基于ETM+图像的混合像元线性分解方法在澳门植被信息提取中的应用及效果评价

维普资讯 http://www.cqvip.com 华南师范大学学报（自然科学版）　２００７年５月　Ｍａｖ　２００７　ＪＯＵＲＮＡＬ　ＯＦ　ＳＯＵＴＨ　ＣＨＩＮＡ　ＮＯＲＭＡＬ　ＵＮＩＶＥＲＳｎＴＹ　２００７年第２期　Ｎｏ．２，２００７　（ＮＡＴＵＲＡＬ　ＳＣＩＥＮＣＥ　ＥＤＩＴＩＯＮ）　文章编号：１０００—５４６３（２００７）０２—０１３１—０６　基于ＥＴＭ＋图像的混合像元线性分解方法　在澳门植被信息提取中的应用及效果评价　邹　蒲　，王云鹏　，王志石　，樊风雷　（１．中国科学院广州地球化学研究所有机地球化学国家重点实验室，广东广州５１０６４０；　２．澳门大学科技学院科技研究中心，澳门邮政信箱３００１号，澳门；　３．中国科学院研究生院，北京１０００３９；４．华南师范大学地理科学学院，广东广州５１０６３１）　摘要：利用混合像元线性分解方法（ＬＳＭＭ），对澳门ＥＴＭ＋图像（２００３／１／１０）进行像元分解提取植被　信息．同时利用同一图像的归一化植被指数（ＮＤＶＩ）、缨帽变换的“绿度”分量（ＫＴ２）对提取的植被　信息进行对比分析，发现用ＬＳＭＭ方法提取的植被信息与ＮＤＶＩ的相关系数达到０．９３与ＫＴ２的相　关系数达到了０．７４．同时发现用ＬＳＭＭ方法提取的植被面积（４．１９　ｋｍ　）比ＮＤＶＩ阈值法、ＫＴ２阈值　法提取的植被面积（分别为８．２６　ｋｍ　、８．６８　ｋｍ　）更接近真实植被面积（５．７９　ｋＩｎ２）．结果表明混合像　元线性分解方法能有效地提取植被信息，比以像元为单位的常规遥感提取方法精度更高，为快速、准　确、高效的植被监测提供了新思路．　关键词：像元分解；线性混合模型；植被覆盖；澳门　中图分类号：Ｆ０６１．５　文献标识码：Ａ　ＡＣＣＥＳＳⅡ　Ｇ　ＴＨＥ　Ｌ　ＡＲ　ＳＰＥＣＴＲＡＬ　ＵＮ一ⅣⅡＸ　Ｇ　ＡＰＰＲＯＡＣＨ　ＦＯＲ　ＥＸＴＲＡＣＴ　Ｇ　ＶＥＧＥＴＡＴＩＯＮ　Ｄ旺　ＯＲＭＡＴＩＯＮ　ＵＳＩＮＧ　ＬＡＮＤＳＡＴ　Ｅ，Ｉ１Ⅵ＋ＤＡＴＡ　ＩＮ　Ｍ－ＡＣＡＯ　ＺＯＵ　Ｐｕ。　，ＷＡＮＧＹｕｎ—ｐｅｎｇ。ＷＡＮＧ　Ｚｈｉ—ｓｈｉ　，ＦＡＮ　Ｆｅｎｇ—ｌｅｉ　，（１．Ｓｔａｔｅ　Ｋｅｙ　Ｌａｂｏｒａｔｏｒｙ　ｏｆ　Ｏｒｇａｎｉｃ　Ｇｅｏｃｈｅｍｉｓｔｒｙ，Ｇｕａｎｇｚｈｏｕ　Ｉｎｓｔｉｔｕｔｅ　ｏｆ　Ｇｅｏｃｈｅｍｉｓｔｒｙ，　Ｃｈｉｎｅｓｅ　Ａｃａｄｅｍｙ　ｏｆ　Ｓｃｉｅｎｃｅｓ，Ｐ．Ｏ．Ｂｏｘ　１　１３１，Ｇｕａｎｇｚｈｏｕ　５１０６４０，Ｃｈｉｎａ；　２．Ｃｅｎｔｅｒ　ｏｆ　Ｓｃｉｅｎｃｅ　ａｎｄ　Ｔｅｃｈｎｏｌｏｇｙ　Ｒｅｓｅａｒｃｈ，Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｍａｃａｏ，Ｐ．