结合EEMD和比值导数的岩石-植物混合波谱分解

由于混合像元的影响,野外实测波谱或从遥感影像提取的像元波谱多为混合波谱。针对高光谱遥感应用中混合像元导致的混合波谱问题,提出了一种改进的比值导数混合波谱分解方法。首先,对野外实测的岩石与植被的混合波谱预处理,消除水汽噪声;其次,使用总体平均经验模态分解法（Ensemble Empirical Mode Decomposition,EEMD）进行IMF分解,获取r分量波谱;然后,利用比值导数方法对r分量波谱进行解混;最后,选取岩石面积比为自变量,近红外波谱的特征波段反射率值为因变量,利用回归分析定量反演野外混合波谱中岩石面积比。结果表明：①基于EEMD分解获取r分量波谱消除了环境干扰,反映了混合波谱总体趋势,体现了混合波谱中的主要地物波谱特征;②对EEMD分解获取的r分量波谱进行比值导数处理,抑制植被端元组分的同时,突出岩石组分对于混合光谱的影响;③结合EEMD和比值导数法处理后的特征波谱,提高了岩石—植物混合波谱反演精度。     

结合EEMD和比值导数的岩石-植物混合波谱分解

由于混合像元的影响，野外实测波谱或从遥感影像提取的像元波谱多为混合波谱。针对高光谱遥感应用中混合像元导致的混合波谱问题，提出了一种改进的比值导数混合波谱分解方法。首先，对野外实测的岩石与植被的混合波谱预处理，消除水汽噪声；其次，使用总体平均经验模态分解法（Ensemble Empirical Mode Decomposition，EEMD）进行IMF分解，获取r分量波谱；然后，利用比值导数方法对r分量波谱进行解混；最后，选取岩石面积比为自变量，近红外波谱的特征波段反射率值为因变量，利用回归分析定量反演野外混合波谱中岩石面积比。结果表明：①基于EEMD分解获取r分量波谱消除了环境干扰，反映了混合波谱总体趋势，体现了混合波谱中的主要地物波谱特征；②对EEMD分解获取的r分量波谱进行比值导数处理，抑制植被端元组分的同时，突出岩石组分对于混合光谱的影响；③结合EEMD和比值导数法处理后的特征波谱，提高了岩石—植物混合波谱反演精度。     

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。     

一种基于光谱归一化下的植被覆盖度反演算法

针对常规混合像元分解算法在植被覆盖度遥感反演中存在的端元变化误差及运算效率的问题,以两个不同类型植被覆盖下地区的TM影像数据为基础,提出了一种基于光谱归一化框架下的协同稀疏回归的植被覆盖度反演算法,并针对多种地表类型下的植被覆盖度反演试验,与常用的像元二分法模型进行对比分析。试验结果表明:对影像与端元组进行归一化后,有效地降低了它们的异质性,从而提高了反演精度,同时,该算法获取的植被覆盖度相对像元二分法具有更高的精度。     

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。     

典型地物的光谱空间结构特征研究

地物光谱是遥感技术应用与研究的物理基础。本文提出将地物在光谱特征空间的几何点阵结构特征作为研究重点,着重分析植被、土壤、岩石的野外实测光谱数据的光谱空间结构特征,并对所测得地物的光谱数据进行光谱线性混合模拟,进而分析线性混合地物的光谱空间结构特征。对实测地物光谱数据空间结构特征的分析不仅可以指导遥感影像数据的分析与应用,而且也为遥感影像地物目标识别和矿化蚀变信息提取技术的研究提供更多的科学理论依据和新的研究思路。     

全球典型植被叶片光谱特征及其对LAI反演的影响分析

在全球范围长时间序列LAI遥感产品反演算法中,植被冠层反射率模型仅使用少量叶片光谱特征代表全球植被全年的典型植被光谱特征,叶片光谱的不确定性导致LAI遥感产品存在一定的误差。目前全球已经构建了多个典型植被叶片波谱数据集,这些数据集包含多个植被物种、不同空间地域及多时相叶片光谱数据,为定量分析叶片光谱特征提供了数据支持。主要利用LOPEX’93、ANGERS’03、中国典型地物波谱数据库和野外实测的叶片光谱数据,以黄边参数、红边参数和叶片光谱指数作为分析指标,探讨不同植被物种、不同气候区和不同物候期的叶片光谱特征差异,及其对植被冠层反射率、LAI反演的影响,为发展考虑现实叶片光谱差异的LAI反演算法提供研究基础。结果表明:植被叶片光谱存在多样性,叶片光谱特征差异主要影响MODIS传感器近红外波段和绿波段反射率值,其中,绿波段反射率值对叶片光谱变化最为敏感;在LAI反演算法中,如果只考虑植被类型而不考虑物种叶片光谱差异,可能会给LAI反演带来大于3的误差。     

