混合光谱分解模型提取水体叶绿素含量的研究

遥感监测水体叶绿素含量是水质遥感研究的难点之一。本文通过研究不同叶绿素含量水体反射率的光谱特征,确定了提取叶绿素a含量的最佳特征波段,建立了太湖水体叶绿素a的混合光谱模型。研究发现,混合光谱模型提取的水体叶绿素a百分比浓度与同步采样分析的叶绿素a浓度之间有较好的线性相关性。并基于TM和HEPER ION图像利用此模型生成了叶绿素a浓度分布图。研究结果表明,混合光谱分解模型可以作为遥感监测水体叶绿素a含量的定量模型。

基于高光谱线性混合光谱分解识别人工地物

城市下垫面包含多种不同年代、材料和成分的人工建筑物,其光谱多样性远远超过自然环境.利用高光谱遥感数据的丰富光谱信息,可以弥补传统遥感数据源(如航片、多光谱遥感数据等)在区分城市地物所需光谱分辨率等相关信息上的不足.从光谱分析与光谱匹配技术出发对城市地物和人工目标进行精细分类,可提供城市规划、环境监测、城市变迁乃至相关社会经济等方面的信息.本研究基于Hyperion高光谱遥感数据,以广州市区为试验区,尝试用手动提取终端像元,首先对水体与植被做分层掩膜,尽可能消除其在求取参考波谱与影像波谱角度过程中的影响;继而参考约翰-霍普金斯大学提供的标准光谱库的人工建筑物波谱,对光谱角度制图方法所产生的规则影像进行密度分割,获取与参考光谱夹角最小的端元准确位置,再通过高空间分辨率影像Quick B ird数据对其进行准实地验证,尽可能提"纯"并获取相应地物影像端元;最后,应用线性光谱分解模型提取出广州市区地表物质的丰度,由丰度图设定阈值生成地物分类图.结果表明:星载高光谱数据可识别出都市人工地物中的水泥混凝土、铺路混凝土、粘土瓦屋顶、较老建筑屋顶、裸土、高反射率未知物(玻璃、金属等)、低反射率未知物(阴影)、林地、草地与水体等,其总体精度为76.2099%,Kappa系数为0.7258.

基于环境一号HSI高光谱数据提取叶绿素a浓度的混合光谱分解模型研究

随着遥感技术的应用推广以及对研究精度的要求提高,越来越多的研究注意到混合像元的问题。在水质遥感监测中传感器探测的水体辐射亮度值是纯水和各种水质参数辐射亮度值的叠加,混合像元问题严重影响了水质定量遥感反演的准确性。基于环境一号HSI高光谱数据,首先分析了混合光谱分解模型的物理基础,然后基于采样点浓度大小和PPI(纯净像元指数)方法在遥感影像上提取纯水和叶绿素a的端元波谱,并利用线性光谱分解方法得到叶绿素a的丰度值找丰度值与叶绿素a浓度值之间的统计关系,建立了叶绿素a浓度反演的混合光谱分解模型,且反演精度较高。本文为水质定量遥感提供了一种新的思路。

混合光谱分解实验研究

混合光谱分解研究对提高遥感识别地物信息精度具有重要意义。实验室模拟混合光谱分解模型可以作为遥感影像混合像元分解的基础,为地物分类提供经验模型和理论依据。对土壤-植被混合模型进行实验室模拟,对原始光谱反射率进行一阶微分、对数、去连续统变换,运用特征波段法和相似系数法拟合回归方程,并对比模型精度。结果表明基于对数变换数据的特征波段法和一阶导数变换数据的相似系数法建模,反演组分含量的精度高。

