|本期目录/Table of Contents|

[1]姜海玲,张立福,郑世欣,等.基于通用光谱模式分解(UPDM)算法的光谱指数一致性研究[J].江苏农业科学,2018,46(24):286-290.
　Jiang Hailing,et al.Study on spectral index consistency based on universal pattern decomposition method[J].Jiangsu Agricultural Sciences,2018,46(24):286-290.
点击复制

基于通用光谱模式分解(UPDM)算法
的光谱指数一致性研究(PDF)
分享到：

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:
第46卷
期数:
2018年第24期
页码:
286-290
栏目:
资源与环境
出版日期:
2018-12-20

文章信息/Info

Title:
Study on spectral index consistency based on universal pattern decomposition method
作者:
姜海玲1; 2;  张立福2;  郑世欣1;  王欣玉1;  苏姣姣1;  杜会石1
1.吉林师范大学旅游与地理科学学院，吉林四平 136000；
2.中国科学院遥感与数字地球研究所/遥感科学国家重点实验室/高光谱遥感应用研究室，北京 100101
Author(s):
Jiang Hailing; et al
关键词:
光谱指数; 通用光谱模式分解; 一致性; MODIS卫星; HJ卫星
Keywords:
-
分类号:
P237；S127
DOI:
-
文献标志码:
A
摘要:
由于传感器之间的光谱尺度差异和空间分辨率、成像几何、大气校正精度等因素的共同影响，不同传感器下光谱指数的一致性会受到不同程度的影响。研究选取了HJ和MODIS卫星遥感数据，通过通用光谱模式分解(universal pattern decomposition method，简称UPDM)算法将卫星HJ1A-CCD2(简称HJ)数据进行光谱重构，从而模拟生成对应的MODIS数据，然后分析光谱指数在原始HJ、原始MODIS和模拟MODIS数据之间的差异大小，探讨UPDM算法在不同程度上减小了光谱尺度引起的光谱指数的不确定性，即提高了其一致性。研究结果表明：针对模拟MODIS和原始MODIS数据，光谱指数的确定系数平均值为0.460 3，差值平均值为0.811 6，与原始HJ和原始MODIS相比较，一致性有所提高并且差异性变小，减小的差异性即看作是光谱尺度对光谱指数的影响，因此可判断UPDM算法削弱了光谱指数的光谱尺度不确定性，即提高了不同传感器间光谱指数的一致性。研究可为植被理化参量高光谱定量反演模型的构建及精度的提高提供一定的理论基础。
Abstract:
-

参考文献/References:

［1］Chen X，Zhang L，Zhang X，et al. Comparison of the sensor dependence of vegetation indices based on Hyperion and CHRIS hyperspectral data［J］. International Journal of Remote Sensing，2013，34(6)：2200-2215.
［2］Woodcock C E，Strahler A H . The factor of scale in remote sensing［J］. Remote Sensing of Environment，1987，21(3)：311-332.
［3］柏延臣. 遥感信息提取的不确定性和尺度效应研究［D］. 北京：中国科学院，2002.
［4］Marceau D J，Hay G J. Remote sensing contributions to the scale issue［J］. Canadian Journal of Remote Sensing，1999，25(4)：357-366.
［5］李小文，王锦地，Strahler A H. 尺度效应及几何光学模型用于尺度纠正［J］. 中国科学(E辑：技术科学)，2000(增刊1)：12-17.
［6］McCabe M F，Wood E F. Scale influences on the remote estimation of evapotranspiration using multiple satellite sensors［J］. Remote Sensing of Environment，2006，105(4)：271-285.
［7］田庆久，金震宇. 森林叶面积指数遥感反演与空间尺度转换研究［J］. 遥感信息，2006(4)：5-11，85.
［8］Zhang L，Furumi S，Muramatsu K，et al. Sensor‐independent analysis method for hyperspectral data based on the pattern decomposition method［J］. International Journal of Remote Sensing，2006，27(21)：4899-4910.
［9］Zhang L，Furumi S，Muramatsu K，et al. A new vegetation index based on the universal pattern decomposition method［J］. International Journal of Remote Sensing，2007，28(1)：107-124.
［10］Zhang L，Liu B，Zhang B，et al. An evaluation of the effect of the spectral response function of satellite sensors on the precision of the universal pattern decomposition method［J］. International Journal of Remote Sensing，2010，31(8)：2083-2090.
［11］Liu B，Zhang L，Zhang X，et al. Simulation of EO-1 hyperion data from ALI multispectral data based on the spectral reconstruction approach［J］. Sensors，2009，9(4)：3090-3108.
［12］Zhang L，Mitsushita Y，Furumi S，et al. Universality of modified pattern decomposition method for satellite sensors［C］//Asia GIS Conference Publications，2003.
［13］Houborg R，Soegaard H，Boegh E. Combining vegetation index and model inversion methods for the extraction of key vegetation biophysical parameters using Terra and Aqua MODIS reflectance data［J］. Remote Sensing of Environment，2007，106(1)：39-58.
［14］le Maire G，Franois C，Soudani K，et al. Calibration and validation of hyperspectral indices for the estimation of broadleaved forest leaf chlorophyll content，leaf mass per area，leaf area index and leaf canopy biomass［J］. Remote Sensing of Environment，2008，112(10)：3846-3864.

相似文献/References:

[1]张超,杨可明,王敏,等.玉米铜污染实时动态监测的高光谱分形维数模型[J].江苏农业科学,2019,47(18):260.
　Zhang Chao,et al.Hyperspectral fractal dimension model for real-time monitoring of copper pollution in maize[J].Jiangsu Agricultural Sciences,2019,47(24):260.
[2]朱传梅,王宏卫,谢霞,等.基于光谱指数和机器学习的土壤有机质含量反演[J].江苏农业科学,2020,48(22):233.
　Zhu Chuanmei,et al.Inversion of soil organic matter content based on spectral index and machine learning[J].Jiangsu Agricultural Sciences,2020,48(24):233.

备注/Memo

备注/Memo:
收稿日期：2018-07-12
基金项目：国家自然科学基金(编号：41701424)；遥感科学国家重点实验室开放研究基金(编号：OFSLRSS201716)；吉林省教育厅项目［编号：吉教科文合字(2016)第172号］；吉林省四平市科技发展计划(编号：2016059)。
作者简介：姜海玲(1986—)，女，吉林敦化人，博士，讲师，硕士生导师，研究方向为高光谱遥感基础理论及应用。E-mail：hai.ling.1986@163.com。
更新日期/Last Update: 2018-12-20