引言光污染直接或间接地持续影响生态环境、动物和人类身心健康以及天文观测。城市地区的增长速度在全球范围内没有减缓趋势，且可能在未来的数十年也不会下降[1]。这意味着，快速发展的城市照明如果没有科学的指导，可能导致城市光污染更加严重。 首先，商务公司十分注重产品质量，将其作为公司发展之根本，尤其在教科书印刷方面，要求零差错，所谓零差错，就是不能有一本不合格品。这虽然让商务人“压力山大”，但正是这份压力，让公司从软硬件发力，提升专业水平，把控质量。 目前夜空光污染的研究数据主要有三类，即数学模型数据、图像数据以及仪器测量数据。其中数学模型数据不能直观表现区域人工光污染的现状，传统的地面调查存在费用昂贵、效率低下、研究区域范围小，缺乏历史数据等限制，而采用远距离对地探测的遥感技术具有观测范围大、频率高、时间序列长等优点[2]。在各类遥感数据中，以夜间照明为探测重点的遥感技术可以快速生成区域和全球人造光的卫星图像。由于夜间灯光遥感技术可以直接探测到夜间光照强度，因此各种研究均可以夜间光照强度为代表性指标。历史上，夜间光遥感已广泛应用于社会经济参数估计、城市化监测、重大事件评估、环境与健康影响以及研究区域、国家和全球尺度的光污染问题。卫星探测到的夜间亮度图像提供的光污染信息不仅可以反映人工照明的强度，还代表其他影响因素，如人口密度、能源消耗、城市规模和经济水平。因此，遥感技术为检测和研究光污染提供了一种行之有效的方法[3]。 基于遥感技术在城市夜间光污染研究中的应用，本文梳理了应用的优势及挑战，对不同遥感数据类型、校正方法、应用优势与薄弱环节等方面进行综述，统计了相关研究成果，总结局限性并预测未来发展方向。 4) 完成了部分装置控制系统的软硬件升级工作，使用新版的Windows操作系统，避免了系统技术不支持等一系列问题，杜绝黑客利用这些系统漏洞攻击工业控制主机。 据表1显示，语言文化微信公众号共16个，其中微信公众号运营主体为个人的占比62.5%，其余运营主体包括高校、研究所与出版社。这些运营主体具有多元化特点，既有权威机构与院校，如“今日语言学”“语宝”等；也有专业人士，如“鄉音情怀”是由山西大学博士团队打造；“方言与文化”由武汉大学阮桂君老师创办；“汾阳方言”由在香港工作的语言爱好者、汾阳人徐占宇主创。 1 遥感与光污染研究遥感是一门获取物理对象和环境信息的艺术、科学和技术，它利用非接触式传感器来记录、测量以及解译图像和能量模式数字图[1]。近年来，随着更大范围的对地观测在数据、技术和理论方面的创新，城市遥感和城市遥感应用已经受到不同使用者的广泛青睐。例如，城市与区域规划师利用遥感获取城市环境信息，城市研究者利用遥感提取城市结构信息以研究城市地理，环境科学研究者依靠遥感提取城市土地覆盖信息作为空间分布模型的边界条件。在城市光污染研究领域，卫星遥感图像据已被认定为研究夜间光污染的极具潜在价值的信息源[4]，它是研究城市夜空光污染时空动态变化(作为全球变化的一种主要形式)过程和结果的一项实用技术[1]。 遥感为城市光污染的研究带来了诸多便利。第一，遥感最大的优势在于能够获取大范围的图片或影像，提供一个用于识别对象、模式和人-地相互影响的总览图。其独特的视角和跨学科研究的方法，使研究较大空间范围内完整的城市光污染现象具有了可能性。第二，遥感为城市光污染研究提供了其他附加的测定方法。城市光污染研究者经常利用从实地调查和测量所收集的数据。这种数据收集方式是准确的，但也同时存在着抽样调查时的人为偏差所带来的可能错误，以及传统实地调查存在的费用昂贵的问题[2]。遥感可以提供无偏差和成本效率高的收集数据方式。此外，遥感传感器可探测到超过人类视觉范围的光谱能量，例如DMSP/OLS可探测到可见光和近红外波段0.47～0.95 μm之间的辐射[5]，这些数据有助于获取我们人类视觉以外的信息。第三，遥感能够追述性的观察地球地表，多时间序列的遥感数据能够用于研究某个城市、国家乃至全球夜间亮度特征或历史演变。例如，HAN等[6]、JIANG等[7]利用1992—2012年间DMSP遥感图像研究中国光污染变化趋势及经济影响下的全国光污染分布。第四，遥感有助于加强多尺度的城市研究之间的联系。城市光污染不同的研究方向倾向不同的研究尺度。大到全球范围的光污染[8]分布，小到城市区域的光污染影响因素研究[9]。同时，不同研究者时间尺度选择上也会有差异性[8-11]，从小时、天、周、月、季到年或者数十年。遥感数据能覆盖全球，而其中的单个像素能从亚米级延伸至几千米，并且具备多种时间分辨率。因此，遥感为城市光污染研究者在不同尺度或等级的多层次思考、分析、建模等方面提供了可能性。最后，遥感结合诸如地理信息系统、空间分析和动态模拟相关的地理空间技术，提供了一套必备的针对城市光污染监测、集成和建模的技术框架。这种框架建立了一种时空视角来研究城市光污染的过程和现象，它在不同空间尺度观测城市光污染的发展和现状，并可预测未来的发展趋势。