线性光谱混合模型

摘要： 以黄土高原为例,基于Sentinel-2A影像和地表实测地物光谱与盖度数据,分别在模拟混合场景和野外实测混合场景中,评估4种NPV植被指数(NPVI):SWIR32(短波红外比值指数)、DFI(干枯燃料指数)、STI(土壤耕作指数)和NDTI(归一化差异耕作指数)估算非光合植被盖度(fNPV)的有效性,并利用优化法确定线性光谱混合模型的关键参数端元值,估算研究区光合植被盖度(f_(PV))和f_(NPV).结果表明,在模拟混合场景下,4种NPVI与模拟f_(NPV)线性关系的R2是0.365~0.750;在野外场景中,其相关性均有一定程度的降低,R2是0.147~0.211.研究构建NDVI-SWIR32像元三分模型,并确定了最优端元值:NDVIPV=0.80,SWIR32PV=0.60,NDVINPV=0.17,SWIR32NPV=0.77,NDVIBS=0.23,SWIR32_(BS)=0.99.模型对f_(PV)和f_(NPV)估算精度R2分别是0.817和0.463,NSE分别是0.806和0.458.利用该模型估算全区2019年4、8和12月的平均fPV和f_(NPV),分别为20.3%和59.2%,48.6%和33.1%,10.7%和59.0%.随时间推移,f_(PV)从东南向西北不断增加而后减小,f_(NPV)与之相反.NDVI-SWIR32模型可以用于Sentinel-2A影像数据来监测黄土高原地区fPV和fNPV的时空动态变化.

摘要： 光合植被(Photosynthetic Vegetation,PV)和非光合植被(Non-Photosyntletic Vegetation,NPV)是用于描述干旱区植物生存状态和监测植物生产力的重要因子,及时监测PV/N PV的覆盖度是研究植被衰退驱动机制的必要条件.鉴于此,以中国西部甘肃省民勤县荒漠过渡带为研究区,采用线性光谱混合模型,通过Google Earth Engine地理云计算平台上Landsat系列的年NDVI(归一化植被指数Normalized Differ-ence Vegetation Index)最大合成影像数据生成一套1987年—2017年的PV与NPV覆盖度产品(1期/年).通过数据分析发现近30 a间民勤的PV和N PV覆盖度均明显增加,2007年—2008年是PV大量向N PV转化的时间节点;PV覆盖度增加主要是在石羊河两侧耕地范围内及其南部腾格里沙漠区域,而N PV覆盖度增加分布于绿洲外的整个民勤境内的荒漠区域,此结论可作为研究区PV与N PV覆盖度变化及其发生的根源分析的依据.

摘要： 内蒙古新巴尔虎右旗甲乌拉—查干铅锌银矿区地处呼伦贝尔草原腹部,当地半干旱的气候使得该矿区尾矿库、固体废弃物堆、矿石堆等易于产生扬尘,对周边草场产生污染.采用传统的化学采样和光谱分析调查矿区扬尘污染精度虽高,但费时耗力,而利用时序遥感方法监测矿区扬尘污染则比较便捷.本研究利用2018年GF-1卫星数据完成了矿区开发占地信息提取,在分析研究区的风场和最佳扬尘观测月份基础上,使用2000年、2005年、2010年、2015年和2018年获取的5期Landsat卫星数据,采取"扬尘风积物-植被-水体和阴影"端元分解模型和人工干预的半自动剔除道路干扰方法,对矿区扬尘风积物进行遥感监测;相较于归一化差值植被指数(normalized differ-ence vegetation index,NDVI)分析法,该方法在考虑植被光谱信息的同时也兼顾扬尘的光谱信息,使监测结果更为客观.比较5期遥感图像扬尘风积物提取结果发现,截止到2018年,矿区1 km缓冲区内扬尘风积物污染面积扩大到190.57 hm2,其中2000—2010年间和2010—2018年间的年平均增长面积分别为14.74 hm2和0.64 hm2.监测结果表明矿区采取的防治和治理措施可以明显改善扬尘风积物污染问题,但是随着矿区进一步开发,生态修复治理也应及时跟进.

摘要： 线性光谱混合模型是目前应用最广泛的光谱混合模型,但由于遥感观测多分辨率的特点,模型的适用性会受到尺度效应的影响.为探索该模型在不同观测尺度下的适用程度,本文从地物辐射原理出发,通过理论推导微面元辐射通量表达式,得出地物辐射通量除了与端元反射率和面积比有关外,也与天顶角存在显著的非线性关系.因此,在线性光谱混合模型和微面元辐射通量的基础上,推导了更具普适性的积分线性光谱混合模型的表达式,再采用数值模拟的方法,计算了两模型的相对差值Δρ,结果表明Δρ的大小仅与探测单元的半瞬时视场角β有关,并通过实测光谱实验对上述推论进行了验证.研究表明,当β＜13°时,Δρ较小,线性光谱混合模型是积分线性光谱混合模型的一种近似表达形式,β完全可作为确定线性光谱混合模型适用观测尺度的关键依据,并且该模型的适用程度随β的增大而降低.

