8月23日，记者从华中师范大学获悉，该校城市与环境科学学院三名本科生的论文在遥感学权威学术期刊《International Journal of Remote Sensing》上发表。
据了解，3名本科生叶佳、李史册、陈广平是李畅副教授指导的大学生创新创业训练计划和校“挑战杯”竞赛等创新业活动助推计划(A类a型重点)项 目骨干学生。 他们研究的项目名称为“利用夜间灯光数据监测、估算长江流域主要港口经济指标，其中在DMSP-OLS夜间灯光遥感影像数据研究方面取得重要进展。该研究 成果以题为“Study on radiometric intercalibration methods for DMSP-OLS night-time light time-series imagery”，发表在遥感学权威学术期刊《International Journal of Remote Sensing》(IF=1.652)Volume 37, Issue 16, 2016上。 “Chang Li, Jia Ye, Shice Li, Guangping Chen & Hao Xiong. Study on radiometric intercalibration methods for DMSP-OLS night-time light imagery [J].International Journal of Remote Sensing, 2016, 37(16)： 3675-3695”。
DMSP-OLS夜间灯光影像已经成功地应用在各个领域用于监测时空分布，比如城市化和社会经济活动。但是一直以来夜间灯光影像的辐射校正都存 在问题，比如DMSP-OLS夜间灯光影像是没有经过辐射校准，不同日期的影像不能直接使用，所以两幅影像的比较也很难进行，因此限制了夜间灯光影像在多 时分析中的应用。在辐射互校正过程中，本研究用线性函数来拟合在同一地区利用两个不同的传感器所收集到具有稳定光影像的像素值之间的关系。但是，由于在没 有调查的情况下，区域发出光的稳定性是未知的，所以选择参考点具有难度。因此，确定合适的时间以及稳定的特征是相对辐射校正标准化的关键。互校正模型的优 点在于能够自提取稳定光的参考点，还能自动地去除被视为外点(或粗差)的具有不稳定光的像元点。
该研究通过系统比较辐射相互校准的五种加权最小二乘回归(5 Weighted Least Squares Regression)算法，以确定具有最高准确性的方法。算法包括：(1)M估计：2.5倍sigma法(Empirical rule)，丹麦法(Danish method )以及验后方差估计法(Posterior Variance Estimation)；(2)随机抽样估计：随机抽样一致性算法(RANdom SAmple Consensus )和最小中值法(The least-median-of-squares)。通过实验得到稳健估计算法和随机抽样估计算法的粗差结果，从结果中分析并找出稳健估计算法和随机抽样 估计算法的夜间辐射值之间的粗差模型规律。研究中，相对误差(R2)以及绝对误差(均方根误差、中位数)都将用来评估算法的性能，此外提出了一个更为客观 的评价方法——调整后均方根误差(Adjusted Root Mean Square Error)来评估算法性能。通过实验，能够系统地分析不同算法的性能，并提出用于具体应用优化相互校准的建议。传统的模型评价标准往往只考虑了模型的相 对误差，对于能否真正准确的对实际辐射进行校正没有评价，通过设置检查区对绝对误差进行评价，使评价结论更加客观。研究讨论了不同的(绝对的和相对的)算 法评价标准用来改进两大类估算算法的性能，并且首次提出了调整后均方根误差，从不稳定灯光值(粗差)中发现了粗差分布规律——近似服从膨胀(随机)模型。
以上研究得到了国家自然科学基金、湖北省自然科学基金、2014年中央高校国家级大学生创新创业训练计划项目(201410511037)、共青团华中 师范大学2015 年“挑战杯”竞赛等创新业活动助推计划(A类a型重点)等项目的资助。课题组核心成员叶佳同学已被美国佐治亚理工学院(与麻省理工学院及加州理工学院并称 为美国三大理工学院)录取继续深造。