这些技术也可以用于综合不同的人类和自然变量识别城市光污染变化的直接和间接驱动力，辨析驱动力对城市光环境的潜在反馈机制。 然而，城市环境本身非常复杂，挑战着遥感技术的适用性与稳定性。城市内部存在着不同样式不同波长的光源，存在灯光溢散现象以及不同地表类型，造成像元间与像元内部的灯光变化，从而挑战遥感数据的准确性与敏感性。此外，在城市光环境的研究中，由于采样与测量的基础不同，遥感数据与其他类型的地理空间数据较难整合。种种挑战都将在理论研究和遥感实践的发展中陆续被解决。 与发酵前荷叶上清液相比，2株肠球菌荷叶发酵上清液的3种抗氧化酶活力均显著提高(P<0.001)(图3)。其中，WEHI01发酵上清的SOD、CAT酶活力均极显著高于WEFA23发酵上清(P<0.001)，而WEFA23发酵上清的GSH-Px酶活力显著高于WEHI01发酵上清(P<0.01)。 2 常用遥感数据的应用由于空间遥感影像很好地量化了人工夜空照明，记录了天文及生态学的影响，国内外学者利用来自传感器的夜间亮度图像在城际、洲际、全球不同的空间尺度上进行夜间可见光的定量研究[12]。例如全球范围的传感器DMSP/OLS[13,14]或者Suomi-NPP VIIRS(可见光红外成像辐射仪，visible infrared imaging radiometer suite)可以对夜间地球灯光直接监测[15]，地区尺度的传感器SAC-C和SAC-D或者宇航员在国际空间站(ISS)上拍摄的图片[16]提供了较高分辨率的夜间可见光图像，当地尺度EROS-B卫星提供了甚高分辨率光学影像。此外，专业航空拍摄到的夜间亮度图像也应用到研究中[9]，为地球选区光污染图像提供了更高的空间分辨率。遥感数据基本参数如表1所示。本文主要针对最常使用的三类夜间灯光遥感数据(DMSP/OLS、VIIRS以及EROS-B)和表征土地利用/覆盖、人类活动数据的Landsat影像在城市夜间光污染中的应用进行述评。 表1 遥感数据基本参数  卫星DMSP-OLSSuomi NPPEROS-B发射年份197320112006运营者美国国防部NASA/NOAA以色列ImageSat 国际公司数字数据年份1992—201320112006传感器OLSVIIRSCCD-TDI装置位置海拔840 km海拔824 km海拔500 km精度/m5604000.7光谱分辨率/nm470～950505～890500～900刈幅宽/ km300030007量化等级6-bit12/14-bit10-bit数据周期24 h12 h5 d应用范围城际、洲际、全球城际、洲际、全球城际、洲际、全球 2.1 DMSP/OLS数据1)基本信息。1973年美国国防气象卫星计划(DMSP)发射的F-1卫星上首次搭载传感器OLS(Operational Linescan System)，OLS是一种具有低光可见和热红外(TIR)成像能力的振荡扫描辐射计，能够探测地球表面可见近红外(VNIR)发射的微弱光源，从而可以检测到城市和村镇地面的夜间向上灯光辐射。20世纪70年代末到90年代初期，仅有少数研究者使用夜间灯光数据进行研究，包括城市测绘、人口密度、能源使用等，直到1992年美国国家海洋和大气管理局的国家地球科学数据中心(NOAA/NGDC)创建了DMSP-OLS数据的数字档案，并对OLS基础数据进行了一系列的噪声处理。现在可用OLS夜间灯光数字数据扩展到1992—2013年，2013年NOAA/NGDC停止数据存档，而1992年前并没有保存或以数字形式提供[11]。DMSP卫星处于低海拔(830 km)太阳同步极轨道，轨道周期为101 min。卫星运行速度为一天14轨，因此每一个OLS传感器每天监测两次全球云分布情况，获取全球黎明、白天、黄昏和夜晚4个阶段的观测数据[17]。 OLS辐射计由两个望远镜和一个光电倍增管(PMT)组成。可见望远镜对400～1 100 nm的辐射敏感。PMT数据具有从440～940 nm(485～765 nm FWHM)的宽光谱响应，在500～650 nm区域内具有最高灵敏度。这涵盖了最广泛使用的外部照明灯具的主要辐射范围。望远镜像素值在晚上由PMT值替代。OLS传感器最初的使命是探测夜间月光照射下的云，其具有的高增益性特征使它不仅能观测云还能检测到其他灯光，其中大部分光源都是公共街道照明，还有小部分是装饰或安全灯(市中心、机场、露天矿物、商业、体育、温室等外部灯光)、火灾和渔船灯光[18]。 DMSP/OLS夜间灯光数据主要包括三种产品，即稳定灯光数据、辐射标定夜间灯光强度数据、非辐射标定夜间灯光强度数据。其中使用最广泛的是全球稳定灯光产品，稳定灯光数据是标定夜间平均灯光强度的年度栅格影像，栅格数据中包括城市、乡镇及其他区域的持久灯光，且消除了夜间月光、云层、火光、极光、闪电等短暂灯光的影响，处理后的数据能够较真实反映人类的生产和消费活动。影像中像元的DN值范围从0(不亮)～63(最大灯光强度)，因此OLS值是相对值而不是绝对辐射度量，它代表该区域的平均灯光强度。 