EN中文

Tropical Geography >

2025 , Vol. 45 >Issue 8: 1373 - 1387

DOI: https://doi.org/10.13284/j.cnki.rddl.20250084

Evaluation of the Effectiveness of Light Pollution Control in Shenzhen Xichong Dark Sky Preserve Based on Nighttime Light Remote Sensing

  • Xi Li , 1 ,
  • Bubuli·Yeerleke 1 ,
  • Jianchuan Zheng 2 ,
  • Lin Mei 2
Expand
  • 1. State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University, Wuhan 430000, China
  • 2. Greater Bay Center of National Astronomical Data Center, Shenzhen Observatory, Shenzhen 518000, China

Received date: 2025-02-17

  Revised date: 2025-05-03

  Online published: 2025-08-31

Fold

Abstract

Rapid urbanization in China has significantly exacerbated light pollution, disrupted the ecological balance, and imposed constraints on both astronomical observations and public access to stargazing. Therefore, addressing light pollution has become a critical issue in ecological conservation and sustainable development. Shenzhen's Xichong Community achieved a landmark milestone in 2023 by becoming China's first International Dark Sky Community certified by the International Dark-Sky Association (IDA). This designation makes light pollution control practices of Xichong significant for similar regions. This study aimed to systematically evaluate the effectiveness of light pollution control measures in the Xichong Community, providing a scientific basis for balancing conservation and development in comparable areas. This study innovatively utilized high-resolution nighttime light (NTL) remote sensing data acquired using the Sustainable Development Goals Satellite-1 (SDGSAT-1), integrated with NASA's Black Marble products, to establish a refined monitoring and assessment framework for light pollution. To address the challenge of radiometric inconsistencies inherent to multitemporal SDGSAT-1 NTL imaging, this study proposed a novel radiometric consistency correction method based on Random Forest Regression (RFR). During the preprocessing phase, the images were subjected to salt-and-pepper noise removal and absolute radiometric calibration. Subsequently, the RFR model was applied to achieve a radiometric consistency correction. A comparative analysis with traditional linear brightness normalization confirmed the superior accuracy and effectiveness of RFR approach in enhancing image comparability. By leveraging corrected, high-quality, time-series NTL imagery, this study quantitatively assessed the effectiveness of light pollution control measures implemented in the Xichong Community over a three-year period. The key findings were as follows. (1) Significant reduction in light pollution: the Xichong Community exhibited a markedly greater decline in overall light pollution intensity compared to other areas within the Dapeng New District. Pixel-level analysis verified the widespread nature of this decreasing trend, with the brightness values showing a pervasive reduction. (2) Effective control across functional zones: the core stargazing beach area witnessed a substantial brightness reduction (57%) in September 2024 compared with that seen in September 2022. Road-lighting intensity also decreased significantly (56%-70%). Among the residential zones, Xinwu and Xiyangwei villages achieved reductions exceeding 69%, whereas brightness in Nanshe village decreased by 55.7%. Getian and Xigong villages experienced steady declines, while Hesou, Yashan, and Shagang Villages saw fluctuating but overall decreasing trends. (3) Effective management of light pollution sources: although accommodation facilities remain the primary contributors to light pollution, their brightness coefficients decreased significantly (46.11%). Points of Interest (POIs) related to tourism saw reductions exceeding 45% in brightness, with overall POI brightness coefficients declining by 27.68%-74.45%. These results demonstrate that the stringent lighting management policies implemented by the Xichong Community effectively mitigated the adverse impacts of tourism development on the dark sky environment. This study not only successfully applied high-resolution NTL data from SDGSAT-1, but also developed an RFR-based radiometric consistency correction technique, significantly improving the comparability of multi-temporal NTL data. The established methodological framework enables fine-scale monitoring of nighttime lighting at the community level, specifically for areas pursuing "dark-sky conservation + ecotourism" models. Furthermore, this study provides a foundation for establishing a dynamic monitoring and quantitative assessment system for light pollution within existing dark-sky reserves. These advancements offer critical scientific foundations and technical support for balancing the imperative of dark-sky conservation with sustainable tourism development goals.

Key words： Nighttime Light Remote Sensing; Sustainable Development Science Satellite 1 (SDGSAT-1); international dark sky community; light pollution control; Shenzhen Xichong

Cite this article

Xi Li , Bubuli·Yeerleke , Jianchuan Zheng , Lin Mei . Evaluation of the Effectiveness of Light Pollution Control in Shenzhen Xichong Dark Sky Preserve Based on Nighttime Light Remote Sensing[J]. Tropical Geography, 2025 , 45(8) : 1373 -1387 . DOI: 10.13284/j.cnki.rddl.20250084

