11、光谱相似性与异常值检测

光谱相似性与异常值检测

1. 光谱相关性评估

在光谱分析中，我们可以通过一些指标来评估光谱之间的相关性。以下是一段R代码示例，用于获取一组准确性度量：

require(soilspec)
# use the eval function to get a set of accuracy measures
dEval <- eval(obs = xrData[nearestN,"TotalCarbon"],
              pred = xuData$"TotalCarbon", obj = "quant")
# print the results
dEval

运行上述代码后，我们可以得到如下结果：

##
ME RMSE
r2
R2 rhoC
RPD RPIQ
## 1 0.01 0.91 0.44 0.46 0.77 1.36 1.19

从结果中可以看出，通过皮尔逊相关系数的平方（r²）评估，存在很强的相关性。这意味着马氏距离在检测相邻光谱方面是有效的，所选的相邻光谱携带相似的信息。

2. 异常光谱检测

异常光谱是指与光谱总体显著不同（不相似）的光谱。识别这些不同的光谱并决定是否将其纳入后续分析非常重要。光谱异常值可能由以下原因导致：
- 样本异质性相关的变化；
- 光谱测量误差（如光谱仪中的噪声、不正确的光学设置）；
- 样本中的化学/物理变化（例如，土壤样本误取自不同区域）。

在进行是否从进一步分析中移除异常光谱的决策之前，明确