基于环境星的混合像元分解水稻面积提取

以河南省息县水稻种植面积提取为例,选取线性光谱混合模型对环境小卫星数据进行分类,并计算出水稻种植面积,将其结果与高分辨率ALOS数据进行位置精度计算,得到平均精度达87.89%。同时,与决策树分类方法和神经元网络分类等方法进行对比,混合像元分解方法总量精度显著提高。表明针对环境小卫星的混合像元分解方法可以提高水稻种植面积的提取精度。     

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。     

基于混合像元分解提取小麦种植面积的技术与方法研究

以菏泽市曹县为例,运用线性混合模型,对MODIS遥感数据的混合像元分解技术与方法进行了初步研究。通过MNF变换、散点图以及引入PPI纯净像元指数确定端元组分,并采用最小包含法求取端元组分反射率,而后将4类端元光谱值代入线性模型,用带有约束的最小二乘法求解,得出每种地物类型的百分比丰度以及RMS误差图像,RMS均值小于0．0096,并与TM图像进行对比分析,利用混合像元分解方法可较高精度的提取小麦面积信息。     

线性混合光谱模型在多光谱遥感影像分类中的应用

介绍了混合像元的概念、研究现状和广泛用于混合像元分解的线性模型。以TM遥感图像分类为例,对图像做MNF处理后进行有约束和无约束两种线性混合光谱模型分解混合像元;再对图像进行分类,将得到的图像同直接分类的图像进行比较分析。实验结果表明,考虑约束条件的线性混合光谱解混分类精度比直接分类精度提高了32.8%。     

应用混合像元分解提取胡杨覆盖度信息1）

以内蒙古荒漠地区胡杨林为研究对象,应用混合像元分解方法从TM多光谱数据中提取了胡杨林植被覆盖度,并以高分辨率Quickbird影像分割结果作为真值进行精度评价,与传统的基于植被指数提取植被覆盖度的方法进行了对比。结果表明：基于几何顶点端元选取的混合像元分解方法可以有效提取胡杨植被覆盖度（ R2＝0．893,RMSE＝0．12）,优于植被指数回归方法提取精度（R2＝0．574）。研究结果有助于开展荒漠地区较大范围的胡杨林动态监测和保护。     

干旱区植被覆盖度遥感估算方法研究——以疏勒河中下游平原为例

以西北地区典型的干旱区——疏勒河中下游地区为研究区,利用植被指数(NDVI、SAVI、EVI)对原始Landsat-OLI影像进行了维度扩展,构建了以高反射率、低反射率、裸土、农田植被、荒漠植被为组分的五端元模型.之后对实测植被光谱值进行分析,将实测植被光谱值引入到端元模型中,进一步构建了将植被分为农田植被、第一类荒漠植被和第二类荒漠植被的六端元模型,基于全约束的线性光谱混合模型进行混合像元分解以获取研究区的植被覆盖度.采用同时期的实测植被覆盖度值进行精度验证,结果表明:2种端元模型的模拟结果均符合研究区植被覆盖度的分布特征,虽然总体上五端元模型的估算略优于六端元模型,但是在存在大面积荒漠植被的区域,六端元模型的估算结果与实测数据的相关系数明显优于五端元模型.因此,对干旱区植被实测光谱值进行分析,将实测光谱值引入端元模型,进行植被覆盖度研究可以提高荒漠植被覆盖度的估算精度,具有一定的应用前景.     

基于环境卫星的混合像元分解提取江汉平原油菜种植面积

利用中低分辨率卫星影像进行油菜面积提取时,需要考虑混合像元产生的影响,以提高面积提取的精度。通过选取2011年湖北省江汉平原油菜生长期内不同生育期的两景HJ-1A/B-CCD数据,生成1组8波段的数据;采取阈值技术结合夏收作物NDVI指数变化特点,提取夏收作物在江汉平原的空间分布;选取线性光谱混合模型进行油菜种植面积的分解计算研究。结果表明,线性光谱混合模型能够高精度地提取油菜的种植面积,是一种很好的油菜种植面积监测方法。     

基于混合像元分解的植被覆盖度模型比较研究

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Landsat8OLI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Landsat8OLI影像估测植被覆盖度提供参考。     

洱海流域不透水面遥感信息提取技术研究(英文)

[目的]研究洱海流域不透水面遥感信息提取技术,以期开发水污染形成时空过程动态模拟平台。[方法]采用线性光谱分离技术,实现V-I-S模型求解,从2009年Landsat5的TM数据中对洱海流域进行不透水面遥感信息提取,利用植被、高反照度、低反照度和裸土4种最终光谱端元的线性组合,模拟TM波谱特征,并对其分布范围、空间特征等进行了分析。[结果]中等分辨率影像适合于流域尺度的不透水面提取,其结果可靠、精度较好。[结论]该研究结果为选择洱海非点源污染的调控策略、协调经济发展与环境保护的关系提供了决策依据。     

洱海流域不透水面遥感信息提取技术研究

[目的]研究洱海流域不透水面遥感信息提取技术,以期开发水污染形成时空过程动态模拟平台。[方法]采用线性光谱分离技术,实现V-I-S模型求解,从2009年Landsat5的TM数据中对洱海流域进行不透水面遥感信息提取,利用植被、高反照度、低反照度和裸土4种最终光谱端元的线性组合,模拟TM波谱特征,并对其分布范围、空间特征等进行了分析。[结果]中等分辨率影像适合于流域尺度的不透水面提取,其结果可靠、精度较好。[结论]该研究结果为选择洱海非点源污染的调控策略、协调经济发展与环境保护的关系提供了决策依据。