Ｏ．Ｂｏｘ　３００１，Ｍａｃａｏ，Ｃｈｉｎａ；　３．Ｇｒａｄｕａｔｅ　Ｕｎｉｖｅｒｓｉｙｔ　ｏｆ　Ｃｈｉｎｅｓｅ　Ａｃａｄｅｍｙ　ｏｆ　Ｓｃｉｅｎｃｅｓ，Ｂｅｉｊｉｎｇ　１０００４９，Ｃｈｉｎａ；　４．Ｓｃｈｏｏｌ　ｏｆ　Ｇｅｏｇｒａｐｈｙ，Ｓｏｕｔｈ　Ｃｈｉｎａ　Ｎｏｒｍａｌ　Ｕｎｉｖｅｒｓｉｔｙ，Ｇｕａｎｇｚｈｏｕ　５１０６３１，Ｃｈｉｎａ）　Ａｂｓｔｒａｃｔ：Ｔｈｅ　ｖｅｇｅｔａｔｉｏｎ　ｉｎｆｏｒｍａｔｉｏｎ　ｏｆ　Ｍａｃａｏ　ｗａｓ　ｑｕａｎｔｉｆｉｃａｔｉｏｎａｌｌｙ　ｅｘｔｒａｃｔｅｄ　ｆｒｏｍ　Ｌａｎｄｓａｔ　ＥＴＭ＋ｄａｔａ　ｏｆ　２００３　ｂｙ　ｕｓｉｎｇ　ｌｉｎｅａｒ　ｓｐｅｃｔｒａｌ　ｕｎ—ｍｉｘｉｎｇ　ａｐｐｒｏａｃｈ（ＬＳＭＭ）．Ａｔ　ｔｈｅ　ｓａｍｅ　ｔｉｍｅ，ｔｈｅ　Ｎｏｒｍａｌｉｚｅｄ　Ｄｉｆｅｒｅｎｃｅ　Ｖｅｇｅｔａｔｉｏｎ　Ｉｎｄｅｘ（ＮＤＶＩ）ｉｍａｇｅ　ａｎｄ“ｇｒｅｅｎｎｅｓｓ”ｉｍａｇｅ　（ＫＴ２），ｗｈｉｃｈ　ａｌｓｏ　ｏｂｔａｉｎｅｄ　ｂａｓｅｄ　ｏｎ　ｔｈｅ　ＥＴＭ＋ｉｍａｇｅ（２００３）ｏｆ　Ｍａｃａｏ，ｗｅｒｅ　ｕｓｅｄ　ａｓ　ｔｗｏ　ｉｍｐｏｒｔａｎｔ　ｃｏｍｐａｒｉｓｏｎ　ｉｎｄｅｘｅｓ　ｔｏ　ｅｖａｌｕａｔｅ　ｔｈｅ　ｅｘｔｒａｃｔｅｄ　ｖｅｇｅｔａｔｉｏｎ　ｉｆｏｒｍａｔｉｏｎ　ｂｙ　ＬＳＭＭ．ｎ　Ｔｈｅ　ｒｅｓｕｌｔ　ｓｈｏｗｓ　ｔｈａｔ　ｔｈｅ　ｔｈｒｅｅ　ｉｍａｇｅｓ　ｈａｖｅ　ｈｉｇｈ　ｃｏｒｒｅｌａｔｉｏｎ．Ａｔ　ｔｈｅ　ｓａｍｅ　ｔｉｍｅ．ｔｈｅ　ｖｅｇｅｔａｔｉｏｎ　收稿日期：２００６—１０—２６　基金项目：广东省科技攻关资助项目（２００５Ｂ３０８０１００７，２００４Ａ３０４０１００１）；广东省自然科学基金资助项目（０４００２１４３）　作者简介：邹蒲（１９８２一），男，湖南娄底人，中国科学院广州地球化学研究所２００４级硕士研究生。Ｅｍａｉｌ：ｚｏｕｐ８２５＠ｓｉｎａ．ｃｏｍ．　维普资讯 http://www.cqvip.com １３２　华南师范大学学报（自然科学版）　２００７年　ａｒｅａｓ　ｅｘｔｒａｃｔｅｄ　ｂｙ　ＬＳＭＭ，ＮＤＶＩ　ａｎｄ　ＫＴ２　ａｒｅ　４．１９　ｋｍ　，８．２６　ｋｍ　ａｎｄ　８．６８　ｋｍ　ｒｅｓｐｅｃ－　ｔｉｖｅｌｙ．Ｔｈｅ　ａｒｅａｓ　ｂｙ　ＬＳＭＭ　ａｒｅ　ｃｌｏｓｅｒ　ｔｏ　ｔｈｅ　ａｃｔｕａｌ　ｖｅｇｅｔａｂｌｅ　ａｒｅａｓ（５．７９　ｋｍ　）．