随着中国城市化进程的加快，光污染问题日益凸显。长期的人工照明扰乱了自然界的昼夜节律（Lyytimäki, 2013），影响生物体的生理、行为和生态系统平衡，还改变了人类欣赏夜空的方式。目前，全球80%的人口生活在光污染的环境中（Falchi et al., 2016），使暗夜资源的保护显得尤为重要。自1993年美国哈德森湖建立首个暗夜保护区以来，暗夜资源保护在21世纪初逐渐兴起（Challéat et al., 2021）。英国、法国等国家也实施了夜间人造光的观测，国际与国内暗夜天空保护相关的立法和指南逐步完善（Wang et al., 2023）。深圳市在重视人与自然平衡的同时，积极探索保护暗夜环境。2023年，深圳市西涌社区成功通过国际暗夜协会（International Dark-Sky Association, IDA）认证，成为中国首个获得国际暗夜社区称号的地区。该社区通过优化照明设施，减少过度照明，将星空自然的理念融入城市规划中。尽管中国在暗夜保护方面已迈出了重要一步，但目前缺乏对西涌社区光污染控制效果的系统评估。
夜光遥感影像能有效记录由人类活动引起的人造光源辐射信号。传统意义上，美国国防气象卫星计划（Defense Meteorological Satellite Program, DMSP）搭载的线性扫描系统（Operational Line-scan System, OLS）和Suomi国家极地轨道伙伴关系卫星（National Polar-orbiting Partnership,NPP）搭载的可见红外成像辐射计套件（Visible Infrared Imaging Radiometer Suite,VIIRS）所获取的数据，是应用较为广泛的夜光遥感数据。夜光遥感数据已广泛用于多个研究领域，包括社会经济参数估计（李德仁 等，2015；Shi et al., 2016; Levin et al., 2020）、城市化进程监测（Liu et al., 2012; Yi et al., 2014; Ma et al., 2015; Zhu et al., 2019）、冲突和危机监测（Li et al., 2013, 2014, 2017; Jiang et al., 2017）以及社会重大自然灾害评估（Cao et al., 2013; Gillespie et al., 2014; Cole et al., 2017；李熙 等，2023）等。由于大范围覆盖和高频次观测特性，该技术已成为开展大尺度光污染调查的有效手段，为评估暗夜保护地的光污染控制效果提供了重要技术支持。
夜间光污染监测方法主要分为地面实测和遥感观测两类。基于地面实测的手段包括使用天空质量仪、亮度计等设备，能够精确测量天空亮度、光谱特性等关键参数。但受限于空间覆盖范围和成本，难以满足大尺度长时序监测需求。相比之下，夜光遥感技术凭借广域覆盖和时序连续性优势，成为主流手段。早期研究主要依赖DMSP/OLS数据，其提供了全球时间序列最长的夜间灯光图像，为光污染研究奠定重要基础。基于DMSP/OLS数据绘制的全球人造夜空亮度图集，揭示了全球约2/3的人口受光污染影响（Cinzano et al., 2001）。随着NPP/VIIRS数据的应用，光污染的估算能力显著提升。Falchi等（2016）绘制了新的全球尺度人造夜空亮度地图，后续研究通过照明区域变化、总辐射亮度变化及稳定光源辐射亮度变化分析发现全球光污染面积每年扩张约2%（Kyba et al., 2017）。中国保护区光污染面积在1992—2012年增加1.79倍（Xiang et al., 2017），非洲保护区80%以上的公共场所光污染加剧（Zheng et al., 2021）。城市化进程和道路网络的扩张是光污染的核心驱动因素（Chalkias et al., 2006; Kuechly et al., 2012）。
随着遥感技术的不断发展，珞珈一号、吉林一号和EROS-B等中高分辨率夜光影像数据已广泛应用于光污染监测领域（Katz et al., 2016; Cheng et al., 2020; Guk et al., 2020; Li et al., 2020）。然而，吉林一号和EROS-B等商业卫星数据存在获取成本高等应用限制，而Luojia1-01虽然具有免费开放优势，但其130 m的空间分辨率在精细尺度监测中仍显不足。在此背景下，SDGSAT-1卫星搭载的微光成像仪展现出显著优势：具备多光谱协同观测能力，可同步获取10 m分辨率的全色波段与40 m分辨率的RGB三波段数据，有效地弥补了传统数据在光谱识别和精细尺度监测上的不足。SDGSAT-1数据已在多个研究领域取得重要应用成果，成功应用于评估LED照明对道路节能的影响（Chen et al., 2024）、并深入分析了中国夜间灯光的颜色特征及蓝色暴露的空间分布（Huang et al., 2025）。同时实现了高精度的道路信息提取（Chang et al., 2022）、城市夜间灯光感知评估（Lin et al., 2023）以及绘制城市功能分区图（Chen et al., 2023）。同时，该数据被用于量化夜间气溶胶（Wang et al., 2023）、分析中国沿海地区的灯光类型（Jia et al., 2024）、识别城市群灯光类型（Lv et al., 2024）以及分析PM2.5污染对健康的影响（Liu et al., 2025）。这些研究充分展现了SDGSAT-1数据在光污染监测、城市规划和生态保护等领域的综合应用潜力。
本研究使用具有更高分辨率的SDGSAT-1夜光遥感影像作为主要数据源。通过结合随机森林回归模型进行辐射一致性校正，使各期影像间具有较好的可比性，以实现光污染长期监测与评估。以期为西涌社区后续的分区管理和重点治理提供科学依据，同时也可以评估光污染控制措施的实施效果，为暗夜资源的有效管理和保护提供数据支撑。

1 研究区概况与数据

1.1　研究区概况

深圳市西涌社区位于深圳市东南端（图1-a），占地面积约10.9 km2，距离城市中心直线距离约60 km，拥有深圳最完整的自然生态系统。社区三面环山、一面向海，山体对城市夜间灯光起很好的遮挡效果。西涌社区隶属于深圳市大鹏新区南澳办事处，总人口约2 500人，分布于8个村落（图1-b）。西涌沙滩位于西涌社区南部，是深圳最大的沙滩和海滨浴场，为滨海休闲夜间观星活动提供了充足的活动空间。深圳市天文台成立于2010年，位于西涌社区的崖头顶，是集天文观测、气象观测、海洋观测、学术研究和科普教育于一体的综合性观测基地。西涌国际暗夜保护社区获得认证，有效地改善了天文台的天光背景，有助于天文观测和研究，同时也为市民提供了极佳的观星胜地。
图1 西涌社区在深圳市的地理位置（a）及社区村落分布（b）

注：b图来源自谷歌地图。

Fig.1 Geographic location in Shenzhen(a)and village distribution of Xichong Community(b)

1.2　夜光遥感数据

与DMSP/OLS数据相比，NPP/VIIRS数据的空间分辨率、时间分辨率和辐射分辨率均有显著提升。VIIRS传感器新增了专门用于探测微光的DNB（Day/Night band）通道，其空间分辨率达到740 m，能更精确地监测夜间灯光变化。同时，VIIRS数据的光谱分辨率提升至14-bit，并实现了在轨辐射定标，进一步提高了数据质量。基于Suomi NPP卫星VIIRS传感器观测数据生产的Black Marble夜间灯光数据产品，通过大气校正与地形补偿算法，进一步消除了云层覆盖、月相变化及地形起伏对夜间灯光信号的干扰，提供空间分辨率为500 m的辐射定标产品。本研究将Black Marble产品的VNP46A2日数据与SDGSAT-1数据进行时序对比分析，同时使用VNP46A3月度合成数据，系统研究西涌社区全域在2022—2024年夜间灯光的时空变化趋势。
可持续发展科学卫星1号（Sustainable Development Goals Satellite-1, SDGSAT-1）于2021-11-05成功发射升空。SDGSAT-1卫星搭载高分辨率热红外（Thermal Infrared Spectrometer, TIS）、高分辨率多谱段（Multispectral Imager for Inshore, MII）、高分辨率微光（Glimmer Imager for Urbanization, GIU）成像仪3种载荷，可实现全天时、多载荷协同观测。其中微光成像仪可清晰地捕捉到夜间城市灯光，提供城市结构和灯光及其颜色的细节信息，包含10 m空间分辨率的全色波段和40 m空间分辨率的RGB波段。其中，R、G、B波段的谱段范围分别为600~894、506~612、424~526 nm。本研究使用的SDGSAT-1微光影像数据来源于可持续发展大数据国际研究中心的SDG大数据平台 1，是经过几何精校正和辐射定标处理的L4A级标准数据产品。如表1所示，SDGSAT-1卫星在深圳市的过境时间约为当地时间T 21:30—21:50，刚好在人类夜间活动的高峰期内，可更准确地反映当地人类活动信息。经过辐射一致性校正的SDGSAT-1微光影像数据将用于分析西涌社区不同功能分区在2022—2024年夜间灯光的时空变化特征。
表1 SDGSAT-1夜光影像的成像日期及时间

