基于空间光谱信息协同的城市不透水层提取方法比较研究

• 作者: 范佳辉 张亚丽 李明诗
• 来源期刊: 南京林业大学学报（自然科学版）
• 学科: 地球科学
• 关键词: 城市不透水层 空间像元纯度指数 混合调制匹配滤波 双线性混合光谱模型 BP神经网络 线性混合光
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 研究论文
• 页码范围: 212-218
• 页数: 7页
• 分类号: P237
• 语种: 中文
• DOI: 10.12302/j.issn.1000-2006.201911012

摘要

[目的]利用不同的端元提取方法及混合像元分解算法计算南京市2018年城市不透水层覆盖度,评估各方法的精度,为城市可持续发展提供可靠的基础数据支撑.[方法]采用Landsat 8 OLI遥感影像,基于像元纯度指数(pixel purity index,PPI)并考虑空间光谱信息协同提出空间像元纯度指数(spatial pixel purity index,SPPI),精炼提纯植被、裸土、高反照度不透水层及低反照度不透水层4种类型端元,利用线性混合光谱模型(linear mixed spectral model,LMM)、混合调制匹配滤波(mixture tuned matched filtering,MTMF)、双线性混合光谱模型(bilinear mixed spectral model,BMM)及BP神经网络(BP neural network,BPNN)算法提取南京城市不透水层,采用同年的Google Earth遥感影像目视解译结果对提取的不透水层丰度进行精度验证.[结果]SPPI能有效结合多光谱波段的光谱信息和全色波段的空间信息,提高端元提取精度并减少计算量;同时,基于SPPI的BP神经网络算法提取精度最高,为90.45％;而基于PPI的线性混合光谱模型精度最低,为80.62％.BP神经网络算法在复杂城市中的解混精度高于线性混合光谱模型、混合调制匹配滤波和双线性混合光谱模型.[结论]采用全色波段像元亮度空间异质性辅助提取端元的方法,用空间信息弥补多光谱波段光谱信息较少的缺点,对于改进或发展适用于中/高分辨率多光谱影像的端元提取方法具有一定的参考价值,将其与神经网络模型结合可以在城市不透水层提取中推广应用.