Principais Componentes Multidimensionais no (Map Viewer)

A ferramenta Principais Componentes Multidimensionais transforma as camadas de imagens multidimensionais em um número reduzido de componentes que respondem pela variação dos dados, para que padrões espaciais e temporais possam ser facilmente identificados.

A saída é uma camada de imagem hospedada.

Exemplos

Use esta ferramenta para reduzir a complexidade e focar a análise de 30 anos de dados de salinidade da superfície do mar. Os resultados da ferramenta podem ser usados ​​para focar análises adicionais nas bandas raster que representam a maior variação.

Anotações de uso

Componentes principais multidimensionais incluem configurações da camada de entrada, configurações de componentes e camadas de resultado.

Camada de entrada

O grupo Camadas de entrada inclui os seguintes parâmetros:

  • Camada de imagens multidimensionaisé a camada de imagens que será analisada. Se não houver camadas de imagem disponíveis para serem selecionadas na ferramenta, uma camada de imagem multidimensional deve ser adicionada ao mapa. A ferramenta processa dados ao longo de uma dimensão, como um raster de série temporal ou um cubo de dados definido por uma dimensão não temporal [X, Y, Z]. Se uma variável de entrada incluir diversas dimensões, como profundidade e tempo, o primeiro valor da dimensão será usado por padrão.
  • Dimensão é a estatística que será extraída. Se o raster de entrada não for um raster multidimensional, este parâmetro não é exigido.
  • Variável é a variável que será agregada ao longo da dimensão selecionada. Se nenhuma variável for especificada, todas as variáveis ​​com a dimensão selecionada serão analisadas.

Configurações do componente

O grupo Configurações de componentes inclui os seguintes parâmetros:

  • O Modo especifica o método que será usado para realizar a análise de principais componentes. Estas opções são as seguintes:
    • Redução de Dimensão—Os dados de série temporal de entrada serão tratados como um conjunto de imagens. Serão computados os principais componentes que extraem padrões predominantes ao longo do tempo. Este é o padrão.
    • Redução Espacial—Os dados de série temporal de entrada serão tratados como um conjunto de pixels. Os principais componentes que extraem padrões e localizações predominantes ao longo do tempo serão calculados como um conjunto de matrizes unidimensionais armazenadas em uma tabela.
  • Número de componentes principais define o número de componentes principais que serão computados, geralmente menor que o número de rasters de entrada.

    Este parâmetro também assume a forma de uma porcentagem (%). Por exemplo, um valor de 90% significa que será calculado o número de componentes que podem explicar 90% da variação nos dados.

Camadas resultantes

O grupo de Camadas de resultado inclui os seguintes parâmetros:

  • Componente principal de saída é o nome dos dados de saída.

    Quando o parâmetro Modo for definido para Redução de Dimensão, a saída será uma camada de imagens multibanda com os componentes como bandas. A primeira banda é o primeiro componente principal com o maior autovalor, a segunda banda tem o componente principal com o segundo maior autovalor e assim por diante.

    Quando o parâmetro Modo for definido para Redução Espacial, a saída é uma camada de tabela contendo um conjunto de dados de séries temporais que representam os principais componentes.
  • A Tabela de cargas de saída é o nome dos dados que contribuem para os componentes principais.

    Quando o parâmetro Modo for está definido como Redução de Dimensão, a saída será uma camada de tabela contendo os pesos que cada raster de entrada contribuiu para os componentes principais. Esses pesos definem as correlações dos dados de entrada e dos principais componentes de saída.

    Quando o parâmetro Modo for definido como Redução Espacial, a saída é uma camada de imagens na qual os valores dos pixels são os pesos que contribuem para os componentes principais. Pixels com valores maiores estão mais correlacionados aos componentes principais. Esta saída pode ter um tamanho de célula maior que o raster de entrada porque uma reprojeção aleatória é aplicada para reduzir a complexidade do cálculo.
  • Tabela de autovalores de saída é o nome da camada da tabela de autovalores de saída. Autovalores são valores que indicam a porcentagem de variância de cada componente. Os valores próprios ajudam a definir o número de componentes principais necessários para representar o conjunto de dados.
  • Tipo de camada de saída especifica o tipo de saída raster a ser criado. A saída pode ser uma camada de imagem mosaicada ou uma camada de imagem dinâmica.
  • Salvar na pasta especifica o nome de uma pasta em Meu conteúdo onde o resultado será salvo.

Ambientes

As configurações do ambiente de análise são parâmetros adicionais que afetam os resultados de uma ferramenta. Você pode acessar as configurações do ambiente de análise da ferramenta no grupo de parâmetros Configurações do ambiente.

Esta ferramenta respeita os seguintes ambientes de análise:

Créditos

Esta ferramenta consome créditos.

Use Estimar créditos para calcular o número de créditos que serão necessários para executar a ferramenta. Para obter mais informações, consulte Compreender os créditos para análise espacial.

Saídas

Esta ferramenta inclui as seguintes saídas:

  • Uma camada de imagens multidimensionais contendo bandas raster ou uma camada de tabela de matrizes unidimensionais que exibem padrões temporais dominantes com base no valor do parâmetro Modo .
  • Uma camada de tabela mostrando os dados de suporte para a escolha dos componentes principais é chamada de tabela de carregamentos.
  • Opcionalmente, uma camada de tabela mostrando autovalores indicando a porcentagem de variação para cada componente.

Requisitos de uso

Esta ferramenta requer o seguinte tipo de usuário e configurações:

  • Professional ou tipo de usuário Professional Plus
  • Papel de Publisher, Facilitador ou Administrator, ou um papel personalizado equivalente com o privilégio Análise de imagens​

Recursos

Utilize os seguintes recursos para saber mais: