eosmodis像元组分分解中端元的选择与改进

《eosmodis像元组分分解中端元的选择与改进》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、10《测绘通报》测绘科学前沿技术论坛论文集EOS-MODIS像元组分分解中端元的选择与改进饶　萍（毕节学院，环境与生命科学系，贵州毕节，551700）一、引言遥感图像中每个像元所对应的地表，往往包含不同的覆盖类型，它们有着不同的光谱响应特征。若某像元仅包括一种地物类型，则为纯像元（purepixel），它记录该类型的光谱响应特征或光谱信号；若该像元包含多种土地覆盖类型，则称为混合像元(mixedpixel)，它记录的是所对应的不同土地覆盖类型光谱响应特征的综合。遥感图像中像元很少由单一均匀地表组成，一般都是几种地物的混合体[1]。遥感图

2、像空间分辨率越低，一个像元覆盖的面积越大，像元内包括数种地物的可能性越大，就越有可能形成混合像元[2]。如美国第三代极轨气象卫星NOAA所携带的甚高分辨率辐射仪（AVHRR），分辨率为1.1km；地球观测系统（EOS）中两颗极轨卫星Terra和Aqua所携带的中作者简介：饶萍，贵州省纳雍县人；2006年6月获吉林大学RS&GIS专业硕士学位；讲师，主要从事遥感与GIS教学与科研工作。分辨率成像光谱仪（MODIS），分辨率为250m-1km，混合像元现象就相当普遍。在AVHRR或者MODIS遥感图像上，一个像元可能是按80%的针叶林、10

3、%的阔叶林以及10%的灌木丛的混合比例构成的[3]。传统的专题制图则将这个像元按大多数的原则标记为针叶林，这是不准确的，造成了信息的丢失[4]。为了减少信息的丢失，提高较低分辨率遥感图像应用的精度，就必须解决混合像元的分解问题，使遥感应用从像元级别发展到亚像元级别。将混合像元分解为不同的“基本组分单元”或称“端元（end-member）”，并求得这些基本组分所占的比例，这就是“像元组分分解”[5]。二、技术路线使用250m和500m分辨率的MODIS波段1-6的数据来进行像元组分分解，在数据分析过程中，用主成分分析（PCA）法来选择端元

4、（end-member），确定端元光谱值，输入线性光谱混合模型进行像元组分分解。为验证分解结果的可行性，收集了同时相较高分辨率（30m）的TM图像数据，几何校正采用与MODIS同样的投影系统，裁剪出研究区，与分解结果对比来分析精度；将分解得到的组分分量图作为决策树的输入结点应用到土地覆盖分类中，并将分类结果与未经像元分解的最大似然分类和决策树分类结果作精度分析，技术路线如图1所示。10《测绘通报》测绘科学前沿技术论坛论文集图1.技术路线图三、EOS-MODIS数据选取及其处理使用的MODIS数据接收时间为2001年11月15日，使用的波

5、段为：250m分辨率的波段1（620-670nm，红光波段）和波段2（841-876nm，近红外波段），500m分辨率的波段3（459-479nm，为蓝光波段）、波段4（545-565nm，绿光波段）、5波段（1230-1250nm，近红外波段）和波段6（1628-1652nm，近红外波段）。由于MODIS数据经辐射校正之后生成的L1B产品中存在着独有的重叠现象，俗称“双眼皮”现象（bow-tieeffect）。使得MODIS的边缘数据无法使用，影响了数据的实际应用[6]，所以在应用MODIS图像数据之前，要对“双眼皮”现象进行处理。然

6、后对图像进行校正，裁剪出研究区。经过裁剪处理后，将250m分辨率的MODIS数据重采样成500m分辨率图像，与500m分辨率图像进行对比，得到如图3所示的假彩色合成图。图2.MODIS数据波段1、4、3(RGB)彩色合成图四、组分像元分解10《测绘通报》测绘科学前沿技术论坛论文集选用建模简单、物理含义明确的线性光谱混合模型（LSMM）对MODIS图像进行像元组分分解研究。在确定端元光谱值时，用主成分分析（PCA）法，在PC1和PC2的散度图上进行端元（end-member）选择和调整，将得到的光谱值输入LSMM模型，进行像元组分分解。以

7、较高分辨率的TM影像作为标准，对分解结果进行精度评价和验证。4.1原理线性光谱混合模型（LSMM）是利用一个线性关系表达遥感系统中一个像元内各地物的类型、比例与地物的光谱响应。在该模型中，像元在某一光谱波段的反射率（亮度值）是由构成像元的基本组分（end-member）的反射率（光谱亮度值）以其所占像元面积比例为权重系数的线性组合[3]。用式表示：（5）式中，为第波段第像元的光谱反射率（已知）；为对应于第i个像元的第k个基本组分所占的分量值（待求）；为第k个基本组分在第波段的光谱反射率；为残余误差值（即光谱的非模型化部分）；n为基本组分

8、的数目，m为可用波段数，波段数要大于n（），以便利用最小二乘法求解。评价模型用残差或均方根误差RMS（6）LSMM模型从混合像元中分离和提取出各基本组分（end-member）的平均光谱响应，通过求解线性方