2)校准方法。利用遥感数据研究光污染变化需要可比较的时间序列数据，然而，由于稳定夜间灯光数据存在一系列问题，该数据不能直接用于定量变化分析[19]。(a)1992—2013年，DMSP / OLS数据由跨度21年的六颗不同卫星(F10、F12、F14、F15、F16和F18)上的传感器获取，由于没有星上定标机制，每个传感器的平均DN值都不稳定[20]；(b)由于不同卫星运行特性存在差异及传感器退化，导致不同传感器同一年份的数据不一致、同一传感器不同年份的数据不连续；(c)由于探测器具有高增益性能，灯光在城市中心区存在过饱和现象。因此，使用年际DMSP/OLS稳定夜间灯光数据[21]进行分析研究时，必须对其进行传感器间校正、连续性校正以及过饱和校正。 在长期的研究中已经形成了一套趋于一致的长时间序列夜间灯光数据处理、校正的方法。最普遍的较正方法是选择一个城市化进程稳定、灯光亮度变化小且亮度值跨度广的区域(也常被称为伪不变特征点)作为不变目标区域。方法由Elvidge等[19]首先提出，以亮度值年际变化小的不变目标区域西西里岛作为标准区域，选取区域DN值范围广且达到饱和的数据F121992作为参考图像，建立二次回归模型对其他年份的全球DMSP/OLS数据进行相互校正[20]。现有的校准方法主要是在Elvidge等[19]提出的校准方法的基础上，在几个细节方面进行适用性更改：目标地点、应用区域、参考图像、经验模型类型、回归参数估计。校正流程如图1所示，其中包括四个步骤：选择不变目标区域、建模、影像校正、结果评定。  图1 DMSP/OLS夜间灯光图像校正流程图 2017年Pandey等[21]对比评估了9个最常用的DMSP/OLS的校正方法，研究表明，全球尺度的校正方法优于区域校正方法，昏暗区域较明亮区域更难校正，南北高纬度地区校正后存在显著不一致。最重要的是，即使应用校正方法后，夜间灯光数据中仍存在不一致性。一系列问题说明现有的校正方法仍需进一步改进。一方面，使用原位数据将相对较正转向绝对校正；另一方面，将DMSP/OLS数据与其他数据集例如VIIRS进行融合，这将有助于稳定夜间灯光数据饱和度校正和辐射校正。2014年Shao等[22]使用VIIRS数据对DMSP/OLS数据进行辐射校正，提出了一种比较甚至是整合两类数据的方法。 3)应用。DMSL/OLS提供世界上最长时间序列的夜间灯光图像[23]，且系列产品具有容易获取、可探测低强度灯光、不受光线阴影影响，提供了大尺度范围灯光变化动态数据，为城市夜间光污染强度及其时空分异分析提供条件。由于DMSP/OLS具有以上优点，国内外光污染研究学者基于DMSP/OLS数据进行了大量的科学研究。2001年Cinzano等[10]使用了OLS遥感数据来绘制大面积人造夜间天空亮度和全天空亮度的地图，结果显示全球约三分之二的人口生活在光污染区域；提出了在大范围内利用OLS遥感影像绘制夜间亮度图像的方法，以及计算了特定的天空方向上的裸眼星辰可视度及伸缩极限强度[24]。利用时间序列OLS夜间灯光影像和地理信息系统(GIS)技术对光污染进行建模，研究了城市和郊区夜空的直接光污染和间接光污染，结果表明在城市化进程迅速的过程中，郊区正在经历严重的光污染[25]。DMSP / OLS数据也被用来分析巴基斯坦的光污染，研究表明，光污染区域迅速增加。Bennie等[23]提出了一种分析欧洲大陆光污染趋势的新方法，发现大多数经济水平较高的国家面临日益严重的光污染；然而在部分国家，光污染的亮度明显下降。同时，Han等[6]调查了1992—2012年中国光污染的发展趋势，研究表明，光污染增长主要位于东部沿海城市，而工业城市则呈下降趋势。Jiang等[2]利用OLS数据分别在国家、区域和省级尺度上研究了中国的光污染特征，发现中国光污染不断严重，主要是东部沿海城市及省会城市。 2.2 VIIRS可见光红外成像辐射仪数据2011年NASA与NOAA的联合Suomi NPP(Suomi National Polar-orbiting Partnership)卫星发射，载有五个地球观测传感器，其中第5台仪器是针对土地(和海洋)应用的，即可见光红外成像辐射仪(visible infrared imaging radiometer suite，VIIRS)。数据于2011年12月1日后可以使用[8,11]，用来取代之前的DMSP/OLS，这标志着夜间亮度数据收集和应用的新时代的开始[11]。VIIRS包括22个光谱波段，第17个中等分辨率波段(DNB)是一个宽广的“昼夜波段”(500～900 nm)，可用来收集夜间可见光和近红外图像。VIIRS数据根据噪声级别进行12或14位量化，并以nW/(cm2·sr)作为辐射强度单位。VIIRS的指定动态范围介于3×10-9～0.02 W·cm-2·sr-1之间，但实际性能使噪声基底达到5×10-11 W·cm-2·sr-1，可以检测到极其微弱的光源信号。 