主成分分析技术在遥感蚀变信息提取中的应用研究综述

主成分分析是目前遥感蚀变异常信息提取常用方法之一,该方法具有对影像大气校正质量要求不高、实现简单、提取效果好、效果稳健等优点,广受地质工作者的青睐。根据输入影像的数量及类型、主成分分析的次数等,本文将主成分分析分为标准主成分分析、特征向量主成分分析、定向主成分分析、二次主成分分析、不同影像间的主成分分析等5种类型。其中,特征向量主成分分析又可细分为4个波段特征向量主成分分析和3个波段特征向量主成分分析。在上述分类的基础上,系统介绍了各种主成分分析及蚀变信息主分量的选择,尤其是对特征向量主成分分析的Crosta技术和定向主成分分析的软落叶技术进行了详细阐述。并以TM/ETM+、ASTER影像为例,对部分应用主成分分析提取蚀变异常信息的实例进行了分析,认为：在基岩裸露区,不同主成分分析都可以很好地提取铁化、泥化蚀变信息;在中、低植被覆盖区,采用标准主成分分析、Crosta技术、改进的Crosta技术、软落叶技术、“掩膜/抑制干扰信息+主成分分析”等方法可以有效地提取蚀变异常信息;高植被覆盖区多采用主成分分析生成的蚀变信息主分量进行彩色合成,再通过对彩色影像进行目视解译的方式判断蚀变的类型和范围。其中,“掩膜+Crosta技术”、“掩膜+软落叶技术”、二次主成分分析等方法在高植被覆盖区也可以取得较好的应用效果;对于干扰信息种类众多、岩性复杂的地区,可根据干扰信息、岩性种类划分成若干个小区,再根据每个小区实际情况采用不同的蚀变提取方法,最后将每个小区内提取的蚀变信息进行合并。     

太湖水质站网数据的主成分分析应用

本文采用主成分分析方法,对太湖湖区的水质站网数据进行了定量化研究,挖掘出对于表征水质状况的主成分变量贡献较大的水质指标,并分析了影响水质的主要原因和各个主成分的环境意义,最终求得主成分的综合得分并进行分级排序,结果表明:前四个主成分已经可以综合90%以上的因子信息,完全可以取代11个指标因子进行综合分析太湖湖区的水质状况。说明主成分分析方法克服了多维指标难以综合分析的缺陷,可能是未来水质综合分析的一种重要方法之一。     

基于主成分分析的济宁市环境承载力研究

该文以济宁市环境承载力为研究对象,运用主成分分析法,从影响环境污染状况、环境治理状况、人口状况、经济发展状况、自然资源状况、物耗能耗状况等19个指标中,提取出影响环境承载力动态变化的3个主成分,对济宁市环境承载力年际变化进行了综合评价。结果表明:2006—2010年,济宁市环境承载力呈现逐年上升的趋势。该研究评价结果较好,可以为该地区的可持续开发规划提供理论参考。     

主成分分析在遥感影像数据中的实例应用

主成分分析(Principal Component Analysis)是根据变量之间的相互关系,尽可能不丢失信息地用几个综合性指标表示多个变量的方法。在多(高)光谱图像中,由于各波段的数据间具有相关性,因此包含许多冗余信息。通过主成分分析法可以把遥感图像中所含的大部分信息用少数波段表示出来,这样就可以几乎不丢失数据但可以减少数据量,消除冗余信息。在遥感数据处理时用主成分分析法作数据分析前的预处理,以达到数据压缩和图像增强的效果,更加有利于影像信息提取。文章对主成分分析在遥感图像处理中的实际应用进行了实例示范应用研究。     

主成分分析在双壳类软体动物研究中的应用

用主成分分析方法通过计算机把雌性青蛤的软体部干重和3个生化指标综合为肥满指标和能源物质指标,从而允许用二维图象来显示。14个样品明显地分为碳水化合物为主要贮存能源物质和脂类、蛋白质为主要贮存能源物质两类。两个新指标的累积贡献率达94％。     

基于主成分分析的海东地区城镇建设用地集约利用水平评价

本文采用主成分分析法,对海东地区城镇建设用地集约利用水平进行评价,量化城镇建设用地集约利用水平。并从评价结果中分析出海东地区城镇建设用地集约利用的特征和存在的主要问题,评价结果表明：平安县处于集约利用状态,乐都县和互助县为中度集约利用状态,而循化县、民和县和化隆县处于粗放利用状态。     

利用主成分分析建立区域对流层延迟时空模型

提出一种基于主成分分析（PCA）的ZTD时空建模方法,并利用GNSS连续运行参考站获取的ZTD数据,建立香港、云南、中国3个区域范围的ZTD时空模型。结果表明,所建立的区域对流层延迟时空模型不仅精度明显高于Saastamoinen、EGNOS和UNB3m模型,而且建模过程简单,模型参数较少,使用方便。     

基于主成分分析的水淹层动态预测方法

针对高含水期水淹层变化的动态特性,提出一种基于主成分分析的最小二乘支持向量机水淹层动态预测方法.该方法应用数据挖掘方法与改进的支持向量机方法,研究高含水期水淹层的分类识别问题,找到测井参数曲线与水淹级别之间的非线性映射关系,建立适合高含水期水淹特征的动态识别模型.它不仅充分考虑各种影响因素,而且利用主成分分析法准确提取...     

