利用光谱混合分解模型分析GF-6新增波段对土地利用/覆被的响应
发布时间：2021-04-13 02:39
当前面对紧迫的自然资源管理压力和生态环境监测需求,针对国产遥感卫星大数据应用能力的挖掘将面临很大的挑战。GF-6卫星具有大角度、高频次和新谱段的特点,该文基于GF-6卫星数据,测试新增的红边、黄光和紫光波段响应能力。利用具有物理意义的全约束线性光谱混合分解模型,根据研究区物候特征确定四端元包括植被（GV）,裸地和建设用地等基质（SU）,山体植被阴影（DA）以及水（WA）,通过对比保留红边、黄光波段、紫光波段和去除红边、黄光、紫光波段后的分解结果,对各新增波段和GV端元、SU端元、差均方根（RMSE）进行相关性分析;最后对比光谱混合分解结果和基于专家知识决策树分类结果。通过对比丰度值估计参数和决策树分类结果发现红边波段对植被较为敏感,对光谱混合分解模型的适用性、稳健性以及丰度值估计精度有着很大贡献,黄光波段和紫光波段经过数据降维后对植被和裸地、建设用地有少量贡献。通过相关性分析发现红边2波段、近红外波段与GV端元丰度图有最大的相关性,紫光波段、黄光波段和红边1波段与GV端元反向相关;红边1波段、紫光波段和黄光波段与SU端元丰度图显著相关;红边1波段和黄光波段对丰度值计算误差有主要贡献,是...
【文章来源】：农业工程学报. 2020,36(03)北大核心EICSCD
【文章页数】：10 页
【部分图文】：
丰度值信息丢失对比图
图3 丰度值信息丢失对比图3）通过对比国产GF-6卫星和国外常用Landsat8和Sentinel-2卫星对研究区光谱混合分解结果可以发现，GF-6卫星一定程度上已经达到甚至超越了国外卫星水平。各传感器三端元合成图和端元光谱曲线如图4所示，由于影像时相、拍摄时间略有不同，所以三端元合成图也有轻微差异，GF-6卫星SU端元的光谱曲线有明显的由紫光、黄光和红边2波段造成的突变点。表4列出了GF-6卫星、Landset8和Sentinel2系列在研究区各端元丰度值和均方根误差平均值、标准差和变异系数。
这里的结论与丰度值参数对比结论基本一致，即红边波段对GV端元丰度值估计、黄光波段对SU端元丰度值估计具有较大贡献。由于光谱混合分解过程中进行了主成分变换等工作，消除了部分冗余信息，所以紫光波段、黄光波段对GV端元丰度值估计的贡献以及红边2波段对SU端元丰度值估计的贡献很不明显，但这并不说明这些波段对各端元丰度值的计算毫无作用。4.3 决策树分类
【参考文献】：
期刊论文
[1]基于遥感光谱的干旱区土地退化评价体系构建[J]. 张平,孙强强,孙丹峰,孙敏轩,刘浩田,尤淑撑,刘爱霞. 农业工程学报. 2019(09)
[2]水土流失区生态修复后植被健康的遥感判别[J]. 胡秀娟,徐涵秋,郭燕滨,张博博. 应用生态学报. 2017(01)
[3]基于多季相光谱混合分解和决策树的干旱区土地利用分类[J]. 姜宛贝,孙强强,曲葳,刘晓娜,于文婧,孙丹峰. 农业工程学报. 2016(19)
[4]RapidEye卫星红边波段对农作物面积提取精度的影响[J]. 刘佳,王利民,滕飞,杨玲波,高建孟,姚保民,杨福刚. 农业工程学报. 2016(13)
[5]基于Landsat 8劈窗算法与混合光谱分解的城市热岛空间格局分析——以兰州市中心城区为例[J]. 李瑶,潘竟虎. 干旱区地理. 2015(01)
[6]基于红边位置变化特征的油菜种植区域提取[J]. 佘宝,黄敬峰,石晶晶,魏传文. 农业工程学报. 2013(15)
[7]基于棉花红边参数的叶绿素密度及叶面积指数的估算[J]. 黄春燕,王登伟,张煜星. 农业工程学报. 2009(S2)
[8]Relationship of Remote Sensing Normalized Differential Vegetation Index to Anopheles Density and Malaria Incidence Rate[J]. JUN LIU AND XING-PENG CHEN1 College of Earth And Environmental Sciences, Lanzhou University, Lanzhou 730030, Gansu, China. Biomedical and Environmental Sciences. 2006(02)
