混合像元分析

遥感信．龟　叠感匝用　

基于混合像元分解和　双边界提取的湖泊面积变化监测　

胡争光①，王袢婷②，池天河①，刘素红②，毕建涛①　（①中国科学院遥感应用研究所国家遥感工程研究中心，北京１００１０１；②北京师范大学地理与遥感学院，北京１００８７５）　

摘要：如何通过充分考虑地物复杂性和地域时间限制，提高混合像元分解算法的精度和普适性，是目前基于　中低分辨率遥感数据进行湖泊面积监测所面临的主要问题。针对问题，提出了一种结合双边界提取和混合象元　分解的高效算法，最后基于ＡＶＨＲＲ数据对中国东北，内蒙古地区的湖泊面积变化进行遥感监测，验证了算法的　高精度和可行性。　关键词：湖泊面积变化监测；混合像元分解；双边界提取；端元　中图分类号：ＴＰ７９　文献标识码：Ａ　文章编号：１０００—　

１　引　言　湖泊是一个多功能的自然资源，为人类提供生　活生产用水以及丰富的生物资源。湖泊的形成与消　失、扩张与收缩，及其所引起的生态环境的变化都反　映了一定地域乃至全球的构造和气候事件。随着人　类不合理活动的加剧，湖泊面积萎缩及生态环境恶　化等问题引起了社会各界的广泛关注。因此，精确　迅速地对湖泊监测，揭示自然因素及人类活动对湖　泊水域的影响规律，对合理开发、利用和保护湖泊水　域有着极其重要的意义。　传统的湖泊面积监测不仅耗时耗力，而且监测　周期长、监测精度难以保证，难以对湖泊水域面积做　到有效宏观的监测。而随着遥感技术的广泛应用，　资源、气象等卫星遥感图像以其周期性、宏观性、高　效性的特点为迅速精确调查湖泊、水库等水体状况　创造了条件，有着广泛的应用前景。目前对湖泊的　遥感监测主要有两类：一是基于高分辨率的ＳＰＯＴ、　ＴＭ或ＡＳＴＥＲ等数据对湖泊相关信息的直接提　取；二是基于中低分辨率如ＡＶＨＲＲ、ＭＯＤＩＳ等数　据结合相关的算法来提取目标信息，如杨英宝等口　利用Ｌａｎｄｓａｔ对东太湖湖泊面积及网围养殖动态变　化进行了遥感监测，杨英莲等口　利用ＮＯＡＡ／　ＡＶＨＲＲ对青海省湖泊的面积，水温等进行了遥感　监测研究，郭铌等　利用Ｍ０ＤＩＳ对西北地区近年　来内陆湖泊变化反映的气候问题进行了研究，粱益　同等　基于ＡＶＨＲＲ利用神经网络对水体信息进　行识别。然而，使用高分辨率的遥感数据进行大范　围的湖泊面积监测是不现实的，主要出于以下几点　考虑：①高分辨率遥感影像传感器的时间分辨率低；　②易受云的影响得不到地面影像，使得在多雨季节　难以得到足够的图像研究水域的动态变化；③变化　监测费用太高。相比之下，使用中低分辨率的光学　传感器如ＡＶＨＲＲ、Ｍ０ＤＩＳ等，一方面在时间分辨　率、覆盖范围、费用方面都有着很大的优势，另一方　面由于空间分辨率低，陆地和水体在岸边产生的混　合像元严重。目前已有的一些算法不能很好地解决　混合像元问题，当水面较窄，水体较小时容易漏分某　些水体，或者没有充分考虑到非水体地物的复杂性，　并且其对于水体的判据以及端元的选择受到地域以　及时间的限制，没有普适性，不能推广到其他湖区。　为了解决以上问题，本文使用高时间分辨率的　ＡＶＨＲＲ数据，结合双边界提取，混合像元分解的　算法，对东北、内蒙地区的湖泊面积变化进行了遥感　监测，并利用该地区的地形图数据对湖泊数据进行　湖泊名称和地理位置的匹配，最后利用中国湖泊志　统计值对提取结果进行了算法验证及误差分析，精　度较高，能够为社会、政府在湖泊资源的开发、利用　收稿日期：２００６—１Ｏ—Ｏ７　基金项目：国家“十五”科技攻关计划“中国可持续发展信息共享系统的研究开发”（２００４一ＢＡ６０８Ｂ）与国家基础性条件平台“中国可　持续发展信息共享平台建设”（２００３ＤＥＡ２Ｃ０１１）。　作者简介：胡争光（１９８２一），男，湖南，硕士研究生，主要研究方向为遥感信息提取，地理信息共享与数字城市。　Ｅ—ｍａｉｌ：ｗｅｓｔｌｉｆｅ３００１＠ｇｍａｉｌ．ｃｏｍ；ｗａｎｇｙｉｔｉｎｇ＿０１＠ｈｏｔｍａｉｌ．ｃｏｍ　

