线性光谱混合模型影响因子不确定性定量研究

摘要：

线性光谱混合模型(Linear Spectral Mixing Moclel,LSMM)是一种像元分解模型,由于其简单和易操作性的特点,在目前亚像元研究中应用颇为广泛.其分离精度受多种因素的影响,但目前对该模型的研究多集中在对模型本身的线性假设评价及端元光谱选取方法上,而忽略了模型应用的环境条件(大气反射、散射、地形起伏等)对模型分解精度的影响等.本文以线性光谱模型提取植被分量为例,探讨环境大气条件、地形因素对模型精度影响的不确定性.研究将数据处理为四个层次,即原始的ASTER数据,利用MODTRAN进行大气校正的数据,经C-地形校正的数据,同时进行了大气校正和地形校正的数据.然后在四个层次上依次提取植被丰度,并将其和NDVI进行线性回归分析,检验植被丰度的分离精度,从而量化大气、地形等因子对LSMM的影响程度.研究结果表明:大气条件、地形因素都会制约LSMM分离精度的提高,特别在有地形起伏的中小空间尺度范围内,地形因子对线性光谱混合模型的影响远大于大气影响.

关键词：线性光谱混合模型(LSMM)、ASTER、地形校正、植被丰度

所属期刊栏目：9

分类号：P2(测绘学)

资助基金：福建省科技攻关项目2006F5029

在线出版日期：2008-06-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：49-53