Ｔｈｅ　ｒｅ－　ｓｕｌｔｓ　ｓｈｏｗ　ｔｈａｔ　ｔｈｅ　ｌｉｎｅａｒ　ｓｐｅｃｔｒａｌ　ｕｎ——ｍｉｘｉｎｇ　ａｐｐｒｏａｃｈ　ｉｓ　ｎｏｔ　ｏｎｌｙ　ａｎ　ｅｆｉｆｃｉｅｎｔ　ｗａｙ　ｔｏ　ｅｘ－－　ｒｔａｃｔ　ｖｅｇｅｔａｔｉｏｎ　ｉｎｆｏｒｍａｔｉｏｎ　ｂｕｔ　ａｌｓｏ　ａ　ｍｏｒｅ　ａｃｃｕｒａｔｅ　ｍｅａｓｕｒｅ　ｔｈａｎ　ｒｏｕｔｉｎｅ　ｐｉｘｅｌ——ｂａｓｅｄ　ｒｅ－－　ｍｏｔｅ　ｓｅｎｓｉｎｇ　ｍｅｔｈｏｄｓ．Ｔｈｅｒｅｆｏｒｅ．ＬＳＭＭ　ｐｒｏｖｉｄｅｓ　ａ　ｎｏｖｅｌ　ｗａｙ　ｆｏｒ　ｍｏｎｉｔｏｒｉｎｇ　ｖｅｇｅｔａｔｉｏｎ　ｍｏｒｅ　ａｃｃｕｒａｔｅｌｙ　ａｎｄ　ｅｆｆｉｃｉｅｎｔｌｙ．　Ｋｅｙ　ｗｏｒｄｓ：ｐｉｘｅｌ　ｕｎｍｉｘｉｎｇ；ｌｉｎｅａｒ　ｓｐｅｃｔｒａｌ　ｕｎｍｉｘｉｎｇ　ｍｏｄｅｌ；ｖｅｇｅｔａｔｉｏｎ　ｃｏｖｅｒａｇｅ；Ｍａｃａｏ　植被是陆地表面的主要覆盖类型，作为环境的重要组成及影响因子，是反映区域生态环境　的主要标志之一，也成为了人们研究的主要对象　Ｊ．遥感作为提取陆地表面信息的一种手段，　能够对地表进行大面积的同步观测，具有较强的时效特性，能够很好地提取植被信息，监测植　被变化．传统的遥感图像处理方法（植被指数法、监督分类与非监督分类、缨帽变换）都是基于　像元为单位的，１个像元对应１种地物类型．但当遥感影像空间分辨率不高时，像元所记录的　信息很多是来自１个以上的地物类型，即存在混合像元　ｊ，这时传统方法所得结果的精度往往　不高．为了解决混合像元的问题，一些学者提出了“混合像元分解模型”，把混合像元分解为不　同的“终端单元”（Ｅｎｄｍｅｍｂｅｒ），并求得这些终端单元在每个像元中所占的比例，以提高分类　精度　Ｊ．目前混合像元分解模型归纳起来有５类：线性模型、概率统计模型、随机几何模型、几　何光学模型和模糊模型＿４　Ｊ，其中线性模型最为成熟应用最为广泛．本文在ＥＮＶＩ图像处理软　件的支持下，运用混合像元线性模型分解方法对澳ｆ－ｊ　２００３年的Ｌａｎｄｓａｔ　ＥＴＭ＋影像进行处理，　提取出每个像元中的植被含量，并对以单个像元中植被含量所表示的植被信息及其效果进行　评价，为快速、准确、高效的监测植被变化积累经验．　１研究区域　澳门位于广东省东南沿海的珠江三角洲，东经１１３。　３５　，北纬２２。１４　，由澳门半岛、凼仔岛和路环岛组成（图１　为２００３年澳ｆ－ｊ　Ｌａｎｄｓａｔ　ＥＴＭ＋ＲＧＢ（７５１）假彩色合成影　像），２００３年总面积为２７．３　ｋｍ　．地势南高北低，主要由　低矮丘陵地与平原组成，低矮丘陵从南向北逐渐减少，平　原面积由南向北逐渐增加．澳门地区主要地物类型为城市　建筑和植被，其中澳门半岛城市建筑占了绝大部分只有少　量的植被分布，凼仔岛植被和建筑面积相对比较均匀，而　图１澳门彩色合成影像　路环岛植被占主要成分建筑面积相对较少．　２数据和方法　本研究采用２００３年１月１０日的Ｌａｎｄｓａｔ　ＥＴＭ＋影像数据，去掉第６波段的热红外波段，　共６个波段．