夜光遥感数据挖掘研究进展与展望

李熙; 王孟杰; 伍亿真; 李永兴; 谢齐元

doi:10.13203/j.whugis20260303

您当前的位置：

首页 >

文章列表页 >

夜光遥感数据挖掘研究进展与展望

摄影测量与遥感 | 更新时间：2026-10-15

- 夜光遥感数据挖掘研究进展与展望
- Research Progress and Prospects of Nighttime Light Remote Sensing Data Mining
- 武汉大学学报（信息科学版） 2026年51卷第11期页码：2356-2373
- 作者机构：
  
  武汉大学测绘遥感信息工程全国重点实验室，湖北武汉，430079
- 作者简介：
  
  李熙，博士，教授，研究方向为夜光遥感。li_rs@163.com
- 基金信息：
  
  国家自然科学基金(42271371)
- DOI：10.13203/j.whugis20260303
  中图分类号： P237
- 收稿：2026-08-11，
  
  纸质出版：2026-11-05
- 稿件说明：
移动端阅览
李熙,王孟杰,伍亿真，等.夜光遥感数据挖掘研究进展与展望[J].武汉大学学报（信息科学版）,2026,51(11):2356-2373.

LI Xi,WANG Mengjie,WU Yizhen,et al.Research Progress and Prospects of Nighttime Light Remote Sensing Data Mining[J].Geomatics and Information Science of Wuhan University,2026,51(11):2356-2373.
李熙,王孟杰,伍亿真，等.夜光遥感数据挖掘研究进展与展望[J].武汉大学学报（信息科学版）,2026,51(11):2356-2373. DOI：10.13203/j.whugis20260303

LI Xi,WANG Mengjie,WU Yizhen,et al.Research Progress and Prospects of Nighttime Light Remote Sensing Data Mining[J].Geomatics and Information Science of Wuhan University,2026,51(11):2356-2373. DOI：10.13203/j.whugis20260303

摘要

夜光遥感作为表征人类活动空间分布和社会经济发展水平的重要遥感技术，具有覆盖范围广、时间连续性强和空间表达能力突出等优势，已广泛应用于社会经济研究领域。近年来，随着多源夜光数据获取能力提升以及人工智能、数据融合等技术的发展，夜光遥感研究逐渐由传统统计分析向智能化数据挖掘方向发展。系统综述了夜光遥感数据挖掘研究进展，首先介绍夜光遥感主流传感器与数据产品的发展特点；然后总结夜光数据特征表达、数据驱动模型和多模态融合等关键方法的发展现状；进一步归纳夜光遥感在社会经济监测、城市发展、灾害响应、能源与碳排放、生态环境及资源活动监测等方面的应用进展，可为夜光遥感数据挖掘研究及相关应用提供参考。

Abstract

Nighttime light (NTL) remote sensing has become an important technology for characterizing the spatial distribution of human activities and socio-economic development. With the rapid development of NTL sensors

multi-source data products

artificial intelligence

and data fusion techniques

NTL remote sensing has evolved from simple radiance-based characterization toward intelligent data mining and comprehensive socio-economic analysis. A systematic review of the development

key technologies

applications

and future directions of NTL remote sensing data mining is essential for understanding the evolution and advancement of this field. First

the development of major NTL remote sensing sensors and representative data products is summarized

including their characteristics in terms of spatial resolution

temporal coverage

and radiometric capability. Then

the physical mechanisms and quantitative modeling approaches of NTL signals are reviewed

including radiometric representation

radiation anisotropy

and radiative transfer modeling. Recent advances in NTL data mining methods are further discussed

with emphasis on NTL feature representation

statistical and machine learning models

deep learning approaches

and multimodal data fusion frameworks. Finally

the applications of NTL remote sensing in socio-economic monitoring

urban development analysis

disaster assessment

energy and carbon emission estimation

ecological environment monitoring

and resource activity detection are summarized. The review demonstrates that NTL remote sensing has undergone a transition from sensor-based observation and empirical statistical analysis to physics-informed modeling and intelligent data-driven mining. Improvements in sensor capabilities and quantitative correction methods have enhanced the reliability and interpretability of NTL data. Meanwhile

machine learning

deep learning

and multimodal fusion approaches have substantially improved the extraction of complex spatial patterns and socio-economic information from NTL observations. These advances have expanded the applications of NTL remote sensing from traditional economic indicator estimation toward fine-scale human activity monitoring and dynamic environmental assessment. Despite significant progress

NTL remote sensing still faces challenges

including limited physical interpretation of socio-economic relationships

insufficient model generalization across regions

and difficulties in integrating heterogeneous multi-source data. Future research should focus on high-resolution NTL observations

advanced artificial intelligence models

physics-informed data mining

and multimodal integration to improve the accuracy

interpretability

and applicability of NTL remote sensing. These developments will further promote the application of NTL remote sensing in global change research

sustainable urban development

and socio-economic assessment.

关键词

Keywords

references

LI D R ， ZHAO X ， LI X . Remote Sensing of Human Beings： A Perspective from Nighttime Light ［J］. Geo⁃spatial Information Science ， 2016 ， 19 （ 1 ）： 69 - 79 .

CHEN X ， NORDHAUS W D . Using Luminosity Data as a Proxy for Economic Statistics ［J］. Proceedings of the National Academy of Sciences of the United States of America ， 2011 ， 108 （ 21 ）： 8589 - 8594 .

