夜光遥感作为一种独特的对地观测手段，通过捕捉夜间地表及大气层散发的可见光-近红外辐射，为研究人类活动、社会经济动态、能源消耗及城市扩张等提供了不可替代的宏观视角。其数据主要来源于搭载了特定传感器的卫星平台，构成了遥感信息系统中的重要一环。以下将系统阐述夜光遥感数据的获取来源与详细处理流程。
一、 数据获取：主要卫星平台与传感器
夜光遥感数据并非所有卫星都能获取，它依赖于专门设计或在特定模式下工作的传感器。目前，最主要的公开数据来源包括：
- DMSP/OLS（国防气象卫星计划/线性扫描业务系统）：这是最经典、历史最悠久的夜光遥感数据源（1992-2013年）。其传感器对低光环境极为敏感，能够探测到城市灯光、渔船集鱼灯、天然气燃烧等微弱光源。其数据存在像元饱和、无在轨辐射定标、空间分辨率较粗（约2.7公里）等局限性。
- NPP/VIIRS（国家极轨合作伙伴/可见光红外成像辐射计套件）：作为DMSP的继任者，VIIRS自2012年起持续提供数据。其夜光波段（DNB）进行了精心的辐射定标，避免了像元饱和问题，空间分辨率大幅提升至约740米，动态范围更广，能区分出更丰富的亮度细节，是目前应用最广泛的数据源。
- 珞珈一号：中国首颗专业夜光遥感卫星，于2018年发射。其空间分辨率达到130米，显著高于VIIRS，能更精细地刻画城市内部结构和小规模居民点，为中国及全球高精度夜光遥感应用开辟了新途径。
- 其他新兴数据源：包括“北京二号”、“吉林一号”等商业高分辨率卫星，以及国际空间站（ISS）上的摄影设备等，也提供了不同尺度和精度的夜间灯光影像。
这些卫星作为遥感信息系统中的“数据采集前端”，按照既定轨道周期性扫描地球，将捕获的辐射信号下传至地面接收站。
二、 详细数据处理流程
原始卫星数据不能直接用于分析，必须经过一系列严谨的处理步骤，才能得到科学可用的夜光产品。整个流程是遥感信息系统中“数据处理与加工”核心功能的体现。
第一步：数据下载与预处理
数据获取：从官方数据中心（如美国NOAA NGDC、中国资源卫星应用中心等）下载原始数据或初级产品（如VIIRS的月度合成数据）。
辐射定标：将传感器记录的数字量化值（DN）转换为具有物理意义的辐射亮度值（如nW/(cm²·sr)）。这对于VIIRS等定量化传感器至关重要，是实现时间序列对比和跨传感器数据融合的基础。
* 几何校正：修正因卫星姿态、地球曲率、地形起伏等造成的像元位置误差，将影像匹配到标准的地图坐标系（如WGS84）。
第二步：去噪与异常值处理
夜间影像中充斥着各种非稳定光源的“噪声”，必须剔除：
- 背景噪声与杂散光：去除由月光、气辉、极光等自然光源以及传感器本身产生的背景值。通常通过设定阈值或使用时空滤波方法。
- 短暂性事件：识别并剔除闪电、野火、油气燃烧等一次性或季节性事件的光亮。这常通过比较相邻时段的数据或借助辅助数据（如火灾点数据）来实现。
- 云污染：云层会遮挡或散射地表灯光。需利用卫星数据自带的云掩膜产品或结合其他气象卫星数据，将受云影响的像元剔除或进行插值修复。
第三步：年度合成与稳定性处理
为获得代表常年稳定光源的“本底夜光”，需要对长时间序列数据进行合成：
- 合成方法：对一年内所有经过去噪的可用影像，对每个像元取平均值、中位数或最大值。中值合成能有效抑制偶然事件，应用最广。
- 跨年度一致性校正（特别是对于DMSP数据）：由于DMSP卫星间传感器无定标、性能退化，不同年份的数据存在系统性偏差。需通过不变目标区域法或传感器间交叉定标等方法，将整个时间序列校正到一致的辐射尺度上。
第四步：应用导向的后期处理
根据具体研究目的，可能还需进行：
- 空间裁剪与重投影：将数据裁剪至研究区范围，并转换为适合分析的投影坐标系。
- 空间分辨率重采样：根据需求进行聚合（降低分辨率）或融合（结合高分辨率数据锐化）。
- 数据融合与增强：例如，将VIIRS数据与珞珈一号等高分辨率数据融合，以兼顾覆盖范围与细节；或与社会经济统计数据、土地利用数据等进行空间关联分析。
三、
夜光遥感数据的价值，深深依赖于从卫星平台获取到最终信息产品生成的每一个技术环节。一个完整的遥感信息系统不仅包含了这些数据处理算法和流程，还涵盖了数据管理、分发服务和应用模型。理解并掌握夜光数据的获取与处理全流程，是将其有效应用于城市化监测、GDP估算、贫困评估、碳排放研究、重大事件（如战争、疫情）影响分析等诸多领域的基石。随着更多高分辨率、高光谱夜光卫星的发射，以及人工智能处理方法的引入，夜光遥感的数据流程与应用前景必将更加广阔与精深。
