基于多元线性回归模型的GF-1 PMS多光谱影像重构方法
GF-1 PMS multi-spectral data reconstruction based on multivariable linear regression model作者机构:安徽科技学院资源与环境学院安徽凤阳233100
出 版 物:《安徽科技学院学报》 (Journal of Anhui Science and Technology University)
年 卷 期:2024年第38卷第3期
页 面:70-77页
学科分类:090601[农学-基础兽医学] 09[农学] 0906[农学-兽医学]
基 金:安徽省高校自然科学研究项目(2023AH051855,2022AH051623,2022AH051029) 国家级大学生创新创业训练计划项目(202210879043,202310879114,202310879115) 安徽科技学院产学研合作项目(881580)
主 题:多元线性回归模型 OLI PMS 重构影像 质量评价
摘 要:目的:多元线性回归模型在保持输入自变量光谱信息和空间特征的同时,通过线性变换获取自变量和因变量的光谱拟合关系,对原输入自变量的光谱信息进行优化,从而获得高空间分辨率和丰富光谱信息的重构数据。方法:利用同期获取的OLI(Operational Land Imager)和PMS(Panchromatic and Multispectral Scanner)多光谱遥感影像,根据最小二乘法构建多元线性回归模型,重构生成具有丰富光谱特征和空间特征的遥感影像,从主客观两个方面评价重构影像的质量。结果:在目视解译(主观)方面,重构影像在一定程度上保留了原OLI影像的光谱特性,提升了原PMS影像的清晰度和分辨性;在量化角度(客观)方面,重构影像的信息量和平均梯度比原OLI对应波段影像的信息量(在部分波段上)和平均梯度要低,但比原PMS影像的信息量和平均梯度要高,可见重构影像的质量介于原PMS影像和OLI影像的质量之间。结论:以青海省门源回族自治县的耕地内不同作物为实例对象,利用最大似然法获取门源县青稞和油菜的空间分布,研究区实测数据验证表明,重构影像对耕地内部青稞与油菜的提取精度高于原PMS和OLI多光谱影像的提取精度。