非线性混合像元分解的可视化分析与评价

混合像元的非线性分解通常采用神经元网络模型来拟合,普遍缺乏线性分解模型简单明确的物理意义,导致难于了解像元混合的特点及误差分布的模式。为此,提出均方根误差、双变量统计、置信度估计和混合复杂度等可视化方法来评价非线性混合模型分解的结果,直观地表达出影像中像元的分解精度、混合程度以及误差分布模式等,从而理解非线性混合模型分解的某些特点。实验以投影追踪学习网络（PPLN）为例,利用MODIS与ETM+数据,对MODIS混合像元分解进行了可视化分析,一定程度上展现了PPLN分解的某些特点。通过与反向传播神经网络(BPNN)分解比较结果表明,PPLN具有较高的分解精度,总体误差从0.182 8降低到0.171 7,降低了大约6.5%,且可视化分析表明混合程度较大的区域发生在城区和稀疏植被覆盖区。     

基于混合像元分解的喀斯特石漠化地物丰度估测

我国西南喀斯特地区长期存在以石漠化为特征的土地退化问题,是我国三大生态问题之一。喀斯特地区地表复杂度高,具有高度时空异质性,像元混合现象严重,植被、裸岩和裸土为喀斯特地区典型地物,使得评价喀斯特石漠化的关键指标(如裸岩率、植被覆盖度)获取比较困难,高光谱遥感在混合像元分解方面有独特优势,可以获取地物端元的丰度。通过地面试验表明光谱指数能够表征地物覆盖度,进而以Hyperion高光谱影像为数据源,利用连续最大角凸锥方法从影像中提取这3类地物的端元,运用半约束和全约束线性光谱分解方法估算其丰度。研究表明:半约束线性分解得到的丰度优于全约束分解结果,其反演的植被、裸土和裸岩的丰度与相应的光谱指数间具有显著线性相关性,确定系数R²分别为0.92、0.66与0.84,表明地物丰度能够表征其覆盖度。因此,通过混合像元分解算法反演地物丰度来提取喀斯特石漠化因子具有一定的可行性,这为高光谱遥感在喀斯特石漠化中的评价和监测奠定了理论和算法基础。     

基于改进混合像元方法的MODIS影像水体提取研究

基于MODIS的反射率数据,利用改进的线性混合像元分解方法提取水体,并结合MODIS温度产品和SRTM的DEM数据校正阴影对提取结果的影响。通过和利用ETM+影像的水体提取结果对比分析得出:该方法结果较好的体现出河流和湖泊的细节特点,同时在很大程度上消除了阴影影响,面积提取结果具有较高的精度。     

基于线性光谱混合模型(LSMM)的两种不同端元值选取方法应用与评价——以广州市为例

通过分别采用纯像元指数(PPI)和手动选取端元这两种不同的方法获得了2003年广州市区的植被、水体和不透水层3种端元,然后利用线性波谱分离法得到各个端元的丰度图像和均方根误差图像,从而获得广州市老八区不透水层的分量图。另外,还对比分析了基于线性光谱混合模型（LSMM）两种终端单元的选取方法的优缺点,并从定性的角度对所得结果进行精度评价。结果显示:基于线性光谱混合模型（LSMM）的方法获得广州市老八区不透水层的分量图是可行而有效的;手动选取端元的方法比纯像元指数（PPI）能够得到更高精度的分量图。     

基于MODIS植被指数估算青海湖流域植被覆盖度研究

将MODIS数据合成的4种植被指数作为输入参数,采用像元二分模型对研究区的植被覆盖度进行估算,利用2006年的TM数据解译结果和2011年8月的野外实测数据对反演结果进行验证。结果显示:采用ND-VI估算的植被覆盖度比较符合研究区实地状况,样点估算精度达到87.13%;其他3种植被指数估算的植被覆盖度值比实际值低,尤其是对该区域典型植被草原草甸的覆盖度估算结果明显偏低。研究表明:2011年8月青海湖流域植被覆盖度以中高覆盖度为主,占整个流域面积的57%以上;植被覆盖度在空间上呈中部高、西北低的分布特点。     