地中海生态系统中土地退化,土壤侵蚀和沙漠化遥感监测

简要介绍了国外应用遥感图像进行土地退化制图和监测的一种新方法。遥感图像上像元亮度值代表土地表面多种物质（土壤、植被、阴影、母岩）混合光谱辐射特征，通过多光谱图像辐射校正和典型区野外光谱测试，利用线性光谱混合模拟可以将ＡＶＩＲＩＳ和ＴＭ图像混合光谱中差异明显的几个组分进行分离，进而在各组分丰度分析的基础上，比较准确地进行植被盖度、土壤条件与土壤侵蚀的判别与制图。     

基于空谱初始化的非负矩阵光谱混合像元盲分解

混合像元分解是提高遥感监测能力的有效方法之一,因此一直以来是遥感领域的重要研究内容。非负矩阵盲分解(Non-negative Matrix Factorization,NMF)方法无需监督选择端元,无需假定纯像元存在,且能同步获取优化的端元光谱与端元丰度,从而为先验知识不足、高度混合场景下的混合像元分解提供了不错的选择,因此成为高光谱混合像元分解方法的重要分支之一。但NMF易陷入局部最优,若直接应用于混合像元解混难以获取稳定的最优解,从而影响了NMF在光谱混合分解的推广应用。针对这一问题,提出一种利用空谱预处理(SSPP)改进NMF的混合像元分解方法(SSPP-NMF)。首先利用SSPP算法结合空间和光谱信息筛选出合理有效的数据子集;然后用NMF算法对筛选出的数据子集进行混合像元分解,获取具有空间均匀性和光谱纯净性的端元光谱;最后基于上一步获取端元光谱利用非负最小二乘法(NNLS)获取整个研究区的最终端元丰度。为检验该方法的有效性和适用性,分别采用模拟仿真数据和真实遥感影像分析了SSPP对NMF的改善效果,并与ATGP-NMF、MVC-NMF两种基于初始化改进NMF的方法进行了比较分析,结果表明:相比ATGP-NMF、MVC-NMF而言,SSPP算法更能有效抑制噪声的影响,明显地提高NMF分解效果,并且具有较高的时间效率。     

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。     

地物波谱数据库应用方法及遥感应用现状

地物波谱数据库在遥感信息提取中具有重要的应用价值,本文归纳和总结了常用的国内外通用型地物波谱数据库与专业型地物波谱数据库的发展现状。在对有关波谱库遥感应用文献进行计量分析的基础上,综述了地物波谱数据库遥感应用的四种主要方法波谱特征分析、光谱匹配识别、混合像元分解以及参数提取建模,阐述了地物波谱数据库在地物分类、目标识别及参数反演中的应用。从当前所处的遥感"大数据"时代背景出发,亦对地物波谱数据库的建设趋势与应用潜力进行了展望。     

高分一号影像水稻叶面积指数反演真实性检验

为了解决常规卫星遥感叶面积指数真实性检验方法存在的破坏样地植被、操作复杂、耗时费力,且难以用于对应大范围的植被采样等问题,该文以安徽省来安县为研究区,利用实测水稻冠层光谱结合GF1-WFV传感器进行光谱重采样并计算水稻NDVI,基于此进行LAI反演建模,通过光谱计算的LAI反演结果对GF-1星多光谱遥感水稻LAI的反演结果进行真实性检验,并结合野外LAI观测数据证明了该方法的有效性和可行性。研究表明,该方法操作简单,准确度高,大大减少了野外试验的工作量,为快速、准确获取大量真实性检验数据及定量化应用提供了有效的途径。     

矿物高光谱解混进展研究综述

由于高光谱传感器低空间分辨率特征,岩石高光谱一般是矿物组分的综合反映。矿物高光谱解混对矿产勘查、矿物含量定量反演和野外地质填图等提供了可行的鉴定方法。首先介绍了2种主要的光谱混合模型;其次基于矿物混合机理特征,从模型驱动法和数据驱动法2个方面,对近年高光谱数据的端元提取和丰度求解算法进行归纳,分析各解混算法的原理和优缺点;然后从实验室实测数据、模拟数据和高光谱影像数据3个方面,对目前已开展的混合矿物高光谱解混实验进行概括,总结各算法的解混效果和适用性;最后针对各解混算法的特点和研究现状指出未来矿物高光谱解混的研究方向。     

