.png){kind=icon}
返回
A Hyperspectral Simulation-Driven Framework for Sub-Pixel Impervious Surface Mapping: A Case Study Using Landsat Imagery
.png){kind=icon}
OA
AI
DOI：10.3390/rs18081117.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
全球快速城市化进程使得不透水层面积（ISA）成为监测城市生态与热环境的关键指标。然而，传统的亚像元ISA估算方法（如光谱混合分析（SMA）和机器学习回归）受到光谱变异性和高质量训练样本稀缺的显著制约。为解决这些局限性，本研究提出了一种新型亚像元不透水层分数（ISF）反演框架，利用高分辨率机载高光谱数据。通过模拟物理上协调的多光谱反射率并通过空间聚合生成高精度参考ISF，我们构建了一个稳健且抗噪声的训练数据集。基于Landsat数据的实验结果表明，该基于模拟的方法有效缓解了样本不确定性，显著提升了反演精度，并准确保留了空间细节和边界结构。理论上，该框架表现出强大的跨传感器适应性，仅需替换目标传感器的光谱响应函数即可为各种中分辨率卫星平台生成传感器一致的训练数据集。结合其固有的可扩展性及跨传感器模型迁移的潜力，该方法为在多卫星星座上实现长期、高精度ISF制图提供了一种可靠且系统化的范式。
Keyword:
impervious surface fraction (ISF)
simulation-based framework
cross-sensor adaptability
sub-pixel mapping
hyperspectral data
期刊
IF:
4.1
论文数:
7.4K
被引数:
15.1W
机构
引用论文
.png){kind=icon}
分享收藏RS-NormGAN: Enhancing change detection of multi-temporal optical remote sensing images through effective radiometric normalizationRS-NormGAN：通过有效的辐射归一化增强多时相光学遥感图像的变化检测
PREAI
分享收藏Preliminary analysis of the performance of the Landsat 8/OLI land surface reflectance productLandsat 8/OLI地表反射率产品性能的初步分析
OAAI
OAAI分享收藏Estimation of land surface temperature-vegetation abundance relationship for urban heat island studies城市热岛研究中地表温度-植被丰度关系的估算
PREAI
分享收藏A comparative analysis of machine learning-based methods for impervious surface mapping using SAR and optical data基于机器学习的方法利用SAR和光学数据进行不透水层制图的综合比较分析OAAI
OAAI分享收藏Hyperspectral Unmixing Overview: Geometrical, Statistical, and Sparse Regression-Based ApproachesOAAI
OAAI分享收藏
查看更多内容