混合像元分解法操作步骤

1.数据准备

-获取多光谱图像数据，可以使用航空或卫星遥感数据。

- 准备高分辨率的真实地物标记（Ground Truth），用于评估分解结果的准确性。

2.选择变量

-选择用于混合像元分解的变量，一般是多光谱图像的波段数据。

-可以利用统计学方法、专家知识或试错法来选择最适合的变量。

3.确定光谱参考

-选择用于确定混合像元分解的光谱参考数据。

-光谱参考可以是单一的像素或像元组合。

-光谱参考应该具有代表性，并且包含不同地物的特征光谱。

4.混合像元分解

-使用混合像元分解模型来计算每个像素的混合成分比例。

-混合像元分解模型通常假设图像中的每个像素是由多个地物的混合成分组成，并输出每个地物的比例。

- 常用的混合像元分解模型包括Spectral Mixture Analysis（SMA）和Linear Spectral Mixture Analysis（LSMA）等。

5.分解结果评估 -使用真实地物标记来评估混合像元分解的准确性。

-可以使用混合像元分解的结果与真实地物标记进行对比，计算混淆矩阵或其他评估指标。

-可以根据评估结果来调整或优化混合像元分解模型的参数。

6.结果解释

-根据混合像元分解得到的地物比例，进行图像分类、植被指数计算等应用。

-可以通过阈值或其他分类方法将分解得到的比例转化为具体的地物类别。

-可以根据混合像元分解的结果进行地物变化检测、遥感图像解译等分析。

7.结果可视化

-可以使用各种图像处理软件将混合像元分解的结果可视化。

-可以使用颜色编码、图形绘制等方法将混合像元分解的结果与原始图像进行对比。

-可以生成分类图像或指数图像等用于进一步分析或展示的结果。

总之，混合像元分解法是一种通过对多光谱图像像素进行分解来获取地物混合成分比例的方法。它具有广泛的应用前景，并可以通过合理的参数选择和模型优化来提高分解结果的精度和准确性。

envi混合像元分解步骤

哎呀，envi 混合像元分解呀，这可真是个有意思的事儿呢！咱就一步步来瞧瞧。

首先呢，你得准备好你的数据呀，就像厨师要准备好食材一样。这些数据就是你的宝贝，要好好对待它们哟！

然后呀，要选择合适的算法，这就好比是选择做菜的方法，不同的算法就像是不同的烹饪技巧，能做出不同风味的成果呢！

接下来，就是开始分解啦！这就好像是把一个大拼图一点点拆开，找出每一块的位置。在这个过程中呀，你得细心再细心，可不能马虎哟！

分解的时候呢，要注意观察各种特征呀，就像观察菜肴的颜色、形状、味道一样。每一个细节都可能影响最终的结果呢。

这中间可能会遇到一些小麻烦，就像做菜时不小心盐放多了或者火大了。但别着急，咱慢慢调整，总能找到最合适的方法。

分解完了之后呢，还得检查检查，看看是不是都分解对了。这就好比是尝尝菜做的好不好吃，要是味道不对，就得重新调整呀。

你想想看，这 envi 混合像元分解不就像是一场奇妙的冒险嘛！每一步都充满了挑战和惊喜。咱得有耐心，有毅力，才能把这个任务完成得漂漂亮亮的呀！ 在这个过程中，可别嫌麻烦，就跟学骑自行车似的，一开始可能会摔倒，但多练习几次就会啦！而且等你掌握了这个技能，那感觉可太棒啦！就好像你学会了做一道超级美味的菜，能在别人面前好好炫耀一番呢！

总之呀，envi 混合像元分解虽然有点复杂，但只要咱一步一个脚印地去做，就一定能成功的。加油吧！让我们在这个奇妙的世界里探索出更多的精彩！

第十讲 高光谱遥感图象混合象元分析

一． 混合象元的概念：

遥感器所获取的地面反射或发射光谱信号是以象元为单位记录的。它是象元所对应的地表物质光谱信号的综合。图象中每个象元所对应的地表，往往包含不同的覆盖类型，他们有着不同的光谱响应特征。而每个象元则仅用一个信号记录这些“异质”成分。若该象元仅包含一种类型，则为纯象元(pure pixel)，也称为端元（endmember），它所记录的正是该类型的光谱响应特征或光谱信号；若该象元包含不止一种土地覆盖类型，则成为混合象元(mixed pixel)，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。由于传感器的空间分辨力限制以及自然界地物的复杂多样性，混合像元普遍存在于遥感图象中。

二． 混合象元模型

光谱混合形式上可以分为致密式（intrinsic）、聚合式（aggregate）和整合式（areal）三种情形（如图）,本质上分可以分为线性混合和非线性混合两种模式。线性混合模型假定到达传感器的光子只与一种物质发生作用[rast,1991]；当混合元素尺寸小，入射光子与多于一种以上的物质发生作用时，导致非线性混合[smiths,1985； Mustard,1987]。

【

图 1

1． 线性混合模型

(

通常情况下,高光谱图象中每个象元都可以近似认为是图象中各个端元的线性混合象元: nEcnepNiiic1 (1)

11Niic (2)

10ic (3)

其中N为端元数，p为图象中任意一L维光谱向量（L为图象波段数），][21NeeeE为NL矩阵，其中的每列均为端元向量。tNccc)(21c为系数向量，ic表示象元p中端元ie所占的比例，n为误差项。