全球年度模拟 NPP-VIIRS 夜光数据集(1992-2023)
【摘要】 简介全球年度模拟 NPP-VIIRS 夜光数据集(1992-2023)SVNL(模拟 VIIRS 夜光)数据集提供了 1992 年至 2023 年统一、连续的全球年度 NPP-VIIRS 类夜光数据。 通过跨传感器校准和深度学习方法,该数据集是目前可用的持续时间最长的 NPP-VIIRS 类夜光数据集,时间跨度超过 32 年。该数据集通过使用夜间光 U-Net 超分辨率网络(NTLSRU...
简介
全球年度模拟 NPP-VIIRS 夜光数据集(1992-2023)
SVNL(模拟 VIIRS 夜光)数据集提供了 1992 年至 2023 年统一、连续的全球年度 NPP-VIIRS 类夜光数据。 通过跨传感器校准和深度学习方法,该数据集是目前可用的持续时间最长的 NPP-VIIRS 类夜光数据集,时间跨度超过 32 年。该数据集通过使用夜间光 U-Net 超分辨率网络(NTLSRU-Net)的创新深度学习方法,将 DMSP-OLS(1992-2013 年)和 NPP-VIIRS(2012-2023 年)连接起来,填补了现有夜间光数据的重要空白。 该数据集的时间覆盖范围为 1992-2023 年(32 年),空间分辨率为 15 弧秒(约 500 米)。 它的全球覆盖范围为经度 -180° 至 180°,纬度 65°S 至 75°N。 该数据保持了 DMSP-OLS 和 VIIRS 传感器的一致校准,同时提供了与 NPP-VIIRS 相媲美的增强空间细节,并与 DMSP 原始数据相比减少了饱和度和开花效应。 该数据集已根据社会经济指标和现有的夜间光照数据集进行了广泛验证。
数据集说明
空间信息
该数据集可对城市化监测、社会经济估算、环境评估、人类活动模式以及区域和全球发展研究进行长期分析。 这种全面的时间覆盖使其对研究长期城市发展、经济增长模式以及区域和全球范围内的环境变化尤为重要。
方法
数据集是通过以下方法生成的: 1. 对原始 DMSP-OLS 数据进行预处理,以解决年际不一致性问题 2. 利用 NTLSRU-Net 和 Landsat NDVI 辅助进行跨传感器校准 3. 将模拟 VIIRS 数据(1992-2011 年)与真实 VIIRS 数据(2012-2023 年)进行整合 4. 跨尺度和指标的综合验证 数据集预处理¶ 原始数据未进行压缩优化,采用了带平铺的 LZW 压缩技术,将其转换为 COG,以便直接使用并输入谷歌地球引擎。 节点数据值编码为 0,与作者相同。
代码
代码链接
结果
引用
Chen, X., Wang, Z., Zhang, F., Shen, G., & Chen, Q. (2024). A global annual simulated VIIRS nighttime light dataset from 1992 to 2023. Scientific Data, 11(1380).
https://doi.org/10.1038/s41597-024-04228-6
Chen, Xiuxiu; Zhang, Feng; Wang, Zeyu (2023). A history reconstructed time series (1992-2011) of annual global NPP-VIIRS-like nighttime light data through a super-resolution
U-Net model. figshare. Dataset. https://doi.org/10.6084/m9.figshare.22262545.v8
许可
本数据集采用知识共享 4.0 内部署名许可协议。 创建者:Chen, Xiuxiu et al: Chen, Xiuxiu et al: Samapriya Roy 关键词 夜间光线、VIIRS、NTL、NPP-VIIRS、城市监测、超分辨率、机器学习 最近更新: 2024-01-28
网址推荐
知识星球
机器学习
干旱监测平台
【声明】本内容来自华为云开发者社区博主,不代表华为云及华为云开发者社区的观点和立场。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
作者其他文章
评论(0)