利用混合像元线性分解模型提取卧龙泉地区粘土蚀变信息

利用混合像元线性分解模型提取植被覆盖中等的辽南卧龙泉地区植被丰度图像,并依此进一步提取了该区域的粘土类蚀变信息。在使用混合像元线性分解基本模型的同时,也结合研究目标对其进行了改进与补充,效果令人满意,为中等植被覆盖区的专题信息的提取提供了一种方法。

混合像元线性分解的精度估算

遥感图像中普遍存在着混合像元,对混合像元进行分解是遥感图像处理中的难点。混合像元线性分解技术是进行高光谱影像处理的常用方法。本文针对混合像元线性分解的基本原理与算法作了简要分析,并通过实验的方法估算了混合像元线性分解模型的精度。

基于线性混合像元分解技术提取山核桃空间分布

【目的】利用混合像元分解技术研究一种快速、准确提取山核桃空间分布信息的新方法,为亚热带经济林资源及其动态变化的快速检测提供新手段。【方法】以浙江省临安市西部为研究区,首先,采用线性混合像元分解技术获取植被(GV)、阴影(shade)和土壤(soil)3个分量图,据实地考察,基于山核桃的GV,shade和soil分量与其他植被的区分性较大的特征,构建植被-土壤指数、植被-阴影指数和归一化多分量指数3种新的指数;然后,基于归一化植被指数和新的指数建立决策树模型提取山核桃;最后,将研究区的土地覆盖类型分为山核桃和其他地类,并通过地面调查收集的样地数据和Google Earth高分辨率影像对分类结果进行验证。【结果】归一化多分量指数可最大限度地扩大山核桃与其他在光谱上易混淆的植被之间的差距,与其他植被的可分离性最好,因此,将归一化多分量指数作为提取山核桃的最优指数。基于该指数提取山核桃的总体精度达88.67%,Kappa系数为0.76,成功实现临安西部区域的山核桃信息提取,证明使用线性混合像元分解模型提取山核桃的潜力。【结论】针对山核桃经济林提取而提出的归一化多分量指数,物理意义明确,实现简单,易于理解和分析,尽可能地降低由于步骤复杂、样本类数多而造成的系统误差和人为误差,其结果还可为今后其他地区山核桃的提取或具有相似生长条件的经济林空间分布信息的提取提供参考,具有较高的应用潜力和推广价值。

基于混合像元分解的南方地区植被覆盖度遥感监测——以广州市为例

通过测量图像端元的地表反射率,对遥感图像进行精确大气校正;在对混合像元分解模型进行改进的基础上,建立了基于地表反射率的线性混合像元分解(Liner Spectral Unmixing,LSU)模型,有效地避免了因大气时间、空间差异所造成的多时相误差,实现了多时相对比;通过增加土壤湿度因子,消除了土壤湿度差异造成的误差,建立了适用于南方地区的植被覆盖度遥感监测模型。实地验证结果表明,该模型具有较高的精度。将该模型运用于广州市1998～2009年植被覆盖度时空变化监测,认为城市化、大型工程建设与陡坡开荒是造成广州市植被覆盖度变化的主要原因。

基于线性光谱混合模型分解MODIS多光谱影像的研究

为了获取多时相的土地覆盖基础数据以支持区域土壤侵蚀定量评价,基于线性光谱混合模型分解MODIS多光谱影像,并对分解结果进行了定性、定量评价。结果表明,结合像元年内植被指数变化特征,基于线性混合像元分解,可解译出耕地、林地、草地、裸地、水体、居民地等类型。分类结果与2006年TM分类结果的总体一致性为64.46%,Kappa系数为0.519 9,土地覆盖类型分类结果可靠;各类端元估算误差基本小于20%,且与对应TM分类结果具有相关性,总体精度较好;林地端元能够较好地反映植被盖度信息。基于LSMM分解MODIS影像可为区域环境研究提供可靠的土地覆盖类型图和植被覆盖信息。

应用混合像元分解提取胡杨覆盖度信息

以内蒙古荒漠地区胡杨林为研究对象,应用混合像元分解方法从TM多光谱数据中提取了胡杨林植被覆盖度,并以高分辨率Quickbird影像分割结果作为真值进行精度评价,与传统的基于植被指数提取植被覆盖度的方法进行了对比。结果表明:基于几何顶点端元选取的混合像元分解方法可以有效提取胡杨植被覆盖度(R2=0.893,RMSE=0.12),优于植被指数回归方法提取精度(R2=0.574)。研究结果有助于开展荒漠地区较大范围的胡杨林动态监测和保护。

