基于多种统计方法对林分类型的简单识别
2017-03-31屈晓阳


【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SPOT-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(Larixgmelinii)、樟子松(Pinussylvestrisvarmongolica)、白桦(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 判别分析 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Σ未知时均值向量的检验
选取白桦为总体
则H0:μ=μ0 H1:μ≠μ0
其中μ0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
μ0=(.244156192,.692591546,.041963218,.064344538,.1375 43219,.885053115,.090804954,.055939596,.097414752,.21043111, 43.71188295)
假设H0成立,检验统计量为
■
利用Spss求得样本离差阵S,并由matlab求解得:■0.1041*(250-11)/(250-1)*11)=0.01225
查表在0.01水平下F(11,239)=1.57>0.01225接受原假设μ=μ0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。
(二)单一总体协方差检验
检验假设:H0:Σ=Ip H1:Σ≠Ip
统计量为:■
由一中的样本离差阵S计算-2lnλ=1.18426;
0.05水平下χ2(66)=48.305>-2lnλ,
0.005水平下χ2(66)=40.158>-2lnλ,
在給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,即波段之间相关性不强。
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:
(一)马氏距离判别法……p>
