基于五种地物分类信息的积雪被动微波混合像元分解方法

摘要

本发明属于遥感图像处理技术领域，提供了一种基于五种地物分类信息的积雪被动微波混合像元分解方法。本发明根据影响积雪辐射特性的典型五种下垫面类型，通过获得观测地区中较高空间分辨率的地物分类数据，利用积雪在不同下垫面微波辐射之间差异特性，选择微波天线增益函数和采样率，建立积雪微波混合像元分解模型，采用具有约束条件的最小二乘法迭代计算求解欠定性方程组，实现积雪被动微波混合像元分解。本发明可以有效地解决积雪被动微波混合像元问题，改进积雪参数反演精度，在气候和水文研究以及积雪灾害评估等领域中具有重要应用价值。

主权项

1.一种基于五种地物分类信息的积雪被动微波混合像元分解方法，该方法的应用条件是冬季积雪被动微波遥感数据，其特征在于，方法包括如下过程：1)确定观测地区冬季积雪情况下的五种的地物分类数据，2)确定微波天线增益函数和采样率，3)建立积雪被动微波混合像元分解模型，4)积雪被动微波混合像元分解模型求解；所述的确定观测地区冬季积雪情况下的五种的地物分类数据，是将已有的观测地区的地物分类数据产品重新分类为水体、草地、林地、农田和裸土五种下垫面信息，确定观测地区冬季积雪情况下的五种地物分类数据的结果L；所述的确定微波天线增益函数和采样率，是根据被动微波辐射计的特性，选择被动微波数据中不同频率对应的椭圆足印a和b，设计微波天线增益函数水平采样率Δx和垂直采样率Δy，结合地物分类数据的结果L，利用公式（12）求得系数α：$\alpha =\underset{x=-a}{\overset{a}{\Sigma }}\left(\underset{y=-\mathrm{bf}\left(x\right)}{\overset{\mathrm{bf}\left(x\right)}{\Sigma }}\bar{G}(x,y)L(x,y)\mathrm{\Delta y}\right)\mathrm{\Delta x}---\left(12\right)$其中$f\left(x\right)=\sqrt{1-\frac{x^2}{{\left(a\right)}^2}};$α是天线增益函数和对应足印内地物分类数据的结果L的卷积，(x,y)是被动微波数据的位置；所述的建立积雪被动微波混合像元分解模型，是将地物分类数据和微波天线增益函数及采样率的计算结果代入积雪被动微波混合像元分解模型，确定积雪被动微波混合像元分解模型求解方法；具体的积雪被动微波混合像元分解模型为：$T_B=\int \int \bar{G}(x,y)·\{L_{\mathrm{land}}(x,y)T_{\mathrm{land}}(x,y)+L_{\mathrm{water}}(x,y)T_{\mathrm{water}}(x,y)+L_{\mathrm{forest}}(x,y)T_{\mathrm{forest}}(x,y)$$+L_{\mathrm{grass}}(x,y)T_{\mathrm{grass}}(x,y)+L_{\mathrm{crop}}(x,y)T_{\mathrm{crop}}(x,y)\}\mathrm{dxdy}---\left(\text{16}\right)$$={\alpha }_{\mathrm{land}}(x,y)T_{\mathrm{land}}(x,y)+{\alpha }_{\mathrm{water}}(x,y)T_{\mathrm{water}}(x,y)+{\alpha }_{\mathrm{forest}}(x,y)T_{\mathrm{forest}}(x,y)$$+{\alpha }_{\mathrm{grass}}(x,y)T_{\mathrm{grass}}(x,y)+{\alpha }_{\mathrm{crop}}(x,y)T_{\mathrm{crop}}(x,y)$其中：${\alpha }_c(x,y)=\int \int \bar{G}(x,y)L_c(x,y)\mathrm{dxdy},c=\mathrm{land},\mathrm{water},\mathrm{forest},\mathrm{grass},\mathrm{crop}---\left(17\right)$公式（16）中，T_B代表积雪混合像元亮温值，(x,y)代表混合像元空间位置，即，被动微波数据的位置；T_land、T_water、T_forest、T_grass和T_crop分别代表下垫面为裸土、水体、林地、草地和农田的亮温值，L_land、L_water、L_forest、L_grass和L_crop分别代表与混合像元空间位置(x,y)匹配的分类数据中裸土、水体、林地、草地和农田像元的比例；公式（17）的结果由公式（12）计算得到；所述的积雪被动微波混合像元分解模型求解，是最终将积雪被动微波混合像元数据分解成五种类型的被动微波组分亮温数据；具体过程是利用建立的积雪被动微波混合像元分解模型，结合被动微波遥感数据，建立联立方程组，对m×n范围内的被动微波混合像元进行分解，通过构建方程组和约束性最小二乘法求解m×n范围内被动微波混合像元分解后的五种地物的组分亮温T_c。