影像空间分辨率为３０　ｍ，经过大气辐射校正和初步几何纠正处理，再运用影像边　界矢量掩模将澳门地区从影像中裁减出来，每个波段２８１×３９３个像元（包括部分海面）．　维普资讯 http://www.cqvip.com 第２期　邹　蒲等：基于ＥＴＭ＋图像的混合像元线性分解方法在澳门植被信息提取中的应用及效果评价　１３３　２．１线性光谱混合模型　线性光谱混合模型是指像元在某一光谱波段的反射率（亮度值）是由构成像元的终端单元　（Ｅｎｄｍｅｍｂｅｒ）的反射率（亮度值）以其所占像元面积比例为权重系数的线性组合　’　，公式如下：　＝∑　ｃ觑＋　，　ｋ＝１　（１）　（２）　∑　＝１，　ｋ＝１　式（１）中：　为第　波段第ｉ像元的光谱反射率，　为对应于ｉ像元的第ｋ个基本组分所占的比　例，ｃ柏为第ｋ个基本组分在第　波段的光谱反射率，　为残余误差值（即光谱的非模型化部　分，值越小分解结果越好）．根据上述２个公式利用最／ｊ￣－－乘法求得每个终端单元的丰度，计　算的结果表现为各终端单元的份量值图像和残余误差图像．　２．２终端单元（Ｅｎｄｍｅｍｂｅｒ）的确定　终端单元是混合像元分解方法的关键也是难点，终端单元的类型、数量、取值都会直接影　响到计算的最终结果．终端单元可以从波谱库或影像自身中提取，但从波谱库中的光谱和影　像数据中几乎是不可能在完全相同的条件下取得的，因此这种方法存在一定的风险．相比之　下从影像自身选出的组成成份易于获得、简化和具有与数据相同的度量尺度，因此本研究终端　单元取自影像本身．　首先对影像进行ＭＮＦ变换，ＭＮＦ（Ｍｉｎｉｍｕｍ　Ｎｏｉｓｅ　Ｆｒａｃｔｉｏｎ）变换被称为“最小噪声分离　法”，由格林等人１９８８年提出，是主成分变换的一种．ＭＮＦ不仅可以通过去相关处理降低数据　量，还可以分离噪声用于计算数据的有效维数；然后提取ＭＮＦ变换后的有效成分进行ＰＰＩ　（Ｐｉｘｅｌ　Ｐｕｒｉｔｙ　Ｉｎｄｅｘ）处理，即像元的纯净指数计算，计算结果表示为像元纯净指数的空间分布　图，该值越大表示人选纯净指数的次数越多，也表示该像元在多波段影像空间里表现越独特，　光谱也越纯净，像元地物也越单一ｌ＿８　；最后以ＰＰＩ计算结果为基础，利用ＥＮＶＩ的多维可视化　工具（ｎ—Ｄ　Ｖｉｓｕａｌｉｚｅｒ）把ＰＰＩ值较大的像元点投影到ＭＮＦ变换主成分空间．当在２个成分　（主要成分）为特征的空间中，由单一纯粹物质组成的像素点发出的波谱信息可由极值点表　示．而在Ｎ个成分组成的空间中，终端单元将发生在多面体的顶角上，而这一多面体被定义为　以该空间的像素点极值为边界的几何空间．　根据上述方法对澳ｆ－１　ＥＴＭ＋影像数据经过ＭＮＦ变换，共生成６个主成分，各主成分相互　独立，其中第１主成分包含所有波段６１．６７％的光谱信息，第２、第３、第４主成分分别包含　２４．