类似 VIIRS 的扩展人工夜间光照数据重建（1986–2024）

从太空看城市光芒为何重要

当宇航员在夜间俯瞰地球时，他们看到的是勾勒出城市、镇和道路的明亮光网。这些发光的图案不仅仅是漂亮的图像：它们在很大程度上准确反映了人们的居住、工作和能源消费分布。本文介绍了一套新的长期中国夜间灯光数据集，经过重建覆盖 1986 年到 2024 年，使研究人员和政策制定者能够以比以往更精细的方式追踪近四十年的城市增长、经济变化和环境压力。

跨越数十年测量夜间光的挑战

卫星自 1990 年代早期就开始记录城市灯光，但这份记录很混乱。较早的传感器（称为 DMSP-OLS）捕获的是粗糙且常常饱和的图像，最亮的市中心在图上都呈现为相同的白色平面。自 2012 年以来运行的新型 VIIRS 传感器则能分辨更细微的亮度差异和更精细的结构，例如街区形状和主要道路。然而，旧系统和新系统使用不同的技术和量级，无法直接拼接在一起。以往试图创建“类似 VIIRS”的长期记录的努力，要么压低了城市的真实亮度，要么抹去了城内重要的细节。

重建夜景的两步法

作者提出了一个两阶段的深度学习框架以克服这些限制，并构建扩展的类似 VIIRS 的人工夜间光（EVAL）数据集。第一阶段，采用 U 形神经网络，将较早的夜间光观测与白天的 Landsat 影像（描述水体、农田和已建成地区等地表覆盖）结合，生成对每一年从 1980 年代到当下的现代 VIIRS 风格视图的初步估计。第二阶段，单独的精化模块引入分辨率为 30 米的高精度不透水面（混凝土、沥青和建筑）地图，以锐化城市和交通廊道的结构。这一额外信息帮助模型恢复老传感器无法清晰记录的城市纹理和道路网络细节。

更清晰的城市灯光与道路

为检验该方法的有效性，团队在 2012 年进行了测试，该年旧系统和新系统有重叠观测。他们将 EVAL 与另外两种试图将旧数据转为类似 VIIRS 图像的领先全球产品进行了比较。在若干图像质量指标上，EVAL 在像素级和对近 3,000 个县的灯光总和比较中都更接近真实的 VIIRS 观测。新数据集不仅避免了在市中心和工业区低估亮度的常见问题，还更好地恢复了从城市中心到郊区和小城镇逐渐变暗的空间梯度。在农村地区，EVAL 能捕捉到以前产品要么遗漏要么被过度平滑掉的延长公路和零散村落的细长痕迹。

追踪中国城市化的时序演变

由于 EVAL 将时间回溯到 1986 年并保持约 500 米的一致分辨率，它呈现了中国从小型城市核心向大规模城市群转变的动态影像。作者展示了北京—天津、上海、成都以及粤港澳大湾区等主要区域的时间切片。早期影像显示的是紧凑的亮点；后期则看到这些亮点变得更亮、扩散并最终合并为由若干中心组成的大型聚集区，通过明亮的交通廊道相互连接。当研究者将各省的夜间灯光总量与官方的人口和国内生产总值统计进行比较时，发现长期的相关性非常强——常常超过 0.95，表明这些发光地图可靠地追踪了经济增长和人类活动。

研究点亮世界的新基石

对非专业读者而言，核心信息很直接：这项工作将三十多年零散、不一致的夜间卫星影像整合为一部从 1986 年到现在的干净、类似 VIIRS 的中国灯光“电影”。通过更准确地捕捉灯光的亮度和细结构，EVAL 为研究城市化、不平等、能源可及性、碳排放以及与人类存在相关的环境影响提供了强有力的工具。就实际意义而言，这意味着从太空可见的光模式现在与地面上发生的变化更加紧密对齐。

引用: Tian, Y., Cheng, K.M., Zhang, Z. et al. An Extended VIIRS-like Artificial Nighttime Light Data Reconstruction (1986–2024). Sci Data 13, 233 (2026). https://doi.org/10.1038/s41597-026-06549-0

关键词: 夜间灯光, 城市化, 遥感, 中国, 深度学习