高光谱图像非线性模型

相对线性方法,虽然非线性方法研究得较少,典型的模型有Hapke模型、Kubelk - Munk模型、基于辐通量密度理论的植被/土壤光谱混合模型、SAIL模型等。

Hapke模型是针对星球表面提出的,其不足之处在于难以适用于有植被覆盖的地标,数据收集困难,散射折射系数、位相函数等难以确定。改进的Hapke模型能适用于地球上土壤的光谱反射率研究,但只有在土壤粒子的非对称参数以单散射的反照比大于特定阈值时才比原始Hapke模型效果更好。

Kubelk - Munk模型的应用同样面临诸多限制,如需要测量半球反射率、假定反射是各向同性的,等等。该模型对地表反射率要求也较高,导致很难适用于对地球表面的遥感应用,仅能在有限范围内将反射率转换成与物质吸收系数成比例的量。

基于辐通量密度理论的植被/土壤光谱混合模型可以很快地计算植被内任一层面的光谱辐射值,而且它能模拟非常复杂的结构,但该模型仍需在理论上和实验上进行更详细的研究以便得到改进了的指数以及非线性的分解方法。

SAIL模型是用来计算植被叶面积指数的一种混合光谱模型。该模型对树冠的结构进行了简单的描述,对辐射传导方程进行了粗略的估计。该模型对于各向同性、非朗伯体特性地物及热点效应不能进行很好地解释。改进的SAIL模型对热点效应进行了更细致的考虑,以及在计算二次反射率对单次反射率的贡献时,考虑了叶片的尺寸和阴影的影响。

除了以上典型非线性方法以外,还有其他类型的非线性模型,如几何模型、混合介质模型、混合类模型、计算模拟模型等。

非线性混合模型的建立和求解都相对比较困难,因此基于非线性混合模型的光谱解混研究较少。相比之下,线性混合模型因其物理意义明确而容易建立模型。基于线性模型的光谱解混就是假定混合像元是由几类纯地物按照一定的比例线性混合而成的,混合像元的光谱是这些地物光谱的线性组合。光谱解混时,根据是否需要有关地物类别的先验知识,光谱解混可以分为有监督方法和无监督方法。此外,光谱解混可以在有约束条件下进行,也可以在无约束条件下进行。光谱解混可以实现小于一个像元的物质光谱信息的预测和获取,因此可以用来进行已知光谱特性的目标识别处理。