HUANG Q X ， YANG X ， GAO B ， et al . Application of DMSP/OLS Nighttime Light Images： A Meta-Analysis and a Systematic Literature Review ［J］. Remote Sensing ， 2014 ， 6 （ 8 ）： 6844 - 6866 .

ELVIDGE C D ， BAUGH K ， ZHIZHIN M ， et al . VIIRS Nighttime Lights ［J］. International Journal of Remote Sensing ， 2017 ， 38 （ 21 ）： 5860 - 5879 .

XU J B ， SONG J ， LI B C ， et al . Combining Night time Lights in Prediction of Poverty Incidence at the County Level ［J］. Applied Geography ， 2021 ， 135 ： 102552 .

YEH C ， PEREZ A ， DRISCOLL A ， et al . Using Publicly Available Satellite Imagery and Deep Learning to Understand Economic Well-Being in Africa ［J］. Nature Communications ， 2020 ， 11 ： 2583 .

CROFT T A . Nighttime Images of the Earth from Space ［J］. Scientific American ， 1978 ， 239 （ 1 ）： 86 - 98 .

ELVIDGE C D ， BAUGH K E ， KIHN E A ， et al . Mapping City Lights with Nighttime Data from the DMSP Operational Linescan System ［J］. Photogrammetric Engineering and Remote Sensing ， 1997 ， 63 （ 6 ）： 727 - 734 .

LI X ， WANG S Y ， WANG S J ， et al . Luojia-4 Nighttime Light Images and Its Applications in Humanitarian Mapping ［J］. Geo⁃spatial Information Science ， 2025 ， 28 （ 5 ）： 1993 - 1997 .

SU Z Q ， ZHONG X ， ZHANG G ， et al . High Sensitive Nighttime Light Imaging Camera Design and In-Orbit Test of Luojia1-01 Satellite ［J］. Sensors ， 2019 ， 19 （ 4 ）： 797 .

ZHU X L ， TAN X Y ， LIAO M L ， et al . Assessment of a New Fine-Resolution Nighttime Light Imagery from the Yangwang-1 （“Look up 1”） Satellite ［J］. IEEE Geoscience and Remote Sensing Letters ， 2022 ， 19 ： 6505205 .

钟芊芊，肖锐，曹汉瑞，等 . 启明星一号夜间灯光影像的评估［J］. 武汉大学学报（信息科学版）， 2023 ， 48 （ 8 ）： 1273 - 1285 .

ZHONG Qianqian ， XIAO Rui ， CAO Hanrui ， et al . Evaluation of Qimingxing-1 Nighttime Light Image ［J］. Geomatics and Information Science of Wuhan University ， 2023 ， 48 （ 8 ）： 1273 - 1285 .

ZHENG Q M ， WENG Q H ， HUANG L Y ， et al . A New Source of Multi-Spectral High Spatial Resolution Nighttime Light Imagery： JL1-3B ［J］. Remote Sensing of Environment ， 2018 ， 215 ： 300 - 312 .

MURATA H ， SHIBASAKI R ， IMURA N ， et al . Identifying the Operational Status of Container Terminals from High-Resolution Nighttime-Light Satellite Image for Global Supply Chain Network Optimization ［J］. Frontiers in Remote Sensing ， 2023 ， 4 ： 1229745 .

GUO H D ， DOU C Y ， CHEN H Y ， et al . SDGSAT-1： The World’s First Scientific Satellite for Sustainable Development Goals ［J］. Science Bulletin ， 2023 ， 68 （ 1 ）： 34 - 38 .

LI X ， LEVIN N ， XIE J L ， et al . Monitoring Hourly Nighttime Light by an Unmanned Aerial Vehicle and Its Implications to Satellite Remote Sensing ［J］. Remote Sensing of Environment ， 2020 ， 247 ： 111942 .

ZOU C R ， CHEN Z Q ， YU B L ， et al . An Object-Oriented Nighttime Light Classification Based on Light Color Temperature： A New Perspective from AAV Nighttime Images ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2025 ， 63 ： 5613113 .

HÄNEL A ， POSCH T ， RIBAS S J ， et al . Measuring Night Sky Brightness： Methods and Challenges ［J］. Journal of Quantitative Spectroscopy and Radiative Transfer ， 2018 ， 205 ： 278 - 290 .

LEVIN N . Quantifying the Variability of Ground Light Sources and Their Relationships with Spaceborne Observations of Night Lights Using Multidirectional and Multispectral Measurements ［J］. Sensors ， 2023 ， 23 （ 19 ）： 8237 .

LEVIN N . Challenges in Remote Sensing of Night Lights： A Research Agenda for the Next Decade ［J］. Remote Sensing of Environment ， 2025 ， 328 ： 114869 .

ELVIDGE C D ， BAUGH K E ， DIETZ J B ， et al . Radiance Calibration of DMSP-OLS Low-Light Imaging Data of Human Settlements ［J］. Remote Sensing of Environment ， 1999 ， 68 （ 1 ）： 77 - 88 .

LI X ， SHANG X Y ， ZHANG Q L ， et al . Using Radiant Intensity to Characterize the Anisotropy of Satellite-Derived City Light at Night ［J］. Remote Sensing of Environment ， 2022 ， 271 ： 112920 .

LI X ， SUN B Q ， CAO H R . Estimating Radiant Flux of Nighttime Light Images from NASA’s Black Marble Product ［J］. Geo⁃spatial Information Science ， 2026 ， 29 （ 3 ）： 2325 - 2330 .