摘要： 基于亚像元思想,采用线性光谱混合模型对混合像元进行分解,结合传统与手动方法选取端元,使用Landsat 8 OLI数据对研究区不透水面覆盖度(Impervious Surface Coverage,ISC)进行提取,并对初步提取的不透水面采用NDVI阈值法进行优化处理.对于模型的分解精度,RMS平均值为0.008812,达到精度要求.提取结果经精度验证,提取的不透水面盖度的均方根误差为0.1398,平均绝对误差为0.0809,具有较高的精度.最后,对南昌部分地区进行不透水面盖度统计,并对其进行空间分布分析.研究结果表明:使用线性光谱混合模型并结合传统与手动选取端元,能够较好的提取南昌地区不透水面盖度信息,可以解决仅仅基于像元的不透水面提取精度不高的问题;南昌地区不透水面主要集中在研究区的中部地区,四周不透水面盖度较低,平均不透水面盖度最高的地区为青云谱区,平均ISC达到59％.

摘要： 植被覆盖度在生态环境中扮演着非常重要的角色,遥感影像可以反映不同空间尺度的植被覆盖信息及其变化的趋势,因此,遥感监测是获取区域植被覆盖度参数的重要的手段.在前人研究基础上,本文结合现有数据,选择Landsat8数据作为植被覆盖度估算的研究数据,通过像素的二元模型和线性像素的混合模型估算铜川地区的植被覆盖度,Geoland2植被覆盖率数据集用于验证两种模型的估算结果.

摘要： 准确地估算植被覆盖度是生态学及全球植被覆盖变化研究的重要内容.应用遥感技术估测植被覆盖度成为近年来研究的热点之一,但影像混合像元的存在成为制约植被覆盖度提取精度的难题之一.以延庆区2014年的Landsat8 OLI影像为数据源,结合二类调查及补充调查数据,采用像元二分模型法和线性光谱混合模型法对提取植被覆盖度,对比分析2种模型的适用性.结果表明,基于像元二分模型法的植被覆盖度提取精度达到85.31％,基于线性光谱混合模型的植被覆盖度提取精度达到88.76％,线性光谱混合模型的提取效果要好于像元二分模型法,最后生成了延庆区植被覆盖分布图,可为县域尺度应用Landsat8 OLI影像估测植被覆盖度提供参考.%Accurate estimation of vegetation coverage is an important part for the study of ecology and global vegetation coverage change.The application of remote sensing technology to estimate vegetation coverage has become one of the hot spots in recent years.However,the presence of mixed pixels is one of the problems that restricts the accuracy of vegetation coverage.Taking the images of Landsat8 OLI of Yanqing County in 2014 as datum resources,combined with the data of the second class forestry inventory as well as supplementary inventory data,the vegetation coverages were extracted by using pixel dichotomy and linear spectral mixture model.The applicability of two kinds of models was compared.The results showed that dimidiate pixel model of vegetation coverage based on extraction accuracy reached 85.31％,linear spectral mixture model of vegetation coverage based on extraction accuracy was 88.76％,the extraction effect of linear spectral mixture model was better than the dimidiate pixel model.The distribution map of Yanqing vegetation coverage was finally generated to provide a reference for estimating vegetation coverage using Landsat8 OLI images at county scale.

