基于SAIL模型的光谱解混研究

摘要

由于传感器分辨率有限且地物分布复杂多样，所以很多光谱不是单一地物的光谱，而是混合多种地物光谱贡献的混合光谱。随着高光谱遥感技术的不断发展，如何对高光谱每个像元连续完整的光谱谱线进行光谱解混，把光谱解混用于地物的精确分类与目标识别，已经受到了遥感界越来越多的关注。
　　 光谱解混一方面可以弥补传感器由于硬件原因而导致的分辨率不高，另一方面也可降低获取高分辨率图像的成本，这对高光谱的发展具有重要意义。一般而言，光谱解混的方法可分为两大类：线性解混方法和非线性解混方法。由于线性解混方法的简单性和科学性，目前普遍采用的是线性解混方法。但根据本文提出的光谱混合类型，线性解混方法针对的混合类型为邻接型混合，对于本文的研究对象——植被/土壤系统，它属于上下叠合型混合，分量光谱之间已不再具有线性关系，除此之外，线性解混只是一种基于统计原理的方法，并没有任何物理机理基础，故线性解混在此种情形下已不再适用。
　　 针对这里的研究对象——植被/土壤系统，本文采用辐射传输理论来解决植被/土壤上下叠合型混合光谱的解混问题。本文基于植被冠层光谱模型SAIL（Scattering by Arbitrarily Inclined Leaves），运用微粒群算法反演叶片反射率和透射率及土壤反射率。在此反演结果的基础上，通过去除土壤因素，再次利用SAIL模型正向计算，可得到冠层光谱，即达到解混目的。鉴于目前大多数工作集中在模拟数据的研究，本文不仅对无偏差模拟混合光谱数据和加噪模拟混合光谱数据做了解混，还对实测混合光谱数据做了解混，实验结果表明了基于SAIL模型和微粒群算法的光谱解混方法的可行性。此外，本文还提出了混合光谱分类依据，根据混合光谱的类型而选用合适的光谱解混方法。