最新发表：评估端元变异性对线性光谱解混（LSMA）的影响——理论和模拟分析

+ 查看更多

   

卫星影像中广泛存在的混合像元对准确的地表解释和参数反演造成了很大的挑战。光谱解混（SMA）通过提供有价值的子像素信息来解决此问题。但是该模型受到端元变异性的影响较大，即同一端元表现出不同的光谱特征。端元变异性的存在会给最终的解混结果造成很大的不确定性。当前已经有研究提出了许多方法来减少光谱变异性带来的不确定性，但是尚未得出关于端员变异性如何影响模型估计以及这些方法如何成功执行的理论解释。因此，在我们的研究中，我们首次使用理论分析和模拟实验相结合的方式研究了由线性SMA（LSMA）中由端员变异性引起的错误传播。主要研究结果如下：（1）端元变异性对LSMA解混误差的影响取决于偏差信号与增益向量之间的相互作用。（2）其中误差来源于偏差信号，其主要由端元内部的光谱变异性（即类间变异性）和端元丰度决定，而反射率的量级和不同端元间的光谱相似性会放大或者缩小偏差信号。（3）各种减轻端元变异性影响的典型方法不仅可以改变偏差信号，而且可以影响增益向量，从而在一定程度上提高了LSMA的性能。基于这些结果，我们建议在大多数应用中使用多端元光谱解混（MESMA）的方法，因为它在缓解端元变异性的影响方面具有稳健性。这项研究的结果将有利于LSMA在实践中的应用。

该论文已发表于最新一期Remote Sensing of Environment（一区）上。点此下载增益向量的计算代码。　

REF: Chishan Zhang, Lei Ma, Jin Chen, Yuhan Rao, Yuan Zhou, Xuehong Chen. (2019). Assessing the impact of endmember variability on linear Spectral Mixture Analysis (LSMA): A theoretical and simulation analysis. Remote Sensing of Environment, doi.org: 10.1016/j.rse.2019.111471.