基于混合像元分解和知识规则的人工刺槐林健康分类

提出一种基于精度较高的Landsat TM数据检测刺槐林枯梢状况的方法,整个过程分为:1)利用监督分类提取出林地分布范围,制作刺槐林地掩膜;2)对刺槐林地利用线性光谱混合模型进行混合像元分解,得到健康刺槐、非光合作用绿色植被(NPV)、土壤的丰度图,定义刺槐林的健康分类等级:健康或轻度枯梢、中度枯梢、重度枯梢或死亡;3)利用决策树分类器对丰度图像、归一化植被指数(NDVI)以及经缨帽变换获取的亮度和绿度成分定义一组规则,进行刺槐林生长健康状况分类,分类结果与实地样方数据具有较好的一致性,利用林冠分级向导进行精度分析,精度达82.2%,Kappa系数为0.752。

基于混合像元分解的HJ-1卫星时间序列影像城市植被信息提取

针对城市植被信息提取中单时相遥感影像无法获得物候特征及影像中的混合像元问题,本研究以南京市区及近郊作为研究区,将2013年77景环境星(HJ-1)归一化植被指数(Normalized Difference Vegetation Index,NDVI)时间序列数据看成"类高光谱"数据,利用非限定性分解法、半限定性分解法和全限定性分解法对滤波后的数据进行分解,结果表明:使用非限定的线性光谱混合模型分解算法对研究区草地、灌木丛、针叶林、落叶阔叶林、常绿与落叶阔叶混交林5种植被信息提取的均方根误差(Root Mean Square,RMS)最小,此方法效果最好.

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。

基于线性混合像元分解的沈阳市三环内城市植被盖度变化

基于2001和2006年Landsat TM影像,通过线性混合像元分解（linear spectral unmix-ing,LSU）方法提取沈阳市三环内的植被盖度信息,结合目视解译2006年QuickBird影像得到的研究区土地利用类型图,分析了2001—2006年研究区植被盖度的动态.结果表明：2001—2006年,研究区植被盖度变化剧烈,绿化建设和由城市扩张导致的农田占用现象并存,且前者的植被增加超过后者的植被损失;研究区道路、居住区、公共设施用地、公共绿地及广场的植被盖度均有不同程度的增加（5%~9%）,工业用地几乎没有变化;研究区绿化建设格局比较合理,城区内外植被盖度的两极分化现象虽依然存在,但已得到缓解;研究期间,该区主要地类植被盖度随距市中心距离而递增的顺序为公共绿地及广场（0.8%.km-1）〈居住区（1.5%.km-1）〈工业用地（1.7%.km-1）〈公共设施用地（2.4%.km-1）〈道路（2.9%.km-1）;公共设施用地和道路植被盖度两极分化现象依然较严重,需加强绿化建设并严格管理.

基于遥感的城市绿地提取研究

针对遥感技术提取城市绿地所存在的争论,分两步对城市绿地信息提取展开了研究:(1)分别以三种不同的处理方法(植被指数法、KT变换法、像元线性分解),提取了研究区域ETM+影像的绿地信息。(2)针对同一方法(植被指数),提取了三种不同分辨率遥感数据(ETM+、SPOT、Quick-Bird)的绿地信息。实验结果表明:三种方法中植被指数是提取城市绿地的最佳方法,SPOT影像则是所有实验数据中绿地信息提取效果最好的。

基于改进N-FINDR算法的华北平原冬小麦面积提取

为了解决MODIS数据中普遍存在的混合像元问题,该文利用2008年和2009年多时相的MODIS13Q1影像,以经过优化的N-FINDR算法进行线性混合像元分解提取冬小麦种植面积,各省的误差均控制在正负4%左右。利用同期多时相的HJ-1星分类数据作为参考值,在试验区域选择14个均匀分布的样区验证混合像元分解结果。结果显示6个样区的相对误差在10%以内,其余8个样区的误差基本在15%左右。该研究可为冬小麦种植面积的监测提供参考。

