地球矿物尘源研究中的拓扑广义性和谱维度：联合表征与光谱混合残差方法
摘要：NASA的地表矿物尘源调查（EMIT）任务旨在利用航天成像光谱学（高光谱成像）来绘制干旱尘源地区的矿物学。在这里，我们应用了联合特征化（JC）和光谱混合剩余（MR）的最新进展，来探索这个新任务的数据信息内容。具体而言，在一个由20个光谱多样的场景组成的拼贴图中，我们发现：1）一个广义的三成分（底物、植被、黑色；SVD）光谱混合模型能够捕捉到大部分（三维中的99％）光谱方差，并且误差较小（99％的像素RMSE＜3.7％）；2）流形学习（UMAP）能够识别在光谱特征空间中具有空间一致性和物理可解释性的聚类关系；3）UMAP在应用于MR和应用于原始反射率时的结果具有相同的信息量；4）SVD分数信息有助于将UMAP聚类关系与上下文联系起来（JC）；5）当EMIT数据经过多光谱仪器（Sentinel-2、Landsat 8/9、Planet SuperDove）的光谱响应函数卷积时，SVD分数在不同传感器之间存在强相关性，但EMIT高光谱特征空间的UMAP聚类关系比模拟多光谱传感器更具信息量。讨论了EMIT数据在近期的实用性以及高信噪比航天成像光谱学的潜力对光学遥感的未来产生的影响。
作者：Daniel Sousa and Christopher Small
论文ID：2303.04876
分类：Geophysics
分类简称：physics.geo-ph
提交时间：2023-03-10