遥感夜光数据集对比与下载指南

为什么要关注夜光遥感数据

夜光遥感数据记录的是夜间地表人工光源向上传播并被卫星探测到的辐射信号。它和白天光学遥感不同，不是看植被、水体、土壤或建筑物的反射特征，而是从夜间灯光强弱和空间分布中间接观察人类活动。

因此，夜光数据常被用于城市扩张、经济活动、能源消费、人口聚集、道路和港口活动、灾害断电、冲突影响、光污染和可持续发展目标评估。对于缺少连续统计数据的区域，夜光还能作为一种可空间化、可比较的代理指标。

但夜光数据不能简单理解成“真实 GDP 图”或“灯具清单”。不同传感器的过境时间、空间分辨率、辐射定标、云雪月光处理、饱和和溢出效应差异很大。特别是 DMSP-OLS 和 VIIRS-DNB 之间，值域、单位和成像能力并不一致，不能直接把两个数据源拼接成长时间序列。

本文按实际使用场景，梳理常用遥感夜光数据集。文中时间范围和版本信息截至 2026-05-21，正式使用前仍应以各数据源页面、DOI、数据论文或平台元数据为准。

先看结论

如果研究 1990 年代至 2010 年代早期的历史城市化或经济活动变化，可以从 DMSP-OLS Version 4 入手，但正式趋势分析更建议使用 CCNL 或其他校正后的 DMSP 产品。如果研究 2012 年以来的年度稳定夜光变化，优先看 EOG VIIRS VNL，尤其是年度 VNL V2 / V2.2。若关注 灾害断电、冲突、节假日、能源供应波动 等短期事件，则优先考虑 NASA Black Marble VNP46 或 EOG 夜间日尺度产品。

如果需要跨越 DMSP 和 VIIRS 的长期连续序列，不能直接把原始 DMSP DN 与 VIIRS 辐亮度相加或拼接，应考虑 Harmonized Global NTL、Global annual simulated VIIRS NTL、PANDA-China、EVAL 这类融合或重建产品。若研究城市内部道路、亮度纹理和小尺度建成区，可补充 Luojia-1 01、SDGSAT-1 等高分辨率夜光影像，但它们不适合作为全球长期序列的首选。

一个简单判断规则是：

主要数据集对比

按数据类型理解差异

1. DMSP-OLS 历史 DN 产品

DMSP-OLS 是夜光遥感研究最经典的数据源。它的优势是时间早，能覆盖 1992-2013 年，适合研究改革开放后期、全球城市扩张、历史电力可及性和宏观经济活动变化。很多早期城市化和经济 proxy 研究都基于 DMSP-OLS。

它的问题也很明显。DMSP-OLS 记录的是 DN 值，范围通常为 0-63，没有稳定的星上辐射定标；明亮城市中心容易饱和，亮区边缘会发生溢出或 blooming；不同卫星、不同年份之间也存在不一致。若只是做示意图，原始稳定灯光产品可以使用；若要做趋势、回归或跨年比较，应优先使用 CCNL 等校正产品，或自己明确给出跨卫星校正方法。

2. VIIRS-DNB 辐亮度产品

VIIRS-DNB 是 DMSP-OLS 的重要后继数据源。相比 DMSP，VIIRS 具有更好的辐射定标、更宽的动态范围和更细的空间分辨率，城市中心饱和和溢出问题明显减弱。EOG VIIRS VNL 是目前使用最广泛的 VIIRS 夜光产品之一，提供月度、年度和部分夜间相关数据。

对于常规城市化和年度统计，优先使用年度 VNL，尤其是 average_masked 或 median_masked 这类已经做背景屏蔽的变量。对于月尺度研究，不能把平均辐亮度中的 0 直接解释为“没有灯光”，要结合 cf_cvg 或同类云空观测覆盖层判断当月是否有足够有效观测。

3. NASA Black Marble 校正产品

NASA Black Marble VNP46 更适合需要严格质量控制和日尺度变化分析的任务。它包含 TOA 夜间辐射产品、月光校正后的日尺度夜光产品，以及月度、年度复合产品。相较普通月度或年度合成，Black Marble 更重视月光、云、雪、地形、观测角度和杂散光等因素。

如果研究问题是“台风或地震后哪里断电”“冲突期间某个城市夜间亮度是否下降”“节假日活动是否造成夜光异常”，Black Marble 往往比单纯年度 VNL 更合适。代价是数据结构和 QA 使用更复杂，正式分析前必须读产品用户指南，不宜只取一个亮度波段就直接做结论。