ZENG H H ， JIA M M ， NING X Y ， et al . Quantitative Characterization of Global Nighttime Light： A Method for Measuring Energy Intensity Based on Radiant Flux and SNPP-VIIRS Data ［J］. Remote Sensing of Environment ， 2025 ， 318 ： 114576 .

ZHONG L ， WANG X J ， ZHENG Z H ， et al . Multispectral Nighttime Light Remote Sensing： Data， Applications， and Challenges ［J］. Remote Sensing of Environment ， 2026 ， 344 ： 115530 .

LI X ， MA R Q ， ZHANG Q L ， et al . Anisotropic Characteristic of Artificial Light at Night： Systematic Investigation with VIIRS DNB Multi-temporal Observations ［J］. Remote Sensing of Environment ， 2019 ， 233 ： 111357 .

TAN X Y ， ZHU X L ， CHEN J ， et al . Modeling the Direction and Magnitude of Angular Effects in Nighttime Light Remote Sensing ［J］. Remote Sensing of Environment ， 2022 ， 269 ： 112834 .

WU J ， LI X ， LI D R . Investigating the Anisotropy of Nighttime Light Using an Unmanned Aerial Vehicle Combined with Scaled Experiments ［J］. Remote Sensing of Environment ， 2025 ， 329 ： 114960 .

LI J J ， LI X ， LI D R . Impact of Vegetation Phenology on Anisotropy of Artificial Light at Night： Evidence from Multi-angle Satellite Observations ［J］. Remote Sensing of Environment ， 2025 ， 317 ： 114525 .

CAO X ， HU Y ， ZHU X L ， et al . A Simple Self-Adjusting Model for Correcting the Blooming Effects in DMSP-OLS Nighttime Light Images ［J］. Remote Sensing of Environment ， 2019 ， 224 ： 401 - 411 .

CAO C Y ， BAI Y . Quantitative Analysis of VIIRS DNB Nightlight Point Source for Light Power Estimation and Stability Monitoring ［J］. Remote Sensing ， 2014 ， 6 （ 12 ）： 11915 - 11935 .

YAN L ， HU Y H ， DOU C Y ， et al . Radiometric Calibration of SDGSAT-1 Nighttime Light Payload ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2024 ， 62 ： 1000715 .

MIN M ， ZHENG J Y ， ZHANG P ， et al . A Low-Light Radiative Transfer Model for Satellite Observations of Moonlight and Earth Surface Light at Night ［J］. Journal of Quantitative Spectroscopy and Radiative Transfer ， 2020 ， 247 ： 106954 .

HE J C ， ZHANG W H ， LIU S J ， et al . Applicability Analysis of Three Atmospheric Radiative Transfer Models in Nighttime ［J］. Atmosphere ， 2024 ， 15 （ 1 ）： 126 .

WANG J ， ZHOU M ， XU X G ， et al . Development of a Nighttime Shortwave Radiative Transfer Model for Remote Sensing of Nocturnal Aerosols and Fires from VIIRS ［J］. Remote Sensing of Environment ， 2020 ， 241 ： 111727 .

ROMÁN M O ， WANG Z S ， SUN Q S ， et al . NASA’s Black Marble Nighttime Lights Product Suite ［J］. Remote Sensing of Environment ， 2018 ， 210 ： 113 - 143 .

HENDERSON J V ， STOREYGARD A ， WEIL D N . Measuring Economic Growth from Outer Space ［J］. American Economic Review ， 2012 ， 102 （ 2 ）： 994 - 1028 .

GUO W ， LIU J K ， ZHAO X S ， et al . Spatiotemporal Dynamics of Population Density in China Using Nighttime Light and Geographic Weighted Regression Method ［J］. International Journal of Digital Earth ， 2023 ， 16 （ 1 ）： 2704 - 2723 .

ZHANG W S ， JIANG L ， CUI Y Z ， et al . Effects of Urbanization on Airport CO 2 Emissions： A Geographically Weighted Approach Using Nighttime Light Data in China ［J］. Resources， Conservation and Recycling ， 2019 ， 150 ： 104454 .

WANG Z Y ， XIA N ， ZHAO X ， et al . Evaluating Urban Vitality of Street Blocks Based on Multi-source Geographic Big Data： A Case Study of Shenzhen ［J］. International Journal of Environmental Research and Public Health ， 2023 ， 20 （ 5 ）： 3821 .

WANG M J ， LI X . Estimation of Long Time-Series Fine-Grained Asset Wealth in Africa Using Publicly Available Remote Sensing Imagery ［J］. International Journal of Applied Earth Observation and Geoinformation ， 2024 ， 135 ： 104269 .

LIU H Y ， HE X W ， BAI Y B ， et al . Nightlight as a Proxy of Economic Indicators： Fine-Grained GDP Inference Around Chinese Mainland via Attention-Augmented CNN from Daytime Satellite Imagery ［J］. Remote Sensing ， 2021 ， 13 （ 11 ）： 2067 .

ZHANG H ， DONG G P ， LI B ， et al . Developing an Annual Global Sub-National Scale Economic Data from 1992 to 2021 Using Nighttime Lights and Deep Learning ［J］. International Journal of Applied Earth Observation and Geoinformation ， 2024 ， 133 ： 104086 .

CHI G H ， FANG H ， CHATTERJEE S ， et al . Microestimates of Wealth for all Low- and Middle-Income Countries ［J］. Proceedings of the National Academy of Sciences of the United States of America ， 2022 ， 119 （ 3 ）： e2113658119 .

