基于缨帽变换分析地表温度变化基于缨帽变换分析地表温度变化
利用缨帽变换提取土壤亮度指数、绿度植被指数、湿度指数等地表参数,利用模型提取归一化植被指数NDVI、
比值植被指数RVI、修改型土壤调整指数MSAVI等植被指数和水体指数MNDWI,利用Artis单窗算法估算热红外
波段像元尺度地表温度,将地表温度的影响因素作为BP神经网络输入估算30 m空间分辨率的亚像元地表温度,
分析1989~2006年桂林城区土地利用变化、缨帽变换特征分量变化、植被参数变化、水体指数变化对地表温度
的影响机理。
摘要摘要:利用
关键词 关键词:缨帽变换;亮度指数;
1K-T变换概述变换概述
K-T变换称之为缨帽变换。K-T变换是由多光谱的遥感土壤、绿色植被等数据信息,在多位光谱空间中信息分布结构对图
像做的经验性线性正交变换。K-T变换是Kauth和Thomas利用MSS图像来反应植物的生长状态提出的变换。其本质是一种线
性变换。通过结果分析,意外地发现在MSS的特征空间中,植被光谱信息点是缨帽形状的,所以称为缨帽变换。
11转换系数转换系数
KT变换本质为一种特殊的PCA变换,其转换系数是固定的。KT变换MSS的转换系数:
Y=[Y1,Y2,Y3,Y4]T
其中,Y1:亮度分量,主要反映土壤反射率变化的信息;Y2:绿度分量,反映地面植被的绿度;Y3:黄度分量,反映植
被的枯萎程度;Y4:噪声,无实际意义。
K-T变换TM的转换系数:
其中,Y1:亮度分量;Y2:绿度分量;Y3:湿度分量。
Y=[Y1,Y2,Y3,Y4,Y5,Y7]T
12KT变换的基本思想变换的基本思想
K-T变换的本质思想是:多波段图像是N维空间特征。其中,每一个像元都是N维特征空间中的一个数据点。观察前期的
成果可以知道,植被特征主要由三个数据轴来反映,分别为亮度轴、绿度轴及湿度轴,确定相关的转换系数,如上所说的三个
轴的数据特征由不太复杂的线性计算或者特征空间旋转来得到,同时,这种旋转与传感器的性能有关,因而还需要确定传感器
的类型[1]。
13变换的基本原理变换的基本原理
U=RTx+r(1)
R代表缨帽变换系数,x代表不同波段的灰度值,r表征常数的偏移量,它的存在是为了避免在变换过程中出现负值的情况
发生[2]。U表示缨帽变换后不同的波段灰度值。K-T变换后所得到的特征数据中,前三个特征数据和地物类型有着密不可分
的关系。第一个分量为亮度指数,反映了地物总体反射率的综合效果;第二个分量为绿度指数,它的特征量受绿色植被种类、
植被数量、植被叶面积指数的影响非常大;第三个分量为湿度指数,它反映了地面水分的条件,特别是土壤的湿度状态,其余
分量为黄度指数及噪声[36]。
2仿真实验仿真实验
KT变换完成配准、变换、直方图匹配、替代和还原五个步骤。