基于光谱混合分解的果园扩张特征与种植适宜性研究

以果园为代表的经济作物种植面积迅速扩张,其在获得一定经济收益的同时,也造成了一系列的生态环境问题。开展果园扩张及其演变特征研究,是助力果园生态可持续发展的重要内容。本研究以山东省烟台市苹果主产区栖霞市、莱阳市以及海阳市为研究区,基于线性光谱混合分解方法提取土地利用数据,分析了1998—2019年研究区果园种植面积变化情况,并结合扩张强度、扩张速率以及景观格局指数探析了当地果园扩张演变特征及其规律,进而通过种植适宜性评价体系,分析3个研究区果园种植适宜性分布情况。结果表明:研究期间,研究区果园呈持续扩张趋势,且明显分为快速扩张(1998—2010年)和平稳扩张(2010—2019年)两个阶段,其果园分别扩张409.25、684.71 km^(2);此外,约68.11%的果园扩张发生在北部栖霞市,这使当地形成以果园种植为主的农业经济发展模式。1998—2019年间,果园扩张主要来源为林地和耕地,其贡献率分别约为23.55%和55.52%;其中,一熟作物为主要耕地来源,其果园扩张贡献率高达42.51%,而裸地贡献率最低。2010年以后,研究区果园扩张由“填充式”转为“零散式”扩张,果园结构聚集度下降,破碎度增大;此外,果园扩张主要优先发生在高海拔以及山地,优先扩张区具有充足的气候资源与优良的自然地理条件,有利于苹果树生长发育。果园扩张达到一定规模时,会受海拔、坡度以及农村劳动力等因素的限制,逐渐向地形条件相对较差的地区扩张,可能造成果园收支不平衡现象和较大的潜在水土环境风险,当地政府应予以重视,并进一步加以控制。栖霞市的果园种植区整体种植适宜性较高,果园生长发育外部环境良好,尤其是气候条件;受土壤条件影响,莱阳市与海阳市果树种植区外部投入量相对较大。

水体高光谱反演混合光谱空间信息分解模型研究

水体高光谱中的混合效应问题是水体定量遥感中的难点。已有研究表明,仅依赖标量光谱信息难以解决复杂的水体混合光谱问题。广域水体污染物除光谱信息之外,还具有明显的空间分布特性。充分利用其空间维信息,可以作为遥感光谱维信息的有益补充,有利于水体复杂光谱的解混。以巢湖为例,HJ-1A HSI高光谱数据为数据源,辅以水面光谱测量数据,在空间地统计学和遗传算法理论基础上,利用地统计学中的变异函数模拟相邻空间两像元的分布差异,将邻域像元空间变异函数作为遗传算法目标函数的约束条件,建立基于协同克里格遗传算法的湖泊水体高光谱反演混合光谱空间信息分解模型,并对悬浮物浓度反演结果进行检验。结果显示,与常规混合光谱分解模型相比,混合光谱空间信息分解模型对悬浮物浓度的预测值与实测值相关系数为0.82,均方根误差9.25mg·L^(-1),相关系数提高了8.9%,均方根误差下降了2.78 mg·L^(-1),表明该模型对悬浮物浓度具有较强的预测能力。该方法将水体的空间信息与光谱信息有效结合,可以避免水色参数光谱信号弱导致反演结果失真,同时由于高光谱波段多、信息量大,带来信息提取计算量大而复杂等问题,也为复杂水体混合光谱模型的求解和模型反演精度的提高提供了有效途径。

基于多季相光谱混合分解和决策树的干旱区土地利用分类

该文利用2015年Landsat 8多季相数据,以民勤县为例探讨了干旱区土地覆被/利用分类方法。首先进行了研究区多季相遥感数据的主成分变换,确定了Landsat OLI光谱空间的内在维数。其次通过对各季相主成分空间的分析,确定了光谱混合分解的端元类型及各自的代表性季相。获取端元光谱之后,采用全约束线性光谱混合模型分解各个季相的遥感影像,估计各端元组分占像元的面积百分比(端元丰度值)。最后利用端元丰度值的多季相估计结果,依据先验知识和训练样本建立决策树分类规则进行土地覆被/利用分类。分类方法的总体精度达到90.94%,Kappa系数为0.90。研究表明:将物理意义明确的端元丰度值作为分类变量,能够快速、有效地获取分类规则,生成树的结构简单、合理、清晰,对训练数据的依赖性较低,因此具有应用于整个旱地系统土地覆被/利用分类的潜力。

