的数据,原因是:(a) 数据被多个卫星捕获了 1 个月或更多月(例如,1999 年的数据来自 F12 和 F14)。
某年有正好 12 个月的数据,但不是所有月份的数据,因为它是该年不同卫星拍摄的月份的组合(例如,1994 年来自 F10 和 F12 的数据)。
这些数据在时间上并不连续。建议用户适当使用月度数据。

输出数据特征
本研究生成了印度 VIIRS 类夜间光照图像的月度时间序列,时间跨度为 1992 年 4 月至 2013 年 12 月。这些图像具有以下特点:

空间分辨率 15 弧秒
时间分辨率 每月
数据范围 辐照度单位:瓦特 cm-2sr-1


引用

Jindal, M., Gupta, P. K., & Srivastav, S. K. (2024). Generation of monthly VIIRS nighttime lights time-series (1992–2013) images using
deep learning (cGAN) technique. Remote Sensing Applications: Society and Environment, 35, 101263. https://doi.org/10.1016/j.rsase.2024.101263

代码

var syn_ntl_india = ee.ImageCollection("projects/sat-io/open-datasets/gan-synthetic-viirs");

代码链接

https://code.earthengine.google.com/?scriptPath=users/sat-io/awesome-gee-catalog-examples:global-utilities-assets-amenities/SYNTHETIC-NTL-VIIRS-INDIA

License

Creative Commons Attribution 4.0 International

Provided by: Jindal et al

Curated in GEE by: Samapriya Roy

Keywords: VIIRS-DNB, Noise removal, DMSP-OLS, Monthly, Inter-calibration, Conditional GAN

VIIRS-DNB、噪声消除、DMSP-OLS、月度、校准间、条件 GAN

 网址推荐

0代码在线构建地图应用

https://invite.mapmost.com/#/login?source_inviter=nClSZANO

机器学习

https://www.cbedai.net/xg 

 

【版权声明】本文为华为云社区用户原创内容,转载时必须标注文章的来源(华为云社区)、文章链接、文章作者等基本信息, 否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱: cloudbbs@huaweicloud.com
  • 点赞
  • 收藏
  • 关注作者

评论(0

0/1000
抱歉,系统识别当前为高风险访问,暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称,即可参与社区互动!

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。