CHEN J Y ， CHEN Y B ， ZHENG Z H ， et al . Urban Functional Zone Classification Based on High-Resolution Remote Sensing Imagery and Nighttime Light Imagery ［J］. Remote Sensing ， 2025 ， 17 （ 9 ）： 1588 .

SHI K F ， WU Y Z ， LIU S R ， et al . Mapping and Evaluating Global Urban Entities （2000-2020）： A Novel Perspective to Delineate Urban Entities Based on Consistent Nighttime Light Data ［J］. GIScience & Remote Sensing ， 2023 ， 60 （ 1 ）： 2161199 .

ZHENG Y M ， TANG L N ， WANG H W . An Improved Approach for Monitoring Urban Built-up Areas by Combining NPP-VIIRS Nighttime Light， NDVI， NDWI， and NDBI ［J］. Journal of Cleaner Production ， 2021 ， 328 ： 129488 .

CHEN Z Q ， YU B L ， ZHOU Y Y ， et al . Mapping Global Urban Areas from 2000 to 2012 Using Time-Series Nighttime Light Data and MODIS Products ［J］. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing ， 2019 ， 12 （ 4 ）： 1143 - 1153 .

WANG L ， YE C ， CHEN F ， et al . CG-CFPANet： A Multi-task Network for Built-up Area Extraction from SDGSAT-1 and Sentinel-2 Remote Sensing Images ［J］. International Journal of Digital Earth ， 2024 ， 17 （ 1 ）： 2310092 .

JIANG L L ， WU Y Z ， WANG J R ， et al . A Nonparametric Approach for Detecting Urban Polycentric Spatial Structure in China Using Remote Sensing Nighttime Light and Point of Interest Data ［J］. GIScience & Remote Sensing ， 2024 ， 61 （ 1 ）： 2383461 .

LI Z M ， CHEN B ， HUANG Y F ， et al . Enhanced Mapping of Essential Urban Land Use Categories in China （EULUC-China 2.0）： Integrating Multimodal Deep Learning with Multisource Geospatial Data ［J］. Science Bulletin ， 2025 ， 70 （ 18 ）： 3029 - 3041 .

LI Z H ， LI L X ， HU T ， et al . Satellite Mapping of Every Building’s Function in Urban China Reveals Deep Built Environment Disparities ［J］. Nature Communications ， 2026 ， 17 ： 2827 .

CHEN Y F ， HE C K ， GUO W ， et al . Mapping Urban Functional Areas Using Multisource Remote Sensing Images and Open Big Data ［J］. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing ， 2023 ， 16 ： 7919 - 7931 .

FAN R Y ， LI J ， SONG W J ， et al . Urban Informal Settlements Classification via a Transformer-Based Spatial-Temporal Fusion Network Using Multimodal Remote Sensing and Time-Series Human Activity Data ［J］. International Journal of Applied Earth Observation and Geoinformation ， 2022 ， 111 ： 102831 .

HONG J R ， GUO Z ， FENG C C ， et al . A Multimodal Deep Learning Framework of Large-Scale Urban Functional Zone Mapping in the Guangdong-Hong Kong-Macao Greater Bay Area ［J］. International Journal of Digital Earth ， 2025 ， 18 （ 2 ）： 2579795 .

YU B L ， LIAN T ， HUANG Y X ， et al . Integration of Nighttime Light Remote Sensing Images and Taxi GPS Tracking Data for Population Surface Enhancement ［J］. International Journal of Geographical Information Science ， 2019 ， 33 （ 4 ）： 687 - 706 .

FENG P J ， MA Z ， YAN J N ， et al . High-Resolution Population Mapping by Fusing Remote Sensing and Social Sensing Data Considering the Spatial Scale Mismatch Issue ［J］. International Journal of Digital Earth ， 2025 ， 18 （ 1 ）： 2479863 .

YU T T ， YE Y W ， FAN Z Y . Estimating GDP Growth Using VIIRS Nighttime Light Data ［J］. International Journal of Remote Sensing ， 2024 ， 45 （ 21 ）： 7939 - 7958 .

MCSHARRY P ， MAWEJJE J . Estimating Urban GDP Growth Using Nighttime Lights and Machine Learning Techniques in Data Poor Environments： The Case of South Sudan ［J］. Technological Forecasting and Social Change ， 2024 ， 203 ： 123399 .

李德仁，秦昆，张过，等 . 社会遥感地理计算的研究进展与创新［J］. 武汉大学学报（信息科学版）， 2026 ， 51 （ 1 ）： 1 - 21 .

LI Deren ， QIN Kun ， ZHANG Guo ， et al . Development and Innovation of Geo-Computation for Social Remote Sensing ［J］. Geomatics and Information Science of Wuhan University ， 2026 ， 51 （ 1 ）： 1 - 21 .

KIM J . Infrastructure of the Digital Economy： Some Empirical Findings with the Case of Korea ［J］. Technological Forecasting and Social Change ， 2006 ， 73 （ 4 ）： 377 - 389 .

ZHANG L M ， CHEN S . China’s Digital Economy： Opportunities and Risks ［M］. Washington ： International Monetary Fund ， 2019 .

CHEN Z Q ， WEI Y ， SHI K F ， et al . The Potential of Nighttime Light Remote Sensing Data to Evaluate the Development of Digital Economy： A Case Study of China at the City Level ［J］. Computers， Environment and Urban Systems ， 2022 ， 92 ： 101749 .

