(图片来源于网络）
五彩缤纷的城市建筑总是可以给疲于工作、生活的人们带来一丝科技美感。对于卫星地图制图从业者而言，与自然地表覆盖相比，高亮的写字楼、灰暗的沥青马路、蓝色的钢板厂房却意味着更复杂的目标识别问题。因此，解决城市不透水层的光谱差异问题是进行高精度城市地表覆盖制图的必经之路。
北京师范大学陈晋教授在第二届“城市遥感”学术研讨会上介绍了团队开发的一种新型混合像元分解算法（Fisher transformed unmixing，简称F-MESMA），该方法适用于中等空间分辨率卫星影像（如Landsat 8 OLI），在进行亚像元制图时既压缩了地表覆盖类内的光谱变异，也削弱了不同地表覆盖类间的光谱相似性。小编节选了报告的精彩部分与遥粉们分享。
第一部分：在城市地表覆盖制图中光谱变异问题以及应对光谱变异问题的主流算法。
从“类内光谱变异”和“类间光谱相似”的角度归纳了目前用于解决光谱变异问题的主流光谱混合分解技术，并总结了每种技术的优缺点。
图1 面向解决光谱变异问题的混合像元分解技术
第二部分：研究区域、实验数据，以及F-MESMA算法的主要步骤。
从全球不同气候带选择了5个具有不同城市景观地貌的研究区域（沙漠地貌类型：拉斯维加斯；植被地貌类型：北京、纽约城、布鲁塞尔、悉尼）。
这些高度发达的城市区域广泛存在不透水层光谱变异现象，有利于评估和对比不同算法是否能有效压制地表覆盖的类内光谱变异性。并且，沙漠城市研究区域（拉斯维加斯）内部广泛存在的高亮沙土与高亮不透水层有利于评估不同混合像元分解方法是否有效克服地表覆盖类间光谱相似性的影响。
图2 研究区域以及实验数据
图3 从不同已经公开发表的光谱库中搜集各种不透水层亚类的光谱
F-MESMA 包括三个步骤：
(1) 基于光谱库光谱训练最佳的Fisher 特征投影向量，并将原始反射率遥感影像转换为Fisher特征影像；
图4 F-MESMA算法步骤一
图5 Fisher 变换几何原理图示
图6 Fisher变换数学计算公式
(2) 基于光谱库光谱自动选择卫星影像中的图像端元；
图7 F-MESMA算法步骤二
图8 选择不透水层与裸土图像端元
图9 选择植被图像端元
(3) 通过混合像元分解计算亚像元植被—不透水层—裸土覆盖度。
图10 F-MESMA算法步骤三
第三部分：F-MESMA算法在不同实验区域的不透水层制图精度以及算法的稳定性。
图11 从遥感影像中提取到的植被-不透水层-裸土 的图像端元
图12 F-MESMA与反射率混合像元分解算法的不透水层制图结果对比
图13 解释了F-MESMA算法在沙漠城市（拉斯维加斯）精度良好的原因
图14 在Fisher特征空间混合像元分解（F-MESMA）与反射率光谱空间混合像元分解方法（T-MESMA和R-MESMA）的不透水层覆盖度的精度评估散点图
图15 F-MESMA与其他混合像元分解算法的精度对比
图16 定量分析了F-MESMA与其他混合像元分解方法压制端元光谱变异的有效性
图17 分析了用于训练F-MESMA的光谱库对不透水层制图精度的影响
图18 分析了端元库的完整性对不透水层制图精度的影响
第四部分：结论
F-MESMA算法可以在多样性的城市地貌环境（植被类型、沙漠类型）中实现良好的不透水层制图精度；
在Fisher 特征空间中可以更好地区分高亮裸土与高亮不透水层；
与其他同类方法相比，F-MESMA能够实现更优秀的光谱变异抑制效果。
图19 研究结论
专家简介
陈晋，北京师范大学，教授。研究方向为资源与环境遥感，应急管理。
E-mail：chenjin@bnu.edu.cn
相关论文推荐
崔璐,杜华强,周国模,李雪建,毛方杰,徐小军,范渭亮,李阳光,朱迪恩,刘腾艳,邢璐琪.2019.决策树结合混合像元分解的中国竹林遥感信息提取.遥感学报,23(1):166-176
蓝金辉,邹金霖,郝彦爽,曾溢良,张玉珍,董铭巍.2018.高光谱遥感影像混合像元分解研究进展.遥感学报,22(1):13-27
陈晋,马磊,陈学泓,饶玉晗.2016.混合像元分解技术及其进展.遥感学报,20(5):1102-1109
李耀辉,王金鑫,李颖.2016.应用时间序列EVI的MERSI多光谱混合像元分解.遥感学报,20(3):459-467
防疫小贴士
外出做好防护 正确佩戴口罩
注重个人卫生 认真清洗消毒
不聚餐少外出 在家办公学习
保持良好心态 迎接抗疫胜利
编辑推荐
专家报告
资讯
限时特惠：本站每日持续更新海量各大内部网赚创业教程，会员可以下载全站资源点击查看详情
站长微信：11082411