2.2 4组血清中甲状腺激素水平 细菌感染组的TSH显著高于混合感染组、其他感染组及对照组，混合感染组的TSH显著高于其他感染组和对照组，其他感染组的TSH显著高于对照组，细菌感染组的T3显著低于混合感染组、其他感染组及对照组，混合感染组的T3显著低于其他感染组和对照组，其他感染组的T3显著低于对照组，其差异均具有统计学意义(P<0.05)，而4组的T4、FT3及FT4水平无明显的差异(P>0.05)。见表2。 VIIRS系统采用扫帚式扫描，总视场角为112°，可产生3 000 km的刈幅宽。其空间分辨率比OLS最低点的数据高45倍，比扫描边缘的高88倍。它的辐射分辨率更精细256倍，对辐射的敏感度高10倍。相比之下，VIIRS夜间灯光数据的空间分辨率、时间分辨率、辐射分辨率均有了较大的提升，并消除了DMSP图像数据中存在的三个关键问题：饱和、溢散和缺乏板载校准[11]。因此，相比于OLS数据和地面测量的夜间灯光亮度数据的密切相关，VIIRS具有更高的相关性[12]。 然而，VIIRS也不是所有方面都优于OLS。随着城市照明由传统照明向LED照明转变，夜间光谱向蓝色波长偏移，而VIIRS对500 nm以下的波长不敏感，检测结果将低估夜间光污染。OLS的波长范围为400～1 100 nm，因此有更大的可能性检测到LED照明[11]。此外，VIIRS缺少如DMSP般的长时间数据记录，因此在研究1992—2013年的夜空发亮，尤其是2011年之前，DMSP/OLS数据显得尤为重要。2017年NASA推出Suomi NPP的后继者，从此扩展了夜间灯光的数据记录[11]。 Elvidge[26]使用VIIRS数据检测全球废气辐射排放，研究形成光污染的主要工业源。Levin等[8]对VIIRS数据进行定量分析，研究了亮度与人口、GDP、路网密度、植被覆盖率等相关影响因素之间的相关性。Netzel等[27]以VIIR和Landsat遥感影像作为参考数据集之一，结合现场测量数据，基于Berry的模型，提出了高效计算区域夜空亮度的方法，绘制了波兰上空分辨率为100 m的夜空亮度图。此外，VIIRS DNB也常作为对比数据进行数据比较或校正[28]。但由于仅有2011年后的数据，且VIIRS缺少系统校正方法，因此相关研究较少。同时，VIIRS的空间分辨率以及DNB仅在单一的宽光谱波段收集信息，限制了VIIRS数据更广泛的应用。 2.3 EROS-B遥感影像数据EROS-B是2006年以色列ImageSat国际公司发射的地球资源观测系统卫星，目的是向客户提供高分辨率图像。运行在太阳同步圆轨道，平均高度为520 km。以色列EROS-B卫星载有NA 50相机，具有CCD-TDI传感器，视角为33.7°。EROS-B的全色波段范围为500～900 nm，图像的扫描宽度约为8.3 km。遥感图像的分辨率是与数据质量密切相关的指标，EROS-B的空间分辨率可以达到0.7 m。图像可用作16位数字(DN)值(介于0～65 535之间)代表亮度值。 EROS-B遥感影像可以通过网络平台购买，但供应商ImageSat不提供有关EROS-B检测阈值的信息，也不提供有关如何将DN值校准为辐射值的信息。Levin等[29]提出了以色列EROS-B商业卫星作为高空间分辨率空间夜间亮度图像的新来源，利用EROS-B卫星提供的澳大利亚布里斯班的图像，结合土地利用/覆盖数据，解释了89%夜间灯光的变化。Katz等[12]通过结合Landsat和EROS-B两种遥感数据，并利用天空质量仪(SQM)对耶路撒冷市进行地面上、中、下三方向的测量，对三类数据进行相关性分析，发现SQM和EROS-B亮度值之间有很强的相关性，EROS-B图像上的明亮区域与植被覆盖度低和反照率高的区域相关联。 2.4 Landsat土地利用数据对于城市增长和土地利用/覆盖变化对光污染影响的研究，需要可靠的信息来源和稳定的方法，而利用存档遥感数据可以直接、及时、经济低廉地采集城市空间数据。通过提取遥感数据中的地面静态和动态属性，可以描述出相关因素特征及变化，这些信息有助于分析导致光污染的各种驱动力，并且能够进一步促进预测未来城市光污染增长的计算机模型的发展。20世纪70年代初，区域、国家、全球范围内的城市土地利用/覆盖信息的采集成为许多研究和评价的主题[1]，在光污染研究领域也对这些数据进行应用[15,27,30]。 学科服务是图书馆面向学科领域提供的专业化个性化的服务。高校图书馆的竞争优势在于对教学科研的支持。互联网+环境下，图书馆员的服务充分利用互联网中的知网、超星等网站平台；互联网中QQ、微信等聊天工具，及时获得用户的需求，解决用户在学科方面的问题或给以相关的支撑。学科服务是一项长期的跟踪服务，图书馆员在循序渐进的服务中获得高校师生的信赖和认可，从而成为高校师生的重要朋友。 1972年发射的ERTS-1(Earth Resources Technology Satellite-1，后来被命名为Landsat)极大地推动了夜空光污染研究的进展。