《表2 主成分变换矩阵：利用光谱混合分解模型分析GF-6新增波段对土地利用/覆被的响应》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《利用光谱混合分解模型分析GF-6新增波段对土地利用/覆被的响应》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

1）本文采用主成分分析作为数据降维的方法，根据主成分分析结果（表2）可以发现，97%以上的光谱信息均能由前2个主成分表达，说明GF-6卫星在该景影像上的内在维度是2。通过第一主成分可以发现所有载荷量方向一致且黄光和紫光波段贡献明显大于其他波段，说明其增强的是研究区的基质即土壤的信息，同时包含了部分建设用地的信息，增强了部分水体的光谱信息；第二主成分的近红外和红边波段贡献明显大于其他波段，说明第二主成分增强的是植被信息。此外，烟台市植被类型多样，丘陵和缓逶迤连绵，植被和山体形成大量阴影区，河网密布，有大量建成区域，所以确定植被（GV）、基质（SU）、暗色物质（DA）和水（WA)4个端元，其中基质主要包括裸地、建设用地等；暗色物质主要为山体阴影以及其他无法判别的暗色地类。根据主成分变换矩阵从二维散点图端点处提取端元，并得到端元光谱曲线如图2，通过光谱曲线可以看出GV有明显增强，可以猜测红边波段可能对植被有明显的响应；SU在紫光和黄光处有明显增强，紫光和黄光波段可能对裸地或建筑用地有增强作用。然后对4景数据分别进行光谱混合分解，得到的端元丰度图如图2所示，各端元丰度图清晰准确地展示了研究区典型地物（植被、裸土、建设用地、水、阴影等）的分布情况，体现出光谱混合分解模型强大的信息增强能力。