近日，同济大学测绘与地理信息学院王群明教授课题组在遥感领域顶级期刊《Remote Sensing of Environment》先后发表了3篇论文。本研究受到国家自然基金项目（41971297）资助。
（1）
研究成果一：“Sub-pixel mapping with point constraints”
主要作者：同济大学测绘与地理信息学院2019级博士生张成媛和导师王群明教授等
成果简介：
由于土地覆盖空间分布的复杂性，混合像元广泛存在于遥感图像中，极大地影响了地物分布信息提取的可靠性。亚像元定位(sub-pixel mapping, SPM)是一种估计混合像元内地物空间分布的技术。作为极具潜力的精细尺度下地物分布制图技术，SPM已成为当前遥感领域的研究热点之一。SPM为典型的不适定逆问题，愈来愈多研究聚焦于如何降低其不确定性，以生成更高精度的高分辨率分类图。
在当前大数据时代，多种数据源可用于获得精细空间分辨率下分布稀疏的土地覆盖类别标签。作者将这类数据定义为“点数据”，为SPM过程提供点尺度约束。结果表明顾及点约束的SPM能获得更高的制图精度，尤其是对于空间自相关性较弱的地物作用更为明显，且在点数据存在一定程度的属性和空间位置误差时，仍能起到提高精度的作用。
图1 普通方法和基于点约束方法的定位结果（行1从左至右依次为参考图像、传统方法、5%点约束、10点约束和15%点约束的结果；行2依次为行1的子图，以及对应的点数据分布）
Wang, Q., Zhang, C., Tong, X., Atkinson, P. M., 2020. Sub-pixel mapping with point constraints. Remote Sensing of Enviroment 244, 111817.
论文链接：
https://www.sciencedirect.com/science/article/pii/S0034425720301875
（2）
研究成果二：“Virtual image pair-based spatio-temporal fusion”
主要作者：同济大学测绘与地理信息学院2019级硕士生唐以洁和导师王群明教授等
成果简介：
由于传感器功率和硬件技术等因素的限制，卫星的时间分辨率和空间分辨率之间通常相互制约，难以满足精细动态监测的需求。解决这一问题的一种方法是通过计算机技术将高时间分辨率影像(如MODIS影像)与高空间分辨率影像(如Landsat影像)进行融合，生成同时具有高时空分辨率的时序影像，这一技术被称为遥感影像反射率的时空融合。现有时空融合方法的基本原理可以总结为一统一框架，即已知的高空间分辨率影像(如Landsat影像)和待估计的高空间分辨率增量的叠加。然而，由于季节和土地覆盖的变化，不同时间点获取的影像之间往往存在较大的差异，导致增量估计的过程存在较大的不确定性。
作者提出了一种基于虚拟影像对的时空融合方法VIPSTF来解决这一问题。VIPSTF方法的提出依托于一种全新的虚拟影像对(Virtual image pair, VIP)的概念。作者从理论上证明了VIP相比原始影像对更接近于待预测时间点的影像，能有效降低增量估计过程的不确定性。同时，VIPSTF是一种广义框架，适用于目前主流的基于空间加权和空间解混的两大类方法。VIPSTF可以有效提高时空融合精度，尤其是当待预测影像和已知影像在时间上相隔较远时，其优势更为明显。此外，在使用多景影像进行预测时，VIPSTF避免了影像对选择这一复杂的问题。在使用多个影像对时，VIPSTF的计算速度也比原始方法更快。VIPSTF的提出为提高时空融合性能提供了一种全新的视角。
图1 区域1不同时空融合方法实验结果（432波段伪彩色合成显示，行1依次为UBDF, FSDAF, STARFM, VIPSTF-SW, STDFA, VIPSTF-SU的结果及参考影像）；行2为行1对应的子区域。
图2 区域2不同时空融合方法实验结果（432波段伪彩色合成显示，行1依次为UBDF, FSDAF, STARFM, VIPSTF-SW, STDFA, VIPSTF-SU的结果及参考影像）；行2为行1对应的子区域。
Wang, Q., Tang, Y., Tong, X., Atkinson, P. M., 2020. Virtual image pair-based spatio-temporal fusion. Remote Sensing of Environment 249, 112009.
论文链接：
https://www.sciencedirect.com/science/article/pii/S0034425720303795
（3）
研究成果三：“General solution to reduce the point spread function effect in subpixel mapping”
主要作者：同济大学测绘与地理信息学院2019级博士生张成媛和导师王群明教授等
成果简介：
该研究解决了亚像元定位(subpixel mapping, SPM)中长期存在的两个挑战，即点扩散函数(point spread function, PSF)效应的影响以及制图精度评价问题。
混合像元的存在极大影响了遥感影像信息提取的可靠性，SPM正是一种估计混合像元内地物空间分布的技术。现有SPM理论与方法通常假设混合像元的信息仅取决于自身空间覆盖内亚像元的信息(即均值)。然而，PSF效应普遍存在于遥感数据中，混合像元的信号实际上同时受到邻域像元的影响。现有SPM方法几乎未能考虑PSF效应，近几年提出的HNN方法虽能有效消除PSF效应，但不利于恢复小尺寸地物，且计算效率非常低。作者提出了一种新的用于消除SPM中PSF效应的广义模型。该模型主要考虑消除混合分解过程中PSF的影响，适用于任意以混合分解为预处理的SPM方法。实验结果表明，考虑PSF效应的SPM方法能获得更高的制图精度。同时，相较于最近发展的HNN方法，提出的广义模型的计算效率明显提高，且能更好地重现小尺寸地物的空间结构。
另一方面，SPM不仅是地物分类制图技术，更旨在再现更精细尺度下的地物空间分布模式。然而，传统分类精度并不能客观地评价SPM方法对空间结构的恢复能力。因此，作者同时提出了一种新的SPM精度评估方法，该方法同时考虑了SPM在传统分类和空间结构恢复两个方面的准确性。结果发现基于新指标的评价结论与视觉评估更加一致，为SPM迈向更全面的准确性评估提供了新的思路。
图1各类方法的亚像元定位结果((a)-(h)依次为HC-without-PSF、HC-with-PSF、HNN-with-PSF、PSA-without-PSF、PSA-with-PSF、ATPK-without-PSF、ATPK-with-PSF方法的结果，(a1)-(h1)依次为(a)-(h)的子图)
Wang, Q., Zhang, C., Tong, X., Atkinson, P. M., 2020. General solution to reduce the point spread function effect in subpixel mapping. Remote Sensing of Environment 251, 112054.
论文链接：
https://www.sciencedirect.com/science/article/pii/S0034425720304247
