1.一种基于多源光学遥感数据的土壤含水量估算方法,其特征在于包括以下步骤:
步骤一:获取待测区域的高光谱图像IMH,并对其进行混合像元分解,得到不同地物类型纯像元数据集,并提取不同地物类型纯像元数据集的反射光谱RH,RH={RH1,RH2,RH3,RH4…….RHn},其中RH1,RH2,RH3,RH4…….RHn为待测区所包含的n种不同纯地物类型反射光谱;
步骤二:获取待测区域的高空间分辨率图像IMg,并对其进行混合像元分解,得到各地物类型在单个像素中端元丰度数据集,并定义高空间分辨率图像任意像元的像元值Rg=Fg*Rgc,其中Rgc为纯地物类型光谱矩阵,Rgc={Rgc1,Rgc2,Rgc3,…Rgcn},Fg为不同类型地物在一个像元内端元丰度分布函数,Fg={Fg1,Fg2,Fg3,…Fgn};
步骤三:对高光谱图像IMH进行重采样,使高光谱图像IMH像素分辨率与高空间分辨率图像IMg像素大小相同,并定义重采样图像为IMrs,其像素值定义为Rrs;
步骤四:计算重采样之后高光谱图像IMrs的像素值,用Rrs表示,并根据步骤一提取不同地物类型纯像元数据集的反射光谱RH和步骤二得到像元内端元丰度分布函数Fg,重构图像每个像元的高光谱反射特征,即Rrs=RH*Fg,即IMrs的像素值;
步骤五:获取野外土壤水分数据及其反射光谱值,然后筛选出相关系数高的波段建立土壤水分反演自变量集合,之后将土壤水分反演自变量集合与野外土壤水分数据输入到神经网络模型中,通过网络拟合建立土壤水分遥感反演神经网络模型;
步骤六:将IMrs的像素值输入土壤水分遥感反演神经网络模型中,完成待测区域土壤含水量的估算。
2.根据权利要求1所述的一种基于多源光学遥感数据的土壤含水量估算方法,其特征在于所述步骤一中对高光谱图像IMH进行混合像元分解是利用非负矩阵分解进行的。
3.根据权利要求1所述的一种基于多源光学遥感数据的土壤含水量估算方法,其特征在于所述步骤二中对高空间分辨率图像IMg进行混合像元分解是利用非负矩阵分解进行的。
4.根据权利要求1所述的一种基于多源光学遥感数据的土壤含水量估算方法,其特征在于所述神经网络为BP神经网络。
5.根据权利要求1所述的一种基于多源光学遥感数据的土壤含水量估算方法,其特征在于所述BP神经网络的激活函数为高斯函数。
6.根据权利要求1所述的一种基于多源光学遥感数据的土壤含水量估算方法,其特征在于在所述步骤一中对高光谱图像IMH进行混合像元分解之前,对高光谱图像进行预处理,所述预处理包括空间预处理和光谱预处理,所述空间预处理用于获取空间均质且纯度较高的端元,所述光谱预处理用于端元提取。
7.根据权利要求1所述的一种基于多源光学遥感数据的土壤含水量估算方法,其特征在于在所述步骤二中对高空间分辨率图像IMg进行混合像元分解之前,对高空间分辨率图像进行空间预处理,所述空间预处理用于获取空间均质且纯度较高的端元。
8.根据权利要求6或7所述的一种基于多源光学遥感数据的土壤含水量估算方法,其特征在于所述空间预处理的步骤为:首先计算空间预处理过程中的空间权重因子,其表达式为:
α(i,j)表示它与邻域像元的空间相似性程度,
然后计算空间预处理后的图像,
其中,R(i,j)'为加权后的图像的值, 为原始图像IMg的所有像元的光谱均值。