Table 1 Imaging dates and times of SDGSAT-1 nighttime light images

影像日期 成像时间
2022-03-07 T 21:46:49.13
2022-04-03 T 21:42:13.13
2022-04-08 T 21:48:11.78
2022-09-02 T 21:44:35.70
2023-02-28 T 21:51:27.68
2023-07-24 T 21:39:17.99
2023-08-03 T 21:39:17.99
2023-08-14 T 21:48:58.94
2023-11-20 T 21:39:28.95
2024-01-19 T 21:37:41.13
2024-02-10 T 21:43:40.85
2024-05-05 T 21:42:40.03
2024-05-16 T 21:41:9.92
2024-08-10 T 21:35:59.09
2024-09-01 T 21:33:14.03

2 数据预处理

本研究数据预处理主要包括数据预处理和多时相SDGSAT-1影像辐射一致性校正两大模块。首先，对原始影像进行椒盐噪声去除，提高数据质量；随后，通过绝对辐射定标，将DN值转换为标准辐射亮度单位。在此基础上，利用随机森林回归模型建立多时相影像间的非线性校正关系，以消除时间、大气及传感器差异带来的辐射偏差，提升数据的可比性（图2）。
图2 技术路线

Fig.2 Technology roadmap

2.1　数据预处理

2.1.1　椒盐噪声去除

SDGSAT-1卫星提供的L4A级夜光遥感标准数据产品存在椒盐噪声污染问题。原始影像背景中存在随机分布的异常像素，表现为R、G、B波段响应不一致，如R、G波段为正常背景值，B波段却出现显著高值。为提升数据质量，需去除这类噪声。通过对15期SDGSAT-1 RGB影像数据的分析，发现椒盐噪声的典型特征为：在有效照明区域（三波段值均＞0）中，部分像元出现一个或两个波段值为0而剩余波段异常高值的现象。基于此，采用以下判定规则：若某像元至少一个波段值为0而其他波段值大于0，则视为潜在噪声像元（Liu et al., 2024）。进一步通过8邻域连通性分析排除真实地物干扰，若潜在噪声像元呈孤立分布，则确认为椒盐噪声。如图3所示，a为原始影像，b、c、d分别展示R、G、B波段的潜在噪声，e、f、g为最终识别的噪声分布。去噪时，以噪声像元为中心的3×3邻域窗口中值替换原始异常值。
图3 分布于R、G、B波段的椒盐噪声（以2023-07-24影像为例）

Fig.3 Salt-and-pepper noise distributed in the R, G, and B bands (example from the image of July 24th, 2023)

为评估去噪效果，采用残差噪声熵（Residual Noise Entropy, RNE）和平均相对偏差（Mean Relative Deviation, MRD）2个定量指标（Zhang et al., 2022），其公式为：
R N E = - ∑ i = 1 L p i l o g 2 ( p i )
式中： L为残差图像的灰度级总数； p i为残差图像中灰度级 i的像素概率。 R N E值越低，表明去噪后残余噪声的能量越集中，噪声抑制效果越显著。
M R D = 1 N ∑ x = 1 M ∑ y = 1 N | I ' x , y - I x , y I x , y | × 100 %
式中： I x , y为原始图像像素值； I ' x , y为去噪后图像像素值； M × N为图像尺寸。 M R D值越小，表明去噪后图像与原始图像的辐射特征偏差越小，信息损失越少。

2.1.2　绝对辐射定标

对SDGSAT-1原始影像进行去噪后，进行绝对辐射定标。将原始数据中每个波段DN值转换为具有物理意义的夜间灯光辐射亮度值。定标公式为：
L = D N × G a i n + B i a s
式中： L表示传感器入瞳处的辐亮度，单位为 W / m 2 ⋅ s r ⋅ μ m； G a i n为辐射定标增益系数， B i a s为辐射定标偏置项。微光传感器绝对辐射定标系数来源于SDGSAT-1卫星用户手册。表2列出了R、G、B三个波段的绝对辐射定标系数。
表2 SDGSAT-1微光传感器绝对辐射定标系数

Table 2 Absolute radiometric calibration coefficients of the SDGSAT-1 glimmer sensor

波段 Gain Bias 波段带宽（W）/nm
R 0.000 013 54 0.000 013 675 4 294
G 0.000 005 07 0.000 006 084 106
B 0.000 009 925 3 0.000 009 925 3 102
为了后续与VIIRS数据进行比较和结合分析，将SDGSAT-1夜光遥感影像的辐射亮度单位由 W / m 2 ⋅ s r ⋅ μ m转换为VIIRS数据单位 n W / c m 2 ⋅ s r。使用式（4）转换单位：
L ' = L × W × 10 5
式中： L '为经过单位转换后的辐射亮度值，单位为 n W / c m 2 ⋅ s r； W为波段带宽。根据光谱响应函数，SDGSAT-1微光影像数据的R、G、B波段的带宽分别为294、106、102 nm（Liu et al., 2024）。
为了量化3个RGB波段的总辐射，计算灰度亮度（Grundland et al., 2007; Liu et al., 2024）。
B r i g h t n e s s = 0.298   9 × L ' R e d + 0.587   0 × L ' G r e e n + 0.114   0 × L ' B l u e
式中： B r i g h t n e s s是SDGSAT-1夜光影像的灰度亮度； L ' R e d、 L ' G r e e n、 L ' B l u e分别是红、绿、蓝波段的辐射亮度，单位均为 n W / c m 2 ⋅ s r。

2.2　基于随机森林回归的辐射一致性校正

对15期SDGSAT-1夜光遥感影像做完预处理后，为消除多期SDGSAT-1夜光遥感影像因时间、大气条件及传感器辐射特性差异导致的系统性偏差，进一步开展辐射一致性校正。以2023-07-24影像为基准，其余14期影像通过随机森林回归模型与基准影像建立非线性辐射校正关系。
随机森林回归算法（Random Forest Regression）是一种基于决策树集成的学习算法，其核心原理是通过构建多棵决策树并综合各树的预测结果，以提升模型的泛化能力和鲁棒性（Biau et al.,2016）。在回归任务中，给定一个训练集D：
D = x 1 , y 1 , x 2 , y 2 , ⋯ , x n , y n
式中： x i表示输入特征向量； y i是对应的目标变量。随机森林模型通过生成多棵决策树 T 1 , T 2 , ⋯ , T m，并对每棵树的预测结果取平均值来确定最终输出。
以基准影像的伪不变区域（Elvidge et al., 2009）（如图4定标区域所示）的像素值为目标变量Y，待校正影像的原始像素值作为输入特征X，通过训练学习X与Y之间的映射关系，从而预测待校正影像相对于基准影像的预期亮度值。
图4 定标区域的SDGSAT-1夜光遥感影像（以2023-07-24影像为例）

Fig.4 SDGSAT-1 nighttime light remote sensing imagery of the calibration area(example from the image of July 24th, 2023)