USLE/RUSLE模型中植被覆盖因子多光谱影像计算

在各个土壤侵蚀模型中,准确确定植被覆盖影响因子是一项重要的工作。在以往的研究和应用过程中,对植被盖度值的确定通常是通过对地表植被覆盖类型或借助植被指数进行分级赋值,这些方法存在着分类标准的不确定性和较大随机误差。本文针对水土流失方程中植被盖度确定问题,利用多光谱数据,使用改进型植被指数分析及混合像元线性分解方法,结合地面调查数据,对土壤侵蚀模型中植被因子进行了遥感定量分析,实验结果证明了这种方法的优势所在。     

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。     

面向亚像元级积雪信息提取的MODIS影像波段融合方法研究

MODIS影像因其共享性和时间序列的完整性而成为大区域积雪监测研究广泛使用的数据源,进行MODIS影像波段间融合,能够为积雪研究提供较高分辨率的影像数据源。为了充分利用MODIS影像250 m分辨率波段的空间和光谱信息,提取亚像元级的积雪面积,使用两种具有高光谱保真度的影像融合方法：基于SFIM变换和基于小波变换的融合方法,采取不同的波段组合策略,对MODIS影像bands 1~2和bands 3~7进行融合,并以Landsat TM影像的积雪分类图作为“真值”,对融合后影像进行混合像元分解得到的积雪丰度图的精度进行评价。结果表明：利用基于SFIM变换和小波变换方法融合后影像提取的积雪分类图精度较高,数量精度为75%,比未融合影像积雪分类图的精度提高了6%,表明MODIS影像波段融合是一种提取高精度积雪信息的有效方法。     

多云雾地区高时空分辨率植被覆盖度构建方法研究

针对多云雾地区高时空分辨率数据缺乏现状,提出了一套区域尺度高时空分辨率植被覆盖度数据构建方法.首先,通过时空适应反射率融合模型(STARFM)有效地将TM 的较高空间分辨率与MODIS的高时间分辨率融合在一起,构建了研究区植被生长峰值阶段的NDVI数据;然后,以植被生长峰值阶段的NDVI为输入,基于地表覆被类型,综合应用等密度和非密度亚像元模型对研究区的植被覆盖度进行估算.结果表明:①即使数据源存在大量的云雾,且存在一定的时相差异,研究区植被覆盖度的估算结果过渡自然,不存在明显的不接边效应;②以植被生长峰值阶段的NDVI数据为输入进行植被覆盖度估算,有效拉开了同一地表覆被类型不同覆盖度像元的NDVI梯度,提高了亚像元估算模型对输入数据的抗扰动性;③基于地表覆被类型,应用亚像元混合模型,能够提高植被覆盖度的估算精度.经野外实测数据验证,总体约８５％的估算精度表明,针对高时空分辨率遥感数据缺乏的多云雾区域,本研究提出的方法能够实现区域尺度植被覆盖度数据的构建.     

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Landsat８影像的额济纳荒漠绿洲植被覆盖度估算方法对比研究

荒漠绿洲是维持当地人类生存和社会发展的主要依托,但其地表植被稀疏,生态系统极其脆弱,而植被覆盖度是反映荒漠生态环境信息的重要指标之一.以黑河下游额济纳荒漠绿洲为例,基于Landsat８影像和野外实测植被覆盖度数据,对比和分析现有的适宜于干旱荒漠区的３类植被覆盖度提取方法(经验模型法、像元二分法和三波段梯度差法)在该区域的应用效果,并尝试利用基于转换型土壤调整植被指数(TSAVI)的像元二分模型法和修正的三波段梯度差法(MTGDVI)进行植被覆盖度估算,以期找到计算额济纳荒漠绿洲植被覆盖度的最佳模型. 研究结果表明:用TSAVI像元二分模型法的反演精度高而且能够较好地估算额济纳荒漠区域和绿洲区域的植被覆
盖度,适用于估算额济纳荒漠绿洲的植被覆盖度.     

