高光谱图像具有波段多,光谱分辨率高等特点,在军事、环保、农业调查、自然资源利用等方面广泛应用。但是由于混合像元的存在,即一个像元中包含多种地物,影响了高光谱图像提取地物的精度。为了解决高光谱应用存在的混合像元的问题,使高光谱图像的应用范围更广,需要对高光谱图像进行混合像元分解。本文采用HJ1A-HSI高光谱影像,选取藏北地区申扎县作为研究区,基于混合像元分解技术对藏北地区申扎县的砾石空间分布信息进行提取。文章采用线性混合像元分解技术进行砾石空间分布信息提取,并比较了线性分解过程中几种降维、端元提取以及丰度反演算法,最终选取最优算法进行砾石空间分布信息提取。本文取得的主要研究成果如下:（1）受仪器本身以及大气影响,HJ1A高光谱原始影像的反射率并不是真实地表反射率,本文通过研究HJ1A高光谱预处理技术流程,分别对HJ1A影像进行了格式转换、去除质量不好的波段、辐射值亮度值转换、去条带、大气校正、几何校正、拼接、裁剪、掩膜等预处理。最终获取地表真实反射率。由于野外采集砾石的高光谱数据受水汽,噪声等影响,高光谱数据出现异常值,且平滑度不高。本文通过研究高光谱数据特点,将受水汽影响波段剔除,并利用S-G平滑法对野外采集数据进行预处理,最终建立野外砾石光谱库。（2）由于高光谱影像波段较多,且波段之间相关性较强。为了去除波段相关性对结果的影响,本文采用MNF算法,PCA算法来降低数据维数,去除波段相关性,并比较了两种算法的效果。从影像降维效果来看,MNF算法降维的效果更佳,所以本文选用MNF算法对高光谱影像进行降维处理,去除噪声等因素对端元提取的影响。为了提取砾石端元曲线,本文分别采用改进的PPI,SMACC,N-FINDR三种算法进行砾石端元提取,利用光谱角距离以及相关性分析比较三种端元提取算法效果,结果表明,N-FINDR算法光谱角距离最短,相关性最强,效果最佳,所以本文采用N-FINDR算法作为砾石端元提取算法,提取申扎县砾石端元。（3）为了反演出最终砾石丰度,本文选取全约束最小二乘法、部分约束最小二乘法、以及无约束最小二乘法对整个申扎县的地物进行解混。将解混结果采用均方根误差评价三种方法解混的精度。经比较,全约束最小二乘法效果最佳,精度最高。所以本文最终选取全约束最小二乘法对整个申扎县进行砾石丰度解混,得到申扎县砾石丰度影像。经过实测数据坐标点检验,所有坐标点均落在反演出的砾石丰度图中,把反演出的丰度比例分为6类与野外实测砾石分布进行精度验证,总体精度达到61.11%,说明利用混合像元分解技术提取砾石空间分布信息达到了一定的效果,能够较好反映申扎县砾石空间分布信息。（4）为了分析砾石在空间上的分布情况,结合高程、坡度坡向因子进行分析。结果表明,申扎县砾石分布较广,且申扎县砾石低覆盖面积较大,砾石中覆盖面积较小,砾石高覆盖面积最小。结合高程因子分析发现,低海拔地区砾石覆盖面积较大,中海拔地区砾石覆盖面积较小,高海拔地区砾石覆盖面积最小。结合坡向因子分析发现,北坡砾石分布面积最大。其次西北坡、东北坡的砾石分布面积较大,西坡和西南坡砾石分布面积最少。