Extended VIIRS-like Artificial Nighttime Light (EVAL)

EVAL数据集是由清华大学地球系统科学系等机构联合开发的，用于扩展VIIRS-like夜间灯光数据的时间序列，覆盖从1986年到2024年的长时间序列。该数据集通过构建和细化两个阶段的重建框架，显著提高了重建质量，解决了现有方法的不足，如光强度估计不足和结构遗漏问题。EVAL数据集具有较高的时间和空间一致性，与社会经济参数相关性良好，为长期分析提供了可靠的数据支持。

The EVAL dataset was jointly developed by the Department of Earth System Science of Tsinghua University and other institutions, aiming to extend the time series of VIIRS-like nighttime light data, covering the long-term period from 1986 to 2024. This dataset adopts a two-stage reconstruction framework consisting of construction and refinement stages, which significantly improves the reconstruction quality and addresses the limitations of existing methods such as insufficient light intensity estimation and missing structural details. The EVAL dataset features high temporal and spatial consistency, and shows good correlation with socioeconomic parameters, providing reliable data support for long-term analysis.

搜集汇总

数据集介绍

构建方式

EVAL数据集的构建采用了一种创新的两阶段框架，包括构建阶段和优化阶段。构建阶段通过分层融合解码器（HFD）初步重建夜间灯光数据，而优化阶段则利用双特征优化器（DFR）结合高分辨率不透水面掩膜进行精细调整。该方法通过融合DMSP-OLS夜间灯光数据和Landsat地表反射率数据，生成高质量的VIIRS-like夜间灯光产品。

使用方法

EVAL数据集适用于长时间序列的人类活动监测、城市化进程评估和可持续发展研究。用户可通过公开的数据平台获取年度合成的夜间灯光数据，并根据研究需求进行时空分析。数据集包含重建期（1986-2013）和官方处理期（2012-2024）两部分，重叠年份便于验证数据质量。

背景与挑战

背景概述

Extended VIIRS-like Artificial Nighttime Light (EVAL) 数据集由清华大学地球系统科学系、威斯康星大学麦迪逊分校计算机科学系等机构的研究团队于2025年提出，旨在解决夜间灯光遥感数据长期序列重建的难题。该数据集通过创新的两阶段重建框架，将VIIRS-like夜间灯光数据的时间覆盖范围扩展至1986-2024年，为城市化进程监测、社会经济评估等研究提供了高精度的时间序列数据支持。EVAL采用分层融合解码器（HFD）和双特征优化器（DFR）等先进技术，显著提升了重建质量，其R²达到0.80，较现有最优产品提升17.6%。该数据集已成为研究人类活动与全球变化相互作用的重要基准。

当前挑战

EVAL数据集面临的核心挑战体现在两个方面：领域问题方面，传统夜间灯光数据存在时间覆盖不足（VIIRS始于2012年）、传感器间数据异构（DMSP-OLS与VIIRS数据不可直接比较）、高强度区域信号低估以及城市内部结构缺失等问题；数据构建方面，研究团队需要克服早期DMSP-OLS数据缺乏星上校准导致的辐射不一致性、多源辅助数据（如Landsat地表反射率、全球不透水面数据）的时空匹配难题，以及深度学习模型在跨传感器特征转换中的梯度信息损失等技术瓶颈。特别是1986-1991年数据需依赖PANDA-China数据集进行推断，其时间外推可靠性仍需进一步验证。

常用场景

经典使用场景

EVAL数据集作为VIIRS-like夜间灯光数据的扩展版本，在城市化进程监测和人类活动强度评估中具有重要应用。通过覆盖1986至2024年的长时间序列数据，EVAL能够捕捉城市扩张、区域经济发展以及基础设施建设的动态变化。其高分辨率和时间一致性使其成为研究长时间尺度社会经济活动的理想数据源。

解决学术问题

EVAL数据集解决了夜间灯光数据在长时间序列分析中的两个主要问题：光强低估和结构缺失。通过引入Hierarchical Fusion Decoder (HFD)和Dual Feature Refiner (DFR)模块，EVAL显著提升了数据质量，R2从0.68提升至0.80，RMSE从1.27降至0.99。这些改进为城市化、社会经济评估和碳排放估算等研究提供了更可靠的数据支持。

实际应用

EVAL数据集在实际应用中广泛用于城市规划和政策制定。例如，政府部门可以利用EVAL监测城市扩张速度，评估区域发展不平衡问题，并优化基础设施布局。此外，EVAL还可用于灾害风险评估，如通过夜间灯光变化识别受灾区域，为应急响应提供数据支持。

数据集最近研究

最新研究方向

近年来，Extended VIIRS-like Artificial Nighttime Light (EVAL)数据集在夜间灯光遥感领域引起了广泛关注。该数据集通过创新的两阶段重建框架，显著提升了VIIRS-like夜间灯光数据的时空连续性和结构保真度。在城市化进程监测、社会经济活动评估以及碳排放估算等热点研究方向，EVAL数据集展现出独特的应用潜力。其采用的跨分辨率局部注意力机制和层次融合解码器技术，为解决传统方法中普遍存在的亮度低估和结构缺失问题提供了新思路。该数据集的推出不仅填补了1986-2012年间高质量夜间灯光数据的空白，更为研究人类活动与全球变化的长期交互机制提供了重要数据支撑。

相关研究论文

• A Novel Modeling Framework and Data Product for Extended VIIRS-like Artificial Nighttime Light Image Reconstruction (1986-2024)

  清华大学地球系统科学系, 威斯康星大学麦迪逊分校计算机科学系, 中国科学院自动化研究所, 中国国家减灾中心, 中国科学院空天信息研究院 · 2025年