本杰明·G·雅各布、罗伯特·J·诺瓦克、洛朗·D·托、穆萨·S·桑福、考拉·拉萨内、丹尼尔·A·格里菲斯、汤姆森·L·拉克沃、皮斯·哈博穆吉沙、摩西·N·卡塔巴瓦、托马斯·R·乌纳什
我们插入了地理光谱分解的 5 米 (m) RapidEye™、红边、归一化植被指数 (NDVI)、未混合、端元、Similium damnosum sl 幼虫栖息地的生物特征,Similium damnosum sl 是盘尾丝虫病的黑蝇媒介。我们这样做是为了识别非洲河流环境中未知、未采样、多产的栖息地。S. damnosum sl 幼虫栖息地最初是在布基纳法索的一个河流村庄进行地理采样的,并叠加到 5m 分辨率数据上。ENVI 4.8TM 的 Band Mathfunction 用于计算 RedEdge NDVI。在将光谱指数应用于影像原始混合像素值之前,先将数字 (DN) 转换为具有物理意义的单位,以根据栖息地大小区分吸收反射光谱和未成熟的 Similium 生产力。使用线性回归将波段数据等同并量化为 DN 和反射值,这在地理光谱、子混合风险分析中相当于在基于对象的分类器中去除太阳辐照度和大气路径辐射度。然后,辐射校准工具将星载传感器数据校准为辐射度和大气顶部 (ToA) 反射率。此外,快速视线大气光谱超立方体分析 (FLAASH®) 消除了场景中的多重散射的影响。我们计算了内部相对反射率,将图像归一化为场景平均光谱。 ENVI 的对数残差校正工具消除了反射率、透射率和波长发射率中的仪器增益、地形效应和反照率效应。计算了栖息地冠层拦截的瞬时直接辐射光束分数,并将其描述为 fPAR = 1 - exp (-k(叶面积指数)/cosθs),其中消光系数 k 是叶片角度分布的函数。我们采用了逐次渐进算法、双流辐射大气传输分析、几何光学模型和双向反射分布函数来分离 S. damnosum sl、幼虫栖息地、冠层端元。然后使用从 RapidEye™ 数据得出的非参数、残差、解释、分解、子混合估计量来构建布尔模型。随后,定义了成像的幼虫栖息地及其地理空间、生态水文、冠层内色素(例如叶绿素、玉米素),并在 ENVI 中分解了红边、NDVI 和端元生物特征。将自相关不确定性矩阵反卷积为未混合冠层端元的组合。随后,在 ArcGIS 10.3® 的 Geospatial Analyst 中对 NDVI、端元生物特征、分解的冠层端元及其多个 ToA 噪声调整系数进行克里金处理,以识别乌干达北部河流生态系统沿线未知、未采样、多产、S. damnosum sl、地理可参考的幼虫栖息地。在冠层模型预测的多产、阴凉、幼虫栖息地中,72% 被发现含有 S。现场验证了 damnosum sl 幼虫的检测结果。该检测法的灵敏度为 78.26,特异性为 100。