美国Landsat计划和法国SPOT卫星是最大的数据源，其中Landsat计划提供了历时最长的、连续的太空对地球的观测，其时间跨度为自1973年至今。Landsat系统是唯一被设计并运用在对地球陆地进行中等分辨率重复观测的卫星系统，中等分辨率使它在宏观的层面可以覆盖全球，而在微观的层面可以捕捉如土地利用、土地覆盖、森林砍伐、城市增长等人类活动痕迹。基于Landsat影像，通过影像处理、空间分类获取的土地利用/覆盖数据主要包括6个类型：高密度城市用地、低密度城市用地、发展用地/裸地、耕地/草地、林地、水体。 Landsat提供了一个丰富的、高度校准的、覆盖全球的多光谱影像数据，并且自2009年1月9日之后已经可以从USGS EROS数据中心免费获取这些存档影像。Landsat数据的独特价值，使它在城市夜间光污染的研究中占据不可替代的地位。2015年苏晓明等[31]对从Google Earth(卫星图像主要来源于Landsat卫星和QuikBird卫星)获取的呼和浩特的夜间遥感图像进行等级划分和亮度计算，结合实地测量数据统计分析，考察了呼市夜空亮度水平影响范围并建立该市夜空光环境监测模型；Katz和Levin[12]通过提取Landsat中的植被覆盖度和反照率等数据，发现了相关数据与夜空亮度之间的相关性。 2.5 其他数据更精细空间尺度的光污染研究需要更高空间分辨率的夜间亮度图像。专门的航空拍摄和宇航员在国际空间站上拍摄的高分辨率的图像能提供精确的分辨率，弥补卫星图像分辨率较低和大空间尺度下地面调查受限的问题[16]，分辨出大量的基本土地利用/覆盖单元，为光污染源分类提供条件。 图5显示了本文所述施工段局部地表测点分布。盾构始发段与接收段每隔 10 m布置一排监测点，正常掘进段每隔 30 m 布置一排监测点，由于部分测点数据丢失，因此选取CK 46+785—CK 47+055区间中位置典型且数据完整的测点作为典型监测点。 [1]王绯.池莉：存在仿真与平民的故事——二十世纪末中国女性小说家典范论之一 [J]. 当代作家评论，1998，（1）：58-72 2012年Kuechly等[9]基于DMSP夜间卫星图像，利用CDD相机俯拍德国柏林的夜景，得到城市夜间高分辨率(1 m)的图像，之后结合GIS技术对图像进行拼接及评估土地使用数据和图像数据之间的均方根误差，并运用GIS计算每类土地利用类型的总面积和其中产生的灯光数量总和，得到各区域光总量和城市土地利用的比例关系，使用这种方法得出结论：街道照明被认为是天顶光污染的主要来源(比例达到31.6%)。Levin和Duke[16]使用ISS图像证明了城市和乡镇灯光分布的不同，并阐释了经济、基础设施以及人口对亮度水平的影响，研究表明，高分辨率数据能更好地作为研究区域建成区人口和社会经济属性的指标。然而数据采集的高成本以及研究区域较大时数据处理的技术难题限制了这些数据的应用。 3 研究成果统计分析对遥感数据在光污染研究中的应用进行相关统计，如图2所示。对比相关研究成果，我们认为遥感数据在光污染研究中的应用具有以下特点： 刘剑文在接受记者采访时表示，此次个税改革之所以引起如此大的反响，主要是在草案制定过程中，一直处于保密状态，对于起征点如何设定，专项扣除的项目如何选择都没有一个较为明确的解释，引发了大家的疑惑。“个税关乎着每个人，应该在前期充分征求民意，凝聚共识，这样才有利于法律的遵从。” 1)空间尺度。研究领域涉及不同尺度范围，覆盖省级、国级、洲级以及全球，这利用了遥感数据范围广、直观性、高效性等特点，使光污染研究更加深入、直观。但是，OLS和VIIRS夜间灯光数据受到图像分辨率等因素的限制，其在省级及以下尺度范围的光污染研究应用较少甚至没有，而EROS-B等遥感数据虽基本不受分辨率影响，但其价格及数据资源限制了大空间尺度的研究。 2)时间尺度。应用OLS数据研究的时间尺度以年为最小单位进行数年甚至数十年数据的研究，多进行变化趋势研究，这是由于DMSP/OLS数据库仅提供年度复合产品。VIIRS可以提供每月的数据，从而可分析月、季、年度变化；ISS拍摄图片以及航拍图片具有更高的时间灵活性，但由于其缺乏数据的连续性，因此通常在时、日的尺度上进行研究。 3)研究涉及的关键问题。遥感数据在夜间光污染研究中的应用主要涉及几个方面：城市夜间光污染影响因素研究，城市光污染时空分布及变化趋势，光污染地图可视化，城市夜空光污染建模与评估。 4)数据交叉。遥感影像与城市发展、社会经济、城市人口、土地覆盖等因素密切相关，因此研究中常将人口、GDP、土地利用/覆盖等关键参量与遥感数据进行交叉分析[11]。此外，由于数据存在偏差，常将DMSP/OLS、VIIRS、EROS-B等遥感数据和地面测量数据相互对比和校正，甚至进行数据融合。  图2 遥感数据在城市夜间光污染研究中的应用成果统计图 4 总结1)遥感图像的限制。