考虑植被端元变异性的光谱解混方法

植被光谱变异性广泛存在于遥感图像当中，本文尝试通过PROSAIL辐射传输模型来描述植被端元变异性，并提出一种光谱解混方法，实现逐像元地估计植被变异性端元。具体地，面向植被—土壤背景两端元的场景，在非负矩阵分解框架下，利用PROSAIL辐射传输模型从机理上描述植被端元的变异性，并通过两组神经网络来分别实现辐射传输模型的反演与正算，从而更高效地拟合植被端元，最终得到一种能逐像元求解变异性植被端元的光谱解混算法。由于该方法求解了植被端元的空间变异光谱，因此，能够对植被参数遥感反演的尺度效应进行纠正。为此，本文进一步以LAI尺度效应为例，通过无人机图像实验来验证该方法的有效性。实验结果得出，经过光谱解混方法处理后，该方法能较准确地估计植被端元，并能使LAI尺度效应均方根误差RMSE能够从0.2151降低到0.0896，有望提升遥感植被信息提取的精度。