本文首先用KLT反演了D.A.Stellingwerf教授带来的奥地利Kobernausser森林55个训练区的多波段遥感数据的压缩结果。进而通过对因子负荷量的分析

指出MSS-4与MSS-5

MSS-6与MSS-7分属两类。当采用下列回归方程:1/y=A+B/x

y=A·e

B

X

y=A·x

B

进行拟合时

MSS-4与MSS-5之间

MSS-6与MSS-7之间的相关极为显著:对本次试验而言F>2000

R>0.99。这说明MSS-4与MSS-5互不独立

两者提供的信息有相当一部分重复;同样MSS-6与MSS-7也存在这样的关系。这就提示我们在今后数据处理中宜适当注意。而目前

则可利用这种相关性

对某种情况下遗漏的象元的灰阶值进行有效的补码

实践计算证明:MSS—4与MSS-5

MSS-6与MSS-7之间的相互补码

其相对误差小于6％

效果良好。