为优化随机森林回归模型的预测性能，对关键的超参数进行调优，包括决策树个数、决策树最大深度、最小分离样本数和最小叶子节点样本数。首先，基于Python的scikit-learn库中的随机搜索方法进行初步优化，该方法通过随机抽样方式从参数空间中抽取部分组合进行训练和交叉验证，相较于传统网格搜索具有更高的效率（Cynthia et al.,2023）。由于随机搜索的结果可能并非全局最优，因此在初步优化的基础上，进一步采用网格搜索方法对参数空间进行全局遍历，以筛选出最优的超参数组合。最终，将训练好的随机森林回归模型应用于西涌社区，实现辐射一致性校正，确保多时相夜光遥感数据的可比性和可靠性。

2.3　基于线性模型的辐射一致性校正

图像亮度线性归一化法是一种经典的辐射校正方法（余晓敏 等，2012），多时相夜光遥感影像间的辐射差异可表示为基准影像的线性变换。该方法通过统计伪不变区域的均值与标准差，构建全局线性映射模型，消除影像间的系统性辐射偏差。本节将其作为随机森林回归的对比方法，重点分析线性模型在辐射一致性校正中的性能与局限性。
设基准影像为 I r e f，待校正影像为 I t a r g e t，其校正公式为：
I c o r r e c t e d = σ r e f σ t a r g e t I t a r g e t - μ t a r g e t + μ r e f
式中： μ r e f、 σ r e f为基准影像在伪不变区域的像素值均值与标准差； μ t a r g e t、 σ t a r g e t为待校正影像在伪不变区域的像素值均值与标准差； I c o r r e c t e d为校正后影像的像素值。
校正公式由3个关键部分组成，分别用于消除辐射差异的不同分量。首先，中心化项 I t a r g e t - μ t a r g e t消除影像整体的亮度偏移，从而去除由光照条件或传感器响应差异引起的线性偏差。其次，缩放系数 σ r e f σ t a r g e t调整待校正影像的动态范围，使其标准差与基准影像一致。最后，平移项 + μ r e f将中心化并缩放后的影像亮度平移至基准影像的均值水平，确保校正后的影像在整体亮度上与基准影像对齐。

3 结果与分析

3.1　数据预处理与辐射一致性校正结果

3.1.1　椒盐噪声去除结果

通过对2022年3月至2024年9月的15期SDGSAT-1夜光遥感影像红、绿、蓝3个波段进行去噪处理，基于邻域连通性分析与中值滤波的方法取得显著效果。定量评估结果（表3）显示，所有15期影像的平均相对偏差均在2.74%以内，其中75%的波段平均相对偏差值低于2%。此外，残差噪声熵指标进一步证实了去噪效果，多数波段的残差噪声熵值低于0.8，其中2022-09-02蓝波段的残差噪声熵最低，仅为0.024 0，说明噪声能量得到大幅抑制。为直观展示去噪效果，对影像进行去噪前后的视觉对比分析（图5）。对比影像经过直方图均衡化增强处理，以放大噪声与夜间灯光的对比度，从而更清晰地凸显去噪效果。以2023-07-24的影像为例，该影像展示了原始影像中椒盐噪声的分布、局部放大细节及去噪结果。对比表明，该方法在有效抑制噪声的同时，仍能较好地保留原始辐射特征。
表3 椒盐噪声去除结果

Table 3 Results of salt-and-pepper noise denoising

日期 残差噪声熵（RNE） 平均相对偏差（MRD）/%
红波段 绿波段 蓝波段 红波段 绿波段 蓝波段
2022-03-07 0.465 3 0.241 0 0.468 3 1.59 1.72 2.74
2022-04-03 0.128 3 0.132 5 0.060 3 0.81 0.85 0.34
2022-04-08 0.749 1 0.364 1 0.626 3 2.31 1.73 2.32
2022-09-02 0.199 2 0.136 2 0.024 0 1.30 0.86 0.12
2023-02-28 0.416 4 0.569 5 0.544 0 1.19 2.59 2.42
2023-07-24 0.316 4 0.264 3 0.396 1 1.61 2.17 1.10
2023-08-03 0.252 6 0.173 3 0.213 8 1.73 1.15 1.47
2023-08-14 0.248 3 0.499 5 0.627 0 1.73 1.94 1.27
2023-011-20 0.142 5 0.212 4 0.063 6 0.90 1.45 0.37
2024-01-19 0.345 5 0.343 7 0.363 5 1.54 2.54 2.72
2024-02-10 0.171 3 0.283 6 0.155 3 1.13 1.03 1.01
2024-05-05 0.294 0 0.742 3 0.460 4 1.11 2.28 2.63
2024-05-16 0.087 3 0.668 7 0.281 5 0.53 1.51 1.03
2024-08-10 0.342 0 0.813 4 0.258 0 1.52 1.92 1.84
2024-09-01 0.107 4 0.426 7 0.508 2 0.66 1.26 1.09
图5 2023-07-24 SDGSAT-1影像椒盐噪声去除效果对比（a. 原始影像；b和c分别为a图中方框区域的放大显示；d和e分别对应b和c区域经去噪处理后的结果）

Fig.5 Comparison of salt-and-pepper noise removal effects in SDGSAT-1 imagery (July 24, 2023) (a. Original image; b and c show zoomed-in views of the boxed regions in a; d and e present the denoised results corresponding to b and c, respectively)

3.1.2　辐射一致性校正结果

通过多角度验证了随机森林回归模型在SDGSAT-1夜光遥感影像辐射一致性校正中的有效性。首先，选取2022-04-03、2023-08-03和2024-05-05三期经过辐射一致性处理的SDGSAT-1夜光影像（图6），直观展示定标结果。并通过比较随机选定的条带方向（图6黑线所示）的像素亮度值分布（图7）可以看出，定标后三期影像的像素亮度值变化趋势基本一致。这证明，基于随机森林回归模型的辐射一致性处理方法显著提升了多时相夜光影像的可比性，确保了跨时相分析的准确性和一致性。
图6 经辐射一致性处理后的定标区域SDGSAT-1夜光遥感影像

Fig.6 Radiometrically consistent SDGSAT-1 nighttime light imagery of stable light sources

图7 三期示例SDGSAT-1夜光遥感影像取样条带位置的像素值分布

Fig.7 Pixel value distribution along sampling transects in three-phase SDGSAT-1 nighttime light remote sensing images

其次，通过对比15期辐射一致性校正的SDGSAT-1夜光影像与日期滞后一天的VNP46A2数据的夜光均值时序变化（图8）进一步验证了辐射一致性校正的效果。由于SDGSAT-1卫星是夜间T 21:30—21:50过境，NPP卫星是凌晨约T 01:30过境，这2个数据的日期标记存在跨日差异，实际同夜观测的SDGSAT-1数据与日期滞后一天的VIIRS数据仅间隔4 h，而与同日期标记的VIIRS数据实际间隔20 h。因此，选择日期滞后一天的VNP46A2数据进行对比，才能保证时间窗口的匹配性。结果表明，未校正的SDGSAT-1数据表现出明显的异常波动。而经过随机森林回归模型校正后，SDGSAT-1夜光数据的时序曲线呈现显著平滑的特征，有效降低了异常波动。
图8 SDGSAT-1夜光辐射一致性校正效果与VNP46A2时序对比