７１％、５．５６％、４．６９％的信息．选择前４个主成分计算出像元纯净指数（ＰＰＴ），把像元纯净　指数（ＰＰＩ）值大于ｌＯ的像元投影到ＭＮＦ主成分空间．较纯像元在ＭＮＦ主成分空间的散点图　大致呈四面体结构，在每个顶点选择几个像元作为该类地物终端单元（如图２（ａ））．分析各终　端单元光谱特征曲线（如图２（ｂ）），结合研究区ＥＴＭ＋影像７（红）、５（绿）、１（蓝）的假彩色合　成图像，可以较容易的判断出各终端单元的代表的地物类型一植被、低反照率地物（主要是水　体）、土壤、高反照率地物（主要为城市建筑）．其中植被分布在散点图中右上角１号位置，低反　照率地物分布在左下角３号位置，土壤和高反照率地物分别分布在右下角２号位置和左上角　４号位置．　２．３线性波谱分离　利用选择的终端单元对澳门地区６个波段的ＥＴＭ＋影像进行线性光谱分离处理，结果得　维普资讯 http://www.cqvip.com

１３４　华南师范大学学报（自然科学版）　２００７年　终端单元特征光谱曲线　①　④　②　（Ｄ　一一一＋一一波长…一一…　…　低反照率地物　土壤　植被高反照率地物　（ａ）ＰＰＩ大于ｌ０的像元在ＭＮＦ　（ｂ）终端单元光谱反射特征　主成分空间的散点图　图２终端单元的选择及特征曲线图　到植被、低反照率地物、土壤、高反照率地物在每个像元的　丰度图像和残余误差的空间分布图像，其中残余误差图像　中最大误差值为０．００１．图３为利用像元分解方法提取的　澳门植被的覆盖度图像（植被在每个像元的丰度）．　３结果和讨论　由以上线性波谱分离的结果，得到植被在每个像元　的百分含量，植被信息被定量化提取（图４）．分析植被覆　盖度图像可以看出，研究区域中植被覆盖度最大值为１，　最小值为０由植被覆盖度及所在覆盖度下的像元数，求　得影像中植被覆盖区域纯植被面积为４．１９　ｋｍ　．另外澳　图３澳门植被覆盖度图像　门植被分布差异明显，植被覆盖度大的区域主要分布在路环岛和凼仔岛上，其植被面积占总植　被面积的８０％以上，澳门半岛的植被分布比较少．对照分析２００３年澳门Ｌａｎｄｓａｔ　ＥＴＭ＋ＲＧＢ　（７５１）彩色合成影像和澳门植被覆盖度图像，二者是完全吻合的．由于澳门半岛城市建筑是主　体，在植被覆盖度图像上很大一部分区域没有植被分布，值为０．而路环岛主要地物是植被，在　植被覆盖度图像上，植被分布的范围广植被覆盖度也大．　一般认为，ＮＤＶＩ和缨帽变　。　换的第２通道结果（绿度值）可　ｉ　００　以有效探测区域植被覆盖状况　喜　７５　有必要把像元分解法得到的植　５０　被信息和ＮＤＶＩ和缨帽变换得　套　２５　到的植被信息比较分析一下．　１　００　３．