基于时间序列夜间灯光数据的EPC预测模型

摘要：

为了利用夜间灯光数据来预测电力消耗量(EPC),采用增强植被指数(EVI)实现对美国国防气象卫星搭载的可见光成像线性扫描业务系统(DMSP/OLS)数据的校正,利用回归模型实现DMSP/OLS数据和美国国家极轨卫星搭载的可见光近红外成像辐射仪夜间灯光波段(NPP/VIIRS)数据的拟合,构建出2001-2018年的长时间序列的夜间灯光影像,并与EPC数据建立线性、二次项和乘幂回归模型,选择决定系数(R2)值相对较优、平均绝对相对误差(MARE)最小的模型为各自的最优模型.结果 表明:通过对夜间灯光影像进行校正,解决了DMSP/OLS影像数据不连续、像元饱和效应、与NPP/VIIRS影像不可比等问题;在国家尺度上,二次项模型是优选模型,校正后的夜间灯光数据与EPC的R2和MARE值分别为0.99和5.650％;在省级尺度上,基于省级单位与EPC建立的优选模型的R2值和MARE值分别为0.878和28.783％;在省级尺度上,基于时间序列建立的夜间灯光数据与EPC的R2和MARE值分别为0.972和7.286％;省级单位长时间建模精度高于基于省级单位建模的精度.

关键词：夜间灯光数据;DMSP/OLS;NPP/VIIRS;增强植被指数(EVI);电力消耗量(EPC);预测

所属期刊栏目：51

分类号：P237(摄影测量学与测绘遥感)

资助基金：国家自然科学基金资助项目42074039

在线出版日期：2022-01-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1094-1102