Форумы GIS-Lab.info

Добрый день, уважаемое сообщество gis-lab!
Занимаюсь изучением лесов с использованием материалов ДЗЗ. Ранее использовал в качестве эталонов пробные участки, закладываемые в полевых условиях. И, как правило, задача заключалась в поиске схожих с выделенными областями.
Сейчас же имеются свежие данные таксации на территорию с указанием множества параметров (преобладающая порода, класс и группа возраста, бонитет и др.). Хотелось бы провести небольшое исследование, цель которого найти параметры, определяемые по данным снимка (на данный момент Landsat 5,8).
Написал модуль на Python для QGIS, собирающий средние спектральные характеристики по всем выделам и всем каналам снимка, записывающий все это вместе с параметрами в CSV-файл.
Затем с использованием языка R рассчитал корреляции для параметров и спектральных характеристик.
Но думаю, что делать такой расчет для отдельных параметров леса не совсем корректно, необходимо проследить зависимость группы параметров и спектральных значений. Например, [порода,возраст] или [порода,тип_леса,возраст,бонитет] и т.д.
Здесь столкнулся с трудностями. Предполагаю, что входными данными должны быть
матрица А (столбцы - параметры леса, строчки - их значения по выделам),
вектор Б (столбец спектральных характеристик по одному из каналов съемки по выделам).
Выходные данные: единственное значение, характеризующее корреляцию группы параметров и спектральных характеристик отдельно взятого канала съемки.

Искал в R: функция cancor(A, B)$cor считает корреляцию по столбцам. То есть сравнивает каждый столбец А с вектором Б. Получается набор значений.

В matlab есть функция xcorr2(A, B), но результат ее опять же матрица.

Возможно, это не корреляционный анализ? Буду признателен за ваши мысли на этот счет.

ego2 писал(а):Добрый день, уважаемое сообщество gis-lab!
Занимаюсь изучением лесов с использованием материалов ДЗЗ. Ранее использовал в качестве эталонов пробные участки, закладываемые в полевых условиях. И, как правило, задача заключалась в поиске схожих с выделенными областями.
Сейчас же имеются свежие данные таксации на территорию с указанием множества параметров (преобладающая порода, класс и группа возраста, бонитет и др.). Хотелось бы провести небольшое исследование, цель которого найти параметры, определяемые по данным снимка (на данный момент Landsat 5,8).

вы немного не туда пошли. Нужно просто прочитать фрагмент снимка в R, определить, что входит в обучающую и тестовую выборку, решить, какие целевые параметры у вас скалярные (регрессия), а какие категориальные (классификация), посчитать разные межканальные фичи (индексы), а потом напустить построение регрессий и классификаторов, начиная с простой линейной модели (lm() для регрессии, lda() для классификации), и постепенно все усложняя. Для классификации хороши деревья (rpart(), random tree, и т.д.), для регрессии - нелинейные модели (gam(), gamm(), и т.д.). В общем, на уровне растительных ассоциаций (если есть готовые границы выделов) почти все вытаскивается, как и преобладающие породы. Но возни много ...

эх, вот только большинство параметров, получаемых, скажем, по таблицам хода роста - гадание на кофейной гуще:( впрочем, по-другому толком пока не научились