[发明专利]基于模拟真实场景的遥感影像像元分解方法

说明书

【技术领域】

本发明涉及真实场景的三维建模遥感影像像元分解方法。

【背景技术】

通常，遥感影像是以像元为单位描述地物目标属性的一种信息载体。然而，在像元尺度内通常有多种地物类型或同一地物类型的不同状态对遥感影像获取的信息产生影响。一般将在像元内混杂着多种地物信号的现象称为“混合像元问题”。混合像元不仅影响识别地物目标的精度，也是遥感科学向定量化发展的主要障碍。为了解决混合像元产生的一系列问题，人们针对不同问题发展了相应的像元分解方法。赵英时(2003)总结了混合像元分解的五种类型：一、线性模型。线性模型理论简单，但在地物类型选取不精确时会造成较大误差；二、几何光学模型。几何光学模型是基于分析景观的几何特征，它需要有多个冠型参数；三、随机几何模型。该模型是几何光学模型的一种特例，不同的是它把景观的几何参数作为随机变量。四、概率模型。这类模型是以概率统计方法为基础来判定端元的比例。五、模糊模型。模糊模型以模糊理论为基础，用隶属函数作为判断的模型。以上各种光谱混合模型各有其适用场合。

混合像元分解主要有两步，首先获取研究区内地物目标的端元，然后通过混像元分解获得各端元组分的面积比例(丰度)，其中，端元的质量是影响像元分解结果最重要的因素。目前，端元的选择主要有以下两种方法：

第一种为“影像端元”法，就是通过不同的分析方法在遥感影像上确定端元的方法。确定这一类端元不需要进行实地的光谱测量，也不需要额外的先验知识，因此这一种端元选择方法是目前较普遍使用的方法。然而，在像元分解过程中经常出现的一个问题是遥感影像中无法找到需要的“纯净像元”。比如李小文等(1985，1986，1992)提出的著名的几何光学模型，其中的“四分量”包括植被承照面、植被阴影面、背景承照面和背景阴影面，但四分量“理想”的纯净像元在遥感影像上是不可能存在的。一般的解决方法是用洁净并且深的水体代替阴影分量或在“穗帽变换”亮度和绿度两个分量的二维散点图中搜索近似的纯净像元。然而，林地背景混杂了大量的地被植物，林内土壤有机质的含量、含水量也与裸地背景有着很大的区别。因此，影像端元很难完全的反映地物目标的真实属性。

第二种为“参考端元”法，即将野外实测的波谱直接作为端元或从光谱库中选择端元。参考端元从理论上讲可以比较精确的代表地物反射特征，但遥感影像受大气、地形、传感器等诸多外界因素影响，因此参考端元往往很难代表遥感影像中地物的光谱反射特征。另外，参考端元一般只能代表某种确定地物类型的反射率，在像元分解过程中如果漏选了某种地物类型的端元，将会造成很大的分解误差甚至错误。

植被的三维建模目前已在农学、林学、生态学、遥感等领域广泛应用。在遥感应用中，Disney(2000)等总结了很多可以用来生成场景的方法。随着计算机技术、图形学算法的快速发展，以及三维植物测量与建模的不断涌现，适用于多种场合通用模型的研究正不断发展。其中，李小文和Strahler较早就用计算机模拟来探索、验证其几何光学模型，尽管他们的计算机模拟仅停留在树冠阶段，未进入到叶的层次，也未考虑多次散射，但这些模型仍取得了较好的效果。更精确的模拟植被冠层细节有助于提高模型的精度，然而，目前对于林分尺度场景细节模拟的最大障碍是场景中面元数量过多导致的计算机运行速度过慢甚至无法运行。在很多研究中已经采用了简化模型的方法并取得了较好的效果。

【发明内容】

本发明为了解决现有混合像元分解方法端元难以准确获取造成的不适用于影像中不存在所需纯净像元的问题，而提出了一种基于模拟真实场景的遥感影像像元分解方法。

本方法按如下步骤进行：

(1)、在研究区域内设置调查样地，样地的大小等于所用遥感影像的空间分辨率，进行地面样地调查，获取目标植被的冠型、样地的地形地貌及方位参数；

(2)、简化目标植被的几何形状，使简化后植被的几何形状在空间建模工具软件中可以用尽量少的面片数描述；

(3)、假设将像元分解为n分量，则必须在所有调查的样地中随机选择大于等于n的样地数量作为建模样本，将样地内地面假设为平面，太阳光假设为相对于样地地面的平行光，用公式①-⑤在空间建模软件3DMax中建立样地模型，其中，公式①-②用于计算样地在模拟场景中的参数，公式③-⑤用于计算太阳相对于样地的位置；

坡长L的计算公式为：L＝30/cos(α)              ①

坡高H的计算公式为：H＝30×tan(α)             ②

a的计算公式为：a＝-R×cos(α)×sin(180°-φ)  ③