摘要： 以福建省三明市沙县为例,利用线性光谱混合模型提取植被覆盖度,在对比原始影像构建的四端元模型与加入归一化植被指数的影像构建的五端元模型反演精度的基础上,选择精度更高的五端元模型估算1996、2004、2014年沙县的植被覆盖度,并分析其变化及景观格局.结果表明:沙县植被覆盖结构以高植被覆盖度为主导,高植被覆盖度的区域面积占全县面积的57.87%以上.1996年植被覆盖度最差,1996—2004年,植被覆盖度大幅度上升,增加区域面积比例高达35.15%; 2004—2014年,由于城市发展需要,植被覆盖度下降明显,下降区域面积占8.99%,主要分布在沙县中部和北面片区.从植被覆盖度的景观格局来看,极低、低、高植被覆盖度的破碎化程度低,分布较为集中;1996—2014年,极低、低植被覆盖度的破碎化程度先降低后升高,与人类活动有着密切关系.%Taking Shaxian County,Sanming City,Fujian Province as an example,vegetation coverage was extraction through four-endmember model builted by original Landsat image and five-endmember linear spectral mixture model built by Landsat image merged with the normalized different vegetation index. After comparing the accuracy of four-endmember and five-endmember, this study used the five-endmember which has higher precision to estimate the vegetation coverage of Shaxian in 1996, 2004, 2014, respectively. This paper analyzed the changes of vegetation coverage and its landscape pattern. The results showed that the vegetation coverage structure of Shaxian mainly was high vegetation coverage which accounted for more than 57.87% in the county area. The worst vegetation coverage was in 1996. In 1996—2004,vegetation coverage significantly increased in a rate of 35.15%. From 2004 to 2014, the vegetation coverage significantly decreased due to urban development in a rate of 8.99%, mainly in the middle and north of Shaxian. From the landscape pattern of the vegetation coverage,the degree of fragmentation of very low,low and high vege-tation coverage were low showing a concentrative distribution. The degree of fragmentation of very low and low vegetation coverage decreased first and then increased during 1996 to 2014,which was closely related to human activities.

摘要： 喀斯特石漠化遥感监测传统上主要依赖于监督分类、非监督分类、决策树分类等基于混合像元的分类方法,由于像元通常是地表物质的混合表现,容易产生错分类、误分类等问题,效率低下.文章将应用线性光谱混合模型应用于喀斯特石漠化地区多光谱遥感监测中,选取清镇市红枫湖示范区为研究区,在两期多光谱影像中选取水体、植被、土壤三种地物的"端元",得到三种地物的丰度图,结合喀斯特石漠化等级划分指标体系与相关参数,分析相应的石漠化发展变化.研究表明,植被丰度均值可以用来直接判定石漠化发生程度的典型指标,利用丰度图像对石漠化等级面积进行估算,经过验证其变化量可以用来作为评价综合防治效果监测的理论基础及生态修复效益评价依据.

摘要： 使用单时相遥感影像进行变化检测易产生季相等伪变化问题,而高空间分辨率多时相遥感影像又难以获取.可通过将高空间分辨率与高时间分辨率影像数据进行时空融合,提高多时相遥感数据的空间分辨能力.然而,现有时空数据融合方法还存在精度有待提高、能降尺度的组分数量较少等局限,原因之一是受限于窗口形式的解算像元集合构建模式.本文采用线性光谱混合模型,来拟合高低空间分辨率像元间的映射关系;引入阿基米德螺线代替传统的窗口形式构建降尺度像元集合;通过解算时空变化重建高空间分辨率影像.实验结果表明,螺线法对各形状地物具有较好适用性,具备将模拟地表中多达20类组分的混合像元成功降尺度融合的能力,拓展了降尺度解混中像元组分数量的理论上限,可用于提高多时相遥感数据的空间分辨率.

摘要： 本发明属于遥感图像处理技术领域，具体为一种基于双线性混合模型的高光谱图像非线性解混方法。本发明根据双线性混合模型的几何特性，通过将数据中的非线性混合成分表示为一个融合了共同非线性效应端点的线性贡献，使复杂的非线性解混转化为简单的线性解混问题，进而结合线性解混算法迭代估计正确的丰度。本发明从高光谱观测像元的混合模型出发，结合其几何与物理意义，不仅能有效地弥补线性解混的不足，而且能较好地克服共线性效应带来的不利影响。具有对噪声及端元数目较好的鲁棒性，可以作为一种解决高光谱遥感图像非线性解混的有效手段。在基于高光谱遥感图像的高精度解混以及地面目标的检测和识别方面具有重要的应用价值。

摘要： 本发明涉及一种基于光谱诊断特征加权自编码网络的高光谱混合像元非线性盲分解方法。本发明基于自编码的基本框架，将混合像元的分解过程和自编码结构的编码层进行对应，将混合像元的生成过程与自编码结构的解码层进行对应，利用卷积层进行高光谱图像空间信息的提取，充分考虑高光谱影像的空间信息。同时加入非线性变化模块，考虑真实场景中存的非线性混合，在进行损失函数计算时，因不同地物在不同波段具有不同光谱特征，所以对不同的波段赋予不同的权重进行损失计算。本发明可以解决高光谱遥感影像深度学习混合像元分解问题，实现全自动端到端混合像元分解，可以同时获得端元光谱和丰度分解结果。

