全球逐年类DMSP夜间灯光数据集（1984-2025）

夜间灯光遥感可表征人类活动，是城市化和经济格局研究的重要数据。但现有夜间灯光产品存在传感器差异、时间断档和尺度不匹配，难以支撑长期连续分析。本研究提出时间–空间适应性全球双向延申深度学习框架，在前向延申时借助历史演变趋势采用基于时间序列信息的网络结构，在后向延申时借助多源遥感数据采用基于空间特征信息的网络结构，构建了1984–2025年前后延申长达42年的全球逐年类DMSP夜间灯光数据集（GLEND）。该产品不仅提供史无前例的全球范围内长时间序列数据支持，而且解决了现有重建产品普遍存在的时间断裂问题，具有高精度和良好空间一致性，在与原始DMSP的像元级对比中R2达到0.97。从外部验证数据来看，相对原始DMSP,GLEND 分别对与人口、GDP的R提高了 20%、 12%。其应用价值可服务于城市化、区域发展、经济格局和可持续发展研究。