虽然夜间遥感灯光图像提供了人造光和光污染的总体视图，但是仍存在一些限制：①遥感亮度大多数代表向上发射的人造光，(尽管有些传感器扫描宽度较宽，例如VIIRS夜间图像测量扫描角度已经高达52°，因此也会获取一些斜向放射的光照)，因此可能会限制地面层从不同方向上体验光污染的人、动物和植物评价光污染。②由于传感器运行及数据采集受系统控制，且遥感数据需要一定的获取途径，因此，与地面测量相比，遥感数据在获取自由度及提供连续夜间亮度测量方面能力有限。③由于大气状态、云层遮挡、表面反射等外部因素以及传感器空间分辨率、扫描光谱波段等内部因素的限制，遥感数据存在饱和、溢出、偏差、不连续性等系列问题。 字长是计算机的一个主要性能指标，字长越长，计算机内部所存储的数值精度就越高，计算机的运算速度和效率就越高。字长取决于数据总线，数据总线的位数越高，那么字长也是越大，计算机的运算速度和效率也会大大提高。一般数据总线有32位和64位，位数越高字长也越大，因此计算机性能也越好[3]。 2)遥感数据应用发展。 ①提高遥感数据可靠性。虽然已经证明遥感数据和夜间灯光亮度数据的地面测量结果密切相关，但是仍存在检测偏差。DMSP/OLS影像在长期研究中形成了一套较完整的校正体系，但是仅限于相对较正，其数据不能与VIIRS数值直接进行比较，而VIIRS灯光数据本身也存在低估光污染等问题。因此，遥感数据校正方法有望向多类型数据相互校正方向发展，例如利用地面实测、数学模型进行校正，多种遥感数据相互校正，甚至是将不同类型的数据融合，生成更精细的夜空光污染数据。 ②完善光污染数据库。DMSP/OLS提供了最长的时间序列光污染数据，Suomi NPP及其后继者将扩展夜间灯光遥感数据。此外，还有其他获取光污染数据的途径：艾拉斯贝太空网提供了全球光污染在线地图以及高分辨率的中国光污染地图，为普及光污染认知提供条件；Kuechly等 [9]将研究中的航空调查数据上载到网络平台，以鼓励进一步的科学研究。基于系统平台，建立统一数据库，完善光污染模型，共享数据信息，仍需国内外共同努力。 ③扩大应用领域。高分辨率遥感数据集在未来的研究中将应用于更加广泛的领域，可能包括：光污染缓解措施的效果研究，光污染模拟的方法改进，经济发展和能源利用的研究，人造光和生态参数之间的关系(如昼夜节律、伴侣选择、物种分布、迁移障碍和季节性行为)，夜景规划与管理等领域[9]。 ④提高影像分辨率。随着遥感影像向更高分辨率方向发展，甚高分辨率卫星影像在城市夜空光污染研究中的应用越来越广泛。当前甚高分辨率光学影像可以从多种传感器获取，包括QuickBird、WorldView-1、WorldView-2以及EROS等。值得注意的是，分辨率高于1 m、重复周期小于1天的影像在不久将成为现实，这将使城市夜间光污染研究实现跨越式发展成为可能。 参考文献 [1] 詹庆明,肖荣波,吴志峰.城市遥感:城市环境监测、集成与建模[M].北京：高等教育出版社,2015. [2] JIANG W,HE G,LONG T,et al.Assessing Light Pollution in China Based on Nighttime Light Imagery[J].REMOTE SENSING,2017,9(1352)：1-18. [3] HAN P,HUANG J,LI R,et al.Monitoring Trends in Light Pollution in China Based on Nighttime Satellite Imagery[J].Remote Sensing,2014,6(6):5541-5558. [4] BUTT M J.Estimation of Light Pollution Using Satellite Remote Sensing and Geographic Information System Techniques[J].GISCIENCE &REMOTE SENSING,2012,49(4):609-621. [5] LO C P.Urban indicators of China from radiance-calibrated digital DMSP-OLS nighttime images[J].ANNALS OF THE ASSOCIATION OF AMERICAN GEOGRAPHERS,2002,92(2):225-240. [6] HAN P,HUANG J,LI R,et al.Monitoring Trends in Light Pollution in China Based on Nighttime Satellite Imagery[J].Remote Sensing,2014,6(6):5541-5558. [7] JIANG W,HE G,LONG T.Using Time Series Nighttime Images to Measure Light Pollution Trend