地下水变化影响状况分析方法研究

地下水的研究与所处时代的工农业发展与科学技术水平密切相关。20世纪70年代，地下水研究主要以工农业勘探打井为主；20世纪80年代以地下水资源规划、评价为主；20世纪90年代，由于水资源管理体制逐步健全，工农业用水需求矛盾日益突出及环境问题出现，地下水研究转向以水质、水量和效益多目标的管理模型研究为主（温永左等，2000）。到了21世纪，地下水问题愈演愈烈，人类活动对地下水变化的影响机制及影响程度的判别成为一个重要的研究方向。分析地下水演变趋势，找出影响地下水变化的驱动力因子，通过调控各主要驱动力因子来调控地下水资源，使之向人类有利的方向演进，对理清节水思路，制定国家节水战略，实现水资源可持续利用具有重要意义。张宗祜（1997）采用了灰色关联度法探讨了降水量及开采量对地下水动力环境演化的影响。张岁岐等（1999）采用回归分析方法，研究了有限供水条件下谷子和春小麦生育期需水量对各自产量的影响。许月卿（2003）通过建立投影寻踪回归模型，定量评价了降水、气温、地表径流、地下水开采量对地下水位下降的影响，确定了各影响因素对地下水位下降的相对贡献率。

在驱动力因子分析评价中，目前常用的大多是数理统计方法，可分为主观赋权法和客观赋权法两类。主观赋权法是指由专家根据经验主观判断确定评价因子权重，评价结果具有一定的主观性，这类方法有层次分析法、主成分分析法、专家调查法等。客观赋权法是指根据原始数据之间关系来确定评价因子的权重，它具有较强的数学理论依据，这类方法有回归分析法、模糊数学法、熵值法、神经网络法和灰色关联度法等（张光辉等，2008）。

尽管这些方法解决了许多实际问题，但还存在某种局限性。例如，主观赋权法多凭借专家经验，因此存在较大的主观性和不定性，不同专家往往会给出不同的数值，最终可能会影响评价的结果，导致分类与评价结果的人为倾向（付强等，2002；彭荔红等2002）。灰色和模糊系统需要设计若干不同的效用函数（灰色系统的白化函数、模糊数学的隶属函数等），这些效用函数的给定难免不带主观性，造成评价方法难以通用，增加了应用的困难（付强等，2002），有时会出现较大误差，甚至得出反常结论。基于熵的综合评价方法根据评价指标间的变异程度确定各指标的权重，在一定程度上消除了人为赋权的缺点，但在使用中常出现各评价指标权重的平均化现象（付强等，2001）。此外，有的方法因为需要大量的样本数据或要求具有典型的概率分布，或计算量较大，在实际工作中也难以实现。

总之，传统的数据分析方法都未能摆脱“从某些假定出发，按照一定准则进行模拟，检验（Confirmatory Data Analysis，简称CDA）”这种过于形式化、数学化的束缚，无法找到数据的内在规律和特征，对非线性和非正态的数据建模效果并不理想。同时，当数据维数很高时，也存在着高维空间中点稀疏的“维数灾难”。而地下水变化的影响因素较多，并且各因素之间并非简单的线性关系，具有非线性、非正态的分布特征，因此，传统统计法在地下水变化中的分析应用受到一定的限制（彭荔红等，2002）。

20世纪70年代，Friedme（1974）提出多元数据分析的投影寻踪（Projection Pursuit，简称PP）新算法，可用来对多指标非正态变量进行无假定建模和分析，是一种对高维数据进行分析处理的方法。其基本思路是将高维数据投影到一维空间上，对投影后的一维数据进行分析，比较不同一维投影的分析结果，选取好的投影，从而揭示高维数据的结构特性。由于PP方法采用“直观审视数据→通过计算机模拟数据结构→检验”这样一种探索性数据分析（Exploratory Data Analysis，简称EDA）方法，具有能克服维数灾难和能充分利用非正态、非线性信息的功能，所以可以分析和挖掘出非正态试验数据中的客观规律，能找出各影响因子的真实贡献大小（毛鸿才，2001）。付强、杜一平、李祚泳、赵小勇、黄晓荣等（赵小勇，2006；杜一平等，2002；付强等，2002）都对投影寻踪方法有所运用。但分析多维数据复杂的空间拓扑结构需要涉及许多复杂的数学知识，并且不易编程，使得最优投影方向难于寻找，限制了其推广使用。在一些学者的努力下，将优化算法与PP模型相结合，既利用了PP模型的优点，又简化了求解过程，如付强、张欣莉等利用遗传算法优化投影方向，取得了较好的效果。

