由于遥感拍摄仪器空间分辨率的限制,遥感图像中的一个像元对应的地面区域通常覆盖了多种地物,其像元的光谱值实际上是几种纯净地物光谱值的混合,这种像元被称为混合像元。将混合像元分解为典型的地物(即端元)和它们的混合比例(即丰度),可以获取亚像元级的信息,提高地物识别的精度,实现定量遥感。因此,混合像元分解对于基于多/高光谱遥感图像的高精度地物分类以及地面目标的检测有着重要的意义,成为近年来遥感领域的一个研究热点。本文针对这个问题作了大量研究,创新内容主要包括以下几部分：1.本文提出一种新的估算城市不透水层分布的方法。由于城市内地物的同物异谱现象导致了较大的分解误差,在提取端元光谱前,对影像数据作归一化处理,可以削弱同类地物端元由于亮度不同而引起的光谱差异。另外,鉴于不同的土地覆盖类型具有不同的地表温度这一特性,本文结合Landsat 7 TM/ETM+热红外波段影像数据,剔除了不透水层分量中的其他非不透水层地物分量。地表温度辅助分析的归一化像元纯度指数方法的分析精度相对较高,对于城市区域,利用该方法从Landsat影像中提取城市不透水层分布效果是理想的。2.本文提出一种基于Fisher判别零空间的高光谱遥感图像混合像元分解算法。传统的光谱混合分析方法假设每个端元必须具有完全稳定的光谱特性,而在实际问题中同类地物的端元光谱往往存在着差异。为了有效的抑制同物异谱对混合像元分解的影响,该方法通过对高光谱遥感数据进行线性变换,使得变换后的数据中同一端元内的光谱差异减小为零,而不同端元间的光谱差异尽可能地增大。利用变换后的光谱数据对混合像元进行分解可以较大程度地减少同物异谱现象对分解结果的影响,从而得到较高的分解精度。3.本文将线性混合光谱分析应用到目前在地面覆盖信息的研究中利用率很低的中分辨率MODIS遥感数据中。通过选择恰当的端元类型,利用像元纯度指数方法选取一定量的高纯度像元并取平均光谱作为端元的反射率,再代入线性分解模型,并用FCLS解混,从而得到各类地物的丰度影像。理想的分解效果说明了MODIS数据也可以有效地应用于遥感动态监测、土地覆盖分类等研究。