层次分析法（利用遥感手段进行矿山环境修复评价）

最新推荐文章于 2024-05-30 08:00:00 发布

半老徐娘

最新推荐文章于 2024-05-30 08:00:00 发布

阅读量2.1k

点赞数 5

文章标签：线性代数推荐算法

本文链接：https://blog.csdn.net/zhangqianbei/article/details/126691231

版权

本文详细介绍了层次分析法在遥感评价中的应用，通过实例演示如何构建层次结构模型，构造判断矩阵，运用算术平均法和几何平均法计算影响因子权重，以及进行一致性检验。以植被覆盖度、土壤水分等因素评估矿山环境修复等级，适合环境科学与遥感决策者使用。

摘要由CSDN通过智能技术生成

层次分析法，简称AHP，在遥感、地质中常用于决策问题，根据相关影响因子，计算对目标结果的影响权重，从而得到一个分级结果，一般在遥感和地质中，分级常分为“低影响区、中影响区、严重影响区”等，决策结果受个人的主观因素较大，但是原理简单、计算方便，常用于评判一个地区或者矿区环境修复程度或者承载力的高低。主要的计算步骤有4步，1.首先建立层次结构模型。2.构造判断矩阵。3.层次单排序以及一致性检验4.层次总排序以及一致性检验。下面以一个实例来讲解一下层次分析法的各步骤。

例如，利用遥感手段评价某一矿区环境修复程度的好坏，分为3个等级，“差、中、好”。现有4个影响因子分别是植被覆盖度、土壤水分、地表塌陷速率、土地利用类型。(举例并不严谨，只为向大家介绍层次分析法的原理，如果需要实际应用，请大家认真考虑影响因子以及分类等级的划分)

1.建立层次结构模型

一个简单的层次结构模型包括三个部分，分别是目标层、指标层、方案层，在本文所举的例子中，目标层就是矿区环境修复程度，指标层就是上述4个影响因子，方案层就是矿区环境修复程度的三个等级，“差、中、好”，可以表示为下图：

如果是一个复杂的层次结构模型，目标层和方案层总不会变，可以在指标层上再加指标层，即二级指标控制一级指标。

2，构造判断矩阵

在确定指标层对方案层的权重，如果只是定性的结果，则常常不被人们所接受，而Saaty所提出的一致矩阵法，即不把所有因素放在一起比较，而是两两相互比较，采用相对尺度，尽可能的减少性质不同的诸因素相互比较的困难。在同一目标层下，对各个指标层中的指标相互比较，并按照准确程度评定等级。一般用 $a_{ij}$ 表示，大意为要素i与要素j重要性的比较结果，下表列出了Saaty给出的9个重要性等级及其赋值

表1 比例标度表

如上诉所举的例子，目标层为矿区环境修复程度，而4个影响因子所对目标层的影响程度不同，比如专家认为植被覆盖度对矿区环境修复程度的影响比土壤水分对矿区环境修复程度的影响稍微重要那么植被覆盖度相对于土壤水分的量化值就是3，而土壤水分相对于植被覆盖度的量化值就是1/3，据此我可以得到判断矩阵(依靠专家主观判断得到判断矩阵)，如下表：

