• / 84
  • 下载费用:10 下载币  

5_高光谱遥感_反演建模

关 键 词:
光谱 遥感 反演 建模
资源描述:
第五章、 高光谱遥感 _反演建模方法高光谱反演建模 演建模的基本流程 元回归分析模型 元线性回归分析模型 线性分析反演模型高光谱反演建模 演建模的基本流程 元回归分析模型 元线性回归分析模型 演建模的基本流程光谱反演 :根据地物在不同波段上的光谱响应特性,通过光谱分析确定敏感波段并提取光谱特征( x),根据光谱特征与研究对象( y)间的相关性,建立关系式 y=f ( x),再根据区域的遥感图像信息 估测 对象( y)的空间分布规律。演建模的基本流程光谱反演的流程 :演建模的基本流程光谱反演的注意事项 :1. 寻找与研究对象 特征提取 )。2. 建立高精度模型 y=f (x)是关键( 建模 )。3. 分析对象 决策,指导生产实践 )。4. 充分利用现有技术,应用多种方法,取长补短,优势互补。5. 注重光谱反演分析中的 非线性规律研究 及 非线性方法 应用。6. 善于攻克存在的疑难问题,在 实践中创新 。演建模的基本流程光谱反演的常用方法 : 演建模的基本流程光谱反演的常用方法 : 分析建模方法)小波分析(演建模的基本流程光谱反演模型的 检验方法 :1. 相对误差2. 平均相对误差3. 总均方根差%ˆ y  演建模的基本流程光谱反演模型的 检验方法 :4. 判定系数( 复相关系数 R)5.  )ˆ(Q: 误差平方和U: 回归平方和预测值与实测值对比分析较土壤水含量的反演结果预测值与实测值对比分析较土壤水含量的反演结果高光谱反演建模 演建模的基本流程 元回归分析模型 元线性回归分析模型 元回归分析模型一元线性回归模型 :回归分析方法 ,是研究要素之间具体的数量关系的一种强有力的工具,运用这种方法能够建立反映光谱特征与研究要素之间具体的数量关系的数学模型,即回归模型。光谱特征与研究要素 之间的关系,既 有线性的 ,也有 非线性的 。但许多非线性模型,都可以通过变量替换将其转化为线性模型来处理。因此,下面主要介绍一元线性回归模型。元回归分析模型可线性化的一元非线性回归模型 :元回归分析模型一元线性回归模型 : 异常样本的剔除方法1)绘制散点图; 2)元回归分析模型一元线性回归模型 : 异常样本的剔除方法1)绘制散点图; 2)元回归分析模型一元线性回归模型 : 示例分析利用 散点图会好后,利用右手键,弹出对话窗用 1)新建表单,写入数据用 2)保存数据文件(退出)用 3)打开数据文件用 4)打开数据文件一、实验目的1、掌握一元线性回归光谱反演建模方法;2、掌握了利用 二、实验要求1、利用包络线去除法提取的参数建立反演模型;2、利用对数的一阶微分变换提取的参数建立反演模型;3、分析异常样本对模型精度的影响。三、实验报告1、实验目的; 2、实验结果; 3、结果分析实验项目四高光谱反演建模 演建模的基本程序 元回归分析模型 元线性回归分析模型 元线性回归分析模型多元线性回归模型 :当选取的光谱特征为 多个 时,且每个特征与研究对象之间 具有较好的相关性 ,可采用 多元线性回归分析 的方法建立反演模型y=+a 元线性回归分析模型多元线性回归模型 :建立模型的步骤 :元线性回归分析模型多元线性回归模型 :元线性回归分析模型多元线性回归模型 :元线性回归分析模型多元线性回归模型 :元线性回归分析模型多元线性回归模型 :元线性回归分析模型多元线性回归模型建立 :软件 特点 )元线性回归分析模型多元线性回归模型建立 : 数据准备,格式 ( … , 元线性回归分析模型多元线性回归模型建立 : 把数据复制到 元线性回归分析模型多元线性回归模型建立 : 选中数据,元线性回归分析模型多元线性回归模型建立 : 元线性回归分析模型多元线性回归模型建立 : 元线性回归分析模型多元线性回归模型建立 : 元线性回归分析模型多元线性回归模型建立 : 元线性回归分析模型多元线性回归模型建立 : 做实测值与预测值的对比图y = 10 15 20 25 30 35 40 45实测值预测值一、实验目的1、掌握多元线性回归光谱反演建模方法;2、掌握了 二、实验要求1、利用包络线去除法提取的参数建立多元线性反演模型;2、利用对数的一阶微分变换提取的参数建立多元线性反演模型;3、对比分析不同参数组合预测的精度。三、实验报告1、实验目的; 2、实验结果; 3、结果分析实验项目五高光谱反演建模 演建模的基本程序 元回归分析模型 元线性回归分析模型 线性分析反演模型高光谱反演分析中的问题 :1. 获取的高光谱数据受到众多因素的影响,虽可消减,但 误差仍存在 。2. 光谱特征分析方法很多,但提取的光谱特征具有 特殊性和多样性 。