in China[J].International Journal of Environmental Science and Development,2017,8(9):622-625. [8] LEVIN N,ZHANG Q.A global analysis of factors controlling VIIRS nighttime light levels from densely populated areas[J].Remote Sensing of Environment,2017,190:366-382. [9] KUECHLY H U,KYBA C C M,RUHTZ T,et al.Aerial survey and spatial analysis of sources of light pollution in Berlin,Germany[J].Remote Sensing of Environment,2012,126:39-50. [10] CINZANO P,FALCHI F,ELVIDGE C D.The first World Atlas of the artificial night sky brightness[J].MONTHLY NOTICES OF THE ROYAL ASTRONOMICAL SOCIETY,2001,328(3):689-707. [11] BENNETT M M,SMITH L C.Advances in using multitemporal night-time lights satellite imagery to detect,estimate,and monitor socioeconomic dynamics[J].Remote Sensing of Environment,2017,192:176-197. [12] KATZ Y,LEVIN N.Quantifying urban light pollution—A comparison between field measurements and EROS-B imagery[J].Remote Sensing of Environment,2016,177:65-77. [13] FALCHI F,CINZANO P.Maps of artificial sky brightness and upward emission in Italy from DMSP satellite measurements[J].Memorie della Societa Astronomica Italiana,2000,71(1):139-152. [14] Letu H,Hara M,Tana G,et al.Generating the Nighttime Light of the Human Settlements by Identifying Periodic Components from DMSP/OLS Satellite Imagery[J].Environmental Science &Technology,2015,49(17):10503-9. [15] SMITH R,BEREITSCHAFT B.Sustainable Urban Development? Exploring the Locational Attributes of LEED-ND Projects in the United States through a GIS Analysis of Light Intensity and Land Use[J].Sustainability,2016,8(6):547. [16] LEVIN N,DUKE Y.High spatial resolution night-time light images for demographic and socio-economic studies[J].Remote Sensing of Environment,2012,119:1-10. [17] CHALKIAS C,PETRAKIS M,PSILOGLOU B,et al.Modelling of light pollution in suburban areas using remotely sensed imagery and GIS[J].J Environ Manage,2006,79(1):57-63. [18] S [19] ELVIDGE C D,ZISKIN D,BAUGH K E,et al.A Fifteen Year Record of Global Natural Gas Flaring Derived from Satellite Data[J].ENERGIES,2009,2(3):595-622. [20] 张梦琪,何宗宜,樊勇.DMSP/OLS稳定夜间灯光影像的校正方法[J].