基于遗传算法的二类水体水色遥感反演

提出一种基于遗传算法的二类水体水色遥感反演算法。该算法以三成分 (叶绿素、悬浮泥沙与黄色物质 )海水光学模型作为前向模型 ,以实数编码遗传算法作为优化方法 ,并采用一对波段比来构造目标函数。模拟反演的结果表明 ,该算法可以有效克服已有二类水体水色遥感优化反演方法在搜索策略方面存在的困难 ,是一种有较高计算效率、可靠与稳健的反演算法     

利用偏最小二乘回归反演冬小麦条锈病严重度

通过人工田间诱发不同等级条锈病，在不同生育期测定冬小麦感染条锈病严重度和冠层光谱，采用偏最小二乘（PLS）方法建立了冠层光谱和条锈病严重度的回归模型。结果显示： PLS反演冬小麦条锈病严重度的效果很好，与文献［4］中提出的利用高光谱指数进行反演的结果相比，精度更高； 通过对PLS回归系数的分析，发现叶绿素吸收谷两边（505~550 nm，640~670 nm，680~700 nm）的一阶微分光谱可用于诊断冬小麦条锈病病情，条锈病病害冬小麦在叶绿素吸收谷两边的一阶微分光谱的绝对值会比健康冬小麦的更大。     

基于光谱特征的三峡坝区水色要素反演

基于野外测定的水质参数,通过研究三峡坝区水体中水色要素浓度与反射率之间的关系,选择反演叶绿素、悬浮物、溶解性有机物的最佳波段,建立了反演水色要素浓度的遥感定量模型。研究表明,在波段比值的基础上进行幂次修正的波段组合反射率与SS浓度相关性较好(R2=0.76),可以用来估算悬浮物浓度;悬浮物浓度影响叶绿素浓度的反演精度,通过在模型中增加一个红绿波段比值指数项的方法能够抑制或削弱悬浮物的影响,提高了叶绿素浓度的反演精度(R2=0.75);DOC反演模型中,绿光波段与红光波段反射率的对数值能较好的估算DOC浓度,且与log(DOC)相关程度最高,决定系数为0.85,反演精度较高。     

基于包络线去除和偏最小二乘的土壤参数光谱反演

基于江苏省宜兴市100个土样的可见光－近红外高光谱反射率400 2　450nm数据结合包络线去除continuum　removalcr与偏最小二乘回归partial 　least 　squares 　re gressionplsr 构建了土壤重金属砷as和有机质om含量的反演模型 结果表明相比普通plsr模型模型决定系数r2和预测根均方误差rmsep分别为0．5123．0９0和0．6215．９34cr－plsr构建的模型预测能力有明显的改善r2和rmsep分别为0．7632．323和0．９114．5９９ cr有效增强了550９001　4201　９00和2　200nm等波段处的反射光谱特征根据模型回归系数分析cr有效突出的波段正是as和om的cr－plsr模型所共用的重要波段研究表明cr能够协助plsr模型重要波段的选择利用遥感技术结合cr－plsr能够有效提高土壤重金属as和om含量的反演精度从而为土壤质量的遥感监测提供参考     

基于包络线去除和偏最小二乘的土壤参数光谱反演

土壤有机碳的有效评估对全球碳循环和农业可持续发展具有重要作用。可见光-近红外光谱技术已广泛用于土壤有机碳含量的反演研究。然而,基于可见光-近红外光谱的土壤有机碳反演模型通常具有一定的区域局限性。本文基于湖北钟祥市和洪湖市两个区域的土壤光谱和有机碳量测数据(样本数分别为100和96),探究土壤有机碳反演模型在不同区域间的传递性。结果表明,钟祥市或洪湖市区域模型都不能用于另一个区域,但基于钟祥样本全集与洪湖区域30个土壤样本数据建立的模型对洪湖区域土壤有机碳含量有很好的预测效果(R²=0.88, RMSE=2.51 g·kg^-1)。尽管模型在不同区域间的传递性非常有限,但将少量目标区域样本添加到现有区域土壤光谱库中所建立的偏最小二乘回归模型能够估算目标区域土壤有机碳的含量,降低目标区域的采样和量测成本。     

基于偏最小二乘法的近红外光谱分析应用

近红外光谱分析法是一种能够快速检测物质成分含量的分析方法.采用傅里叶变换的近红外光谱结合偏最小二乘法,对采样的126个玉米样本分别建立蛋白质、脂肪和纤维素的偏最小二乘模型,并进行定量分析.结果显示,模型的决定系数均大于0.95,定标集的均方误差均小于0.14.该方法与常规化学检测方法相比,检测简单、速度快、精度较高.     

正交最小二乘曲线拟合法

在最小二乘曲线拟合中,自变量的误差常常被略而不计,提出采用正交最小二乘法拟合曲线。该方法以正交距离残差平方和极小为准则,同时顾及了因变量和自变量的误差;基于间接平差原理详细推导了相关模型和算法。实际计算表明,采用正交最小二乘法拟合曲线,拟合效果整体上优于普通最小二乘法。     

偏最小二乘回归在系统形变分析中的应用

系统形变往往由很多主导因素引起,且各主导因素之间并不独立。以国土利用变化驱动分析为例,运用偏最小二乘回归方法建立变化的驱动机制模型,并和主成分回归法相比较。结果表明,偏最小二乘回归不仅在拟合效果上优于主成分回归,系统性更强,结论更可靠,而且偏最小二乘模型的回归系数更易于解释,提供的系统信息也更丰富。偏最小二乘为样本个数少、自变量多、且变量间存在多重共线性的复杂大系统形变分析提供了新的、有效的解决途径。     

