半方差函数.pptVIP

遥感数据的地统计学分析 现实世界中离得很近的现象（如：两个相近的高程点）拥有相似值的可能性时非常大的。两点之间的距离越远，值的差异就越大，这是自相关性的本质。半方差函数的计算利用了这种空间分离状况信息，该信息可由野外实测或遥感数据得到。虽然用野外观测数据也很容易得到半方差函数，但下面将重点讨论使用遥感数据的计算方法。 遥感数据的地统计学分析 以研究区域一景典型的遥感影像为例，现在需要确定整景影像横断面的终点.沿着横断面分布的12个假定亮度值(BV)如图所示。像元x的(BV) z 按固定间隔z(x)提取,其中 x = 1, 2, 3,..., n. 间隔为 h (h 为步长距离) 像元对的关系，可以用沿着横断面的所有这种像元对的均方差来表述。用等步长距离分隔的横断面存在m 对可能的观测像元对。半方差函数g(h) 两个样本点之间定向距离差平方的1/2，可以通过以下关系式表达： 式中， g(h) 是总体均方差的无偏估计。 遥感数据的地统计学分析 沿横断面的所有可能像元对数目 m ，是由数据集中所有像元数减去步长距离h 得到的，即m = n – h. 实际上，可以计算观测像元对所有方向的半方差。因此，可以得到定向半方差函数用于检验方向的影响。均方差能很好地衡量各个空间像元之间的不相似程度。一般而言，均方差g(h), 越大，影像像元（如果是基于地面测量的分析，则为多边形）的相似性就很小。 遥感数据的地统计学分析 半方差 图采用 y轴表示平均半方差 (如：若遥感数据经过定标，那么 g(h) 以亮度值单位来表示) ，x 轴表示不同的观测步长 (h) ，半方差图的重要特征包括: x 轴上的步长(h)， 基台值 (s), 变程 (a), 块金方差 (Co), 空间相关结构方差偏基台值 (C). 地统计学分析 将空间自相关性集成到克里金插值中。一般来说，相距较近的现象比相距较远的现象具有更高的相关性. Jensen, 2007 空间自相关性 高 相关性 低 近 距离 远 a) 用于说明沿影像横断面像元提取步长距离特征 (h) 的假定遥感数据集. Jensen, 2007 b) 在假定的数据集中以不同的步长(h)建立的平方差 g(h)特征的半方差函数 遥感数据亮度值横断面的半方差计算 半方差函数 步长距离 半方差 半方差半方差 Jensen, 2007 比较被各个步长(h)分离的点(如:影像上的像元,若是实测数据,则为地面伤的位置(多边形)的z值并计算它们的半方差g(h) 每个步长的半方差g(h) 能显示为半方差图, 该图包含变程、基台值和块金方差。 经验半方差图 变程a 拟合数据点的曲线生成的半方差函数模型 块金方差C0 偏基 台值C 半方差 r (h) 步长距离(h) 例如,以像元数或米表示 基台值 s Jensen, 2007 原始影像、半方差和拟合影像. 2002年5月10日德国Hamburg 港货物集装箱0.61 ? 0.61 m 绿光波段的影像（影像承蒙DigitalGlobe 公司提供）； 货物集装箱的 裁剪影像； c) （沥青路面）的裁剪影像 遥感数据的地统计学分析 原始影像 集装箱的裁剪影像 沥青路面的裁剪影像 拟合影像 拟合影像 拟合影像 偏基台值 块金 步长数 距离，h 偏基台值 半方差函数 协方差 半方差函数 半方差函数 协方差 协方差 变程 步长数 距离，h`102 距离，h 遥感一元统计方差 离散度 样本方差是离差平方和的均值。单波段影像的方差vark,由以下公式计算： 式中，分子是离差平方和 (SS). 如果样本均值 (mk) 就是总体均值, 那么这就是精确的方差计算方法。 Jensen, 2007 遥感影像一元统计 但用公式计算的方差会低于总体方差，因为样本均值是在离差平方最小的情况下计算出来的. 所以，计算方差的公式中，分母应该为 n?–?1, 使结果稍微偏大些，从而让样本方差成为总体方差的一个无偏估计: Jensen, 2007 Jensen, 2007 Jensen, 2007 波段 1 (绿) 波段2 (红) 波段3 (近红外) 波段4 (近红外) 均值 (mk) 135 46.40 187 222 方差 (vark) 562.50 264.80 1007 570 标准差 (sk) 23.71 16.27 31.4 23.87 最小值 (mink) 100 25 135 195 最大值 (maxk) 165 65 215 255 值域 (BVr) 65 40 80 60 假定样本数据集的一元统计量 遥感影像一元统计 标准差是方差的正平方根。单波段影像像元亮度值的标准差 sk通过下式计算： 标准差小则说明观测值比较紧密的集中在中心值周围；相反，标准