１与归一化植被指数（ＮＤ一　０　ＶＩ）的对比分析　图４澳门植被覆盖图像与ＮＤＶＩ图像二维散点图　归一化植被指数（ＮＤＶＩ）被定义为近红外波段与可见光红波段之差和这２个波段数值之　和的比值，即ＮＤＶＩ＝（ＮＩＲ—Ｒ）／（ＮＩＲ＋Ｒ），是植被遥感中应用最广泛的一种植被指数，也是　维普资讯 http://www.cqvip.com 第２期　邹　蒲等：基于ＥＴＭ＋图像的混舍像元线性分解方法在澳门植被信息提取中的应用及效果评价　１３５　植被生长状态及植被覆盖度的重要指示因子．将提取的植被覆盖图像与同期提取的归一化　植被指数图像做回归分析．图４为植被覆盖度图像和归一化植被指数图像提取的植被图像的　二维散点图，可以发现两者具有很高的相关性，回归方程为Ｃ　＝０．６１５ＮＤＶＩ＋０．１２相关系数　为０．９３（Ｃｖｏ．为植被覆盖度值，ＮＤＶＩ为规一化植被指数）．同时利用ＮＤＶＩ阈值法对照遥感影　像ＲＧＢ（７／５／１）假彩色合成图像，结合实地调查资料，把ＮＤＶＩ值大于０．０６的像元当作植被像　元能有效提取出植被面积，求得研究区植被面积为８．２９　ｋｍ　．　３．２与缨帽变换（Ｋ—Ｔ）中绿度指数的对比分析　缨帽变换是指在多维光谱空间中，通过线性变换、光谱空间旋转使植被与土壤的光谱特征　得以有效分离。变换后的第２分量（ＫＴ２）表征“绿度”，反映植被光谱信息　Ｊ．同样将混合像元　线性光谱分解得到的植被覆盖图和缨帽变换的第２分量，即“绿度”图像进行回归分析，可以　发现二者也具有较好的相关性．图５为植被覆盖图和缨帽变换“绿度”图像二维散点图，相关　系数为一０．７４，求得回归方程为Ｃ　＝０．０２０３ＫＴ：＋０．６２４（Ｃ，，ｅｇ为植被覆盖度值，ＫＴ：为缨帽变　换的“绿度”值）．再利用阈值法结合遥感影像ＲＧＢ（７／５／１）彩色合成图像和实地考察数据，选　择“绿度”值为一４２作为阈值有效提取出“绿度”图像的植被信息，求得研究区域的植被面积　为８．６８　ｋｍ　．　通过归一化植被指数、缨帽　变换绿度分量的回归分析，充分　说明运用混合像元分解方法提　取植被信息是可行的．但也发　现３种方法提取出的植被面积　存在很大差异．根据澳门特别　行政区民政总署园林绿化部的　图５澳门植被覆盖度和缨帽变换“绿度”图像二维散点图　表１　３种方法提取及实测的植被面积　／ｋｍ　绿地统计数据，２００３年澳门的　绿地面积为５．７９　ｋｍ　Ⅲ　．为了　比较３种方法提取的植被面积，　在表１中列出了三者提取的植　被面积的比较，可以发现：应用混合像元分解方法提取植被更具有优势．归一化植被指数、缨　帽变换绿度分量阈值法求得的植被面积由于像元不是纯的像元，混有一定的“杂质”，这样求　得的植被面积结果偏大．而混合像元线性分解方法直接得到植被的覆盖图像，进入到像元内　部，估算植被的比例，求得的是纯植被的面积，更加接近已经公布的实测面积统计值．　