4. 跨传感器融合和重建产品

长期序列是夜光遥感最常见的需求之一，但 DMSP 与 VIIRS 不能直接拼接。二者的过境时间、空间分辨率、单位和值域不同，DMSP 是粗分辨率 DN，VIIRS 是辐亮度，简单拼接会把传感器差异误判为城市或经济变化。

Harmonized Global NTL、Global annual simulated VIIRS NTL、PANDA-China、EVAL 等产品就是为了解决这个问题。它们通过统计模型、深度学习或辅助地表数据，把不同传感器转换到较一致的表达空间。使用这类产品时，要在论文或报告中说明它是“重建/融合产品”，而不是原始观测；同时要避免把模型推断出的早期亮度当成完全等价的实测 VIIRS 辐亮度。

5. 高分辨率夜光影像

Luojia-1 01、SDGSAT-1、Jilin-1 等高分辨率夜光影像让夜光遥感从城市尺度进一步走向街区、道路和局地照明结构。以 Luojia-1 01 为例，公开论文中常见分辨率约 130 m，明显细于 VIIRS；SDGSAT-1 Glimmer Imager 则常被用于 10 m 全色和 40 m 多光谱夜光研究。

这类数据适合城市内部结构、道路照明、港口、工业园区和局地光污染研究。但它们通常不是多年全球连续产品，覆盖、时相、云空条件和数据获取方式都需要逐景核对。对于全国或全球长期趋势，仍应优先使用 DMSP、VIIRS 或经验证的长期重建产品。

典型场景怎么选

长期城市化和建成区扩张

如果研究 1992-2013 年，优先考虑 DMSP-OLS 校正产品，例如 CCNL。若研究 1992 年以来到近年的连续变化，可考虑 Harmonized Global NTL 或 Global annual simulated VIIRS NTL。中国区域可补充 PANDA-China 或 EVAL。

不建议直接把 DMSP 原始 DN 与 VIIRS 辐亮度拼成一条曲线。即便空间上重采样到同一分辨率，值域和物理含义仍然不同。

经济活动和人口 proxy

夜光常用于 GDP、人口、用电量、商业活力和贫困程度估计，但它只是代理指标。对于省、市、县尺度统计，可使用 EOG VIIRS VNL 年度产品或长期重建产品，按行政区求总亮度、平均亮度、亮区面积或亮度分位数。

需要注意，夜光与经济活动的关系并不总是线性的。高收入城市中心可能饱和或节能改造导致亮度不再同步增长，工业区、港口、矿山、油气燃烧和景观照明也会改变统计关系。正式建模时应和人口、土地利用、不透水面、道路或统计年鉴数据交叉验证。

能源可及性和断电监测

能源可及性、供电稳定性和断电监测更依赖短期变化。年度产品适合看长期改善，但不适合识别某一晚或某一周的断电。对于台风、地震、战争或电网故障，优先使用 NASA Black Marble 日尺度产品，或 EOG 夜间 DNB 影像，并结合灾害发生时间窗口、云层和月光条件筛选有效观测。

不要把阴云遮挡、雪面反射变化或低观测覆盖误判成断电。事件研究最好设置灾前基准期、灾后观察期和未受影响对照区。

灾害、冲突和人道主义监测

夜光可用于评估冲突影响、难民营活动、城市封锁、洪水或地震后的恢复过程。EOG VNL 和 Black Marble 都有相关应用基础。若只做年度前后对比，VNL 足够；若关心事件过程，则应使用日尺度或月尺度数据。

此类研究容易受到伦理和解释风险影响。夜光下降并不必然等于人口迁出，也可能是供电限制、宵禁、季节用电或云雪质量问题。结论中应明确“不确定性来自夜光代理指标本身”。

光污染和生态影响

光污染研究通常更关心稳定灯光强度、亮区范围、增长趋势和生态敏感区域暴露。2012 年以来可优先使用 EOG VIIRS VNL 年度产品；如果关注月尺度季节性照明，可以使用月产品，但要处理云空覆盖、雪面反射、月光和极光扰动。

