多元统计分析在地学中的应用.docxVIP

多元统计分析在地学中的应用 【摘要】多元统计分析是数理统计的一个重要分支。随着理论的完善和计算机技术的进步，被广泛应用解决地学问题。地学回归分析、判别分析、聚类分析以及主成分分析的应用，呈现出多样化发展，并成为解决地学问题的利器。 【关键字】回归分析；判别分析；聚类分析；主成分分析；地学研究 1.引言 多元统计分析是数理统计的一个重要分支，上世纪30年代，R.A.费希尔、H.霍特林、许宝以及S.N.罗伊等人的一系列奠基性工作，使多元统计分析在理论上区域成熟。（张尧庭等，1982）随着计算机应用技术的发展和科研生产的迫切需要，多元统计分析技术被广泛地应用于地质、气象、水文、医学、工业、农业和经济等许多领域，成为解决实际问题的有效方法。（李春昉等，2010） 多元统计分析包括回归分析、判别分析、聚类分析以及主成分分析等。 从地学应用的角度出发，阐述多元统计在地学各领域中的应用。 2.回归分析及其在地学中的应用 2.1基本概念 回归分析（Regression Analysis）是一种统计学上分析数据的方法，主要是希望探讨数据之间是否有一种特定关系。回归分析是建立因变量Y（或称依变量、原文为：response variables, dependent variables）与自变量X（或称独变量，原文为predictors, independent variables）之间关系的模型。复回归（Multiple regression）指的是超过一个自变量。回归分析的目的在于了解两个或多个变量间是否相关、相关方向与强度，并建立数学模型以便观察特定变量来预测研究者感兴趣的变量。 2.2回归分析在地学中的应用 西南林学院徐天蜀以2006年印度卫星数据（IRS- P6）为信息源，提取4个波段值、6种波段比值、4种植被指数，利用DEM提取海拔、坡度、坡向3个地学因子，共17个变量，选取5种线性及非线性方程，对高黎贡山常绿阔叶林地面样地生物量与17个遥感及地学因子进行相关性分析。结果表明：IRS- P6的B2，B3，B5波段以及海拔与生物量达到极显著相关水平。波段比值、植被指数、坡度、坡向与生物量的相关性较差，只有少量因子达到显著相关水平。 通过变量筛选及回归方程选择，IRS- P6数据可用于较大尺度森林生物量的估测。通过分析可得出高黎贡山常绿阔叶林生物量与印度卫星数据IRS- P6 及派生数据、地学因子存在相关关系, 可通过变量筛选, 选择不同的回归方程等方法, 建立生物量模型, 估测较大尺度的森林生物量。（徐天蜀，2008） 针对当前LUCC研究中存在的数据间多重相关性和样本量不足的问题，在土地利用研究中，张旸等引用偏最小二乘回归方法与研究中。偏最小二乘回归方法与其他研究方法的比较如下表所示： 该方法可以有效地克服上述缺陷，并能实现多种数据分析方法的综合应用。为检验方法的功能及实用性，论文以苏锡常地区为例，对区域的土地利用结构及其影响因子进行了定量分析。结果表明，偏最小二乘回归在对土地利用结构及其影响因子的相关性研究方面具有较好的分析能力，对于研究区域内的主要土地利用类型的分析基本与实际情况相符合，具备较高的可信度，可以作为土地利用结构稳定性乃至IJKK 驱动力的定量分析依据。在回归建模方面效果欠佳，仅对于耕地类型具备一定的预测能力。总的来看，地理研究涉及的各种因素往往庞大复杂而又相互影响，而偏最小二乘回归方法在简化数据结构、消除重叠信息和综合典型变量方面具有独特的优势，其思想方法又巧妙简单，相信在地学领域中的应用一定具有广阔的发展前景。（张旸等，2004） 3.判别分析及其在地学中的应用 3.1基本概念 判别分析是利用原有的分类信息，得到体现这种分类的函数关系式, 然后利用该函数去判别未知样品属于哪一类。因此，这是一个学习和预测的过程。常用的判别分析方法有费歇尔判别法和贝叶斯判别法。（张超等，1994） 费歇尔判别法是以费歇尔准则为标准来评选判别函数的。所谓费歇尔准则，指的是较优的判别函数应该能根据待判对象的n 个指标（或特征要素）最大限度地将它所属的类区分开来。一般应用中多采用线性判别函数。基本方法是首先假定判别函数（线性函数），然后根据已知的指标值或k 个变量，对判别函数进行训练，得到函数关系式中的系数值，从而最终确定判别函数。 贝叶斯判别法是一种概率方法。它的好处是可以利用先验信息，可以考虑专家的意见。应用该法，需要事先假定样本指标值的分布（如多元正态分布等）。在进行判别时，要求把已知的样本分成几类，然后计算出未知类别的样本归属于已知类别的概率值，它归属于哪一类别的概率值最大，就把它划归为该类。 3.2判别分析在地学中的应用 刘钦普利用计算机技术，研究了判别分析在中国黄土地层划分中的应用。选择了8种微量元素和碳酸钙的含量作为划分三类黄