测绘通报,2017(12):58-62. [21] PANDEY B,ZHANG Q,SETO K C.Comparative evaluation of relative calibration methods for DMSP/OLS nighttime lights[J].Remote Sensing of Environment,2017,195:67-78. [22] SHAO X ,CAO C ,ZHANG B ,et al.Radiometric calibration of DMSP-OLS sensor using VIIRS day/night band[C].Earth Observing Missions and Sensors: Development,Implementation,and Characterization III.International Society for Optics and Photonics Beijing,China,2014：1-8. [23] BENNIE J,DAVIES T W,DUFFY J P,et al.Contrasting trends in light pollution across Europe based on satellite observed night time lights[J].Scientific Reports,2015,4(1)：1-6. [24] CINZANO P,FALCHI F,ELVIDGE C D.Naked-eye star visibility and limiting magnitude mapped from DMSP-OLS satellite data[J].2001,323(1):34-46. [25] CHALKIAS C,PETRAKIS M,PSILOGLOU B,et al.Modelling of light pollution in suburban areas using remotely sensed imagery and GIS[J].Journal of Environmental Management,2006,79(1):57-63. [26] ELVIDGE C D,ZHIZHIN M,BAUGH K,et al.Methods for global survey of natural gas flaring from visible infrared imaging radiometer suite data[J].Energies,2016,9(1): 3-15. [27] NETZEL H,NETZEL P.High resolution map of light pollution over Poland[J].Journal of Quantitative Spectroscopy and Radiative Transfer,2016,181:67-73. [28] ZOLLWEG J D,GARTLEY M G,ROSKOVENSKY J,et al.Using GIS Databases for Simulated Night light Imagery[M]//PELLECHIA M F,SORENSEN R J,DOCKSTADER S L,et al.Proceedings of SPIE.2012. [29] LEVIN N,JOHANSEN K,HACKER J M,et al.A new source for high spatial resolution night time images—The EROS-B commercial satellite[J].Remote Sensing of Environment,2014,149:1-12. [30] PUN C S J,SO C W.Night-sky brightness monitoring in Hong Kong[J].Environmental Monitoring and Assessment,2012,184(4):2537-2557. [31] 苏晓明,郝占国,张明宇.呼和浩特城市夜空光污染特征研究[J].照明工程学报,2015，26(4):124-128. |
|
|
NCHEZ DE MIGUEL A,ZAMORANO J,GóMEZ CASTA?O J,et al.Evolution of the energy consumed by street lighting in Spain estimated with DMSP-OLS data[J].Journal of Quantitative Spectroscopy and Radiative Transfer,2014,139:109-117.
