Die nächtliche Fernerkundung wird in verschiedenen Bereichen wie städtischer Umwelt, sozialer Wirtschaft, Bewertung großer ökologischer Katastrophen und politischer Sicherheit weit verbreitet eingesetzt. Aufgrund des Mangels an langfristigen, hochauflösenden nächtlichen Fernerkundungsdaten ist die Bewertung der städtischen Gewässerumwelt in der nächtlichen Fernerkundungsforschung relativ selten. Diese Studie zielt darauf ab, diese Lücke in der Erforschung der Binnenwasserumwelt durch nächtliche Fernerkundung zu schließen. Verschieden geformte städtische Seen mit einer Fläche von über 3 km² im Einzugsgebiet des Jangtse wurden als Untersuchungsobjekte ausgewählt. Parameter für die Bewertung der aquatischen Umwelt wie die Helligkeitstemperatur des Sees (Lake Brightness Temperature, LBT), der Index für schwebende Algen (Floating Algae Index, FAI) und der Wasserfarbindex (Forel-Ule Index, FUI) wurden verwendet. Es wurden räumliche Skalierungsreduktionsmethoden für thermische Infrarotfernerkundungsdaten wie DisTrad, geographisch gewichtete Regression (Geographically weighted Regression, GWR) und Random Forest (RF) eingeführt. Es wurden Objekttheorien und korrelierte statistische Methoden verwendet, um die besten räumlichen Skalierungsreduktionsmethoden für die nächtlichen sichtbaren und infraroten Lichtbilder (NTL) des polaren Suomi-NPP-Satelliten (Suomi National Polar-orbiting Partnership) in verschiedenen Binnenwasserregionen zu erkunden. Die Ergebnisse zeigen, dass die auf LBT und FAI basierende DisTrad-Methode (OD-TA) eine gewisse Stabilität aufweist, während die auf LBT und FUI basierende geographisch gewichtete Regressionsmethode (OGWR-TU) in großen städtischen Seen mit komplexen Formen (PARA>65) wie dem Dianchi-See und dem Chaohu-See eine hervorragende Leistung zeigt. Die räumliche Morphologie der Seen und die sozialen und menschlichen Merkmale der nächtlichen Uferbeleuchtung sind die Hauptfaktoren, die die Anwendbarkeit der räumlichen Skalierungsreduktionsmethoden beeinflussen. Diese Studie deckt nicht nur den Mangel an langfristigen, hochauflösenden NTL-Bildern in Binnenwasserbereichen ab, sondern bietet auch methodische Unterstützung und Daten für die Bewertung der Lichtverschmutzung von städtischen Seen und die Analyse der sozialen und menschlichen Umwelt an den Ufern von Seen.

Nächtliches Licht; Helligkeitstemperatur; Räumliche Skalierung; NPP-VIIRS; Städtische Seen