对于自然保护地、海岸带、鸟类迁徙廊道等敏感区域，建议同时统计缓冲区亮度、亮区面积和高亮像元比例，而不是只看行政区平均值。

城市内部精细研究

如果研究对象是城市道路网络、商业街区、港口码头、工业园区或村庄级建成区，VIIRS 的 500 m 分辨率可能过粗。此时可考虑 Luojia-1 01、SDGSAT-1、Jilin-1 等高分辨率夜光影像，并和 Landsat、Sentinel-2、不透水面、POI、道路网或高分影像结合。

这类研究要把“单景精细结构”和“长期连续趋势”区分开。高分辨率单景适合做空间识别，长期趋势仍应回到稳定时序产品。

中国区域长时序研究

中国区域如果只需要 2012 年以来的稳定年度夜光，EOG VIIRS VNL 是最直接的选择。如果需要 1980 年代或 1990 年代以来的长序列，可重点比较 PANDA-China、EVAL、CCNL、Harmonized Global NTL 和 Global annual simulated VIIRS NTL。

不同中国区域产品的目标不同。PANDA-China 强调 1984-2020 年中国长期 DMSP-like 夜光动态；EVAL 强调 1986-2024 年 500 m VIIRS-like 重建和结构细节。正式使用时要先确认值域、单位、空间分辨率、投影、数据版本和引用方式。

平台访问与下载入口

使用前要检查的几个问题

1. 单位和值域是什么：DMSP 常见是 DN 0-63，VIIRS 通常是辐亮度 nW/cm²/sr 或类似单位，重建产品可能是 DMSP-like 或 VIIRS-like，不能混为一谈。
2. 是否跨传感器校正：DMSP 与 VIIRS 不可直接拼接。长期序列必须说明校正、融合或重建方法。
3. 是否处理饱和和溢出：DMSP 城市中心饱和严重，亮区边缘会扩散，城市面积提取和亮度总量统计都可能偏高。
4. 是否使用 cloud-free coverage：VIIRS 月度或年度产品中的 cf_cvg 能反映有效观测数量，低覆盖区域的亮度均值不应直接解释。
5. 是否屏蔽非城市灯光：气体燃烧、渔船、火点、极光、临时活动和背景噪声都会影响夜光，海上、油气区和高纬度区域尤其要谨慎。
6. 是否考虑月光、雪和季节性照明：冬季雪面、节假日、农业温室和季节性旅游照明会改变亮度，不一定代表经济活动变化。
7. 统计尺度是否合理：像元平均、亮区面积、亮度总和、分位数和按人口加权的亮度含义不同，行政区面积差异大时不要只比较均值。
8. 面积计算是否使用等面积投影：全球夜光产品多为经纬度网格，做面积统计前应投影到等面积坐标系或使用逐像元面积。
9. 是否保留版本和下载日期：夜光产品更新较快，VNL V2、V2.1、V2.2 或不同重建产品之间不能混用而不说明。
10. 引用是否回到原始来源：GEE 方便分析，但论文、报告和数据说明应引用 EOG、NASA、数据论文、DOI 或官方数据平台。

常见误区

夜光越亮不一定经济越发达。高亮可能来自工业火炬、港口、机场、温室、景观灯或临时活动；低亮也可能来自节能照明、灯具遮光、用电结构变化或观测条件差。

夜光变化不一定等于人口变化。人口密集但照明弱的地区、商业区和居住区分离的城市、能源结构快速变化的区域，都可能出现夜光与人口脱钩。

高分辨率不一定更适合长期研究。Luojia-1、SDGSAT-1 等高分辨率影像能看清局地结构，但如果时相不连续，做 30 年趋势仍然不如稳定年度产品。

重建产品不等于原始观测。PANDA-China、EVAL、simulated VIIRS 等产品很有价值，但它们包含模型推断，应在方法中说明不确定性，并尽量用独立统计数据或已知事件验证。

小结

遥感夜光数据的核心价值，是为人类活动提供一种可空间化、可时间比较的观测维度。历史研究优先看 DMSP-OLS 校正产品，2012 年以来年度变化优先看 EOG VIIRS VNL，短期事件监测优先看 NASA Black Marble 或夜间日尺度数据，跨传感器长期趋势则应使用经过明确校正或重建的产品。

真正可靠的流程，是先按研究目标选定 2-3 个候选数据，再核对时间范围、空间分辨率、单位、质量控制、跨传感器一致性、非城市灯光噪声和引用许可。夜光数据越常被当作经济和社会活动 proxy，越需要把“遥感观测值”和“社会经济解释”之间的边界写清楚。