绿洲景观多季相特征的线性光谱混合分解方法研究

因干旱、半干旱区生态环境的脆弱性和社会经济的干扰,区域景观季相间具有显著变异,但该类区域季相景观异质性研究相对薄弱。加上遥感数据空间分辨率的约束,表征荒漠化状态的异质性景观特征以一定程度的混合像元存在,传统的景观信息提取方法具有一定的局限性。以甘肃省民勤县为例,进行了荒漠化异质性季相景观特征的线性光谱混合分解方法研究,包括端元类型确定,多季相代表性端元选择和光谱值优化等关键步骤。结果表明,多季相线性光谱混合分解模型考虑了端元在季相之间的可比性和分解结果的物理意义,可以直接进行物理解译,有效模拟民勤绿洲的景观要素分布,多季相端元丰度可以描述各类端元的季相变异,为土地荒漠化监测评价提供保障。

面向线性光谱混合分解的邻域像元集螺线型构建方法

高时间分辨率遥感影像在地表景观破碎区域易形成混合像元,难以发挥其高时间维度优势。现有方式多是基于线性光谱混合模型,借助邻域像元所构成的像元集合组成线性方程组,求出组分光谱值的最小二乘解,提高其空间分辨率。然而,现有方法依赖窗口形式来构建邻域像元集合,在某些区域易造成方程组无解的欠定问题。本文在分析其问题原因的基础上,引入阿基米德螺线代替传统的矩形窗口,对邻域各像元依次遍历,构建空间邻近、组分相近的邻域像元集合来解决该问题。在GlobeLand 30数据上的试验表明,螺线型构建方法对5种混合尺度上多种类型地物均具有稳定的精度,与传统窗口构建方法相比,可从构建邻域像元集合方面将总体理论精度提高2%,分解结果精度提高近1个数量级。

融合光谱混合分解与面向对象的土地利用/覆被分类

错综复杂的土地利用模式和破碎的地物斑块制约了土地利用/覆被分类的精度和效率。一方面,混合像元模糊了地物的光谱信息,影响了分类精度。另一方面,如何高效利用地物的光谱、形状和纹理特征是当前土地利用/覆被分类的研究热点。为了提高基于遥感技术的土地利用/覆被分类精度,该研究基于Sentinel-2A遥感影像,开展融合光谱混合分解与面向对象的土地利用/覆被分类研究。首先,基于地物的光谱、形状和纹理特征,在3个分割尺度通过NDWI(Normalized Difference Water Index)、NDVI(Normalized Difference Vegetation Index)、SBL(Soil Background Level)等8个特征参数构建了不同地物信息的提取规则。其次,利用光谱混合分解模型提取研究区基质(SL;岩石和土壤)、植被(GV;光合作用叶片)和暗色物质(DA;阴影和水)3类通用端元。最后,尝试融合3端元光谱特征优化地物信息提取规则。研究结果表明:1)基于构建的光谱、形状和纹理的地物信息提取规则,使用模糊函数、阈值法进行土地利用/覆被分类,获得了较高的分类精度,总体精度为80.83%,Kappa系数为0.76。2)融合3端元的光谱特征的提取规则将分类精度提升至90.00%,Kappa系数提升至0.88。3)具有明确物理意义的3端元的融入增强了像元内各组分信息的差异性,弥补了传统光谱指数对植被与土壤间的亮度信息解析度不足的缺陷。该方法能充分利用影像的光谱信息,是一种由易到难、对不确定因素进行逐层剥离的土地利用/覆被信息提取技术,对中高分辨率的多光谱遥感影像十分友好,在土地利用/覆被的精细化分类中有较大应用潜力。

