光谱解混把混合像元表示为端元组合

遥感像元覆盖的是一个地面面积，而不是理想的单一材料。中低分辨率影像中，一个像元可能同时包含植被、土壤、水体和阴影。光谱解混试图用若干代表性端元解释观测光谱，并估计各端元对像元信号的贡献。

解混提供的是模型条件下的亚像元组成。端元是否充分、混合是否近似线性、大气与传感器误差是否受控，都会影响丰度。输出数值不应脱离这些条件直接解释为精确地表面积比例。

混合像元来自空间尺度与材料组合

传感器将瞬时视场内的辐射汇聚为一个观测值。地物边界、细碎景观和传感器点扩散会让多个材料进入同一像元。即使空间上看似均一，冠层中的叶片、阴影和背景土壤也会在光谱上混合。

像元大小不是唯一因素。配准误差会让多时相边界像元包含不同对象，大气散射会带来邻近效应，重采样也会把邻近像元数值组合。解混前应检查产品处理级别、空间对齐和有效像元，而不是把所有中间值都归因于真实地物混合。

高光谱数据提供更多窄波段，有助于区分相似材料，但波段相关、噪声和大气吸收也更明显。多光谱同样可以解混，只是可独立识别的端元数量和稳定性受波段信息限制。

常见线性模型把像元光谱写成端元光谱的加权和加残差。每个波段共享一组丰度，权重常被约束为非负并且总和为一。这些约束使结果易解释，也隐含端元贡献按面积或辐射比例线性组合的假设。

线性模型较适合材料在地表并列分布、光子主要与单一材料作用后进入传感器的情况。密集植被、颗粒混合、半透明介质和复杂城市峡谷中，多次散射会产生非线性关系。此时低残差也不一定证明物理过程正确，因为额外端元可能吸收模型偏差。

残差应按波段和空间查看。某些吸收波段系统偏大，可能说明大气校正或端元不匹配；边界区域集中高残差，可能是配准或非线性混合。只报告总体均方误差会丢失诊断信息。

端元是模型中的纯净光谱代表，可以来自地面或实验光谱库、影像中的纯像元，或统计方法提取。光谱库有明确材料身份，但观测条件可能与影像不同；影像端元适配当时成像条件，却未必真正纯净。

同一种材料会因含水量、年龄、粗糙度、照明和传感器响应出现光谱变化。用单一固定端元表示所有植被或土壤，丰度可能被迫承担端元差异。可采用端元集合、分区模型或随场景调整，但参数增加也会降低唯一性。

端元数量不能无限增加。端元光谱高度相似时，模型矩阵病态，微小噪声会引起丰度大幅变化。应检查端元相关性、条件数和丰度稳定性，并依据任务合并无法可靠区分的类别。

非负约束避免难以解释的负组成，总和为一表达封闭混合。但阴影、亮度差、大气残差或缺少端元时，总和约束会把未解释信号强行分配给已有端元。是否使用约束，应结合辐射量、预处理和物理模型。

阴影可以作为独立端元，也可以通过归一化或光照模型处理。把阴影直接当作一种地物面积会产生语义混乱；完全去除又可能丢失结构信息。成果应说明阴影丰度代表辐射贡献还是空间组成。

稀疏约束假设每个像元只有少量端元，适合大光谱库筛选，但正则化强度会改变组成。参数应在独立样本或合成混合上选择，并报告对结果的敏感性。

在线性、端元正确且照明可比时，丰度可能接近面积占比。现实中点扩散、三维结构、多次散射和端元可变性会破坏这一对应。尤其是植被冠层，叶面积、阴影和背景的辐射贡献不等于俯视面积。

验证可使用更高分辨率影像、实地样方或受控混合样本。高分辨率参考也有分类误差、时间差和配准误差，需要聚合到传感器足迹并传播不确定性。点位测量不能直接代表整个像元平均。

评价除丰度误差外，还应检查端元遗漏、空间结构和残差光谱。若结果用于变化检测，跨日期必须保持端元定义和预处理一致，或明确建模端元随季节变化。

可复现成果应记录输入产品、波段、缩放、坏波段处理、大气校正、端元来源、约束、算法参数和输出单位。端元光谱要与传感器波段响应匹配，不能把高光谱库曲线直接抽样几个中心波长就视为等价。

质量层可包含重建误差、约束违反、有效波段数和外推标志。对云、雪、饱和和无数据像元应先处理，避免异常值被解释为新端元。成果发布时，丰度图与质量图应一起提供。

光谱解混的价值在于把“一个像元一个类别”扩展为组成估计。它并不绕过传感器尺度，而是用明确端元和混合假设解释尺度内的信号。只有端元、残差、约束和验证同时可追溯，亚像元结果才具有物理意义。