第35卷，第3期 2015年3月
光谱学与光谱分析 Spectroscopy and Spectral Analysis
Vol. 35,No. 3.pp734-738
March,2015
水体高光谱反演混合光谱空间信息分解模型研究
潘邦龙1，2，3，王先华”，朱进”，易维宁”，方廷勇1.3
1.安微建筑大学环境与能源工程学院，安徽合肥230601 2.中国科学院安微光学精密机械研究所，安微合肥230031 3.安微省绿色建筑先进技术研究院，安徽合肥230601
摘要水体高光谱申的混合效应间题是水体定量通感申的难点，已有研究表明，仅依赖标量光谱信息难以解决复杂的水体混合光谱间题，广域水体污染物除光谱信息之外，还具有明显的空间分布特性。充分利用其空间维信息，可以作为通感光谱维信息的有益补充，有利于水体复杂光谱的解混。以巢湖为例，HJ-1A
HSI高光语数据为数据源，辅以水面光谱测量数据，
中的变异函数模拟相邻空间两像元的分布差异，件，建立基于协同克里格遗传算法的湖泊水体高
学和遗传算法理论基础上，利用地统计学
空间变异函数作为遗传算法目标函数的约束条
文演混合光谱空间信息分解模型，并对慧浮物浓度反
测值与实测值相关系数为0.82，均方根误差9.25mg
相关系数提高了8.9%，均方根误差下降了
2.78mg·L-1，表明该模型对悬浮物浓度具有较强的预测能力。该方法将水体的空间信息与光谱信息有效结合，可以避免水色参数光谱信号弱导致反演结果失真，同时由于高光谱波段多、信息量大，带来信息提取
计算量大面复杂等间题，也为复杂水体混合光谱模型的求解和模型反演精度的提高提供了有效途径，关键词高光谱；混合光谱分解模型；空间维；克里格
中图分类号：TP791
引言
文献标识码：A
D0I: 10. 3964/j. issn, 10000593(2015)03073405
实际混合光谱的模拟]。以上研究方法主要从光谱维信息的角度寻求对混合光谱的有效模拟，然面目前由于水体混合光谱信息的相对多变复杂，尽管高光谱技术的发展在光谱维上
水体光谱是由多种水体成分物质经光的反射、散射和吸收共同作用的结果，属于混合光谱。水体混合光谱间题不仅影响水体成分识别精度，而且阻碍了水色遥感定量化的深入发展。如果能找出一定方法，求解组成水体的各种典型目标成分在混合光谱申所占的比重，则可有效解决混合光谱间题，提高定量通感精度。从目前已有的水体混合光谱分解方法研究来看，主要是通过对水体的混合光谱线性或非线性模型分解，得出不回水体组分单元或终端单元，并求出各组分代表的水体物质所占比例，从而实现求解，其中线性模型理论认为混合光谱是由像元内各组分光谱面积加权的线性组合，光线在像元组分间没有交叉影响。而非线性模型则从光的辐射传输理论角度考虑光线在像元组分间的交叉影响，认为像元组分光谱的混合模型是非线性的。该模型比前者更接近实际的光谱特性，但是模型的部分辐射传输参数难以准确测量，在实际应用中常采取简化处理的方法，消弱了对
收稿日期：2014-04-02，修订日期：2014-07-25
对水体光谱信息进行了拓展，但实验表明仅依靠光语信息对复杂水体混合光谱分解仍显信息量上的不足。
由于水体污染物浓度在空间上符合二维正态分布特性，具有明显的空间相关性，利用其空间维信息，可以补光谱维上信息量的不足，以提高水体中各组分光谱的分解能力。同时利用遗传算法对多变量混合光语模型优化搜索，求解模型特征变量，避免辐射传输参数的测量，以提高水体混合光谱分解模型的计算效率和反演精度"}。为此，利用空间地统计学，以克里格法解析水体空间维信息，并将其与遗传算法相结合，建立基于协同克里格遗传算法的水体高光谱反演混合光谱空间信息分解模型。实验以巢潮水体悬浮物为例，利用HJ-1AHSI高光谱数据，确立协同克里格遗传算法的初始变量，实现对集巢湖水体慧浮物浓度空间分布特征信息的反演。该模型综合光谱维和空间维特征信息，利用克里格法对遗传算法的目标函数优化，既有效克服传统混合光谱模型分
基金项目：国家自然科学基金项目(51378017，41471422)和安微高校省级自然科学基金项目（KJ2013B053)资助
作者简介：潘邦龙，1976年生，中国科学院安徽光学精密机械研究所博士研究生
e-mail: panbanglong@163, con