定量遥感正则化反演中的信息流及其控制-中国科技论文在线.PDFVIP

中国科技论文在线 ( D 辑) 第33 卷 第8 期 SCIENCE IN CHINA ( Series D ) 2003 年8 月 定量遥感正则化反演中的信息流及其控制* 杨 华 许王莉 赵红蕊 陈 雪 王锦地 ( 北京师范大学遥感与GIS 研究中心, 资源与环境科学系, 环境遥感与数字城市北京市重点实验室, 北京 100875; 北京师范大学数学系, 北京 100875) 摘要 为了充分利用遥感数据包含的有限信息, 最大限度地减小待反演参数的不确 定性, 有必要深入理解信息是如何通过模型反演从遥感数据流向待反演参数的, 并据 此控制信息流. 为此目的, 本文以线性核驱动BRDF 模型为例, 在反演问题为病态的情 况下, 计算 分析不同反演方法反演过程中的信息流, 研究分阶段反演策略控制信息 流的效果, 进而定义一个控制反演中信息流的基于 USM 的信息矩阵. 研究结果表明: 用反演参数的 Shannon 熵减可以很好地表达反演过程中的信息流; 改变先验知识在反 演中所占权重或固定参数 分割参数集和数据集分阶段反演等策略可以控制信息流; 在 正则化反演情况下, 基于 USM 的信息矩阵可能是一个较好的定量控制反演过程中信 息流的工具. 关键词 正则化反演 信息流 香农熵减 信息矩阵 [1~4] 定量遥感发展的瓶颈在于遥感反演问题本质上是病态的 . 多角度遥感(Multi-Angular Remote Sensing, MARS) 数据的出现为解决病态遥感反演问题带来了新的希望. 但是, 太阳入 射角变化范围较小的情况在星载多角度遥感数据集中普遍存在, 多角度遥感观测的方向采样 仍然有限, 并且这几个有限方向采样的观测可能高度相关, 而且前向模型中含有的参数可多 达数 10 个, 信息量仍然不足. 面对观测数据的增加而带来的信息的增加总是小于参数的不确定性的增加这样一个现实, 人们开始研究如何充分利用有限的信息, 最大限度地减小待反演参数的不确定性. 一种方法 是尝试通过在反演中固定某几个参数来解决这个问题, 但缺乏定量依据. 李小文等 1997 年首 次提出了基于USM(Uncertainty and Sensitivity Matrix, 不确定性和敏感性矩阵)半定量固定参 数及基于先验知识的多阶段目标决策反演策略[1,2], 实例表明有较好的效果, 是推动BRDF(Bi- directional Reflectance Distribution Function, 二向反射分布函数)模型反演从技巧走向科学的 重要一步, 但这种方法缺乏数学上的理论证明. 此后, 李小文 高峰等发表了一系列的文章 [3,5~7], 研究分阶段反演策略的理论基础和数据集 参数集的定量分割方法, 先验知识在反演 中的表达和利用方法等. 但是, 这些研究中利用先验知识和分阶段时还没有完全达到定量化, 这是因为定量衡量信息量的问题还没有得到很好的解决, 因而难以定量描述反演过程中信息 量的变化, 在反演中如何定量表达和利用先验知识以及如何分割数据集和参数集来控制信息 流仍是一个亟待解决的关键问题. 本文以线性核驱动模