USLE模型中植被覆盖因子的遥感数据定量估算

植被具有截留降雨、减缓径流、保土固土等功能 ,对水土流失起着决定性的作用 ,植被盖度的大小直接影响着水土流失程度的强弱。植被因子是通用水土流失方程 (USLE)中的重要影响因素。选择相适应的卫星遥感时间和空间分辨率ETM数据可以提取植被盖度参数。一般说来 ,归一化植被指数Ic比较真实地表现了影像数据上植被的分布 ,但是Ic 仅仅定性地反映了植被盖度的相对大小 ,要想量化植被盖度还必须进行野外采样 ,样方与影像Ic 作回归统计分析 ,建立经验公式 ,最终反演植被覆盖度。这种方法不仅耗费大量的人力物力 ,而且不利于大区域土壤侵蚀的监控和预测。针对这个问题提出利用线性混合像元分解的方法对影像逐个像元中的植被盖度进行计算和提取 ,提高了模型中植被盖度因子的精度 ,降低研究成本 。

混合像元分解技术及其进展

混合像元分解模型是定量遥感研究的重要组成部分,为各种地学应用提供了更精细的亚像元级地物信息,这一领域受到国内外学者们广泛关注。本文围绕混合像元分解研究的4个核心问题——光谱混合模型、端元提取、模型反演方法以及解混精度评估,总结了近20年来混合像元分解的重要研究进展,分析和介绍了典型算法模型的原理和思路。进一步阐述了现有研究在一些关键问题上存在的不足,如目前仍缺乏公认的线性和非线性模型的选择判据、已有的混合像元分解模型无法抑制由端元光谱相关造成的共线性问题。最后总结了混合像元分解未来的发展趋势和值得探索的研究方向。如结合辐射传输模型和地面试验,定量分析多次散射的影响机制,以及结合克服共线性的统计回归模型。

基于MODIS影像的植被覆盖度提取研究

利用线性光谱混合模型对河南省三门峡地区MODIS1B影像进行植被覆盖度(fv)信息提取,将结果与反映植被覆盖度的NDVI比较,并提出在实测资料缺乏的情况下利用同期高分辨率ETM+图像对选取样本区域进行定量验证的方法。结果表明,对于MODIS数据,线性光谱混合(LSMM)分解方法能有效提取大区域范围的植被覆盖度信息,比NDVI-fv经验统计方法更具有理论意义,为快速、准确、高效的植被监测提供了新思路。

基于土壤植被光谱协同分析的土壤盐度推理模型构建研究

土壤组成较为复杂,单纯利用土壤光谱信息探测土壤盐度,反演精度不足以满足实际需求。通过遥感获取的植被信息(植被类型和生长状况)可间接反映土壤盐分的空间分布特性,弥补上述不足。为此,基于干旱区土壤盐度与植被之间的协同变化,尝试结合土壤和植被光谱信息,借助二维特征空间理论,构建土壤盐度推理模型,提高土壤盐度推理精度。对于干旱区单个像元下土壤光谱的影响,利用归一化植被指数(normalized difference vegetation index,NDVI)难以准确反演干旱区稀疏植被参数。因此,首先利用线性混合像元分解模型(linear spectral unmixing model,LSUM)提取研究区地物组分,构建植被组分指示因子(combined vegetation indicative factor,CVIF)方程,并与土壤盐度指数(salinity index,SI)构建二维特征空间。分析二维特征空间内散点走势与土壤盐分之间的关系,建立土壤盐度推理模型(salinity inference model,SID)。验证结果显示,CVIF提取的植被信息精度(R^2>0.84,RMSE=3.92)高于应用较为广泛的NDVI(R^2>0.66,RMSE=13.77)。构建的SID模型与前人基于NDVI建立的联合光谱指数(combined spectral response index,CORSI)相比,前者(R^2>0.86,RMSE=6.86)推理精度优于后者(R^2>0.71,RMSE=16.21)。由此得出结论,基于土壤和植被光谱信息双重判定的SID模型对土壤盐渍化的高精度遥感监测研究具有较好促进作用。

