RSEI应使用主成分分析(PCA)或核主成分分析(kPCA)?

作者：徐涵秋; 李春强; 林梦婧

来源：武汉大学学报(信息科学版), 2022, 1-11.

DOI：10.13203/j.whugis20220319

• RSEI
• 主成分变换
• 相关性强度
• 精度验证
• 遥感

nRSEI (nonlinear remote sensing ecological index)是新近提出的遥感生态指数，它采用核主成分分析(kernel principal component analysis， kPCA)来集成模型的各个分指标。其主要根据是认为原RSEI采用的湿度、绿度、干度、热度这4个指标在北京研究区的相关关系总体为弱相关，因此需要采用专门处理非线性关系的kPCA来集成这4个指标。探讨了北京地区这4个指标的相关关系类型，并对新指数验证方法的有效性进行了深入分析。结果表明，北京地区这4个指标总体呈显著的强线性相关关系，因此并不适合采用kPCA集成；新指数的精度验证方法也存在明显的缺陷，不能证明新指数的有效性。同时还就遥感建模的可行性、模型的普适性、指标尺度的一致性，以及模型精度的验证方法、标准参考影像的选取和验证所需的样本量等遥感研究论文中常见的基础问题进行了讨论。

• 单位
  中国科学院城市环境研究所; 福州大学