CHEN L ， DU T ， WU D F ， et al . Can Digital Financial Inclusion Promote the Nighttime Economy？ New Evidence from Chinese Counties’ Nighttime Lighting Data and Threshold Model ［J］. Technological and Economic Development of Economy ， 2024 ， 30 （ 6 ）： 1553 - 1571 .

STATHAKIS D ， BALTAS P . Seasonal Population Estimates Based on Nighttime Lights ［J］. Computers， Environment and Urban Systems ， 2018 ， 68 ： 133 - 141 .

WU B ， YANG C S ， WU Q S ， et al . A Building Volume Adjusted Nighttime Light Index for Characterizing the Relationship Between Urban Population and Nighttime Light Intensity ［J］. Computers， Environment and Urban Systems ， 2023 ， 99 ： 101911 .

SUN Y R ， XIE J ， WANG Y ， et al . Mapping Local-Scale Working Population and Daytime Population Densities Using Points-of-Interest and Nighttime Light Satellite Imageries ［J］. Geo⁃spatial Information Science ， 2024 ， 27 （ 6 ）： 1852 - 1867 .

SHAO Z X ， LI X . Multi-scale Estimation of Poverty Rate Using Nighttime Light Imagery ［J］. International Journal of Applied Earth Observation and Geoinformation ， 2023 ， 121 ： 103375 .

LEE K ， BRAITHWAITE J . High-Resolution Poverty Maps in Sub-Saharan Africa ［J］. World Development ， 2022 ， 159 ： 106028 .

MCCALLUM I ， KYBA C C M ， BAYAS J C L ， et al . Estimating Global Economic Well-Being with Unlit Settlements ［J］. Nature Communications ， 2022 ， 13 ： 2459 .

MARTY R ， DUHAUT A . Global Poverty Estimation Using Private and Public Sector Big Data Sources ［J］. Scientific Reports ， 2024 ， 14 ： 3160 .

WANG C X ， YU B L ， CHEN Z Q ， et al . Evolution of Urban Spatial Clusters in China： A Graph-Based Method Using Nighttime Light Data ［J］. Annals of the American Association of Geographers ， 2022 ， 112 （ 1 ）： 56 - 77 .

吕永强，于新伟，杨朔，等 . 基于多源地理大数据的城市多中心识别方法［J］. 自然资源遥感， 2023 ， 35 （ 2 ）： 132 - 139 .

LÜ Yongqiang ， YU Xinwei ， YANG Shuo ， et al . Identification of the Polycentric Urban Structure Based on Multisource Geographic Big Data ［J］. Remote Sensing for Natural Resources ， 2023 ， 35 （ 2 ）： 132 - 139 .

HUANG X ， YANG J J ， LI J Y ， et al . Urban Functional Zone Mapping by Integrating High Spatial Resolution Nighttime Light and Daytime Multi-view Imagery ［J］. ISPRS Journal of Photogrammetry and Remote Sensing ， 2021 ， 175 ： 403 - 415 .

JIANG H P ， CHEN M X ， MENG X C ， et al . An Enhanced Feature Fusion Method for Urban Functional Zone Mapping with SDGSAT-1 Day-Night Imagery and Multi-dimensional Geospatial Data ［J］. Remote Sensing of Environment ， 2026 ， 332 ： 115050 .

WU B ， WANG Y ， HUANG H L ， et al . Potential of SDGSAT-1 Nighttime Light Data in Extracting Urban Main Roads ［J］. Remote Sensing of Environment ， 2024 ， 315 ： 114448 .

WANG Y ， LI J H ， HUANG H L ， et al . A Local CSF-Based Method for Extracting Illuminated Urban Roads from SDGSAT-1 Nighttime Light Data ［J］. Remote Sensing of Environment ， 2026 ， 340 ： 115434 .

QIANG Y ， HUANG Q X ， XU J W . Observing Community Resilience from Space： Using Nighttime Lights to Model Economic Disturbance and Recovery Pattern in Natural Disaster ［J］. Sustainable Cities and Society ， 2020 ， 57 ： 102115 .

JIA M H ， LI X ， GONG Y ， et al . Estimating Natural Disaster Loss Using Improved Daily Nighttime Light Data ［J］. International Journal of Applied Earth Observation and Geoinformation ， 2023 ， 120 ： 103359 .

HU Y X ， LIU Y M ， ZENG H . Whole Process Assessment of Flood Resilience in Urban and Rural Communities Based on Nighttime Lights： A Case Study of Zhuozhou Flood ［J］. Urban Climate ， 2025 ， 61 ： 102438 .

ZHENG Q M ， ZENG Y W ， ZHOU Y Y ， et al . Nighttime Lights Reveal Substantial Spatial Heterogeneity and Inequality in Post-Hurricane Recovery ［J］. Remote Sensing of Environment ， 2025 ， 319 ： 114645 .

李家艺，黄昕，胡宇平，等 . 夜光影像和高分辨率影像耦合的土耳其Mw 7.8地震建筑倒塌智能解译［J］. 武汉大学学报（信息科学版）， 2023 ， 48 （ 10 ）： 1706 - 1714 .

LI Jiayi ， HUANG Xin ， HU Yuping ， et al . Fusion of Optical Daily and Nighttime Light Remote Sensing Images for Collapsed Building Detection： A Case in Turkey Mw 7.8 Earthquake ［J］. Geomatics and Information Science of Wuhan University ， 2023 ， 48 （ 10 ）： 1706 - 1714 .

