高光譜遙感實(shí)驗(yàn)五_第1頁
高光譜遙感實(shí)驗(yàn)五_第2頁
高光譜遙感實(shí)驗(yàn)五_第3頁
高光譜遙感實(shí)驗(yàn)五_第4頁
高光譜遙感實(shí)驗(yàn)五_第5頁
已閱讀5頁，還剩2頁未讀， 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、 2012級研究生高光譜遙感技術(shù)實(shí) 驗(yàn) 報(bào) 告 姓名：張東霞學(xué)號：2012110673專業(yè)：攝影測量與遙感成績：2013年5月14日實(shí)驗(yàn)項(xiàng)目五一、實(shí)驗(yàn)?zāi)康模?、掌握多元線性回歸光譜反演建模方法 2、掌握了DPS軟件的基本操作方法二、實(shí)驗(yàn)內(nèi)容：1、利用包絡(luò)線去除法提取的參數(shù)建立多元線性反演模型2、利用對數(shù)的一階微分變換提取的參數(shù)建立多元線性反演模型3、對比分析不同參數(shù)組合預(yù)測的精度三、實(shí)驗(yàn)方法1、利用包絡(luò)線去除法提取的參數(shù)建立多元線性反演模型多元線性回歸模型：當(dāng)選取的光譜特征為多個(gè)時(shí)，且每個(gè)特征與研究對象之間具有較好的相關(guān)性，可采用多元線性回歸分析的方法建立反演模型y=a1x1+a2x2+akx

2、k+a0圖1 計(jì)算結(jié)果 由上圖的計(jì)算結(jié)果可知，相關(guān)性最好的特征參數(shù)為深度面積和S1，對稱度1，最大深度H1，右位置和寬度D，將相應(yīng)數(shù)據(jù)拷貝到DPS軟件中，前面列特征參數(shù)，最后一列為含鐵量，為這些數(shù)據(jù)進(jìn)行計(jì)算，選擇“多元分析回歸分析線性回歸”，在彈出的“線性回歸”窗口中因變量選擇含鐵量，自變量選擇所有的特征參數(shù)，方法使用向后回歸法。保存按鈕中預(yù)測值選擇未標(biāo)準(zhǔn)化，殘差選擇學(xué)生化，其他選項(xiàng)默認(rèn)即可。點(diǎn)擊繼續(xù)和確認(rèn)按鈕，軟件輸出的結(jié)果如下所示：圖2圖3圖5將上圖所列表中的觀察值與擬合值復(fù)制到新建工作表中，插入散點(diǎn)圖并添加趨勢線得到如下所示：圖6 線性擬合曲線圖7 曲線擬合2、利用對數(shù)的一階微分變換提取的參數(shù)建立多元線性反演模型根據(jù)先驗(yàn)知識，選取特征波段以一階微分變換提取的參數(shù)建立多元線性反演模型：這里選取的波段分別是過程圖如下所示：圖8圖9復(fù)制觀察值與擬合值至新建工作表中，插入散點(diǎn)圖并繪制趨向曲線：圖10 線性擬合圖11 曲線擬合3、對比分析不同參數(shù)組合預(yù)測的精度從利用包絡(luò)線去除法提取的參數(shù)建立多元線性反演模型和利用對數(shù)的一階微分變換提取的參數(shù)建立多元線性反演模型的兩種方法結(jié)果對比來看，利用對數(shù)一階微分反演模型與有機(jī)質(zhì)含量的相關(guān)性較高，

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論