Fig.8 Comparison of SDGSAT-1 NTL radiometric correction effects with contemporaneous VNP46A2 time series

表4进一步证实了这一结论：校正后的SDGSAT-1数据与VNP46A2数据的R²值在所有影像中均高于未校正数据，表明辐射一致性校正也较好改善了与VIIRS数据的相关性。因此，所提出的辐射一致性校正方法能较好地提升SDGSAT-1夜光数据的稳定性和可靠性。
表4 VNP46A2数据与校正前后的SDGSAT-1数据之间的R²

Table 4 R² values between VNP46A2 data and SDGSAT-1 data before and after correction

影像日期 SDGSAT-1数据 影像日期 SDGSAT-1数据
校正前 校正后 校正前 校正后
2022-03-07 0.482 0.490 2023-11-20 0.363 0.381
2022-04-03 0.332 0.342 2024-01-19 0.462 0.475
2022-04-08 0.525 0.542 2024-02-10 0.393 0.414
2022-09-02 0.598 0.612 2024-05-05 0.472 0.479
2023-02-28 0.442 0.455 2024-05-16 0.385 0.403
2023-08-03 0.380 0.391 2024-08-10 0.482 0.536
2023-08-14 0.382 0.420 2024-09-01 0.564 0.578
最后，与传统亮度线性归一化法的对比实验（表5）表明，随机森林回归法表现出更高的精度。这种优势源于随机森林对非线性辐射差异的适应性。传统线性归一化假设辐射关系为全局线性，而随机森林通过决策树集成能捕捉局部特征和复杂模式。综上可知，随机森林回归模型能显著提升多时相SDGSAT-1夜光遥感数据的辐射一致性和时序可比性。
表5 不同辐射一致性校正方法的RMSE与R²结果对比

Table 5 Comparison of RMSE and R² Results from Different Radiometric Consistency Correction Methods

影像日期 线性模型 随机森林回归法
RMSE R² RMSE R²
2022-03-07 23.57 0.64 16.16 0.72
2022-04-03 16.99 0.73 12.72 0.83
2022-04-08 21.66 0.68 14.76 0.77
2022-09-02 21.24 0.69 14.52 0.78
2023-02-28 19.15 0.74 13.03 0.82
2023-08-03 11.39 0.85 8.78 0.92
2023-08-14 17.18 0.81 11.14 0.87
2023-11-20 19.80 0.71 13.71 0.80
2024-01-19 19.18 0.74 13.28 0.81
2024-02-10 19.98 0.68 14.03 0.79
2024-05-05 22.79 0.72 13.94 0.79
2024-05-16 24.75 0.63 16.21 0.72
2024-08-10 31.01 0.55 17.31 0.68
2024-09-01 17.49 0.76 12.79 0.83

3.2　西涌社区光污染控制有效性评估

3.2.1　社区全域光污染控制有效性评估

对大鹏新区各街道（包括葵涌街道、大鹏街道、南澳街道）以及西涌社区（图9）的夜间灯光均值进行长时间序列分析。并通过Theil-Sen斜率法与Mann-Kendall显著性检验，对其夜间灯光亮度变化特征进行逐像素的定量评估。
图9 大鹏新区各街道及西涌社区地理位置

Fig.9 Geographic locations of subdistricts and Xichong community in Dapeng New District

基于2022年3月至2024年9月的VNP46A3月度夜间灯光数据，结合Theil-Sen斜率法与Mann-Kendall显著性检验分析发现，大鹏新区各区域夜间灯光亮度呈不同程度的下降趋势（图10）。其中，西涌社区的灯光亮度下降最为显著，尽管夏季仍保持光强峰值集中特征，但年际峰值已从2022年5.51 nW/（cm²·sr）持续衰减至2024年3.5 nW/（cm²·sr）。结合表6所示，其Theil-Sen斜率为-0.084 2 nW/（cm²·sr），对应年变化率达-27.37%，且MK检验P值为0.000 0691（高度显著），表明西涌社区的光污染控制措施成效突出。其他区域中，葵涌街道灯光亮度呈微弱但统计显著下降的趋势，而南澳街道和大鹏街道的降幅在统计学上未达到显著水平。这表明，西涌社区的管控措施取得更明显的效果。
图10 大鹏新区各街道与西涌社区夜光均值时序变化（2022年3月—2024年9月）

Fig.10 Mean nighttime light time-series for Dapeng subdistricts and Xichong (Mar 2022 - Sep 2024)

表6 基于Theil-Sen和MK检验的大鹏新区夜间灯光变化趋势

Table 6 Nighttime light change trends in Dapeng New District based on Theil-Sen slope and Mann-Kendall test

区域 Theil-Sen斜率 年变化率/% MK_Tau MK检验P值 趋势显著性
西涌社区 -0.084 2 -27.37 -0.50 0.000 069 1 显著下降
南澳街道 -0.004 64 -2.23 -0.16 0.21 下降（趋势不显著）
大鹏街道 -0.020 17 -2.55 -0.17 0.18 下降（趋势不显著）
葵涌街道 -0.033 42 -4.65 -0.30 0.018 显著下降
逐像素Theil-Sen趋势分析和MK检验结果（图11）进一步验证了西涌社区在光污染控制方面的显著成效。图中显示，西涌社区基本呈现显著的夜间灯光亮度下降趋势，与表4得出的高度显著下降趋势一致。然而，西涌社区边界外西北部边缘的局部像素点显示灯光亮度上升。未来可加强对这些区域的监测和管理，合理规划和控制夜间照明，减少不必要的光污染，进一步提升光污染控制的整体效果。
图11 基于2022年3月—2024年9月的VNP46A3月数据逐像素长时序趋势分析

Fig.11 Per-pixel long-term trend analysis of VNP46A3 monthly data (March 2022 - September 2024)

3.2.2　基于社区功能区的精细化评估

结合经辐射一致性处理的SDGSAT-1数据、OpenStreetMap数据及谷歌地图对西涌社区夜间灯光长时序变化进行精细化评估。首先，基于OpenStreetMap数据提取道路矢量数据，并通过腾讯地图测距工具实地测量道路宽度，结合道路性质设计缓冲区范围。主要道路（主干道）以8 m宽度缓冲，三级道路（支路）为6 m，居民区道路为4 m，人行道及田间小路为3 m（表7）。西涌社区不同功能区的划分见图12，村落及建筑区依据当地社区规划图与谷歌地图解译，划定8个自然村落的边界，并进一步识别内部建筑群；沙滩观星区包括核心海滨浴场和毗邻的餐饮娱乐带。
表7 道路缓冲区划分

Table 7 Road buffer zone delineation

道路 道路性质 缓冲区宽度/m
主要道路 主要车行道路 8
三级道路 支路 6
居民区道路 居民车行道路 4
人行道 人行道路 3
小路 乡村、田间、林间小路 3
图12 西涌社区的不同功能区及道路缓冲区

