基于线性光谱模型的混合像元分解方法与比较

线性光谱模型是目前解决城市中等空间分辨率遥感(如Landsat)中存在的混合像元问题的简单、有效的策略。本实验以广州区域为研究区,利用ENVI/IDL影像处理和开发平台对4种混合像元线性光谱分解方法进行了对比,即无约束条件法、带部分约束条件法、普通带全约束条件法和带全约束条件的可变端元法。结果表明,普通带全约束条件法和带全约束条件的可变端元法的分解结果比无约束条件法和带部分约束条件法的分解结果合理,均方根误差明显要小;同时,带全约束条件的可变端元法要优于普通带全约束条件法。光谱归一化处理则对不同分解方法带来不同的影响,应依据实际需要采取合适的光谱处理方式。     

基于线性混合模型的高光谱图像端元提取

近年来,基于线性混合模型的光谱解混合技术正在越来越广泛地用在光谱数据分析和遥感地物量化中,这项技术的关键就在于确定端元(Endmember)光谱。通常,端元的荻取有两种方式：来源于光谱库以及来源于图像数据,相比之下后者得到的结果更能体现真实的地面信息。为此,从线性混合模型的特点出发,归纳了目前几种比较成熟的端元提取算法,分析了它们的主要思想和存在的优缺点,并总结了评估算法结果的依据,最后介绍了端元提取技术的发展趋势。     

城市混合像元分解中土壤与不透水面纯像元选取方法的对比研究——以厦门为例

近年来混合像元分解在城市地表组分监测与分析中的应用逐渐成为城市遥感的一个热点。纯像元的选取是混合像元分解过程中的重点和关键所在。以沿海城市厦门为研究对象,根据不同的土壤和不透水面纯像元选取规则,使用2组12种不同的纯像元选取方法对2007年1月8日TM影像进行混合像元分解,对分解结果的模型适宜度进行了比较,并使用2006年12月25日SPOT5高分辨率影像对分解结果的精度进行了比较和评估。结果表明:混合像元分解在纯像元选取时,S端元选取兼顾低反射率裸土和高反射率裸露基岩的纯像元可以整体提高分解的模型适宜度和分解精度;适度提高I分量纯像元中高反射率纯像元的比例有助于改善整体尤其是S、W分量的分解效果。     

基于多端元混合光谱模型与Landsat影像的北京不透水层动态研究

中国正在经历快速地城市化过程,及时又准确地掌握城市化过程对我国社会经济发展具有重要的实际意义。以Landsat-TM和ETM+为主要数据源,通过多端元光谱混合分析法(MESMA)提取北京建成区不透水层的时空演变信息。在Ridd的V-I-S(植被—不透水层—土壤)概念模型框架下,基于最小噪音变换(MNF)将TM或ETM+的6个光谱波段转换成MNF空间,并定义4种端元光谱分别代表植被、高反射率地表、低反射率地表和土壤,同时构建北京建成区端元光谱数据库。然后在MATLAB软件包中实现MESMA模型程序,依次提取北京市6个时段的不透水层信息。研究结果表明:MESMA方法能够提高植被、土壤和不透水层提取精度,相对误差分别为14.6%、17.3%和11.9%。研究结论充分说明MESMA方法应用到一个时间序列的中分辨率多光谱遥感影像是非常有效的。MESMA光谱分解方法能高效实现北京城市动态变化和城市扩张的监测。     

基于线性光谱混合模型的油菜种植面积遥感监测方法研究

利用中低分辨率卫星影像进行油菜面积提取时,需要考虑混合像元产生的影响,以提高面积提取的精度。本文以2009年湖北省潜江市油菜种植面积为例,利用中巴地球资源卫星(CBERS-02B)遥感影像,选取线性光谱混合模型进行油菜种植面积的分解计算研究,将结果与基于GVG(GPS、VIDEO、GIS)农情采样系统得到的结果进行对比分析,面积提取精度为97.43%。表明线性光谱混合模型能够高精度地提取油菜的种植面积,不失为一种很好的监测油菜种植面积方法。     

基于光谱归一化的变组分光谱混合分析(NMESMA)方法及其应用

混合像元问题在低、中分辨率遥感图像中尤为突出,混合像元的存在不仅会影响地物识别和图像分类精度,也是遥感科学向定量化发展的主要障碍之一。因此,遥感图像混合像元分解及其地表覆盖信息的定量提取是近年来研究的热点。针对城市土地覆盖信息的定量提取问题,利用中等分辨率遥感图像(Landsat TM),集成光谱归一化与变组分光谱混合分析(NMESMA)的方法,基于植被-非渗透表面-土壤(V\|I\|S)模型,定量提取研究区植被、土壤和非渗透表面3类土地覆盖的定量信息,并与固定组分的光谱混合分析(LSMA)分解结果进行对比分析。结果表明:基于光谱归一化的变组分光谱混合分析(NMESMA)方法获得的精度高于传统固定组分的光谱混合分析(LSMA)结果,可有效解决光谱异质性较高的城市区域的混合像元问题,为有效提取城市地表覆盖信息,研究城市生态环境变化和模拟分析,提供了有效的信息提取方法。     

基于光谱指数的植被含水率遥感反演模型研究——以岷江上游毛尔盖地区为例

利用研究区植被样本实测含水率和实测光谱数据,基于植被光谱指数法,建立植被含水率与植被光谱指数之间的数学模型,同时利用该模型对研究区的遥感数据进行分析,反演植被含水率。结果证明:简单比值光谱指数与植被含水率有较好的相关性,线性模型更适合该研究区的植被含水率反演。1999年和2007年两年的植被含水率反演结果显示:9年间植被含水率提高,含水率高的面积增大。