摘要： 本发明属于遥感图像处理技术领域，具体为一种基于扩展多线性混合模型的高光谱图像鲁棒非线性解混方法。本发明通过引入鲁棒性较好的目标函数，构造了一个基于扩展多线性混合模型的鲁棒非线性解混模型，有效地抑制了噪声波段的干扰。此外，利用高光谱图像的局部空间相似性设计了丰度的重加权协同稀疏正则项以及非线性参数的重加权光谱全变差正则项，并将它们添加到模型中以缓解大量参数的引入所带来的过拟合问题，解混精度得到进一步的提升，因此在实际高光谱图像的非线性解混方面有着重要的应用价值。

摘要： 本发明属于遥感图像处理技术领域，具体为一种基于双线性混合模型的高光谱图像非线性解混方法。本发明根据双线性混合模型的几何特性，通过将数据中的非线性混合成分表示为一个融合了共同非线性效应端点的线性贡献，使复杂的非线性解混转化为简单的线性解混问题，进而结合线性解混算法迭代估计正确的丰度。本发明从高光谱观测像元的混合模型出发，结合其几何与物理意义，不仅能有效地弥补线性解混的不足，而且能较好地克服共线性效应带来的不利影响。具有对噪声及端元数目较好的鲁棒性，可以作为一种解决高光谱遥感图像非线性解混的有效手段。在基于高光谱遥感图像的高精度解混以及地面目标的检测和识别方面具有重要的应用价值。

摘要： 本发明公开了一种基于修正线性混合模型的高光谱压缩感知方法、设备及系统。该方法包括：步骤S1，获取原始高光谱图像光谱维压缩采样后的观测数据Y＝AX，其中A为观测矩阵，X为待重建的原始高光谱图像；步骤S2，构建修正线性混合模型：X＝ES+BEH；其中，E为端元矩阵；S为丰度矩阵；B为端元E的修正矩阵；H为修正后的端元所对应的丰度矩阵；基于观测数据Y分别估计出B、S和H的最优值；步骤S3，将B、S和H的估计值代入修正线性混合模型来重建原始高光谱图像。修正线性混合模型引入了修正项BEH，可根据光谱上每个点的扰动情况自适应地进行修正，提高了模型表征高光谱图像的能力，进而提高了高光谱压缩感知的重建质量。

摘要： 本发明涉及一种基于光谱诊断特征加权自编码网络的高光谱混合像元非线性盲分解方法。本发明基于自编码的基本框架，将混合像元的分解过程和自编码结构的编码层进行对应，将混合像元的生成过程与自编码结构的解码层进行对应，利用卷积层进行高光谱图像空间信息的提取，充分考虑高光谱影像的空间信息。同时加入非线性变化模块，考虑真实场景中存的非线性混合，在进行损失函数计算时，因不同地物在不同波段具有不同光谱特征，所以对不同的波段赋予不同的权重进行损失计算。本发明可以解决高光谱遥感影像深度学习混合像元分解问题，实现全自动端到端混合像元分解，可以同时获得端元光谱和丰度分解结果。

摘要： 本发明属于高光谱遥感影像处理技术领域，具体为一种高光谱遥感影像光谱解混方法。针对线性光谱混合模型解混精度不高的问题，提出一种基于二次散射的高光谱遥感影像非线性光谱混合模型，并定义了一种模型中二次散射系数的确定方法。研究了基于该模型解混结果的遥感地质填图，提出了3种填图规则，通过与线性模型填图结果对比，利用二次散射模型进行解混能得到更精确的填图结果。

摘要： 本发明公开了一种基于改进的线性光谱混合模型的植被覆盖度估算方法。该方法包括：获取研究区域内的图像数据；对获取的图像数据进行几何粗校正以及辐射校正预处理；对进行预处理得到的图像，采用纯净像元指数法提取端元，构建可变端元线性光谱分解模型；根据构建的可变端元线性光谱分解模型，提取研究区域内的植被覆盖度信息。应用本发明，可以提高植被覆盖度估算精度。

摘要： 本发明属于高光谱遥感影像处理技术领域，具体为一种高光谱遥感影像光谱解混方法。针对线性光谱混合模型解混精度不高的问题，提出一种基于二次散射的高光谱遥感影像非线性光谱混合模型，并定义了一种模型中二次散射系数的确定方法。研究了基于该模型解混结果的遥感地质填图，提出了3种填图规则，通过与线性模型填图结果对比，利用二次散射模型进行解混能得到更精确的填图结果。

摘要： 本发明公开了一种基于改进的线性光谱混合模型的植被覆盖度估算方法。该方法包括：获取研究区域内的图像数据；对获取的图像数据进行几何粗校正以及辐射校正预处理；对进行预处理得到的图像，采用纯净像元指数法提取端元，构建可变端元线性光谱分解模型；根据构建的可变端元线性光谱分解模型，提取研究区域内的植被覆盖度信息。应用本发明，可以提高植被覆盖度估算精度。