如何用R的varSel包JMdist做Jeffries-Matusita光谱距离分析及解决NA问题

一、JMdist函数使用的统计量说明 #

JMdist（以RStoolbox包实现为例）计算Jeffries-Matusita距离时，核心依赖两类统计量：

• 类别均值向量：每类在各光谱波段上的平均值，用于描述类别的光谱中心
• 类别协方差矩阵：每类内部各光谱波段的方差及波段间的协方差，用于描述类别的光谱离散程度和波段相关性
  注：不需要单独输入标准差，协方差矩阵的对角元素即为各波段的方差（标准差的平方）

二、输出全NA的排查与解决方案 #

• 检查输入数据类型：不能直接输入ArcGIS导出的MLC分类栅格（仅含类别标签），必须提供带光谱信息的训练样本数据——即每类对应的原始影像像素值（比如从ArcGIS导出的训练样本点光谱数据，或在R中从原始影像提取分类图对应区域的光谱）。
• 排查类别样本量：若某类的样本数量≤波段数（这里是3），协方差矩阵会因奇异无法求逆，导致JM距离为NA。用table(df$class)查看每类样本数，合并样本量过少的类别，或补充采集该类样本。
• 检查协方差矩阵奇异性：即使样本量足够，若某类光谱波段存在完全线性相关（如两个波段值完全一致），协方差矩阵行列式为0（奇异），无法计算距离。用以下代码检查：

  # 按类别拆分光谱数据
  class_list <- split(df[, c("b1","b2","b3")], df$class)
  # 遍历每类计算协方差矩阵行列式
  lapply(class_list, function(x) det(cov(x)))
  

  若输出为0，需移除冗余波段或重新采集样本。
• 验证参数输入格式：以RStoolbox的JMdist为例，正确输入方式为：

  library(RStoolbox)
  # df是包含光谱列（b1,b2,b3）和类别列（class）的数据框
  jm_res <- JMdist(df, y = "class")
  # 或从superClass模型的统计结果直接计算
  # jm_res <- JMdist(sc_model$stats)
  

• 清理光谱数据中的缺失值：若原始光谱数据存在NA，会导致统计量计算失败。用df_clean <- na.omit(df)移除含NA的样本后重新计算。

内容的提问来源于stack exchange，提问作者Alex DomM