亚像元分析与 Landsat 8 的完美结合
31254 为本文评分：
3.6
亚像元分析与 Landsat 8 的完美结合
匿名作者 2013年7月9日 星期二
既然 Landsat 8 数据现已向所有人开放，我们可以开始深入探究如何利用它。如果您对 Landsat 8 数据的光谱能力还不熟悉，我强烈推荐您阅读 MapBox 的 Charlie Loyd 撰写的这些精彩文章：Putting Landsat 8's Bands to Work 和 Processing Landsat 8 Using Open-Source Tools。
考虑到 Landsat 8 如此丰富的光谱信息，我的同事 Ben Kamphaus 最近发起了一项倡议，旨在说服 Landsat 8 用户：他们不再局限于将每个像元简单归为某一类地物的传统、离散分类方法。亚像元技术能够估算图像中每个像元内部不同地物的丰度，这项技术已存在数十年。它已成功应用于 Landsat 数据，服务于无数目的，包括检测入侵植被物种、监测不透水表面、估算城市植被丰度、模拟森林结构以及绘制矿物分布图。事实上，有观点认为，只要人们关注的那些地物在数据分辨率尺度下经常与其他地物混合出现，亚像元分析就是最佳选择。以 Landsat 30 米的分辨率而言，这种情况非常普遍。因此，Landsat 8 及更早的 Landsat 数据是进行亚像元分析的理想选择。
我认为，使用亚像元技术的一个重要障碍，仅仅是因为它们比传统的分类方法更难被理解。它们确实往往涉及更复杂的数学运算，并且可能要求用户做出更多决策。然而，它们提供了显著的优势，包括能够发现小于一个像元的目标物。此外，市面上也有一些相当易于使用的自动化工具，可以在确保良好结果的同时简化用户体验。在 ENVI 中，值得探索的一个工具是 SMACC（顺序最大角凸锥体法）。SMACC 是一种无监督的迭代算法，用于从光谱数据中查找和绘制端元光谱。它由 Spectral Sciences Inc. 开发，与 Landsat 8 数据配合使用效果极佳，能够发现场景中的内容及其与其他地表地物的可分离程度。
您想在您的 Landsat 8 像元中发现什么呢？