混合像元是遥感影像成像过程中不可避免的一种现象。多/高光谱遥感影像中的普遍存在的混合像元会对图像分类、目标探测、地表参数定量反演等应用产生不利的影响。混合像元分解是目前针对混合像元问题最有效的解决方案之一。混合像元分解模型包含线性与非线性光谱混合模型两种,其中线性混合模型因其计算简单,模型物理意义明确而得到广泛应用;本研究是基于线性光谱混合模型开展的。端元提取与丰度估算是混合像元分解的核心内容,前者是确定混合像元的基本组成成分（端元）,后者则是计算各组分在像元中所占比例（丰度）。其中,端元提取是首要和关键的步骤,直接影响混合像元分解精度。现有的端元提取方法的研究大都集中于高光谱影像,依赖于其精细的光谱分辨率极大地增加了端元之间的光谱差异,端元提取方法的研究得到蓬勃发展。而多光谱影像包含的光谱信息有限,且随着分辨率的提高,影像像元所表达的地物信息更丰富,导致应用现有的端元提取方法达不到较好的效果。多光谱遥感影像拥有覆盖范围广、数据充足完善、可连续监测、空间分辨率较高等优势,广泛应用于资源和环境遥感中。因此,探索如何发挥中/高空间分辨率多光谱影像丰富的空间信息,以弥补多光谱影像像元光谱信息不足的缺陷,改进或发展适用于中/高分辨率多光谱影像的端元提取方法具有一定的研究意义和应用价值。基于此,本研究面向中/高空间分辨率多光谱遥感影像,调研和分析现有端元提取方法的原理与应用;针对多光谱影像波段少、像元光谱信息不够丰富等限制性条件,结合全色波段、邻域信息、多波段组合等方法,探索协同空间与光谱信息的多光谱影像端元精确提取算法。主要研究内容和成果如下:（1）提出了一种全色波段辅助的端元精确提取方法。针对包含全色波段的一类多光谱影像,以Landsat8 OLI影像为例,利用全色波段像元与多光谱波段像元的对应关系,构建了表达像元内部异质性的空间变异系数;并通过阈值分割与像元权重的方式,与纯像元指数PPI结合,构建了空间纯像元指数SPPI,应用于多光谱影像端元提取;（2）提出了一种多波段空间光谱信息协同的端元精确提取方法。针对包含不同空间分辨率波段的多光谱影像,以Sentinel 2A影像为例,利用高空间分辨率波段像元与低空间分辨率波段像元的对应关系,探索了不同波段的组合策略来表达某像元接近纯像元的可能性;将空间变异系数、像元内部光谱角、像元邻域光谱角等空间与光谱信息进行多层次的整合,提出了多波段空间光谱信息协同的端元精确提取方法,应用于多光谱影像;（3）仿真影像与真实影像的验证分析证明了上述方法的有效性。针对上述提出的两种方法,选取Landsat 8 OLI代表包含全色波段的一类多光谱影像,选取Sentinel 2A代表包含不同空间分辨率的一类多光谱影像;通过仿真影像数据与真实影像数据,对不同方法的端元提取结果进行验证分析,结果表明端元提取精度得到有效提高。