YU B ， CHEN F ， WANG N ， et al . Assessing Changes in Nighttime Lighting in the Aftermath of the Turkey-Syria Earthquake Using SDGSAT-1 Satellite Data ［J］. The Innovation ， 2023 ， 4 （ 3 ）： 100419 .

GONG Y ， LI X ， LI D R ， et al . Urban Recovery Patterns After the 2023 Turkey-Syria Earthquake Revealed by SDGSAT-1 Nighttime Light Data ［J］. Remote Sensing of Environment ， 2025 ， 328 ： 114888 .

BIAN J H ， AHMAD KHAN T ， LI A N ， et al . A New Spatiotemporal Fusion Model for Integrating VIIRS and SDGSAT-1 Nighttime Light Data to Generate Daily SDGSAT-1 Like Observations ［J］. International Journal of Digital Earth ， 2025 ， 18 （ 1 ）： 2472912 .

李熙，曹汉瑞，巩钰 . 利用高分辨率夜光影像开展土叙地震灾害评估［J］. 武汉大学学报（信息科学版）， 2023 ， 48 （ 10 ）： 1697 - 1705 .

LI Xi ， CAO Hanrui ， GONG Yu . Turkey-Syria Earthquake Assessment Using High-Resolution Nighttime Light Images ［J］. Geomatics and Information Science of Wuhan University ， 2023 ， 48 （ 10 ）： 1697 - 1705 .

李霖，冯梅 . 突发公共卫生事件后城市活力恢复影响因子探究［J］. 测绘地理信息， 2023 ， 48 （ 2 ）： 22 - 26 .

LI Lin ， FENG Mei . Research on the Impact Factors of Urban Vitality Recovery After the Public Health Emergency ［J］. Journal of Geomatics ， 2023 ， 48 （ 2 ）： 22 - 26 .

沈勇杰，杨春成，尚海滨，等 . 突发公共卫生事件下的城市社会经济活动时空变化分析［J］. 武汉大学学报（信息科学版）， 2025 ， 50 （ 3 ）： 603 - 614 .

SHEN Yongjie ， YANG Chuncheng ， SHANG Hai-bin ， et al . Temporal and Spatial Variation Analysis of Urban Socioeconomic Activity in Public Health Emergencies ［J］. Geomatics and Information Science of Wuhan University ， 2025 ， 50 （ 3 ）： 603 - 614 .

WU Y Z ， SHI K F ， LI X ， et al . Recovery of Economic Activities in China Uncovered by Remotely Sensed Nighttime Light Data Under the Pandemic New Normal ［J］. Applied Geography ， 2025 ， 175 ： 103506 .

EUN J ， SKAKUN S . Characterizing Land Use with Nighttime Imagery： The War in Eastern Ukraine （2012-2016）［J］. Environmental Research Letters ， 2022 ， 17 （ 9 ）： 095006 .

LI X Y ， LI X ， FAN Z Y ， et al . Civil War Hinders Crop Production and Threatens Food Security in Syria ［J］. Nature Food ， 2022 ， 3 （ 1 ）： 38 - 46 .

CAO H R ， LI X ， BELABBES S ， et al . Estimates of Power Supply During the 2023 Gaza Humanitarian Crisis Using Nighttime Light Images ［J］. Geo⁃spatial Information Science ， 2025 ， 28 （ 6 ）： 2744 - 2762 .

UNITED NATIONS DESA . The Sustainable Development Goals Report 2018 ［M］. New York ： United Nations ， 2018 .

FALCHETTA G ， PACHAURI S ， BYERS E ， et al . Satellite Observations Reveal Inequalities in the Progress and Effectiveness of Recent Electrification in Sub-Saharan Africa ［J］. One Earth ， 2020 ， 2 （ 4 ）： 364 - 379 .

FALCHETTA G ， PACHAURI S ， PARKINSON S ， et al . A High-Resolution Gridded Dataset to Assess Electrification in Sub-Saharan Africa ［J］. Scientific Data ， 2019 ， 6 ： 110 .

HE M ， XU Q ， WANG W L ， et al . Multiscale Estimation of Electrification Rate Using Nighttime Light Imagery ［J］. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing ， 2023 ， 16 ： 8960 - 8968 .

MIN B ， O’KEEFFE Z P ， ABIDOYE B ， et al . Lost in the Dark： A Survey of Energy Poverty from Space ［J］. Joule ， 2024 ， 8 （ 7 ）： 1982 - 1998 .

CHAKRABORTY S ， ALEXANDER O ， KITT-NER N ， et al . A Global Stocktake on Electricity Access and Gaps from NASA Black Marble Nighttime Lights ［J］. Earth’s Future ， 2025 ， 13 （ 6 ）： e2024EF005916 .

LETU H ， HARA M ， YAGI H ， et al . Estimating Energy Consumption from Nighttime DMPS/OLS Imagery After Correcting for Saturation Effects ［J］. International Journal of Remote Sensing ， 2010 ， 31 （ 16 ）： 4443 - 4458 .

SHI K F ， CHEN Y ， YU B L ， et al . Modeling Spatiotemporal CO 2 （Carbon Dioxide） Emission Dynamics in China from DMSP-OLS Nighttime Stable Light Data Using Panel Data Analysis ［J］. Applied Energy ， 2016 ， 168 ： 523 - 533 .