定量消除植被影响的补偿置换方法研究

针对植被覆盖区的岩性识别,本文在线性混合象元分解的基础上通过对ＴＭ影象中混和象元进行补偿置换,即用象元中非植被地物光谱信息置换植被部分,裸露象元在此过程中没有变化,高植被象元（包括全植被象元）被掩膜,从而达到定量消除植被影响的目的,同时混合象元中非植被信息得到增强。     

一种简单的估算植被覆盖度和恢复背景信息的方法

植被覆盖度是评估生态环境的一个重要参数，其对于全球环境变化和监测研究具有重要意义．如何从遥感资料估算植被覆盖度，并提高估算精度是建立全球或区域气候、生态模型的基础工作．该文从分析土壤、植被光谱信号的特点出发，根据植被覆盖度的定义，推导出计算植被覆盖度的方法，并进一步提出了计算植被覆盖度的三波段最大梯度差法．在此基础上，对部分植被覆盖下的土壤光谱实现重建．上述方法实现简单，适用范围广，并可有效分离植被、土壤的影响，因而有望替代常用的通过NDVI估算植被覆盖度的方法．     

一种基于纹理信息和遗传神经网络的图像分割方法

提出了一种基于纹理信息和遗传神经网络的图像分割方法,根据分形理论构造了图像的一组分形纹理特征参量,利用遗传神经网络作为图像素的分类器,以此为基础对图像进行分割,分数维的计算采用改进的盒子计算法.试验表明,将该方法应用于生物医学图像,能够区分图像不同的纹理区域,达到满意的分割效果.     

Mapping and discrimination of soya bean and corn crops using spectro-temporal profiles of vegetation indices

The use of remote-sensing technology has been studied as a way to make the monitoring of agricultural crops more efficient, dynamic, and reliable. The use of data from the Moderate Resolution Imaging Spectroradiometer (MODIS) has proved to be an interesting tool regarding the mapping of large areas, however, some challenges still need to be addressed. One of these is the identification of specific types of crops, especially when they have similar phenologies. The purpose of this study was to perform discrimination and mapping of soya bean and corn crops in the state of Paraná, Brazil, for the 2010/2011 and 2011/2012 crop years. A methodology using spectro-temporal profile information of the crops derived from vegetation indices (VIs), the normalized difference vegetation index (NDVI), enhanced vegetation index (EVI), and the wide dynamic range vegetation index (WDRVI) based on MODIS data was appraised. This method generated a series of maps of the respective crops that were later qualitatively or quantitatively appraised. Some of the maps drawn showed a global accuracy rate above 80% and a kappa coefficient (κ) of over 0.7. The data areas showed an average difference of 6% for the cultivation of soya beans, and 11% for corn when compared to official data. The WDRVI and EVI were similar and showed better performance when compared to the NDVI in the assessments made. The results demonstrate that the soya bean crop was better mapped compared to corn, particularly in terms of the size of the crop area. The use of spectro-temporal profiles of the VIs assisted in obtaining important information, enabling better identification of crops from regional scale mapping using the MODIS data.     

基于遥感的黑河流域植被物候空间格局提取分析

植被物候的检测对于认识自然季节现象的变化规律,服务农作物生产、全球变化、生态学应用方面具有重要价值。植被指数是描述植被数量、质量、植被长势和生物量指标的重要参数。利用SPOT VEGETATION NDVI时间序列数据,采用Savitzky-Golay滤波方法重建了NDVI的年内变化序列,并利用此数据提取了黑河流域植被物候空间分布格局。结果表明,采用此方法得到的植被物候信息和该区域的农事历信息符合较好。黑河流域植被物候具有明显的空间格局。上游的高寒草地区生长季长度较短。中游地区受人类活动影响严重,较为符合该区农作物生长信息。     

The effects of endmember selection on modelling impervious surfaces using spectral mixture analysis: a case study in Sydney,Australia