Fig.12 Functional zones and road buffer zones in Xichong Community

聚焦沙滩观星区（图13），其灯光强度虽存在季节性波动，但管控效果显著：2024年较2022年9月峰值下降了57%。值得注意的是，尽管旅游旺季可能引发短期反弹，但其57%的降幅仍证明光污染管控的有效性。
图13 沙滩观星区长时序夜间灯光均值变化趋势

Fig.13 Long-term trend of mean nghttime light intensity in the beach stargazing area

进一步分析表明，社区内不同道路的夜间灯光强度呈现显著差异。如图14所示，人行道与小路的管控效果较为突出，人行道灯光值从2022年3月的1.63 nW/（cm²·sr）持续下降至2023年7月的0.48 nW/（cm²·sr），总体下降59%；小路灯光值长期维持在2~3.3 nW/（cm²·sr），较2022年4月下降70%。相比之下，主要道路与居民区道路的灯光强度虽存在波动，但整体光污染呈长期下降趋势：居民区道路2024年9月较2022年下降约60%，主要道路2024年8月同比降幅达56%。三级道路在2022年至2023年7月波动性较强，在2023年7月至2024年9月呈现波动下降趋势。
图14 各级道路长时序夜间灯光均值变化趋势

Fig.14 Long-term trend of mean nighttime light intensity for different road classes

村落内部的管控成效呈现更复杂的特征（图15）。如新屋村与西洋尾村表现最为显著：新屋村灯光强度从2022年4月155.25 nW/（cm²·sr）降至2024年9月的28.60 nW/（cm²·sr）；西洋尾村在2023年11月降至0.82 nW/（cm²·sr），较2022年9月峰值下降69%。而鹤薮村、芽山村虽总体下降但波动显著，沙岗村呈现“波浪式下降”曲线；南社村灯光强度从2022年4月峰值43.29 nW/（cm²·sr）降至2024年9月的19.18 nW/（cm²·sr），降幅达55.7%；格田村与西贡村夜间灯光强度实现稳定下降，格田村2024年8月灯光值5.58 nW/（cm²·sr）较2022年4月下降87%，西贡村2024年8月灯光值较2022年9月降幅达56.4%。
图15 各村落长时序夜间灯光均值变化趋势

Fig.15 Long-term trend of mean nighttime light intensity in villages

3.2.3　基于POI数据的社区光污染源分析

通过计算不同类别POI数据的亮度系数与发光比例来分析西涌社区的主要光污染来源。亮度系数的概念最早由Kuechly等（2012）提出。POI亮度系数指POI对应像元的灰度亮度值与整个研究区夜光影像的平均灰度亮度值的比值（唐倩迪 等，2020）。
k i = B r i g h t n e s s i 1 n ∑ i = 1 n B r i g h t n e s s i
式中： k i指的是第 i点的亮度系数； B r i g h t n e s s i指该POI点对应像元的亮度值（即辐亮度），研究区域共有 n个像元。某类POI的亮度系数取该类POI亮度系数均值。
l j = 1 m ∑ i = 1 m k i
式中： l j为第 j类POI的亮度系数，该类POI共对应 m个像元点。
POI发光比例为某种POI的总亮度值占研究区内所有POI的总亮度值的比例，体现该类型POI光污染的影响程度。
p j = ∑ i = 1 m B r i g h t n e s s i ∑ j = 1 13 B r i g h t n e s s j *
式中： p j表示第 j类POI的发光比例； B r i g h t n e s s j *指第 j类POI的亮度值总和。
POI数据涵盖了多个类别，包括商务住宅、交通设施、购物服务、住宿服务、餐饮服务、和生活服务等。结合2023-07-24、2024-09-01的SDGSAT-1夜光遥感影像和POI数据，得到图16所示的POI亮度系数及其下降比例的结果。结果显示，所有13类POI的亮度系数均呈现显著下降趋势，整体降幅介于27.68%~74.45%，其中，公共管理、基础设施和教育类场所的照明优化措施成效显著。风景名胜、餐饮服务和住宿服务等旅游相关POI的亮度系数降幅均超过45%，说明即使在旅游业发展背景下，西涌仍能有效控制夜间光污染，未出现因旅游需求而导致光污染反弹的现象。
图16 各类POI的亮度系数

Fig.16 Brightness coefficient of different POI types

从发光比例的分析结果看，尽管西涌社区各类POI的亮度系数整体呈现显著下降趋势，但住宿服务设施在2023—2024年始终占据主导地位，其发光比例在2023年7月和2024年9月分别高达70.15%和72.74%，远超其他POI类型。这表明，住宿服务设施仍然是西涌社区最主要的夜间光污染来源。相比之下，其他POI类型的发光比例普遍较低，且多数呈现下降趋势。如餐饮服务的发光比例从11.74%降至10.09%，购物服务从2.17%略增至2.75%。
这进一步印证了西涌在平衡旅游发展与暗夜保护方面的努力。尽管住宿服务是光污染的主要来源，但其亮度系数的显著下降表明照明效率得到提升，而其他POI类型的低贡献率则反映全域管控的有效性。未来仍需针对住宿类设施实施更严格的照明管控措施，如限制广告牌亮度、优化照明设计等，以在维持旅游经济的同时进一步降低光污染影响。

4 讨论

本研究基于SDGSAT-1高分辨率夜光遥感数据的光污染监测方法，可为其他城市暗夜保护提供技术参考，但需因地制宜制定差异化管控策略。针对城市空间结构特征，单中心城市宜采用“核心―外围”梯度管控模式，多中心城市需建立分布式治理网络，带状城市则适合分段式管理。同时，考虑到区域经济发展水平差异，建议发达地区优先部署智能调光系统，发展中地区推广经济型LED改造，欠发达地区应以保障基本照明需求为主。对于旅游强度不同的区域，应采取分级管控措施：高强度旅游区实施“双时段”动态管理（季节性时段和昼夜时段），中强度区域推行季节性调控，低强度区域执行标准化照明规范。
为更有效的平衡西涌社区的旅游开发与暗夜保护，建议构建分级管控体系。在核心观星区设定亮度上限并安装智能调光系统；对民宿集中区实施“双时段”精细化动态管理，根据旅游淡旺季和昼夜时段差异设置不同的亮度阈值；在社区外围过渡区建立亮度梯度标准，设置亮度递减缓冲区。同时，建立政策干预效果的评估指标体系，完善多部门协同治理机制，以全面提升光污染治理成效。

