线性模型的适用性分析

线性分解模型是建立在像元内相同地物都有相同的光谱特征，以及光谱线性可加性基础上的。优点是构模简单，其物理含义明确，理论上有较好的科学性，对于解决像元内的混合现象有一定的效果。但不足的是，当典型地物选取不精确时，会带来较大的误差。对端元（典型像元）的错误选择或大气条件的影响会造成端元的比例出现负值或全部数字为大于1的正值。更有甚者，当监测时间和对象改变时，由于出现大气过度散射造成错误，而发生变化。

线性模型比较简单，但是在实际应用中存在着一些限制。首先，它认为某一像元的光谱反射率仅为各组成成分光谱反射率的简单相加，而事实证明在大多数情况下，各种地物的光谱反射率是通过非线性形式加以组合的。其次，该模型中最关键的一步是获取各种地物的参照光谱值，即纯像元下某种地物光谱值。但在实际应用中各类地物的典型光谱值很难获得，且计算误差较大，应用困难。这是由于大多数遥感影像的像元均为混合像元，在分辨率较低的影像上直接获取端元的光谱不大可能；如果利用野外或实验室光谱进行像元分解，则无法很好地处理辐射纠正问题，不仅处理的实效性难以保障，而且增加了处理难度，如实验室光谱与多光谱波段的对应问题。所以在某些情况下用线性模式获得的分类结果并不理想。当区域内地物类型，特别是主要地物类型超过所用遥感数据的波段时，将导致结果误差偏大。另外，如像元内因地形等因素造成的同物异谱、同谱异物现象存在，则应用效果更差。(www.xing528.com)

理论上的线性光谱混合模型基于如下假设：到达遥感传感器的光子与唯一地物（即一个光谱端元组分）发生作用。这种假设一般发生在端元地物面积比较大的情况下。反之，地物分布范围较小时，光子通过不只一个端元组分进行传输和散射，会产生非线性混合。通过分析特定媒体辐射传递，Hapke（1981）获得几种类型的反照率、卫星参数和实验室应用之间的关系式，提出微小地物非线性混合函数。在此基础上，Johnson等（1983）、Mustard和Pieters（1987）发展了非线性混合模型并且在某些矿物混合物上得到应用。这些学者通过将反射光谱转换成单一散射反照率（SSA）对系统进行线性化，从而解决非线性混合模型问题。