3.3 分析方法

3.3.1 光谱指数构建

在高光谱地表反演研究中，运用一阶微分、数学变换和光谱指数等技术均能快速有效地提取目标对象的特征信息。本篇运用简单的数学变换构造光谱参数，不仅计算方便而且排除了数据冗余问题，能很方便地应用到遥感上，其中包括归一化型（NDSI）、差值型（DI）和比值型（RVI）光谱参数，构建的光谱指数能够消除土壤环境的噪声，并减少数据冗余，对光谱反演的应用研究具有特殊意义。到目前为止，此方法已广泛应用于光谱参数中。参照光谱参数研究中描述土壤理化性质的光谱指数，利用土壤光谱反射率，构建了NDSI、DI和RVI，其具体计算公式为：

式中，Ri为波长i的土壤反射率，无量纲；Rj为波长j的土壤反射率，无量纲。

3.3.2 综合指数的构建

基于多光谱波段反射率进行数学变换，构建光谱指数，可减小由地形、大气等对反射率产生的误差，提高预测模型精度。通过构建不同类型的光谱指数，增强土壤盐分因子与LandsatOLI、高光谱中心波长模拟反射率的相关性。基于多光谱波段反射率Ti和高光谱模拟波段的反射率TSi（Ti表示多光谱影像第i个波段的反射率，TSi表示模拟的高光谱影像第i个波段的反射率）构建光谱指数、波段反射率差值归一化指数。

3.3.3 模型评估

本篇采用相关系数R、检验统计量F来检验模型的精度。

（1）相关系数R。

式中，Xi为实测值，Yi为预测值，为实测值的平均值，为预测值的平均值，n为样本总数。

（2）F检验。

F检验又叫方差齐性检验，即从研究总体中随机抽取样本，比较两组数据的方差来查看其相关性是否具有显著性。

式中，SST为总的变异平方和；SSA为组间离差平方和，反映了控制变量的影响程度；SSE为组内离差平方和，代表了数据抽样误差的大小值；k为水平数；ni为第i个水平下的样本容量；F为平均组间平方和与平均组内平方和的比值，F检验值越大，模型越好。将通过式（1−3−13）计算的F检验值与查到的F检验值（记为F表）进行比较，如果F＜F表，则表明两组数据不存在显著性区别；如果F≥F表，则表明两组数据存在显著性区别。