5 结论

本研究基于SDGSAT-1高分辨率夜光遥感影像，结合VNP46A2日数据和VNP46A3月度合成数据，对深圳市西涌社区的光污染控制效果进行系统评估。结果表明，西涌社区在2022年3月至2024年9月期间，全域夜间灯光亮度呈现显著下降趋势，其降幅显著高于大鹏新区其他区域。精细化评估显示，沙滩观星区、道路系统及各村落的夜间灯光强度都有不同程度的降幅。POI分析进一步揭示，虽然住宿服务仍是最主要的光污染源，但其亮度系数下降了46.11%，同时旅游相关POI（如餐饮、风景名胜等）的亮度降幅均超过45%，表明社区在平衡旅游发展与暗夜保护方面成效显著。
然而，本研究仍存在一定局限性。首先，受限于SDGSAT-1影像较短且非等间隔的时间序列，光污染长期趋势分析的连续性不足；其次，影像配准偏差和POI坐标偏移可能导致光污染源定位和强度评估的误差；此外，采用静态POI数据未能充分考虑不同场所营业时间的动态差异，限制了光污染贡献机制的深入分析。针对这些不足，未来可从3方面改进：1）扩展夜光遥感数据时间跨度，增强趋势分析的连续性；2）增加误差来源分析，通过地面实测数据验证，定量评估影像几何配准误差和POI位置偏差等因素对结果的影响程度；3）构建动态光污染评估模型，通过融合多源时空数据引入POI使用频率、照明时间等时空动态权重因子，建立精细化的光污染贡献评估体系。这些研究方向的推进将显著提升光污染监测的准确性和模型预测能力。

1 https://www.sdgsat.ac.cn

References

Publishing order | Descend order by publishing year | Descend order by cited within
Biau G and Scornet E. 2016. A Random Forest Guided Tour. TEST, 25(2): 197-227.

Cao C, Shao X, and Uprety S. 2013. Detecting Light Outages After Severe Storms Using the S-NPP/VIIRS Day/Night Band Radiances. IEEE Geoscience and Remote Sensing Letters, 10(6): 1582-1586.

Chalkias C, Petrakis M, Psiloglou B, and Lianou M. 2006. Modelling of Light Pollution in Suburban Areas Using Remotely Sensed Imagery and GIS. Journal of Environmental Management, 79(1): 57-63.

Challéat S, Barré K, Laforge A, Lapostolle D, Franchomme M, Sirami C, Le Viol I, Milian J, and Kerbiriou C. 2021. Grasping Darkness: The Dark Ecological Network as a Social-Ecological Framework to Limit the Impacts of Light Pollution on Biodiversity. Ecology and Society, 26(1): 15.

Chang D, Wang Q, Yang J, and Xu W. 2022. Research on Road Extraction Method Based on Sustainable Development Goals Satellite-1 Nighttime Light Data. Remote Sensing, 14(23): 6015.

Chen F, Wang L, Wang N, Guo H, Chen C, Ye C, Dong Y, Liu T, and Yu B. 2024. Evaluation of Road Network Power Conservation Based on SDGSAT-1 Glimmer Imagery. Remote Sensing of Environment, 311: 114273.

Chen Y, He C, Guo W, Zheng S, and Wu B. 2023. Mapping Urban Functional Areas Using Multisource Remote Sensing Images and Open Big Data. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 16: 7919-7931.

Cheng B, Chen Z, Yu B, Li Q, Wang C, Li B, Wu B, Li Y, and Wu J. 2020. Automated Extraction of Street Lights from JL1-3B Nighttime Light Data and Assessment of Their Solar Energy Potential. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 13: 675-684.

Cinzano P, Falchi F, and Elvidge C D. 2001. The First World Atlas of the Artificial Night Sky Brightness. Monthly Notices of the Royal Astronomical Society, 328(3): 689-707.

Cole T A, Wanik D W, Molthan A L, Román M O, and Griffin R E. 2017. Synergistic Use of Nighttime Satellite Data, Electric Utility Infrastructure, and Ambient Population to Improve Power Outage Detections in Urban Areas. Remote Sensing, 9(3): 286.

Cynthia E P, Mohamad Samuri S B, Li W S, Ismanto E, Afriyanti L, and Arifandy M I. 2023. Improved Machine Learning Algorithm for Heart Disease Prediction Based on Hyperparameter Tuning. In: IEEE. 2023 IEEE International Conference on Artificial Intelligence in Engineering and Technology(IICAIET). Kota Kinabalu, Malaysia: IEEE, 176-181. DOI: 10.1109/IICAIET59451.2023.10291753.

Elvidge C D, Ziskin D, Baugh K E, Tuttle B T, Ghosh T, Pack D W, Erwin E H, and Zhizhin M. 2009. A Fifteen Year Record of Global Natural Gas Flaring Derived From Satellite Data. Energies, 2(3): 595-622.

Falchi F, Cinzano P, Duriscoe D, Kyba C C M, Elvidge C D, Baugh K, Portnov B A, Rybnikova N A, and Furgoni R. 2016. The New World Atlas of Artificial Night Sky Brightness. Science Advances, 2(6): e1600377.

Gillespie T W, Frankenberg E, Fung Chum K, and Thomas D. 2014. Night-Time Lights Time Series of Tsunami Damage, Recovery, and Economic Metrics in Sumatra, Indonesia. Remote Sensing Letters, 5(3): 286-294.

Grundland M and Dodgson N A. 2007. Decolorize: Fast, Contrast Enhancing, Color to Grayscale Conversion. Pattern Recognition, 40(11): 2891-2896.

Guk E and Levin N. 2020. Analyzing Spatial Variability in Night-Time Lights Using a High Spatial Resolution Color Jilin-1 Image - Jerusalem as a Case Study. ISPRS Journal of Photogrammetry and Remote Sensing, 163: 121-136.

Huang Y and Chen B. 2025. Nighttime Light Color Characteristics and Blue Light Exposure in China Based on SDGSAT-1 Glimmer Image. (2025-03-14) [2025-04-25]. https://doi.org/10.5194/egusphere-egu25-5560.

Jia M, Zeng H, Chen Z, Wang Z, Ren C, Mao D, Zhao C, Zhang R, and Wang Y. 2024. Nighttime Light in China's Coastal Zone: The Type Classification Approach Using SDGSAT-1 Glimmer Imager. Remote Sensing of Environment, 305: 114104.

Jiang W, He G, Long T, and Liu H. 2017. Ongoing Conflict Makes Yemen Dark: From the Perspective of Nighttime Light. Remote Sensing, 9(8): 798.

Katz Y and Levin N. 2016. Quantifying Urban Light Pollution—A Comparison Between Field Measurements and EROS-B Imagery. Remote Sensing of Environment, 177: 65-77.

Kuechly H U, Kyba C C M, Ruhtz T, Lindemann C, Wolter C, Fischer J, and Hölker F. 2012. Aerial Survey and Spatial Analysis of Sources of Light Pollution in Berlin, Germany. Remote Sensing of Environment, 126: 39-50.

Kyba C C M, Kuester T, Sánchez De Miguel A, Baugh K, Jechow A, Hölker F, Bennie J, Elvidge C D, Gaston K J, and Guanter L. 2017. Artificially Lit Surface of Earth at Night Increasing in Radiance and Extent. Science Advances, 3(11): e1701528.

