郝翔宇/刘锦绣： 一种预测逐日黑曜石夜间灯光数据缺失值的填补算法

2023-12-20     发布：emc全站网页版    点击：0次

夜间灯光遥感数据在理解人类活动变化方面发挥着至关重要的作用。逐日黑曜石夜间灯光数据的发布使得探测和评估短期紧急情况成为可能。然而，由于云层覆盖等原因，逐日黑曜石夜间灯光数据会出现数据缺失，限制了逐日黑曜石夜间灯光数据使用的及时性和潜在的应用场景。

针对上述问题，我校emc全站网页版硕士研究生郝翔宇在导师刘锦绣及其合作者的指导下，提出了基于时空特征和双向长短期记忆（Bi-LSTM）模型的逐日黑曜石夜间灯光数据缺失填补算法。该工作的主要贡献如下：

（1）研究构建了基于时空特征和深度学习模型的逐日黑曜石夜间灯光时空数据填补算法，该填补算法在数据缺失达到40%和50%时仍能获得较好的填补效果。

（2）时空分析结果显示，该模型在空间上能够准确捕捉城市边界和高亮度热点，同时在时序上能够捕捉原始夜间灯光数据的时序特征。

（3）与现有的时空填补算法进行比较，研究提出的逐日黑曜石夜间灯光数据缺失填补算法相较于时空自适应反射率融合模型表现更优，在影像连续缺失的情况下，该模型仍能够保持较好的填补精度和重建时序特征。

（4）该填补算法应用于北京、上海、武汉、纽约四个研究区，均取得较好的填补效果，证明了该填补算法的鲁棒性。

图1 研究技术路线图

图2 不同城市功能区填补数据的时序特征分析

图3 不同缺失数据比例的填补模型精度评估

图4 与时空自适应反射率融合模型填补方法精度对比

上述研究成果发表在国际权威期刊《GIScience & Remote Sensing》: Xiangyu Hao, Jinxiu Liu, Janne Heiskanen, Eduardo Eiji Maeda, Si Gao & Xuecao Li (2023) A robust gap-filling method for predicting missing observations in daily Black Marble nighttime light data, GIScience & Remote Sensing, 60:1, DOI: 10.1080/15481603.2023.2282238. [IF=6.7，JCR一区]

全文链接：https://doi.org/10.1080/15481603.2023.2282238