基于多种统计方法对林分类型的简单识别.docx

基于多种统计方法对林分类型的简单识别 【摘要】林分类型信息的提取是遥感影像分类中的热点和难点，而 大兴安岭地区又是我国重点林区和天然林主要分布区之一，植被类型丰 富，种类繁多，为林分类型精确识别带来了很大的难度。本文采用的数据 为黑龙江省大兴安岭地区塔河县塔河林业局盘古林场的SP0T-5影像和不 同时相的RADARSAT-2全极化SAR影像组合而成的11个波段为变量，其数 据为像元值，目视解译选取的训练样本分为落叶松(La.rixgmelinii)＞樟 子松(PinussylvestrisvannongolicQ)、口桦 (Betulaplatyphylla)^ 非 林地、水体，五类共计1250个象元值。旨在通过分析五类总体的统计学 性质，为提高林分类型的分类精度提供新思路。 【关键词】林分类型判別分析主成分分析多维标度法 一、多元正态分布均值向量和协方差阵的检验 (一)单一总体协方差阵工未知时均值向量的检验 选取白桦为总体 则 HO： u = u 0 H1： 11 H 11 0 英中卩0为选取的为小兴安地区的白桦象元均值，目的考察不同地区 同一树种象元值是否 □0二(.244156192, .692591546,?041963218, .064344538,? 1375 43219, .885053115, .090804954, .055939596,?097414752, 43 假设HO成立，检验统计量为 利用Spss求得样本离差阵S,并由mat lab求解得:B0. 1041*(250-11) / (250-1) *11) =0.01225 查表在0.01水平下F (11, 239) =1.570. 01225接受原假设u = nO 均值检验说明不同地域之间的相同树种对应的像元值平均偏差不大，也就 是说同种树种象元识别受地域影响不大。 (-)单一总体协方差检验 检验假设:110：工二Ip III：工Hip 统计量为：■ 由一中的样本离差阵S计算-21n X =1. 18426； 0. 05 水平下 x 2 (66) =48. 305~21n 入, 0. 005 水平下 x 2 (66) =40. 158~21n X , 在?o定水平下均接受原假设，即说明选取的变量之间的相关程度不 高，即波段Z间相关性不强。 二、判别分析 对新样本70个待定象元划入五个总体进行判别分析： (-)马氏距离判别法 则待判定样本到各组的马氏距离是：■ 判别规则为：若■,则X判别为第i类。 可以设■,贝山■，计算得到W后，可得: 以 X= （0. 2444 0. 6791 0. 0395 0. 0786 0. 1146 0. 9252 0. 0643 0. 0953 0. 0848 0. 3309 52. 0485）,分别计算得到五个马氏距离,其中■二2. 005最 小，故该样品用距离判定法得到的结果为第2类，即为落叶松。 （二）贝叶斯判别法和费希尔判别法 费希尔判别： 在分析中使用第一个4规范判别式函数。 1通过4的显著性为0.000,表示四个判别函数可以显著区分各类；2 通过4与3通过4的显著性为0. 00,表示除去一，二函数能将各类显著区 分；4的显著性大于0. 05,表示除了前三个函数不能区分各类。 根据标准化系数和未标准化系数来分别判别计算每个个案的判别得 分。利用计算得到的每类的重心在平面上的位置，可用于距离判别。下面 计算各组先验概率，在此选择的是各组先验概率相等，进而计算每组的分 类函数，用于贝叶斯判別分析。 得到最终分类结果。分类结果对66. 2%的个案进行了正确分类。分类 结果精度较低，原因在于总体间的差异性较小，从专业角度分析由于树种 对不同波段的反射特性基本差别不显著，导致象元值之间的差异也不显 著，这点在组间差异检验中有所体现。但是就遥感分类来说，能达到期望 精度要求。 三、主成分分析 （-）利用主成分分析降维去相关 本章选取了 20个行业15个经济指标做分析。自2011年起，统计口 径为年主营业务收入2000万元及以上的工业企业。分别是：XI：流动资 产合计，X2：应收帐款，X3：产成品，X4：资产合计，X5：负债合计，X6： 主营业务收入，X7：主营业务成本，X8：主营业务税金及附加，X9：销售 费用，X10：管理费用,XII：财务费用,X12：利息支出,X13：利润总额, X14亏损企业亏损额，X15：应交增值税，单位统一为亿元。 数据采用15个经济指标对行业的发展情况进行评判，采用主成分分 析减少指标个数。虽然变量单位相同，但是数据大小差异大，先对数据进 行标准化。在软件计算时spss会自动标准化，所以输入原始数据就可以 To通过计算初始变量的相关系数矩阵表，可以看到多