基于ASTER数据的混合像元分解技术在水质监测与评价中的应用

以ASTER数据为数据源对湖北省钟祥市胡集虎山尾矿库水质状况进行了监测与评价。文中运用FLAASH模型对ASTER数据进行了大气辐射纠正,并对数据进行了几何纠正。因ASTER数据空间分辨不能很好地满足水质监测的精度要求,故而文中使用波谱沙漏分析对ASTER数据进行混合像元分解,提取到研究区的水体信息,同时在获得基于ASTER数据的纯净像元指数基础上,利用反距离权重算法对野外采样点处混合像元的光谱反射率值进行计算。通过对比试验结果,利用数学统计方法建立了实测污染物数据与水体反射率比值间显著相关的反演模型,并对模型进行显著性检验,最后利用建立的模型对水体反射率进行运算处理,得到研究区水体相应污染物浓度分布,完成了对研究区水体的水质状况的监测与评价。     

非监督正交子空间投影的高光谱混合像元自动分解

利用混合像元线性分解技术处理高光谱影像，以获取研究区域中同一像元的不同组份是遥感应用的主要目的之一。近年来，研究者们发展了一种正交子空间投影技术(0SP)，用来探测感兴趣目标，进一步可以用来分解混合像元，然而应用这种方法分解混合像元的缺陷是需要有研究区域的先验信息，这就制约了它在这方面的应用。为此针对这种不足，提出一种非监督的正交子空间投影(UOSP)技术，用来自动获取影像端元光谱，同时进行混合像元分解。并用成像光谱数据(PHI)实例测试了这个方法，结果表明该方法自动获取的端元比较合理，且分解混合像元精度较高。     

Normalized Cut与分水岭变换在高光谱影像混合像元端元提取中的应用

现有的遥感影像端元提取方法主要是从光谱特征角度提出,而结合空间信息的端元提取方法是近些年遥感影像混合像元分解的研究热点,为此使用图论的图像分割Normalized Cut与分水岭变换方法提出了一种改进的空间预处理模型用于高光谱遥感影像混合像元的端元提取。该方法在混合像元端元提取过程中不仅利用遥感影像的光谱信息而且引入了像元的空间位置信息,实验结果表明本文提出的端元提取方法与现有的方法相比提高了遥感影像的混合像元分解精度。     

端元约束下的高光谱混合像元非负矩阵分解

提出一种端元约束条件下的非负矩阵分解方法来自动反演混合像元组分。以端元光谱之间的差距为约束条件,使得目标函数综合了影像的分解误差和端元光谱的影响,并以最大后验概率方法导出了限制性非负矩阵分解的迭代算法。成像光谱数据实验结果表明该方法能够自动提取影像的端元光谱矩阵与组分信息,且分解精度比IEA方法高。     

基于RBF神经网络的混合像元分解

介绍了高光谱遥感技术中混合像元的概念,可以通过分析高光谱遥感光谱曲线,来确定混合像元的地物组成类别和比例,实现混合像元分解的目的.阐述了基于RBF网络进行混合像元分解的方法,并采用模拟遥感数据进行了仿真实验,验证了这种方法的有效性.     

基于多源遥感数据及几何光学模型的森林郁闭度估测

森林冠层郁闭度(Forest Canopy Closure,FCC)是评估森林资源的重要因素,准确估算森林郁闭度对森林经营和管理具有重要意义。基于Li-Strahler几何光学模型,无人机激光雷达和高分六号宽幅(GF-6 Wide Field of View,GF-6 WFV)数据估测森林郁闭度,并针对混合像元的问题提出了一种可靠的方法。首先,利用无人机激光雷达衍生的高精度森林结构参数计算无人机飞行覆盖区域的光照背景分量。然后,利用连续最大角凸锥(Sequential Maximum Angle Convex Cone,SMACC)算法及线性光谱分解模型对GF-6 WFV进行混合像元分解,确定研究区最优场景分量。最后,利用Li-Strahler几何光学模型估测研究区域森林冠层郁闭度,并利用野外样地实测数据进行精度验证。结果表明：估测郁闭度与实测郁闭度之间的决定系数(R²)为0.692 8,均方误差根(RMSE)为0.059 4,总体精度为93.4%,Li-Strahler几何光学模型可以有效的在森林郁闭度反演中发挥作用。