时间序列遥感影像常用于地表覆盖监测及其变化监测。然而

利用时序遥感数据—尤其是中分辨率遥感数据监测地表覆盖变化

其方法基本是先对多期影像分别进行监督分类然后对比分类结果。由于这种方法需要对每期遥感影像单独选择分类训练样本

而对于历史影像

常常难以获得可靠的样本数据。本文基于遥感数据定量化处理

尝试利用光谱特征扩展方法对时间序列Landsat数据进行分类:首先

结合一种新的大气校正方法和相对辐射归一化方法

对时间序列Landsat数据进行定量化处理

以消除各期影像之间的辐射差异

获得地表反射率数据。然后

论文选择一期易于获得分类训练样本的反射率数据作为"参考影像"

并结合样本数据提取不同地表覆盖类型的光谱特征。最后

将"参考影像"中提取的地物光谱特征

扩展到所有时间序列反射率数据进行分类。论文利用青藏高原玛多地区的5景Landsat数据对本文的方法进行了验证

结果显示:基于光谱特征扩展的分类方法

可有效对定量化处理后的Landsat数据进行分类

分类总体精度为88.35%—94.25%

分类结果和传统的单景监督分类结果具有较好的一致性。此外

研究也发现

"参考影像"和待分类图像获取时间的季相差异会影响其分类的精度。