利用光谱混合分解模型分析GF-6新增波段对土地利用/覆被的响应

当前面对紧迫的自然资源管理压力和生态环境监测需求,针对国产遥感卫星大数据应用能力的挖掘将面临很大的挑战。GF-6卫星具有大角度、高频次和新谱段的特点,该文基于GF-6卫星数据,测试新增的红边、黄光和紫光波段响应能力。利用具有物理意义的全约束线性光谱混合分解模型,根据研究区物候特征确定四端元包括植被(GV),裸地和建设用地等基质(SU),山体植被阴影(DA)以及水(WA),通过对比保留红边、黄光波段、紫光波段和去除红边、黄光、紫光波段后的分解结果,对各新增波段和GV端元、SU端元、差均方根(RMSE)进行相关性分析;最后对比光谱混合分解结果和基于专家知识决策树分类结果。通过对比丰度值估计参数和决策树分类结果发现红边波段对植被较为敏感,对光谱混合分解模型的适用性、稳健性以及丰度值估计精度有着很大贡献,黄光波段和紫光波段经过数据降维后对植被和裸地、建设用地有少量贡献。通过相关性分析发现红边2波段、近红外波段与GV端元丰度图有最大的相关性,紫光波段、黄光波段和红边1波段与GV端元反向相关;红边1波段、紫光波段和黄光波段与SU端元丰度图显著相关;红边1波段和黄光波段对丰度值计算误差有主要贡献,是主要的噪音来源,紫光波段次之。通过对比GF-6数据和OLI、Sentinel-2数据丰度值估计结果发现GF-6丰度值估计的均方根误差以及除了WA端元的各端元丰度值估计变异系数均小于OLI和Sentinel-2载荷,体现出CF-6卫星在地表信息识别上较高的精度和稳健性。

基于基模分析的高光谱混合像元分解

基模分析被广泛地运用于机器学习与数据挖掘之中,其核心思想是通过寻找数据凸体的角点,这些角点通常是数据的主要成分。同时通过分配比例系数给这些角点,这样就能重构原始数据。本文据此出发,利用基模分析进行高光谱盲信号分离,分别分离出端元矩阵与各种物质的比例系数。在梯度下降算法的框架下,我们采用了一种快速初始化策略,利用基模分析的扩展模式-核方法进行端元与比例系数的迭代。通过对真实高光谱遥感影像大量实验发现,此方法简单易行,且精度较高。

利用独立性约束非负矩阵分解的高光谱解混算法

为了克服经典非负矩阵分解目标函数的非凸性引起的局部极小值的影响,获得高光谱混合像元分解的最优解,引入端元光谱数学期望的四阶累积量和负熵的约束,提出一种端元独立性约束条件下的非负矩阵分解的高光谱混合像元分解算法(I-NMF)。非负矩阵分解采用投影梯度迭代方法。I-NMF算法既利用了非负矩阵分解的优点,又考虑了端元光谱的独立性,并且适用于无纯像元的混合像元分解。模拟和实际数据实验表明,I-NMF算法能够精确地进行混合像元分解,且抗噪声能力较好。

基于最小体积约束的非负矩阵分解模型的高光谱解混算法探究

高光谱遥感图像中,遥感影像的分类精度和地物识别会因混合像元的存在而受到影响,从而限制了遥感科学向定量化发展.基于最小体积约束的非负矩阵分解方法,不仅不需要假定纯像元的存在,而且在自动提取端元的同时获取对应的丰度图,这种非监督的光谱解混技术克服了传统方法的限制条件,为高光谱图像中混合像元问题的解决提供了新的思路和方法.

草地退化的高光谱遥感监测方法

我国草地分布面积广,退化情况严重,实时、准确地监测草地的生态状况,对于区域气候、碳循环研究以及经济发展具有重要意义。利用地面实测光谱数据进行了高光谱草地退化监测研究。选择内蒙古呼伦贝尔市的温性草甸草原为研究对象,测量了草甸草原的羊草、克氏针茅、冷蒿等多种植物的叶片、冠层以及多种植物混合的群落反射率光谱数据。通过有效的光谱特征参量化方法,提取叶片和冠层光谱的光谱特征,准确区分了草甸草原的几种建群和退化指示草本植物,验证结果表明光谱识别的精度高于95%。以此为基础,利用线性光谱混合模型对群落植被的混合光谱数据进行混合光谱分解,得到各组分的覆盖度,误差在5%以内。该文的研究结果为高光谱遥感草地监测提供了有力依据。

