混合像元是遥感技术向定量化深入发展的主要障碍之一。混合像元分解作为解决混合像元问题的有效手段，虽然可以得到像元内的地物丰度，却不能得到更高空间分辨率的地物分类结果。亚像元定位是利用地物的空间分布特征确定不同地物在混合像元中具体空间位置，获取更高空间分辨率地物分类图的过程。亚像元定位可以减轻混合像元对遥感信息提取的影响，并获得亚像元尺度地物分类结果，是遥感信息提取以及定量化发展的重要手段。本文针对亚像元定位中存在的光谱分解模型、地物空间相关性模型、参数选择以及如何利用辅助数据等问题进行了研究，并分析了亚像元定位在大尺度森林制图与提高景观指数精度领域应用中的问题。具体来讲，本文的研究工作可以概括为：

(1) 传统亚像元定位模型将混合像元分解与亚像元空间分配作为两个独立的过程，混合像元分解误差影响了亚像元定位结果精度。提出一种融合光谱信息的亚像元定位模型，即“光谱-空间一体化”模型。“一体化”定位模型的目标函数由光谱分解模型的目标函数以及亚像元空间分配模型的目标函数组成。该模型可以直接以遥感数据作为模型输入，并通过亚像元空间平滑作用减轻光谱分解模型误差对定位结果的影响。

(2) 基于Markov随机场的亚像元定位模型采用固定的平滑参数调节空间能量函数和光谱能量函数之间的权重，没有考虑遥感影像光谱在不同空间位置的变化，造成对于一些像元平滑参数过大，而对于另一些像元平滑参数过小。提出一种平滑参数的空间自适应估计方法，该方法以局域“空间-光谱”能量平衡分析为理论基础，将像元地物丰度作为空间自适应参数的选择依据，空间自适应平滑参数的大小随着遥感影像像元的变化而变化。

(3) 传统亚像元定位模型假设地物的空间相关性在各个方向是相同的，并采用空间各向同性邻域描述邻域亚像元之间的空间相关性。然而由于不同地物的形状不同，其空间相关性也不同。基于此点，提出一种针对建筑物目标的空间各向异性邻域模型。在该模型中建筑物目标的空间相关性方向平行与垂直于其主轴方向，通过该模型进行了亚像元尺度的建筑物提取。

(4) 多光谱数据是亚像元定位的主要数据源。相比仅仅利用单幅影像的亚像元定位而言，利用多源遥感影像可以增加模型的限定条件，提高亚像元定位精度。提出一种同时利用多光谱与全色数据的亚像元定位模型。在该模型中，多光谱数据用于提供光谱限定条件；全色数据除了提供光谱限定条件外，由于其空间分辨率更高，因此还为亚像元提供了空间限定条件。

(5) 森林是地球生物圈的重要组成部分，大尺度的森林制图对于气候变化和环境问题具有重要作用。高空间分辨率遥感影像一般只适用于局域尺度森林制图，其时间分辨率低、覆盖范围小；中低空间分辨率遥感影像则具有时间分辨率高、覆盖范围广的特点。提出一种基于不同时相和空间分辨率遥感影像的“空间-时间”Markov随机场亚像元定位模型，对巴西森林砍伐剧烈的区域进行了制图。该模型以MODIS数据和之前时相的TM数据为输入，利用空间-时间Markov随机场邻域系统建立亚像元在空间上和时间上的联系，并通过地物转移概率定量描述两时相影像的亚像元的时间关联特征。

(6) 景观指数是景观格局定量化分析的重要指标，是景观生态学的重要研究内容。传统景观指数计算方法以硬分类结果为依据，其精度受混合像元影响很大。本文采用亚像元定位进行制图，并根据亚像元定位结果提取景观指数。对不同的景观破碎度以及地物丰度的景观格局进行了模拟，对比分析了基于硬分类结果与基于亚像元定位结果的景观指数精度，并对影响基于亚像元定位结果的景观指数的主要因素(包括景观破碎度、地物丰度、遥感影像空间分辨率)进行了定量分析。