E0—1Hyperion高光谱影像的FLAASH大气校正与评价

遥感影像的大气校正是遥感数据应用的基础．文章利用ENVI软件的FLAASH大气校正模块,对Hype—rion高光谱遥感影像进行大气校正,选取典型地物对校正效果进行评价．主观定性评价结果显示校正后的影像地物边界更清楚、对比度增强;光谱曲线对比分析显示,校正前后光谱曲线形状完全不同,林地的反射率图像的光谱曲线形状与USGS...     

基于经验线性法的Hyperion影像大气校正

选取影像覆盖区域的地物分别作为亮目标和暗目标,选取非影像覆盖区域的同名地物为目标物,基于经验线性(ELC)法对Hyperion影像进行大气校正.结果表明,包含大部分植被信息的混合像元中绿色植被光谱特征清晰可见,植被绿色反射峰、近红外波段反射平台以及短波红外小反射峰等现象十分明显.运用该方法对缺乏实时资料的卫星影像进行大气校正具有一定的适用性.     

Evaluating cellulose absorption index （CAI） for non-photosynthetic biomass estimation in the desert steppe of Inner Mongolia

Accurate estimation of non-photosynthetic biomass is critical for modeling carbon dynamics within grassland ecosystems.We evaluated the cellulose absorption index(CAI),widely used for monitoring non-photosynthetic vegetation coverage,for non-photosynthetic biomass estimation.Our analysis was based on in situ hyperspectral measurements,during the growing seasons of 2009 and 2010,in the desert steppe of Inner Mongolia.ASD(Analytical Spectral Device)-derived and Hyperion-derived CAI were found to be effective for non-photosynthetic biomass estimation,yielding relative error(RE) values of 26.4% and 26.6%,respectively.The combination of MODIS(Moderate Resolution Imaging Spectroradiometer)-derived(MODIS2 MODIS5)/(MODIS2 +MODIS5) and(MODIS6 MODIS7)/(MODIS6 +MODIS7) showed a high multiple correlation(multiple correlation coefficient,r=0.884) with ASD-derived CAI.A predictive model involving the two MODIS indices gave greater accuracy(RE=28.9%) than the TM(Landsat Thematic Mapper)-derived indices.The latter were the normalized difference index(NDI),the soil adjusted corn residue index(SACRI),and the modified soil adjusted crop residue index(MSACRI).These indices yielded RE values of more than 42%.Our conclusions have great significance for the estimation of regional non-photosynthetic biomass in grasslands,based on remotely sensed data.     

高光谱Hyperion与高分辨率WorldView-2卫星数据协同下的岩性分类

在目前的技术条件下,一种遥感数据源很难同时具有高空间分辨率和高光谱分辨率特征,因此如何协同使用不同来源的遥感数据进行矿物岩石识别就成了遥感地质领域的重要研究内容之一.本文结合高空间分辨率WorldView-2数据和高光谱分辨率Hyperion数据,以新疆鸟恰县矿物岩石识别与地层划分为例探讨多源遥感数据协同的岩性分类.通过对比2种数据源的空间和光谱探测能力,找到其协同基础.借鉴传统的同源数据融合方法,把WorldView-2多光谱数据降采样到不同空间尺度,并进行主成分变换,采用第一主成分与Hyperion融合产生协同数据.基于SAM光谱角分类法,分别采用WorldView-2多光谱原始数据、Hyperion原始数据和各协同数据对研究区的岩性进行自动分类.结果表明,各协同数据岩性分类精度较高,Hyperion次之,WorldView-2数据岩性分类精度最低.     

基于SURF和顾及维数的高光谱影像端元提取新算法

端元提取,丰度反演是高光谱遥感技术的重要内容,其中端元提取是关键的步骤。首次将特征提取算法speed-up robust features(SURF)引入到高光谱影像端元提取中。兼顾高光谱影像丰富的光谱信息改进了SURF算法,提出了在多维尺度空间内寻找极值点作为端元的高光谱影像端元提取新算法,即多维SURF(multi-dimensional speed-up robust features,MDSURF)算法;将其应用于美国EO—1卫星获取的云南中甸普朗地区的Hyperion高光谱影像,并成功提取了影像端元。为了进一步验证结果的可靠性,设计两组对比实验,分别利用N-FINDR和连续最大角凸锥(sequential maximum angle convex cone,SMACC)算法在同等条件下提取实验影像的端元,然后对三种方法的结果进行综合评价和分析,得出MD-SURF算法提取端元的观感效果较好、精度最高、质量最好。提出了一种新的高光谱影像端元提取算法,实验结果表明新方法具有精度高、鲁棒性好等特点,证明了基于新物理机理的MD-SURF算法是一种可行的高光谱端元提取算法。