４　结论　运用混合像元线性分解方法提取植被信息，能定量的获得植被信息，直接得到植被覆盖度　图像，同时可以在缺乏地面调查资料的情况下，求得地表纯植被覆盖面积．很好的解决｝昆合像　元问题，为进一步进行生态环境评价提供依据．比以像元为单位的常规遥感提取方法如ＮＤＶＩ　及缨帽变换精度更高，更实用．同时在研究中发现，植被分布的区域存在一些丘陵，丘陵地形　阴影遮盖了地表真实的植被信息，对植被面积的计算有较大的影响，使得阴影区的植被覆盖度　维普资讯 http://www.cqvip.com １３６　华南师范大学学报（自然科学版）　２００７年　偏低，植被面积偏小．如何减小阴影的影响，提取阴影区的真实地物信息，是有待进一步解决　的问题．通过提取澳门２００３年的植被信息，发现澳门的植被总量不大，分布不均衡．澳门半岛　植被分布太少，有待进一步提高绿化面积．　参考文献：　［１］梅安新，彭望禄，秦其明，等．遥感导论［Ｍ］．４版．北京：高等教育出版社，２００２：２４０．　［２］延昊，张国平．像元分解法提取积雪边界线［Ｊ］．山地学报．２００４，２２（１）：Ｉ１０．　［３］赵英时．遥感应用原理与方法［Ｍ］．北京：科学出版社，２００３：３２８—３３０．　［４］ＩＥＨＯＫＵ　Ｃ，ＫＡＲＮＩＥＬＩ　Ａ．Ａ　ｉｅ＇ｖｉｅｗ　ｏｆ　ｍｉｘｔｕｒｅ　ｍｏｄｅｌｉｎｇ　ｔｅｃｈｎｉｑｕｅｓ　ｆｏｒ　ｓｕｂ—ｐｉｘｅｌ　ａｎｄ　ｃｏｖｅｒ　ｅｓｉｔｍａｔｉｏｎ［Ｊ］．　Ｒｅｍｏｔｅ　Ｓｅｎｓｉｎｇ　Ｒｅｖｉｅｗ，１９９６，１３：１６１—１８６．　［５］澳门特别行政区政府地图绘制及地籍局，澳门地图集［ｓ］．２版．澳门：２００５：６２．　［６］张熙川，赵英时．应用线性光谱混合模型快速评价土地退化的方法研究［Ｊ］．中国科学院研究生院学　报，１９９９，１６（２）：１７０—１７２．　［７］万军，蔡运龙．应用线性光谱分离技术研究喀斯特地区土地覆被变化——以贵州省关岭县为例［Ｊ］．　地理研究，２００３，２２（４）：４４Ｊ０—４４３．　［８］Ｂｏａｒｄｍａｎ　Ｊ　Ｗ，Ｋｒｕｓｅ　Ｆ　Ａ，Ｇｒｅｅｎ　Ｒ　Ｏ．Ｍａｐｐｉｎｇ　ｔａｒｇｅｔ　ｓｉｇｎａｔｕｒｅｓ　ｖｉａ　ｐａｒｔｉａｌ　ｕｎｍｉｘｉｎｇ　ｏｆ　ＡＶＩＲＩＳ　ｄａｔａ：ｉｎ　Ｓｕｍｍａｒｉｅｓ［Ｃ］／／Ｆｉｆｔｈ　ＪＰＬ　Ａｉｒｂｏｒｎｅ　Ｅａｒｔｈ　Ｓｃｉｅｎｃｅ　Ｗｏｒｋｓｈｏｐ．１９９５，９５—１（１）：２３—２６．　［９］　赵英时．美国中西部沙山地区环境变化的遥感研究［Ｊ］．地理研究，２００１，２０（２）：２１４—２１７．　［１０］　澳门特别行政区民政总署园林绿化部．澳门绿化区面积及指标［ＥＢ／ＯＬ］．ｈｔｔｐ：／／ｎａｔｕｒｅ．ｉａｃｍ．ｇｏｖ．ｍｏ／　ｄｏｃ／ｄ￣．ｄｏｃ．２００６—０６—１８．　【责任编辑成文】