基于混合像元分解的土壤含水量估计算法研究

发布时间：2024-06-10 21:33

　　土壤水分含量在各种科学领域发挥着重要作用,包括农业,水文学,气象学和生态学。在过去的二十年中,随着地球观测技术的进步,已经表明土壤水分含量可以在某种程度上被电磁波测量出来,远程传感器不能直接测量土壤含水量,因此,建立土壤水分含量反演模型具有重要意义。高光谱土壤水分含量反演技术主要依靠反射率法或者植被指数法,反射率法的指的是“裸土”反射率,植被指数法指的是“植被”在不同波段表现出的反射规律。然而高光谱图像,尤其对于卫星遥感高光谱而言,由于空间分辨率的限制混合像元普遍存在,纯植被或纯裸土的反射率很难获取。本文针对这个问题,先对高光谱图像进行解混合,然后再计算植被指数,构建准确的土壤水分含量反演模型。主要内容如下:第一,针对当前基于非负矩阵的解混算法对初始值敏感和解不稳定问题,首先,本文提出改进的空间光谱预处理算法,挑选出较为纯净的端元像素,对分解算法的初始端元和丰度值进行优化;其次,根据丰度稀疏性和丰度空间关系,引入了低秩性约束和基于图的拉普拉斯正则项约束。第二,利用解混后获得精确的植被反射率数据,计算相关的植被指数,然后利用灰度关联法对植被指数和土壤含水量进行关联度分析,结合偏最小二乘法...

【文章页数】：77 页

【学位级别】：硕士

【部分图文】：

图1.1高光谱数据获取Fig1.1Hyperspectraldataacquisition

图1.1高光谱数据获取Fig1.1Hyperspectraldataacquisition状和方法的检测方法主要可以分为两大类，第一类是利用地面测，第二类是基于遥感系统来检测土壤含水量。传统有烘干法、张力计法、电阻法、γ射线衰法、中子法含水量检测方法中，烘干法的优点....

图2.1高光谱解混合Fig2.1Hyperspectralunmixing

合肥工业大学学术硕士研究生学位论文第二章高光谱图像混合像元分解光谱图像数据与预处理光谱图像数据具有光谱分辨率高，图谱合一的特点，但由于成像光术限制，高光谱数据的空间分辨率普遍较低。扫描幅宽和信噪比等一定程度的限制[29-30]。就空间分辨率而言，如果像元中只有一个光谱纯像元。每....

图2.2高光谱实验数据

hyllite）、白云母（Muscovite）和明矾石（Alunite）[32]。rRidge数据集是一种在光谱解混合领域常用的高光谱数个像素，具有224个光谱带，光谱范围为380至2500nm。由于原图像的高复杂性，我们从原图像中的第（10100×100个像....

图2.4光谱混合模型

合肥工业大学学术硕士研究生学位论文部分是大气模型和气溶胶反演的相关参数设置：AtmosphericModl；WaterRetrieval：选择Yes，此时下方WaterAbsorptionFeature选项认；AerosolModel：选择Rural；Aeros....

本文编号：3991929