多端元光谱混合分析方法研究

摘要

LandsatTM/ETM+中等分辨率遥感图像在城市土地覆盖研究中广泛使用，由于城市地表的复杂性和空间异质性，混合像元问题在城市地区中等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。
　　 为解决混合像元分解问题，研究人员做了大量相关研究，其中多端元光谱混合分析法是一种有效的解决混合像元问题的分解方法。本文采用西安市TM中等分辨率遥感数据，以V-I-S模型为基础，探讨多端元光谱混合分析方法。主要研究成果如下:
　　 1、本文对混合像元分解中端元选取做了探讨，构建了候选端元光谱集。本文以V-I-S模型为基础，结合研究区土地覆盖实际情况，加入水体端元，确定了研究区土地覆盖类型为水体、植被、土壤和非渗透表面四类物质组成。通过将散点图端元选择法和纯净像元指数(PPI)端元选择法相结合的方式，选取了13个纯净像元群组，构成候选端元光谱集。13组候选端元中包含了2组水体端元，2组植被端元，3组土壤端元和6组非渗透表面端元。
　　 2、利用枚举法多端元光谱混合分析法、基于相关系数的多端元光谱混合分析法、基于光谱匹配的多端元光谱混合分析法和线性光谱混合分析法，采用构建好的候选端元集对研究区遥感图像进行混合像元分解，得到四种方法分解的土地覆盖物质组成丰度图及分解均方根误差图，对分解结果进行了定性和定量的精度评定分析。结果表明，枚举法多端元光谱混合分析法和基于相关系数的多端元光谱混合分析法分解结果精度较高，三种多端元光谱混合分析方法分解精度明显优于线性光谱混合分析法。
　　 3、通过比较三种多端元光谱混合分析方法的优势和不足，提出基于光谱归一化的多端元光谱混合分析法，定量提取研究区植被、土壤和非渗透表面三类土地覆盖的定量信息，并与以上四种方法的分解结果进行对比分析。研究结果表明，基于光谱归一化的多端元光谱混合分析法获得的精度高于以上四种方法的分解结果，可有效地解决城市环境高度光谱异质性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、模拟分析，提供了有效的信息提取方法。

目录

声明

摘要

第一章 引言

1．1 研究背景与意义

1．2 国内外研究进展

1．3 研究内容与方法

1．4 论文结构

第二章 多端元光谱混合分析方法原理

2．1 枚举法多端元光谱混合分析模型

2．1．1 端元光谱库的建立

2．1．2 线性光谱混合分析(LSMA)模型集的建立

2．1．3 最优模型的选择与像元中各端元丰度值的确定

2．2 基于相关系数的多端元光谱混合分析模型

2．2．1 端元光谱库的建立

2．2．2 最优端元的选取

2．2．3 混合像元分解

2．3 基于光谱匹配的多端元光谱混合分析模型

2．3．1 端元光谱库的建立

2．3．2 测试光谱库的构建

2．3．3 最佳测试光谱的选择与像元中各端元丰度值的确定

第三章 多端元光谱混合分析方法实验

3．1 实验数据

3．1．1 研究区域概况

3．1．2 实验数据选取

3．1．3 实验数据预处理

3．2 候选端元集的建立

3．2．1 端元选取方法

3．2．2 建立候选端元集

3．3 枚举法多端元光谱混合分析实验

3．3．1 建立线性光谱混合分析模型集

3．3．2 最优模型的选择与像元中各端元丰度值的确定

3．3．3 枚举法多端元光谱混合分析程序实现

3．3．4 枚举法多端元光谱混合分析结果图

3．4 基于相关系数的多端元光谱混合分析实验

3．4．1 最优端元选取

3．4．2 混合像元分解及端元丰度确定

3．4．3 基于相关系数的多端元光谱混合分析程序实现

3．4．4 基于相关系数的多端元光谱混合分析结果图

3．5 基于光谱匹配的多端元光谱混合分析实验

3．5．1 构建测试光谱集

3．5．2 最佳测试光谱选择

3．5．3 基于光谱匹配的多端元光谱混合分析程序实现

3．5．4 基于光谱匹配的多端元光谱混合分析结果图

第四章 误差分析与精度验证

4．1 线性光谱混合分析

4．2 分解结果精度对比分析

4．2．1 定性分析

4．2．2 像元分解均方根误差(RMSE)分析

4．2．3 分解准确性评估

第五章 基于光谱归一化的多端元光谱混合分析

5．1 水体掩膜处理

5．2 光谱归一化处理

5．3 基于光谱归一化的多端元光谱混合分析方法

5．4 结果分析与精度评定

5．4．1 像元分解均方根误差(RMSE)分析

5．4．2 分解准确性评估

第六章 主要结论与展望

6．1 主要结论

6．2 研究展望

参考文献

致谢

攻读硕士学位期间的研究工作