表2 判断矩阵

得到判断矩阵后，我便可以计算因子权重，计算因子权重有两种方法：算术平均法(和积法)、几何平均法(方根法)，下面依次介绍一下。

算术平均法：

首先对判断矩阵进行列向量归一化，对于我们这个例子来讲，就是每一个列元素除以列和,用数学公式表示如下：

$a_{.j}=(\sum a_{.j})/n$

这样我们就得到了列向量归一化后的判断矩阵，如下表：

表 3 列向量归一化判断矩阵

最后对表3每一行的元素求和再求平均，我们便得到了每一个影响因子的权重ω，如下表：

表4 算术平均法影响因子权重矩阵

至此，我们便按照算术平均法得到了每个影响因子的权重。

几何平均法：

几何平均法首先计算判断矩阵的行积，得到判断矩阵的行积矩阵，如下表：

表5 判断矩阵的行积矩阵

然后在对行积矩阵的行积开4次方根，得到开方根矩阵，如下表：

表6 行积开4次方根表

对4次方根列求列和，并让每一列元素除以列和，得到最终的权重ω，如下表：

表7 几何平均法影响因子权重矩阵

至此，我们便按照几何平均法得到了每个影响因子的权重。

3，层次单排序及其一致性检验

对应于判断矩阵的最大特征根 $\lambda _{max}$ 的特征向量，经过归一化后记为w吗，即满足：

Aw=A $\lambda$

w的元素为同一层次元素对于目标层或者上一层因素相对重要性的排序权值，这一过程称为层次单排序。能否确认层次单排序，则需要进行一致性检验，所谓的一致性检验是指对A确定不一致的允许范围。一致性指标用CI来表示，如下：

$CI=\frac{\lambda -n}{n-1}$

CI=0，有完全的一致性；CI接近于0，有较好的一致性；CI越大，不一致越严重。为了衡量CI的大小，引入随机一致性指标RI，随机一致性指标RI和判断矩阵的阶数有关，一般情况下，矩阵的阶数越大，出现一致性随机偏离的可能性也就越大，其与阶数的对应关系如下表

表8 随机一致性指标RI

考虑到一致性的偏离可能是由于随机原因造成的，因此在检验判断矩阵是否具有满意的一致性时，还需将CI和随机一致性指标RI进行比较，得到检验系数CR，公式如下:

$CR=\frac{CI}{RI}$

一般情况下，如果CR<0.1,则认为该判断矩阵通过一致性检验，否则就不具有满意一致性。

下面依次进行示例计算：

首先依据判断矩阵计算最大特征值 $\lambda _{max}$ ，计算公式如下：

$\lambda _{max}=\sum_{i=1}^{n}\frac{[A\omega ]_{i}}{n\omega _{i}}$

首先计算Aω,如下表：

表9 Aω计算表

例如，第一行植被覆盖度中的Aω=1*0.2596+3*0.0810+1/2*0.5192+2*0.1402,第二行土壤水分中的Aω就等于就等于第二行前4个元素对应乘以第五列的元素，依次进行计算得到上表中的Aω，最后用第六列的Aω4个元素依次除以第五列ω中的对应元素，然后4的比值累加求和后在除以4得到最终所求的 $\lambda _{max}$ ，经过计算 $\lambda _{max}$ =4.010386，那么

$CI=\frac{\lambda -n}{n-1}=\frac{4.010386-4}{4-1}=0.003462$

示例所举为4阶矩阵，而4阶矩阵所对应的随机一致性指标RI=0.89,远大于CI=0.003462，然后计算CR,

$CR=\frac{CI}{RI}=\frac{0.003462}{0.89}=0.003847$

计算得到的CR远小于0.1，证明我们的判断矩阵是具有满意一致性的，所计算得到的权重因子也是可靠的。至此，层次单排序及其一致性检验计算完成。

4，层次总排序及其一致性检验

计算某一层次所有因素对于最高层(总目标层)相对重要性的权重，称为层次总排序。这一过程是最高层到最低层依次进行的。计算方法和3中所讲的计算方法相同，由于所举的例子为单层结构，所以这里不在计算。

利用遥感手段进行评价

对于利用遥感手段进行矿山环境修复评价，所处理对象一般都是遥感影像，通过遥感影像我们可以得到植被覆盖度、土壤水分、矿区地表沉降速率、土地利用类型，利用相应权重乘以对应影像(如果因子影响为负影响，是否可以在对应权重上加上负号，请大家考虑)，进行基于像元的运算(可以在ENVI、ArcGIS、ERDAS等软件中进行)，得到一幅矿区环境修复评价影像，在进行分级、出图等相关后续处理。