[9]基于决策树的遥感影像分类方法研究[J]. 李爽,张二勋. 地域研究与开发. 2003(01)
博士论文
[1]通用光谱模式分解算法及植被指数的建立[D]. 张立福.武汉大学 2005
本文编号：3134459
【文章来源】：农业工程学报. 2020,36(03)北大核心EICSCD
【文章页数】：10 页
【部分图文】：
丰度值信息丢失对比图
图3 丰度值信息丢失对比图3）通过对比国产GF-6卫星和国外常用Landsat8和Sentinel-2卫星对研究区光谱混合分解结果可以发现，GF-6卫星一定程度上已经达到甚至超越了国外卫星水平。各传感器三端元合成图和端元光谱曲线如图4所示，由于影像时相、拍摄时间略有不同，所以三端元合成图也有轻微差异，GF-6卫星SU端元的光谱曲线有明显的由紫光、黄光和红边2波段造成的突变点。表4列出了GF-6卫星、Landset8和Sentinel2系列在研究区各端元丰度值和均方根误差平均值、标准差和变异系数。
这里的结论与丰度值参数对比结论基本一致，即红边波段对GV端元丰度值估计、黄光波段对SU端元丰度值估计具有较大贡献。由于光谱混合分解过程中进行了主成分变换等工作，消除了部分冗余信息，所以紫光波段、黄光波段对GV端元丰度值估计的贡献以及红边2波段对SU端元丰度值估计的贡献很不明显，但这并不说明这些波段对各端元丰度值的计算毫无作用。4.3 决策树分类
【参考文献】：
期刊论文
[1]基于遥感光谱的干旱区土地退化评价体系构建[J]. 张平,孙强强,孙丹峰,孙敏轩,刘浩田,尤淑撑,刘爱霞. 农业工程学报. 2019(09)
[2]水土流失区生态修复后植被健康的遥感判别[J]. 胡秀娟,徐涵秋,郭燕滨,张博博. 应用生态学报. 2017(01)
[3]基于多季相光谱混合分解和决策树的干旱区土地利用分类[J]. 姜宛贝,孙强强,曲葳,刘晓娜,于文婧,孙丹峰. 农业工程学报. 2016(19)
[4]RapidEye卫星红边波段对农作物面积提取精度的影响[J]. 刘佳,王利民,滕飞,杨玲波,高建孟,姚保民,杨福刚. 农业工程学报. 2016(13)
[5]基于Landsat 8劈窗算法与混合光谱分解的城市热岛空间格局分析——以兰州市中心城区为例[J]. 李瑶,潘竟虎. 干旱区地理. 2015(01)
[6]基于红边位置变化特征的油菜种植区域提取[J]. 佘宝,黄敬峰,石晶晶,魏传文. 农业工程学报. 2013(15)
[7]基于棉花红边参数的叶绿素密度及叶面积指数的估算[J]. 黄春燕,王登伟,张煜星. 农业工程学报. 2009(S2)
[8]Relationship of Remote Sensing Normalized Differential Vegetation Index to Anopheles Density and Malaria Incidence Rate[J]. JUN LIU AND XING-PENG CHEN1 College of Earth And Environmental Sciences, Lanzhou University, Lanzhou 730030, Gansu, China. Biomedical and Environmental Sciences. 2006(02)
[9]基于决策树的遥感影像分类方法研究[J]. 李爽,张二勋. 地域研究与开发. 2003(01)
博士论文
[1]通用光谱模式分解算法及植被指数的建立[D]. 张立福.武汉大学 2005
本文编号：3134459
本文链接：https://www.wllwen.com/guanlilunwen/gongchengguanli/3134459.html