李德仁，李熙. 2015. 论夜光遥感数据挖掘. 测绘学报，44（6）：591.

Li Deren and Li Xi. 2015. An Overview on Data Mining of Nighttime Light Remote Sensing. Acta Geodaetica et Cartographica Sinica, 44(6): 591.

李熙，曹汉瑞，巩钰. 2023. 利用高分辨率夜光影像开展土叙地震灾害评估. 武汉大学学报（信息科学版），48（10）：1697-1705.

Li Xi, Cao Hanrui, and Gong Yu. 2023. Turkey-Syria Earthquake Assessment Using High-Resolution Night-Time Light Images. Geomatics and Information Science of Wuhan University, 48(10): 1697-1705.

Levin N, Kyba C C M, Zhang Q, Sánchez de Miguel A, Román M O, Li X, Portnov B A, Molthan A L, Jechow A, Miller S D, Wang Z, Shrestha R M, and Elvidge C D. 2020. Remote Sensing of Night Lights: A Review and an Outlook for the Future. Remote Sensing of Environment, 237: 111443.

Li J, Xu Y, Cui W, Ji M, Su B, Wu Y, and Wang J. 2020. Investigation of Nighttime Light Pollution in Nanjing, China by Mapping Illuminance From Field Observations and Luojia 1-01 Imagery. Sustainability, 12(2): 681.

Li X, Chen F, and Chen X. 2013. Satellite-Observed Nighttime Light Variation as Evidence for Global Armed Conflicts. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 6(5): 2302-2315.

Li X and Li D. 2014. Can Night-Time Light Images Play a Role in Evaluating the Syrian Crisis? International Journal of Remote Sensing, 35(18): 6648-6661.

Li X, Li D, Xu H, and Wu C. 2017. Intercalibration Between DMSP/OLS and VIIRS Night-Time Light Images to Evaluate City Light Dynamics of Syria's Major Human Settlement During Syrian Civil War. International Journal of Remote Sensing, 38(21): 5934-5951.

Lin Z, Jiao W, Liu H, Long T, Liu Y, Wei S, He G, Portnov B A, Trop T, Liu M, Li X, and Wen C. 2023. Modelling the Public Perception of Urban Public Space Lighting Based on SDGSAT-1 Glimmer Imagery: A Case Study in Beijing, China. Sustainable Cities and Society, 88: 104272.

Liu S, Wang C, Chen Z, Li W, Zhang L, Wu B, Huang Y, Li Y, Ni J, Wu J, and Yu B. 2024. Efficacy of the SDGSAT-1 Glimmer Imagery in Measuring Sustainable Development Goal Indicators 7.1.1, 11.5.2, and Target 7.3. Remote Sensing of Environment, 305: 114079.

Liu X, Lu L, Guo H, Li Z, Li X, and Bilal M. 2025. Evaluating Fine-Scale Winter Nighttime PM2.5 Concentrations and Population Exposure Using SDGSAT-1 Glimmer Imagery. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 18: 1626-1637.

Liu Z, He C, Zhang Q, Huang Q, and Yang Y. 2012. Extracting the Dynamics of Urban Expansion in China Using DMSP-OLS Nighttime Light Data From 1992 to 2008. Landscape and Urban Planning, 106(1): 62-72.

Lv Z, Guo H, Zhang L, Liang D, Zhu Q, Liu X, Zhou H, Liu Y, Gou Y, Dou X, and Chen G. 2024. Urban Public Lighting Classification Method and Analysis of Energy and Environmental Effects Based on SDGSAT-1 Glimmer Imager Data. Applied Energy, 355: 122355.

Lyytimäki J. 2013. Nature's Nocturnal Services: Light Pollution as a Non-Recognised Challenge for Ecosystem Services Research and Management. Ecosystem Services, 3: e44-e48.

Ma T, Zhou Y, Zhou C, Haynie S, Pei T, and Xu T. 2015. Night-Time Light Derived Estimation of Spatio-Temporal Characteristics of Urbanization Dynamics Using DMSP/OLS Satellite Data. Remote Sensing of Environment, 158: 453-464.

Shi K, Chen Y, Yu B, Xu T, Yang C, Li L, Huang C, Chen Z, Liu R, and Wu J. 2016. Detecting Spatiotemporal Dynamics of Global Electric Power Consumption Using DMSP-OLS Nighttime Stable Light Data. Applied Energy, 184: 450-463.

唐倩迪，汪驰升，王永全，宿瑞博，江锦成，崔红星. 2020. 志愿者民航客机夜光遥感光污染监测初步研究. 遥感技术与应用，35（6）：1360-1367.

Tang Qiandi, Wang Chisheng, Wang Yongquan, Su Borui, Jiang Jincheng, and Cui Hongxing. 2020. Preliminary Study on Light Pollution Monitoring based on Volunteered Passenger Aircraft Remote Sensing. Remote Sensing Technology and Application, 35(6): 1360-1367.

Wang N, Hu Y, Li X M, Kang C, and Yan L. 2023. AOD Derivation From SDGSAT-1/GLI Dataset in Mega-City Area. Remote Sensing, 15(5): 1343.

Wang T, Kaida N, and Kaida K. 2023. Effects of Outdoor Artificial Light at Night on Human Health and Behavior: A Literature Review. Environmental Pollution, 323: 121321.

Xiang W and Tan M. 2017. Changes in Light Pollution and the Causing Factors in China's Protected Areas, 1992-2012. Remote Sensing, 9(10): 1026.

余晓敏，邹勤. 2012. 多时相遥感影像辐射归一化方法综述. 测绘与空间地理信息，35（6）：8-12.

Yu Xiaomin and Zou Qin. 2012. Methods of Radiometric Normalization for Multi-Temporal Remote Sensing Images: A Review. Geomatics & Spatial Information Technology, 35(6): 8-12.

Yi K, Tani H, Li Q, Zhang J, Guo M, Bao Y, Wang X, and Li J. 2014. Mapping and Evaluating the Urbanization Process in Northeast China Using DMSP/OLS Nighttime Light Data. Sensors, 14(2): 3207-3226.

Zhang D, Cheng B, Shi L, Gao J, Long T, Chen B, and Wang G. 2022. A Destriping Algorithm for SDGSAT-1 Nighttime Light Images Based on Anomaly Detection and Spectral Similarity Restoration. Remote Sensing, 14(21): 5544.

Zheng Z, Wu Z, Chen Y, Guo G, Cao Z, Yang Z, and Marinello F. 2021. Africa's Protected Areas Are Brightening at Night: A Long-Term Light Pollution Monitor Based on Nighttime Light Imagery. Global Environmental Change, 69: 102318.

Zhu Z, Zhou Y, Seto K C, Stokes E C, Deng C, Pickett S T A, and Taubenböck H. 2019. Understanding an Urbanizing Planet: Strategic Directions for Remote Sensing. Remote Sensing of Environment, 228: 164-182.

Options
Outlines

/

〈 〉