王正，周侃，樊杰，等 . 市-县尺度能源消费碳排放核算方法研究进展［J］. 地理科学进展， 2023 ， 42 （ 7 ）： 1406 - 1419 .

WANG Zheng ， ZHOU Kan ， FAN Jie ， et al . Progress of Research on Energy-Related Carbon Emission Accounting Methods at the Prefectural and County Levels ［J］. Progress in Geography ， 2023 ， 42 （ 7 ）： 1406 - 1419 .

CHEN J D ， LIU J L ， QI J ， et al . City- and County-Level Spatiotemporal Energy Consumption and Efficiency Datasets for China from 1997 to 2017 ［J］. Scientific Data ， 2022 ， 9 ： 101 .

LIU Q L ， CHENG K M ， ZHUANG Y J . Estimation of City Energy Consumption in China Based on Downscaling Energy Balance Tables ［J］. Energy ， 2022 ， 256 ： 124658 .

SHI K F ， YU B L ， ZHOU Y Y ， et al . Spatiotemporal Variations of CO 2 Emissions and Their Impact Factors in China： A Comparative Analysis Between the Provincial and Prefectural Levels ［J］. Applied Energy ， 2019 ， 233/234 ： 170 - 181 .

苏泳娴，陈修治，叶玉瑶，等 . 基于夜间灯光数据的中国能源消费碳排放特征及机理［J］. 地理学报， 2013 ， 68 （ 11 ）： 1513 - 1526 .

SU Yongxian ， CHEN Xiuzhi ， YE Yuyao ， et al . The Characteristics and Mechanisms of Carbon Emissions from Energy Consumption in China Using DMSP/OLS Night Light Imageries ［J］. Acta Geographica Sinica ， 2013 ， 68 （ 11 ）： 1513 - 1526 .

SHI K F ， SHEN J W ， WU Y Z ， et al . Carbon Dioxide （CO 2 ） Emissions from the Service Industry， Traffic， and Secondary Industry as Revealed by the Remotely Sensed Nighttime Light Data ［J］. International Journal of Digital Earth ， 2021 ， 14 （ 11 ）： 1514 - 1527 .

WANG X Y ， CAI Y ， LIU G ， et al . Carbon Emission Accounting and Spatial Distribution of Industrial Entities in Beijing： Combining Nighttime Light Data and Urban Functional Areas ［J］. Ecological Informatics ， 2022 ， 70 ： 101759 .

LIU Z J ， LI J ， CHEN H N ， et al . Monitoring Changes in Nighttime Lights and Anthropogenic CO 2 Emissions During Geopolitical Conflicts from a Remote Sensing Perspective ［J］. Humanities and Social Sciences Communications ， 2025 ， 12 （ 1 ）： 1004 .

LI T ， WANG Z S ， KYBA C C M ， et al . Satellite Imagery Reveals Increasing Volatility in Human Nighttime Activity ［J］. Nature ， 2026 ， 652 （ 8109 ）： 379 - 386 .

KOCIFAJ M ， FALCHI F ， et al . An All-Sky Light Pollution Model for Global-Scale Applications that Embraces a Full Range of Cloud Distributions ［J］. Proceedings of the National Academy of Sciences of the United States of America ， 2025 ， 122 （ 44 ）： e2508001122 .

LING Z X ， MENG X X ， ZHENG Z H ， et al . A Dual-Perspective Evaluation Framework for Urban Light Exposure： Integrating Top-down Visibility and Bottom-up Occlusion ［J］. Information Geography ， 2025 ， 1 （ 2 ）： 100031 .

李熙，布布莉·叶尔勒克，郑建川，等 . 基于夜光遥感的深圳西涌暗夜保护社区光污染控制有效性评估［J］. 热带地理， 2025 ， 45 （ 8 ）： 1373 - 1388 .

LI Xi ， BUBULI·Yeerleke ， ZHENG Jianchuan ， et al . Evaluation of the Effectiveness of Light Pollution Control in Shenzhen Xichong Dark Sky Preserve Based on Nighttime Light Remote Sensing ［J］. Tropical Geography ， 2025 ， 45 （ 8 ）： 1373 - 1388 .

HEINEN R ， LÓPEZ PÉREZ S . Variation in Artificial Light at Night （ALAN） Affects Ecosystem Functions： An Experimental Approach Using Plasticine Caterpillar Predation in an Urban Environment ［J］. Biological Conservation ， 2025 ， 312 ： 111519 .

GROGNUZ V ， GISLER K ， KNOP E . Artificial Light at Night （ALAN） Disrupts Timing of Floral Resource Availability ［J］. Biological Conservation ， 2026 ， 314 ： 111650 .

MARANGONI L F B ， DAVIES T ， SMYTH T ， et al . Impacts of Artificial Light at Night in Marine Ecosystems： A Review ［J］. Global Change Biology ， 2022 ， 28 （ 18 ）： 5346 - 5367 .

ZHANG C Q ， MENG M ， CHEN Z Y ， et al . Wavelength-Specific Urban Nighttime Light Modulates Expressed Sentiment Across China ［J］. Nature Cities ， 2026 ， 3 （ 3 ）： 261 - 272 .

GABINET N M ， PORTNOV B A . Investigating the Combined Effect of ALAN and Noise on Sleep by Simultaneous Real-Time Monitoring Using Low-Cost Smartphone Devices ［J］. Environmental Research ， 2022 ， 214 ： 113941 .