特征提取和特征选择是模式识别的关键问题之一，它影响到分类器的设计及其性能．高光谱图像数据

是超高维多特征数据集，如何实现高维特征空间的特征压缩和特征提取是一个重要课题．基于高光谱图像谱图合一、数据维度高的数据结构特点，该文从光谱和图像两个层面分别综述了主成分分析、最小噪声分离、独立成分分

析等光谱特征提取方法以及基于颜色、纹理、形状等图像特征提取方法．还详细介绍了核主成分分析和投影寻踪方

法这两种高光谱特征提取新方法，并给出了以上方法的应用实例．特征提取和特征选择的研究将为后续的高光谱图

诊断分析：

一、厘清分子诊断细分赛道

分子诊断通俗点讲就是通过检测DNA（遗传）信息来做出诊断，再根据方法学的不同分成荧光PCR、FISH、基因芯片和基因测序4类，这是目前行业比较流行的分法。将分子诊断的分类做了简化（见表一），把前三种技术归为一类（简称PCR检测，虽然这个叫法在科学上不太准确），然后基因测序单独成一条赛道。

图一 分子诊断赛道分类

这么简化分类的好处是，我们可以比较直观的判断一家分子诊断公司所做的产品和其所处的赛道。如公司拥有两大技术平台：荧光PCR和导流杂交。其中荧光PCR是通用平台技术，而导流杂交属于公司特色技术，仔细看技术步骤可以发现，这两种技术平台的前两步是相似的，都是先提取扩增DNA，差异只在最后一步，其实导流杂交接近于基因芯片的概念。所以很显然，PCR检测的赛道，和基因测序完全不沾边。再看看它的产品（图三），对于所谓的“PCR+导流杂交法”和“PCR+低密度基因芯片+导流杂交技术”，这些术语都可以归到第一类（PCR检测），这样我们判断起来就会清晰一些。需要说明的一点是关于导流杂交的定性和荧光PCR的定量，初看起来似乎定性比较弱，但实际上很多场景的核酸检测目标只需定性，定量缺乏诊断意义。比如HPV检测，由于HPV病毒数量和宫颈癌风险尚无明确的相关性，所以定量检测没有太大意义，而对于HPV分型检测，通量高的导流杂交技术反而更有优势。

Manolakis（2003）认为，目标探测就是将目标与背景地物区分，并判断目标在各像元内的存在性问题。在高光谱遥感领域，近年来发展了很多目标探测算法，根据算法模型可分为原始空间模型、子空间模型和白化空间模型（张兵等，2011）。Robey et al（1992）提出了一种自适应匹配滤波算法（Adaptive Matched Filter，AMF），该算法用多维正态分布模型模拟背景，并不能很好地表达背景的变化情况。刘翔（2008）分析了椭圆轮廓分布模型探测器（Elliptically Contoured Distributions，ECD），认为该模型能够敏感地预测信号随着环境的变化。在目标和背景光谱已知的情况下，Harsanyi（1993）提出了正交子空间投影（Orthogonal Subspace Projection，OSP）算法，同时考虑了背景光谱和各种噪声下的最大化剩余信号；而且Harsanyi还提出了一种约束能量最小化（Constrained Ener－gy Minimization，CEM）算法，该算法根据目标光谱，放大特定方向信号，缩小其他背景信号，从而实现目标探测，适用于小目标探测，但CEM探测器难以将目标端元信号与噪声信号分离（杜博，2010）。寻丽娜等（2007）首先利用PCA技术扣除了图像背景信息，之后借助IEA（迭代误差分析）方法选取端元，以端元光谱作为已知光谱代入CEM，从而很好地提取小目标。为了扩展CEM在大目标探测方面的应用，耿修瑞（2005）也通过设计加权自相关矩阵改进了原算子，提出了一种加权自相关矩阵的CEM算子（WeightedCorrelation Matrix CEM，WCM－CEM）。Reed et al（1990）发展了异常探测算子RXD，其算法依赖于异常目标往往游离于图像数据所构造的数据 “云团”超平面之外这一假设，即：当图像在异常像元与图像均值向量的连线方向上的投影有较大方差时，该算子失效（张兵等，2011）。耿修瑞（2007）设计了一种基于数据白化距离的异常探测（Whited－distance Abnormity Anomaly Detection，WAAD）算法，该算法对高光谱数据进行白化处理（White Processing，WP），使数据 “云团”在特征空间中呈球状分布，而异常像元仍处于球状云团之外，很好地解决了RXD探测失效的问题。为了扩展CEM在大目标探测方面的应用，耿修瑞也通过设计加权自相关矩阵改进了原算子，提出了一种加权自相关矩阵的CEM算子（Weighted Correlation Matrix CEM，WCM－CEM）。贺霖等（2006）研究了正交子空间和目标子空间投影的高光谱数据背景和噪声抑制方法。路威等（2006）借助于实码遗传优化投影寻踪方法，从分布异常的角度，提出了一种非监督特征投影方法，提取小目标。