基于逐步回归的偏最小二乘法在大坝位移监控中的应用

偏最小二乘回归法是建立大坝位移监控模型的常用方法,该方法能够较好地处理模型初选因子之间存在的多重共线性。然而普通偏最小二乘回归法无法进行显著变量的选取,针对此问题,探讨了基于逐步回归的偏最小二乘回归法的基本原理和建模步骤。实例计算表明,通过该方法建立的模型在拟合效果和预报能力方面均优于普通偏最小二乘回归法。     

Retrieval of Fresh Leaf Fuel Moisture Content Using Genetic Algorithm Partial Least Squares (GA-PLS) Modeling

Fuel moisture content (FMC) is an important parameter in forest fire modeling. We investigated the performance of genetic algorithms with partial least squares (GA-PLS) modeling to retrieve live FMC and its components, equivalent water thickness (EWT) and dry matter content (DM), from fresh leaf reflectance in the leaf optical properties experiment dataset. The results show that GA-PLS achieved a good estimation of FMC directly (R²=0.878-0.893) or indirectly (R ²=0.815-0.862) through the joint retrieval of EWT and DM; future work is required to assess the effectiveness of GA-PLS when applied to datasets that consist of low FMC values     

Partial EIV模型的非负最小二乘方差分量估计

Partial Errors-in-Variables(Partial EIV)模型是EIV模型的扩展形式,权阵构造简单,当系数矩阵中存在非随机元素和随机元素时,Partial EIV模型的适用性更强。针对Partial EIV模型中随机模型不准确的情况,将系数矩阵和观测向量分别作为一类数据,本文在该模型的基础上,使用最小二乘方差分量估计方法,推导相关计算公式及迭代算法,分别估计出相应的方差分量估值。并对出现的负方差使用非负最小二乘理论,增加约束条件,对随机模型进行修正,得到更加合理的参数估值。试实验结果表明,本文的方法与其他方差分量估计方法等价。     

基于整体最小二乘法的线性回归建模和解法

对基于自变量和因变量误差的回归问题进行了进一步研究,证明了两种方法的实质并未解决同时考虑自变量和因变量的误差问题,其解算结果和不考虑自变量误差的解算结果完全相同。给出了能同时顾及自变量和因变量误差的新的回归模型,并推导了具体的解算方法。算例结果和基于矩阵分解的整体最小二乘法解算方法的结果相同,说明了本文方法的正确性。     

结合偏最小二乘法和支持向量机的遥感影像变化检测

针对多光谱遥感影像通道之间相关性影响难以消除及变化检测的阈值难以确定的问题,提出了一种结合偏最小二乘法（PLS）和支持向量机（SVM）的遥感影像变化检测方法。将两个时相的多通道遥感影像视为两组多元随机变量,引入多元统计数据分析方法中的PLS理论,进行成分提取并构造差异影像;再通过SVM将差异影像分为变化与不变化两类别;最后利用形态学算子对分类结果作处理。选取Landsat8多光谱遥感影像进行试验,结果表明该方法可以很好地实现多光谱影像的变化检测,对地理国情数据监测具有重要意义。     

Comparing Canonical Correlation Analysis with Partial Least Squares Regression in Estimating Forest Leaf Area Index with Multitemporal Landsat TM Imagery

The leaf area index (LAI) of plant canopies is an important structural variable for assessing terrestrial ecosystems. This research examined the use of multitemporal Landsat TM imagery to estimate and map LAI in mixed natural forests in the southeastern USA. The performances of canonical correlation analysis (CCA) and partial least squares (PLS) regression techniques were evaluated for feature extraction to estimate forest LAI. The experimental results indicate that use of multitemporal TM imagery can improve the accuracy of estimating the forest LAI, and that CCA analysis outperforms PLS regression for feature extraction.     

附有相对权比的PEIV模型总体最小二乘平差

针对观测向量和系数矩阵权分配不合理、验前随机模型不准确的情况,以部分误差变量（partial errors-in-variables,PEIV）模型为基础,推导了附有相对权比的总体最小二乘平差算法;通过在平差准则中加入相对权比,自适应调整观测向量和系数矩阵随机元素对模型参数估计的贡献,给出了确定相对权比的验前单位权方差法和判别函数最小化迭代算法,该算法普遍适用于一般性的系数矩阵和权矩阵。通过直线拟合和坐标转换模拟算例的比较分析,发现当观测值和系数矩阵的验前单位权方差已知,且较准确时,验前单位权方差法确定相对权比和参数估计的效果较好;而以${{\overline{\mathit{{\mathit{\Phi}}}}}_{1}}\left( \hat{\varepsilon },{{{\hat{\varepsilon }}}_{a}} \right)={{\hat{\varepsilon }}^{\text{T}}}\hat{\varepsilon }+\hat{\varepsilon }_{a}^{\text{T}}{{\hat{\varepsilon }}_{a}} $作为判别函数是判别函数最小化迭代算法中效果最好的。     

基于偏最小二乘回归的纹理特征线性组合

基于偏最小二乘回归技术对纹理特征进行线性组合,得到新的纹理特征来进行分类。实验表明,组合后的纹理特征不但提高了纹理分类的性能,而且具有一定的数据自适应能力。     

线性回归参数的总体最小二乘估计算法研究

针对线性回归参数的总体最小二乘估计问题提出了线性回归加权总体最小二乘平差模型,在此基础上推导了线性回归的加权总体最小二乘迭代算法。之后,采用一个算例进行了分析,其结果验证了提出模型和算法的正确性和可行性。