变端元混合像元分解冬小麦种植面积测量方法

赵 莲,张锦水1,,胡潭高,陈联裙,李 乐

(1.农业部资源遥感与数字农业重点开放实验室,北京 100081;2.北京师范大学资源学院,北京 100875)

变端元混合像元分解冬小麦种植面积测量方法

赵 莲2,张锦水1,2,胡潭高2,陈联裙2,李 乐2

(1.农业部资源遥感与数字农业重点开放实验室,北京 100081;2.北京师范大学资源学院,北京 100875)

针对线性混合像元分解 (Linear Spectral Unmixing,LSU)在端元 (Endmember)个数不变情况下常会出现端元分解过剩现象导致分解结果精度不高的问题,以地物分布的聚集性特征为基础,提出了基于格网的变端元线性混合像元分解 (Dynamic Endmember LSU,DELSU)方法。以冬小麦为研究目标,采用 Landsat TM图像为实验数据、高分QuickBird图像目视解译冬小麦结果为真值精度评价数据,利用本文提出的 DELSU方法进行冬小麦提取。实验结果表明:该方法比最大似然方法、LSU方法更能准确地获取冬小麦面积,在一定程度上吸收了传统分类方法的优点,提高了目标地物的测量精度;同时作为一种改进的LSU方法也适用于其他土地利用 /覆盖类型的测量。

DELSU;LSU;格网;冬小麦;遥感

0 引言

利用遥感图像进行土地利用 /覆盖监测中,混合像元现象不可避免,尤其是中分辨率遥感图像中混合像元问题十分严重[1-3]。通过一定的方法计算出混合像元的典型地物组成比例,可解决混合像元问题,提高定性和定量遥感测量精度,在农作物种植面积监测中有着重要的应用价值[4-5]。混合像元分解(Spectral Unmixing,SU)是提取植被覆盖度的主要方法[6],其测量结果为各种地物的丰度,其模型可归结为 5类[7]:线性模型、概率模型、几何光学模型、随机几何模型和模糊分析模型。……