基于高光谱数据的呼伦贝尔草原花期物种识别和覆盖度估算

实时准确地监测草地植物种类和覆盖面积对草原物种多样性研究和生态环境的可持续发展具有重要意义。草地植物在花期具有独特的光谱特征,相比营养生长期,通过花更容易识别物种。花期是遥感识别物种的关键时期。本文利用2008年8月和2010年7月呼伦贝尔草原上麻花头、棉团铁线莲、冷蒿、蓬子菜、黄花菜、有斑百合和细叶百合七种花以及裸土的实测高光谱数据,通过其冠层光谱的特征分析和参量化,找出了各物种之间的光谱差异,且得到了参量化特征识别方法,经验证,当花在样方中的覆盖度大于10%时,识别方法的精度在90%以上。在此基础上,采用线性解混模型,计算样方中各种花的覆盖度,与实际数据相比较,误差在4%左右,证明了线性解混模型用于估算草原上花覆盖度的可行性。

高光谱遥感矿物识别方法研究

随着高光谱矿物识别方法的不断发展,使得高光谱遥感技术在地学领域的应用由定性分析到定量识别成为可能,也为今后开展成像光谱遥感数据的广泛应用做好了技术准备。依据对谱形特征研究角度的不同,把矿物识别方法分为基于特征谱带和基于完全波形特征,并针对这些方法的特点、存在问题及适用场合进行分析,提出进一步需要开展的工作:深入分析和研究岩矿物化属性与光谱特征的相关性;进一步完善遥感岩矿混合光谱数值模拟与分析技术;加强高植被覆盖区岩石矿化蚀变信息提取方法研究。

基于广义形态学的高光谱图像解混算法

综合利用像元的光谱和空间信息,提出一种基于广义形态学的混合像元分解算法。引入基准像元,避免形态学算子在像元排序规则和替换准则上存在的局限性。针对图像中不同类别交界处存在的交叉替换现象,广义开-闭算子采用修正能量函数作为距离测度进行计算。端元提取之后利用全约束最小二乘法进行丰度反演。利用矿物光谱的模拟数据和真实数据进行实验,结果表明,该算法无需先验信息便可自动进行混合像元分解,分解精度较高。

基于热红外遥感数据和光谱混合分解模型的城市不透水面估算

不透水面的迅速增长是城市化的显著特征之一,针对大范围的城市监测,运用遥感技术迅速提取城市不透水面是当前国内外研究的热点。论文选用Landsat 7的ETM+影像,基于光谱混合分解模型,结合热红外遥感数据反演生成的地表温度,研究杭州市的不透水面分布信息的提取。通过高、低反照率、植被及土壤4类光谱端元的线性组合来表征不同城市土地类型,并利用地表温度和土壤分量分别剔除高、低反照率分量中的"噪声",综合修正后的高反照率分量和低反照率分量估算杭州市不透水面分布。结果显示,研究区中均方根误差的平均值为0.003 6,不透水面分布结果与同期Google earth上的高分辨率影像和SPOT 4影像的解译结果对比分析,绝大多数样本的估算值与解译值之差落在±0.15区间内,精度令人满意。研究表明,热红外遥感数据和光谱混合分解模型相结合,可以实现对不透水面进行快速、精确的估算。

改进线性光谱混合分解模型湿地信息提取

由于干旱区农牧交错地带湿地面积小且地类混杂,混合像元现象严重,使得该区湿地信息的自动提取难度较大。针对湿地遥感信息提取的特点和难点,采用NDVI(normalized different vegetation index)阈值法提取水体,应用支持向量机模型(SVM)提取去除水体后的湿地信息,并以修正线性光谱混合分解模型分解的草甸分量,进一步提取高盖度、中盖度和低盖度草甸信息。试验验证结果表明:提取结果的总体精度为88%,Kappa系数为0.83。该方法可为其他光谱特征混杂地区湿地遥感信息的提取提供参考。