定量遥感中的混合像元问题.pptVIP

第八章 定量遥感中的混合像元模型 √ §8.1 概念的提出 §8.2 线型模型 8.3 线型模型反演 混合象元 (mixed pixel) 象元中存在多于 1 种地物时，称其为“混合象元”。与此相对应，只包括 1种地物的象元为“纯象元” (pure pixel)。 事实上，遥感图象中，尤其是低空间分辨率的图象中，各个象元通常都包括多种地物。 尽管不同的自然地物有其不同的波谱、时间、角度等特征，但是遥感记录的象元只有单一的波谱、时间、角度等特征，即混杂后的特征。它给遥感解译造成困扰。 1/6 1km*1km方框 (相当于NOAA -AVHRR象元) 北京城郊Landsat-TM图象(分辨率30m) 从左图可以看出来，1个AVHRR象元中存在多种地物，如小麦、村庄、裸地、水体、道路等，即混合象元。该象元反射率不同于任一单纯地物的反射率。 同物异谱、异物同谱 2/6 端元 (endmember) 如果用混合象元进行判读，会造成很大误差。通常需要对混合象元进行分解，分析混合象元中存在的地物种类及其所占比例。 分解混合象元时，被分解出来的成分称为端元。每个端元通常对应一种地物。 端元常被认为组成混合象元的最基本的成分；在混合象元模型中，端元是不能再分的。 3/6 4/6 我们可以认为一个混合象元由植被、裸地、水体组成，此时端元就是植被、裸地和水体。 如果我们需要在植被中区分小麦和林地，在裸地中区分村庄和撂荒地，则此时我们认为一个混合象元由小麦、林地、村庄、撂荒地和水体等端元组成。 端元的个数完全根据实际需要、遥感数据（多维）信息量、以及端元之间的差异而确定。 子象元 (sub-pixel) 当我们描述混合象元内部某种地物时，也常称其为子象元。子象元，顾名思义，就是指尺度小于一个象元，而我们又希望予以关注的地物。 象元是我们可以判读遥感图象的最基本单元，也就是说，当地物小于 1 个象元时，通常是不能被判读出来的，这时，需要我们进行象元分解。 5/6 6/6 总之： 当我们关注象元时，我们用混合象元或纯象元等名词。 当我们关注象元内部时，我们用端元或子象元等名词。通常，端元的含义与子象元的含义相同。 混合象元分解也称为子象元分解，主要目的就是为了求算各子象元（端元）所占的面积（比例）。当然，子象元（端元）的精确位置是无法通过分解确定的。 第八章 定量遥感中的混合像元模型 §8.1 概念的提出 √ §8.2 线型模型 §8.3 线型模型反演 混合象元 模型 混合象元模型的公式可以表示为，象元反射率是所组成端元的反射率、各端元所占面积比例、以及其它参数的函数，即： 1/9 ρ = F (ρ1, a1, ρ2, a2, ……, ρn, an, X) 其中 j=1,…,n 表示端元序号，ρ为反射率，a为面积比例，X表示其它各种参数（可能不止1个）。 2/9 混合象元模型有很多类型。其中最早使用、最简单、目前还常被使用的是线型模型。 以下，我们将主要介绍线型模型。 只考虑 2个端元的线型模型 考虑 1个混合象元中只存在植被和裸土，此时混合象元的反射率为 3/9 R = ρvav + ρsas 其中， ρ为反射率，a为面积比例，下标v代表植被，下标s代表裸土。 av as 4/9 注意到： R = ρvav + ρs (1 - av) av + as = 1 则此时上式可以写为： 如果我们已经知道了植被反射率ρv，以及裸土反射率ρs ，则通过探测到的象元反射率ρ，即可反演出植被所占面积比例av，进而根据象元面积，得出植被面积。裸土的面积比例也可通过1 - av获得。 考虑 3个端元的线型模型 考虑 1个混合象元中存在植被、裸土和水体，此时混合象元的反射率为 5/9 R = ρvav + ρsas + ρwaw 其中， ρ为反射率，a为面积比例，下标v代表植被，下标s代表裸土，下标w代表水体。 6/9 注意到： R = ρvav + ρsas + ρw (1 – av - as) av + as + aw = 1 则此时上式可以写为： 如果我们已经知道了各端元的反射率ρv、ρs 、ρw,也知道探测到的象元反射率ρ，但由于该式有 2个未知数，av与as，仍无法求解。此时，必须引入更多的遥感信息，以构成至少由 2个非同构方程组成的方程组，才可以求解。 7/9 我们可以获取 2个波段（如红波段和近红外波段）的遥感数据，以构成方程组： 上述方程组有 2个方程， 2个未知数，可以求解出我们所需要的av、as 、aw。 同样地，我们也可以选取 2个时相的遥感数据，构成上述方程组，进行求解。只要端元的反射率有不同的变化（以避免方程同构）即可。 面积不变，反射率变 考虑 n个端元的线型模型 结合上述模型分析，我们可以