3. 光谱特征与研究对象之间具有一定的相关性,但属于 统计规律 ,很难寻找。4. 研究对象与光谱特征之间不存在 严格的线性关系 ,线性分析具有局限性。总之,研究对象与光谱特征之间的关系是 复杂的 ,探讨处理这种复杂关系的非线性分析方法,是研究和应用高光谱技术的必然要求。线性分析反演模型一、模式识别 :模式是供模仿用的理想样本。所谓模式识别 ,是指从待识别对象中识别出哪些对 象 与已知模式相同或相近。在日常生活中 ,人们经常用感宫来识别图形、文字、语言等。在科学技术中 ,通过气象卫星资料的分析和处理 ,对未来天气属于何种类型作出预报 ;医生 通过病情分析 ,对病人所患病情作出判断 ;地质工作者通过对地质资料的分析 ,对矿藏分布情况作出判断 ,等等。这些工作的共同特点是给出了各种已经模式 ,识别给定的对象属于哪一种类型 ,这就是 模式识别 。根据光谱信息和样本数据,判断每个像元对应研究对象的大小,属于模式识别问题。线性分析反演模型一、模式识别 :问题 1: 如何建立 模式问题 2:如何判定 从待识别对象与已知模式相同或相近。建立 模式 方法:1)根据经验直接给出标准( 如优、良、中;三好学生;划定级别 ),分单因素与多因素模式。2)从大量的样本数据中寻找,即分类、根据类间的差异性提炼模式的特性。3)研究算法,分类的依据, 如距离、相似度、相像度模式识别方法:1) 判定阈值:即临界点值,我与谁最相像? 与不是结果2) 综合量的计算方法 : 如距离、相似度、贴近度3) 判别准则: 最大贴近性即择近原则;线性分析反演模型一、模式识别 :贴近度示例 :线性分析反演模型一、模式识别 :线性分析反演模型一、模式识别 :线性分析反演模型一、模式识别 :线性分析反演模型一、模式识别 :线性分析反演模型一、模式识别 :模式识别的基本步骤:1)确定研究对象( Y)2) 确定影响识别的指标 (X)3)建立模式库4)确定待识别的对象5)对指标进行归一化处理6)确定指标的权重7)计算距离或贴近度8)寻找最大的贴近度9)判别待识别对象与那个已知模式最接近10)对预测进行修正11)线性分析反演模型一、模式识别 :线性分析反演模型二、 1、线性分析反演模型二、 2、线性分析反演模型二、 3、线性分析反演模型二、 3、线性分析反演模型二、 3、线性分析反演模型二、 4、线性分析反演模型二、 4、线性分析反演模型二、 4、线性分析反演模型二、 4、线性分析反演模型二、 土壤含水量估测(隐含层 1层时)线性分析反演模型二、 土壤含水量估测(隐含层 2层时)一、实验目的1、掌握神经网络光谱反演建模方法;2、掌握了 二、实验要求1、利用包络线去除法提取的因子建立神经网络反演模型;2、利用对数的一阶微分变换提取的因子建立神经网络模型;3、调整神经网络中间层数、结点数,比较模型精度。三、实验报告1、实验目的; 2、实验结果; 3、线性分析反演模型三、模糊综合预测法 : 1、线性分析反演模型三、模糊综合预测法 : 2、基本公式( 4)线性分析反演模型三、模糊综合预测法 : 2、线性分析反演模型三、模糊综合预测法 : 2、线性分析反演模型三、模糊综合预测法 : 2、线性分析反演模型三、模糊综合预测法 : 2、线性分析反演模型三、模糊综合预测法 : 2、线性分析反演模型三、模糊综合预测法 : 2、线性分析反演模型三、模糊综合预测法 : 2、线性分析反演模型三、模糊综合预测法 : 3、应用实例:线性分析反演模型三、模糊综合预测法 : 3、应用实例:含水量预测一、实验目的1、掌握 模糊综合预测模式 光谱反演建模方法;2、掌握了 光谱数据处理 软件的基本操作方法 验要求1、利用 包络线去除法 提取的因子建立模糊识别反演模型;2、利用 对数的一阶微分 变换提取的因子建模糊识别反演模型;3、调整模式数,比较模型精度。三、实验报告1、实验目的; 2、实验结果; 3、结果分析实验项目七
展开阅读全文
  石油文库所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
0条评论

还可以输入200字符

暂无评论,赶快抢占沙发吧。

关于本文
本文标题:5_高光谱遥感_反演建模
链接地址:http://www.oilwenku.com/p-64039.html
关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服客服 - 联系我们
copyright@ 2016-2020 石油文库网站版权所有
经营许可证编号:川B2-20120048,ICP备案号:蜀ICP备11026253号-10号
收起
展开