时间序列低分影像修正中分遥感冬小麦分布

单期中等空间分辨率遥感影像(如Landsat8 OLI)进行冬小麦提取,易受到“异物同谱、同物异谱”影响,造成冬小麦识别结果的“错入、错出”,降低冬小麦识别精度。低空间分辨率遥感影像(如MODIS)获取时间频率高,具有时间序列特征,能够准确地刻画出冬小麦生长周期内的特有物候特征,可以有效地消除单期遥感影像上存在的“异物同谱、同物异谱”现象。研究利用MODIS时间序列特征提取出的冬小麦空间分布信息为辅助信息,用来修正单期OLI遥感影像识别冬小麦结果的“错入、错出”误差,以提高冬小麦的识别精度。实验结果表明,在冬小麦错出区域,OLI提取结果的均方根误差(root mean square error,RMSE)为0. 758,经MODIS修正后RMSE为0. 142,降低了0. 616;在冬小麦错入区域,OLI提取结果的RMSE为0. 901,经MODIS修正后RMSE为0. 122,降低了0. 779。可见,该方法能够发挥MODIS有效描述冬小麦生长周期内时间序列特征的优势,对Landsat OLI冬小麦测量结果进行了有效修正,提高了冬小麦测量精度。

基于Landsat 8-OLI的荒漠化地区植被覆盖度反演模型研究

基于Landsat 8-OLI影像数据,利用植被指数逐步回归分析和线性混合像元分解的方法,结合134个野外样地调查数据,将线性混合像元分解结果(植被丰度)导入影像植被指数逐步回归模型,建立康保县荒漠化地区植被覆盖度反演混合模型,并进行精度检验。结果表明:(1)在所选16种影像植被指数中,采用单一植被指数进行荒漠化地区植被覆盖度反演建模,与植被覆盖度拟合优度最高的是归一化植被指数(NDVI)和土壤调节植被指数(SAVI),利用植被指数逐步回归分析建模,筛选出的3种最佳影像植被指数是土壤调节植被指数(SAVI0.5),比值植被指数(SR_(N-R))和增强型植被指数(EVI);(2)通过线性混合像元分解建立的植被覆盖度反演模型,分解所得植被丰度与植被覆盖度的决定系数为0.673,模型精度低于利用植被指数逐步回归分析法反演的模型精度,但高于单一植被指数与植被覆盖度反演模型的精度;(3)精度检验显示植被指数逐步回归分析法反演的植被覆盖度模型的决定系数(R^2)和精度分别为0.719和86.70%,而混合像元分解和植被指数逐步回归分析综合所建的混合模型的决定系数(R^2)和精度分别为0.807和92.37%,表明植被指数逐步回归分析与混合像元分解相结合能较好地提高荒漠化地区植被覆盖度反演精度。

Sentinel-2A与Landsat 8数据在植被覆盖度遥感估算中的比较

本文以芜湖市繁昌县为研究对象,基于Sentinel-2A数据与Landsat 8数据,利用像元二分法、线性光谱混合模型对研究区进行植被覆盖度估算,并对试验结果进行分析,探究两种数据在植被覆盖度反演方面的能力差异,比较了不同方法在研究区反演中的优劣性。试验结果表明,繁昌县植被覆盖状况较好;利用Landsat 8数据和Sentinel-2A数据分析得出的植被覆盖度具有较强的一致性,并且当利用线性光谱混合模型反演植被覆盖度时,Sentinel-2A数据总体精度比Landsat 8数据总体精度高3.84%;利用像元二分法反演植被覆盖度时,Sentinel-2A数据总体精度比Landsat 8数据总体精度高2.725%。总体而言,Sentinel-2A的植被覆盖度反演能力优于Landsat 8;像元二分法能较好地适用于研究区的植被覆盖度反演。

黄河三角洲土壤盐分含量的遥感反演

土壤盐渍化是土地退化的常见问题之一,利用遥感技术快速获取土壤的盐分含量及其空间分布是盐渍土改良和治理的客观需要。本文以黄河三角洲的垦利县为例,基于Landsat8 OLI数据,提取采样点的土壤光谱信息,发现反射率与含盐量的相关性较小,故采用线性混合像元分解的方法从原始影像的混合光谱中将植被光谱剔除,相关性有了明显的提升,之后采用多元逐步回归方法构建土壤盐分含量的遥感反演模型。研究表明,剔除植被信息后建立的遥感反演模型在精度上有了明显的提升。