基于改进的主成分分析法提取GRACE时变重力场信号

针对主成分分析法提取时变重力场模型信号中存在信号泄漏和去条带噪声不明显的问题,提出对球谐位系数主成分分析的改进方法。首先对球谐位系数进行主成分分析,提取主要的模态,再对不同模态根据其自身噪声特点选择合适的滤波方法和参数,最后在此基础上进行信号提取。以CSR发布的2005-01~2013-12(108个月)GRACE时变地球重力场模型进行实验,提取2006-06和2006-12等效水高数据和改进前的主成分分析进行比较,表明此方法在有效地剔除条带误差的同时又使得信号泄漏减小。     

共模误差PCA与ICA提取方法的比较

为消除共模误差CME,目前广泛应用的主成分分析法（PCA）基于观测数据的二阶统计量（方差和协方差）将观测网残差分解成一组不相关的随时间变化的模态和对应的空间响应,而GPS时间序列分布具有非高斯特征,二阶统计量不能完全描述其随机特性。本文假设区域网CME 与其他误差相互统计独立,则可以采用独立分量分析（ICA）法。采用模拟数据对ICA提取CME的精确性和有效性进行验证,并与PCA结果进行对比。结果表明,ICA能够有效地提取观测网CME。     

基于主成分Logistic模型的商圈吸引力因子分析

重力模型是地理学的经典模型之一,常用于解释和预测人口、货物、交通、财富等的移动现象。其中Huff模型被广泛用于预测商圈规模,但目前多数研究以商场的面积作为吸引力的度量指标,不能准确反映商场真实的吸引力,造成模型预测的误差。本文针对Huff模型常使用规模表达商圈吸引力的不足,在对购物中心吸引力进行总结的基础上,选择了深圳市5个具有代表性的大型购物中心（或商圈）进行问卷调查。利用因子分析方法识别出6个影响购物中心吸引力的因子：可达性因子、环境因子、私家车出行因子、多功能因子、商品因子和个人特征因子。基于主成分Logistic模型,分析购物中心吸引力的显著影响因素及权重。最后,通过对比不同参照系下购物中心的显著性因素,对商圈吸引力因子进行可靠性检验。本文的分析方法及结果可为Huff模型等的精细化建模提供基础。     

利用主成分分析法分析GNSS坐标时间序列

利用主成分分析法对陆态网224个GNSS基准站坐标时间序列进行分析.首先对基准站原始坐标序列进行突变项拟合、粗差剔除、缺失数据插值补齐等预处理;然后对预处理后的站点残差坐标时间序列分N、E、U方向组建时间序列矩阵进行主成分分析,根据各方向主分量及其相应的空间特征向量分析站点空间响应分布特征、共模误差以及异常站点的影响....     

基于水化学数据的矿山涌水水源识别:主成分分析与残差分析

涌水是矿山安全生产的重要威胁之一,掌握涌水的水源是预防这类灾害的重要依据。基于多期次的水化学监测数据,提出了利用主成分分析(PCA)和残差分析来识别涌水的水源数量和水源类型。主成分分析能够充分提取高维数据的结构信息,消除变量冗余。残差分析利用主成分分析结果,提取不同的主成分个数重构离子浓度,得出重构离子浓度和原始离子浓度之间的残差,利用残差的结构性信息来判断可能的涌水水源数量和水源类型。结果表明:随保留主成分个数的增加,重构离子浓度的精度越高,离子残差的结构性得到消除且表现出随机性。在实例应用中,通过利用5个主成分重构离子浓度消除了所有主要离子残差结构性,保证了信息的最大程度提取,因此,确定研究矿山涌水水源数量为5个;同时,利用每个主成分对残差结构性的影响程度及离子相关性分析,确定了这5个水源类型为海水、第四系孔隙水、富钙基岩水、富镁基岩水和淡水。     

基于主成分分析的相对重力观测零漂和固体潮提取

利用主成分分析PCA提取2014-08-15~23CG-5相对重力仪静态相对观测的零点漂移和固体潮。结果显示,PCA提取的零点漂移值与最小二乘线性拟合结果非常一致,其差仅在10-2μGal/d量级;PCA估算的固体潮值与CG-5重力仪内部软件提供的固体潮模型计算值统计结果基本一致,两者之差均小于8μGal,均方根均小于5μGal。     

基于独立成分分析和随机森林算法的城镇用地提取研究

城镇用地信息是联合国2030年可持续发展议程关注的重点之一。城市在世界范围内迅速扩张,快速准确地获取城镇用地信息对于政府决策具有重要作用。城镇土地覆盖信息非常复杂,包括人工建筑、树木、草地、水体等多种地表覆盖类型。基于传统人工测绘获取城镇用地信息费时费力并且难于及时更新。Landsat等遥感卫星数据为城镇用地信息提取提供了丰富的数据源。基于卫星遥感数据提取的城镇用地信息可以为未来城市的建设和管理提供基础的科学决策数据。基于监督分类方法和卫星遥感数据可快速地提取城镇用地信息,然而特征变量的选择对于高精度城镇用地信息提取尤为重要。为研究不同特征变量组合对于城镇用地信息提取的影响,以北京市为研究区,以2017年7月10日获取的Landsat 8 OLI影像为数据源,通过数据预处理、纹理提取、独立成分分析、主成分分析等得到4个维度的29个特征,选取了7种特征组合方案进行城镇用地提取。考虑随机森林算法性能稳定,分类精度高和可以方便进行特征重要性评价等优点,选择其作为监督分类算法以提取城镇用地信息,并进行了精度评定,以确定最优的城镇用地提取特征组合。研究发现：综合利用光谱特征和独立成分分析后的影像特征,提取城镇用地的总体精度为93.1%,Kappa系数为0.86,优于利用其他特征的提取结果;基于随机森林算法对数据进行训练后输出的各变量的归一化变量重要性与特征均值的标准差结果存在相似性,利用随机森林算法的变量重要性估计与特征均值折线图都可以进行变量重要性评价。