BOSSE L ， LILENSTEN J ， GILLET N ， et al . Night Light Polarization： Modeling and Observations of Light Pollution in the Presence of Aerosols and Background Skylight or Airglow ［J］. Journal of Atmospheric and Solar⁃Terrestrial Physics ， 2023 ， 246 ： 106055 .

何贞晓，谭中琦，盛瀚澜，等 . 基于SDGSAT-1数据的深圳市夜间灯光格局［J］. 生态学杂志， 2026 ， 45 （ 4 ）： 1134 - 1142 .

HE Zhenxiao ， TAN Zhongqi ， SHENG Hanlan ， et al . Spatial Patterns of Urban Nighttime Lights in Shenzhen Using SDGSAT-1 Imagery ［J］. Chinese Journal of Ecology ， 2026 ， 45 （ 4 ）： 1134 - 1142 .

XU Y Q ， DONG R Y ， LI T T ， et al . When City Lights Turn Blue： Spectral ALAN Exposure， LED Lighting， and Diabetes Prevalence Using SDGSAT-1 ［J］. Environmental Pollution ， 2026 ， 397 ： 127948 .

KIYOFUJI H ， SAITOH S I . Use of Nighttime Visible Images to Detect Japanese Common Squid Todarodes Pacificus Fishing Areas and Potential Migration Routes in the Sea of Japan ［J］. Marine Ecology Progress Series ， 2004 ， 276 ： 173 - 186 .

ELVIDGE C ， ZHIZHIN M ， BAUGH K ， et al . Automatic Boat Identification System for VIIRS Low Light Imaging Data ［J］. Remote Sensing ， 2015 ， 7 （ 3 ）： 3020 - 3036 .

常昊，胡昌苗，陆俊南，等 . SDGSAT-1卫星微光影像的夜间渔船识别［J］. 无线电工程， 2023 ， 53 （ 11 ）： 2691 - 2698 .

CHANG Hao ， HU Changmiao ， LU Junnan ， et al . Fishing Vessel Identification by Low-Light Images of SDGSAT-1 Satellites ［J］. Radio Engineering ， 2023 ， 53 （ 11 ）： 2691 - 2698 .

LI J J ， CAI Y C ， ZHANG P ， et al . Satellite Observation of a Newly Developed Light-Fishing “Hotspot” in the Open South China Sea ［J］. Remote Sensing of Environment ， 2021 ， 256 ： 112312 .

TIAN H ， LIU Y ， TIAN Y J ， et al . Advances in the Use of Nighttime Light Data to Monitor and Assess Coastal Fisheries Under the Impacts of Human Activities and Climate and Environmental Changes： A Case Study in the Beibu Gulf ［J］. Marine Policy ， 2022 ， 144 ： 105227 .

GIGLIO L ， CSISZAR I ， RESTÁS Á ， et al . Active Fire Detection and Characterization with the Advanced Spaceborne Thermal Emission and Reflection Radiometer （ASTER）［J］. Remote Sensing of Environment ， 2008 ， 112 （ 6 ）： 3055 - 3063 .

SCHROEDER W ， PRINS E ， GIGLIO L ， et al . Validation of GOES and MODIS Active Fire Detection Products Using ASTER and ETM+ Data ［J］. Remote Sensing of Environment ， 2008 ， 112 （ 5 ）： 2711 - 2726 .

YUAN Y ， WANG C X ， XU W ， et al . A Wildfire Monitoring Method Based on Daily Nighttime Light Data： A Case Study of the Los Angeles Wildfire ［J］. IEEE Geoscience and Remote Sensing Letters ， 2026 ， 23 ： 8001405 .

曹汉瑞，王妍，李熙，等 . VIIRS夜光影像中农田火像素识别方法［J］. 武汉大学学报（信息科学版）， 2025 ， 50 （ 10 ）： 2072 - 2085 .

CAO Hanrui ， WANG Yan ， LI Xi ， et al . Method for Detecting Farmland Fire Pixels in VIIRS Nighttime Light Images ［J］. Geomatics and Information Science of Wuhan University ， 2025 ， 50 （ 10 ）： 2072 - 2085 .

ELVIDGE C ， ZHIZHIN M ， HSU F C ， et al . VIIRS Nightfire： Satellite Pyrometry at Night ［J］. Remote Sensing ， 2013 ， 5 （ 9 ）： 4423 - 4449 .

LIU Y X ， HU C M ， ZHAN W F ， et al . Identifying Industrial Heat Sources Using Time-Series of the VIIRS Nightfire Product with an Object-Oriented Approach ［J］. Remote Sensing of Environment ， 2018 ， 204 ： 347 - 365 .

ZHANG K L ， FU D J ， TANG J S ， et al . Synergistic Day-Night Multi-modal Framework for Offshore Gas Flare Detection Using SDGSAT-1 in the Southeast Asian Seas ［J］. Remote Sensing of Environment ， 2026 ， 337 ： 115337 .

QIU Y J ， LI X M ， YAN L ， et al . Synergic Sensing of Light and Heat Emitted by Offshore Oil and Gas Platforms in the South China Sea ［J］. International Journal of Digital Earth ， 2024 ， 17 （ 1 ）： 2441932 .

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

时空智能学：理论与应用

社会遥感地理计算的研究进展与创新

时空具身智能：北斗导航与高分遥感融合发展新方向

夜光遥感视角下的巴基斯坦区域发展差异分析

复杂空间机器人自主测绘的现状与挑战