近年来，国内外科技界和产业部门从不同的侧面对矿产资源探测与矿区重金属污染物的监测进行了深入研究。在矿产资源的高光谱遥感探测方面，开展了通过成像光谱仪测量岩石、矿物等光谱特性，获取图谱合一的信息等来识别矿物、探测环境等研究，并形成了高光谱岩矿识别与填图的技术流程和技术方法，在岩石矿物识别、信息提取和专题制图方面取得突破（Boardman et al，1994；杜培军等，2003；Kruse et al，2006；Zhang J，2006；张兵等，2008；王润生等，2007，2010）。近十年来，有关矿山重金属污染监测与分析评价方法的研究论文和报告也逐渐增多。如：利用高光谱数据和矿物识别谱系有效识别铜矿区的污染类型（甘甫平等，2004）；通过实验室分析金属铜不同程度重金属污染下煤矸石堆周边土壤的光谱特性（Gao et al，2005）；利用光谱仪实测光谱数据与综合考虑污染物的光谱特征，对矿山污染物和废矿所造成的污染、选冶废水所产生的水污染及其植被污染，以及长期采矿活动造成的矿区土壤重金属污染等信息提取研究（Kemper et al，2002；燕守勋等，2003；张宗贵，2004；甘甫平等，2004；崔龙鹏等，2004；Zhang J，2006；Choe et al，2008；Ren et al，2009；Rashed，2010）。另外，一些学者已在植被高光谱遥感的植被生化参数、植被指数、导数光谱、红边位移分析、回归分析、胁迫影响、病害监测、农药残留检测、重金属污染等方面进行了大量研究（Mutanga et al，2004；刘良云等，2004；陈云浩等，2009；Singh et al，2010；Liu et al，2011）；随着对不同环境下地物光谱变化特性的深入探究，基于地物光谱微细变化的矿山生态环境遥感定量探测的实用化技术也已出现（Ferrier，1999；Gao et al，2005；Choe et al，2008；任红艳等，2008；金庆花等，2009；Bech et al，2012）。

综上可见，已有的大部分成果都是对像元光谱或光谱仪实测光谱进行光谱曲线特征点位与特征参量提取、光谱微分处理、光谱吸收特征获取、光谱指数计算、统计分析、混合像元分解、光谱匹配等手段进行处理分析，而缺乏利用如支持向量机（Support Vector Machine，SVM）、小波包变换（Wavelet Packet Transform，WPT）、谐波分析（Har－monic analysis，HA）和自适应神经网络（Adaptive Neural Network，ANN）等现代数学理论对光谱曲线进行深层次的变换处理，因而在噪声分离、同谱异物与同物异谱处理、微量（弱）信息识别等方面存在很大的不足。因此，很有必要开展基于现代数学理论的高光谱遥感数据变换处理、信息提取与分析应用研究。

1、pursuit，英语单词，名词，意思是“追赶，追求；职业，工作”。

2、短语搭配

Highway Pursuit 公路追击 ; 公路追缉令 ; 亡命劫匪 ; 高速路押运大战。

projection pursuit 投影寻踪 ; 投影寻踪法 ; 投影寻踪方法。

matching pursuit 匹配追踪 ; 匹配跟踪 ; 匹配追踪算法 ; 匹配追逐。

正 投影寻踪(Projection Pursnit,简称 PP)是一种处理高维数据的统计方法,近年来借助于计算机的发展,它的理论得到了迅速的发展假如()为一能反映统计性质的指标,对每个 p 维方向α,计算出()(α~()X_1,…,α~()X_()),从中找出使()(α~()X_1,…,α~()X_())最大的方向α_0,通过研究数据α_0~()X_1,…,α_0~()X_() 的性质,来了解原数据 X_1,…,X_()的性质,这就是所谓数值 PP 的基本想法如果用一维检验或估计统计量()作指标,则可得到多维检验或估计()()(α~()X_1,…,α~()X_())见文献[2,3,5—7]在上述文章中这些检验和

以上就是关于地下水变化影响状况分析方法研究全部的内容，包括:地下水变化影响状况分析方法研究、如何根据高光谱图像数据提取其空间特征、诊断分析等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！