| 构建指数 | 所需数据 | 优缺点 | | 基于植被调整的夜间灯光城市指数VANUI[52] | NDVI和夜间灯光数据 | 增强城市内部变化特征; 但不适合沙漠地区,短期发展城市的表现欠佳 | | 人类居住指数HSI[53] | NDVI和夜间灯光数据 | 削弱饱和影响,增强变化性; 但城市核心周边区域存在过分校正 | | 植被温度灯光指数VTLI[54] | 夜间灯光数据、NDVI和地表温度数据 | 收敛速度快于VANUI,削弱灯光饱和和溢出影响; 但中小城市应用效果较差,部分地区存在分类错误 | | 基于温度和植被调整的夜间灯光城市指数TVANUI[55] | NDVI、夜间灯光数据和地表温度数据 | 削弱灯光饱和和溢出影响,增强城市特征,提高了制图精度; 但计算略复杂 | | 基于EVI调整的夜间灯光指数EANTLI[46] | 夜间灯光数据和EVI | 削弱城市内部灯光饱和和溢出影响; 但在水体附近表现不理想 | | 基于高程调整的人类居住指数EAHSI[41] | EVI、夜间灯光数据和DEM | 削弱饱和影响,考虑高程因素,适合于农村地区 | | 基于蒙特卡罗模拟支持的VANUI指数VANUIMCS[56] | NDVI、夜间灯光数据、道路数据和居民点数据 | 采用多种数据,削弱饱和,提高了精度; 在不发达地区适用性欠佳,数据量较大 | | 去除水体的夜间灯光指数RwNTLI[57] | 夜间灯光数据、NDVI和水体数据 | 改善了VANUI在水体提取中的不足,有效缓解饱和影响,增强地物识别能力 |
|