In urban areas, spectral mixture analysis (SMA) is a common technique for deriving the fractions of land covers within a pixel and information on the distribution of impervious surfaces. This study examined how the selection of endmembers affected the quantification of impervious surfaces using TM and ASTER imagery. Multiple subsets of endmembers derived using (1) extreme pixels from a minimum noise fraction (MNF) transformation, and (2) a manual approach using a priori knowledge of the study area were analysed. Two data sets were used to assess accuracy: (1) simulated image data comprising unmixed and mixed pixels of 10 typical and spectrally different urban land covers, and (2) detailed data derived from high-resolution aerial photography. The dimensionality of the imagery limited the number of endmembers, and as a result, unmixed land covers were modelled using multiple endmembers and some cells had abundance values that summed to more than one or were negative. The land covers of red roofs and concrete were the largest contributors to the error in impervious surfaces. The Sequential Maximum Angle Convex Cone (SMACC) endmember model was also used to unmix the images; however, the larger number of endmembers did not resolve the use of multiple endmembers to model the unmixed land covers and the accuracy was similar to that using SMA. The relationship between the pervious fraction estimated using the vegetation endmember and the ground reference data was stronger than that for the impervious fraction, although the fraction was underestimated. The problems in modelling highly variable impervious surfaces with a limited number of endmembers suggest that in urban environments with substantial vegetation, modelling the vegetation component as the inverse of the impervious fraction may lead to improved results.     

基于一种改进的多端元混合像元分解方法的三江源中东部地区植被盖度信息的提取

三江源地处青海省南部,近年来生态环境不断恶化、草地退化严重。植被盖度是研究草地退化的重要指标之一,如何快速、准确、大面积地获取植被信息对三江源的生态环境变化监测尤为重要。传统的固定端元混合像元分解(TSMA)不适用于地域辽阔、地物类型复杂多样的三江源区,而多端元混合像元分解(MESMA)允许端元的类型和数量随像元的不同而变化,更符合三江源的实际情况。基于已有相关研究提出一种改进的多端元混合像元分解(IMESMA),即加入端元组分合理性最优端元模型判断规则,分两步对影像进行分解并获得像元的植被盖度信息。第一步利用多端元模型探测出含有植被信息和完全不含植被信息的像元,并对非植被像元进行掩膜,以提高分解精度;第二步仅对含有植被信息的像元进行分解,获得最终的三江源中东部植被盖度信息。通过多端元分布图、混淆矩阵和与实测数据的均方根误差(RMSE)对比表明,相比TSMA,IMESMA考虑了同物异谱现象,并且其分解精度高、分解结果可信,更适合三江源区的植被信息提取。本方法也可用于其他复杂环境地表组分信息的提取。     

基于影像融合和面向对象技术的植被信息提取研究

高分辨率影像具有丰富的光谱信息和空间信息。采用不同的图像融合技术融合GeoEye影像全色波段和多光谱波段,用建立的参考多边形和对应多边形残差法评价分割质量,以确定研究区各地物类型的最优分割参数组合,选择目标地物分类特征,建立分类规则,在此基础上实现研究区内不同地物类型的面向对象信息提取。结果表明:Gram-Schmidt(GS)融合法具有最优的融合效果,所选特征能够很好地实现目标地物信息提取,并且具有明确的地学意义,面向对象信息提取总体精度达到90.3%,Kappa系数为0.86,该研究为高精度植被信息的提取提供了有效的方法。     

基于植被物候特征与监督分类的青南高原信息提取

针对大尺度区域的植被信息提取,由于范围广阔、地形复杂、气候迥异,分类精度的提高是个亟待解决的问题;通过对青南高原采用分区处理,利用植被指数的特性,将基于时间序列的NDVI数据所反映的植被物候知识,辅助信息DEM和GIS数据加入监督分类系统,进行植被信息提取,并进行了分类精度评价。研究结果表明,利用该方法对青南高原的3个地区分类后,其分类精度都达到了83.3%以上,达到了较好的分类结果。在监督分类的训练区选取过程中,将植被物候特征作为知识,结合目视解译和DEM辅助知识帮助选取训练区的方法,同时参考GIS土地利用数据,使得训练区的选取更准确可靠,可进一步提高分类精度。