| Подпись | Описание | Тип данных |
Входной многомерный растр | Входной многомерный набор растровых данных. Инструмент обрабатывает данные по одному измерению, например растр временных рядов или куб данных, определяемый невременным измерением [X, Y, Z]. Если входная переменная включает несколько измерений, например глубину и время, по умолчанию будет использоваться значение первого измерения. Вы можете использовать инструмент Создать многомерный растровый слой или инструмент Поднабор многомерных растров, чтобы при необходимости переопределить многомерные данные, например, сконфигурировать многомерные данные в набор данных с одним измерением. | Raster Dataset; Mosaic Dataset; Raster Layer; Mosaic Layer; Image Service; File |
Режим | Указывает метод, который будет использоваться для выполнения анализа главных компонент.
| String |
Измерение | Имя измерения, используемое для обработки главных компонент. | String |
Выходные главные компоненты | Имя выходного набора растровых данных. Когда для параметра Режим задано Уменьшение измерений, выходными данными будет многоканальный растр с компонентами в виде каналов. Первый канал - это первая главная компонента с наибольшим собственным значением, второй канал содержит главную компоненту со вторым наибольшим собственным значением и так далее. Выходными данными будет файл формата CRF (.crf), который содержит многомерную информацию. Когда для параметра Режим задано Пространственное уменьшение, выходными данными будет таблица, содержащая набор данных временных рядов, представляющий основные компоненты. | Raster Dataset; Table |
Выходные нагрузки | Выходные данные нагрузки, участвующие в главных компонентах. Когда для параметра Режим задано Уменьшение измерений, выходными данными будет таблица, содержащая веса каждого входного растра, участвующего в основных компонентах. Эти веса задают корреляции входных данных и выходных главных компонент. Используйте расширение файла .csv для вывода нагрузок в виде файла значений, разделенных запятыми. Когда для параметра Режим задано Пространственное уменьшение, выходными данными будет растр, в котором значения пикселов являются весами, участвующими в основных компонентах. Пикселы с большими значениями, более коррелированы с основными компонентами. Эти выходные данные могут иметь больший размер ячейки, чем входной растр, поскольку применяется случайное перепроецирование для уменьшения сложности вычислений. Выходные данные нагрузки, участвующие в главных компонентах. Когда для параметра mode задано DIMENSION_REDUCTION, выходными данными будет таблица, содержащая веса каждого входного растра, участвующего в основных компонентах. Эти веса задают корреляции входных данных и выходных главных компонент. Используйте расширение файла .csv для вывода нагрузок в виде файла значений, разделенных запятыми. Когда для параметра mode задано SPATIAL_REDUCTION, выходными данными будет растр, в котором значения пикселов являются весами, участвующими в основных компонентах. Пикселы с большими значениями, более коррелированы с основными компонентами. Эти выходные данные могут иметь больший размер ячейки, чем входной растр, поскольку применяется случайное перепроецирование для уменьшения сложности вычислений. | Table; Raster Dataset |
Выходные собственные значения (Дополнительный) | Выходная таблица собственных значений. Собственные значения — это значения, указывающие процент дисперсии каждого компонента. Собственные значения помогают определить количество основных компонент, необходимых для представления набора данных. | Table |
Переменная (Дополнительный) | Переменная входного многомерного растра, используемая в вычислениях. Если входной растр многомерный и переменная не указана, по умолчанию будет проанализирована только первая переменная. Например, чтобы найти годы, в которые значения температуры были самыми высокими, укажите температуру в качестве переменной для анализа. Если вы не укажете ни одной переменной, а у вас есть данные и по температуре, и по выпадению осадков, то анализироваться будут обе переменные, и выходной многомерный растр будет включать обе переменные. | String |
Число главных компонент (Дополнительный) | Число главных компонент для вычисления, обычно меньшее, чем число входных растров. Этот параметр также принимает форму процента (%). Например, значение 90% означает, что будет вычислено столько компонентов, сколько сможет объяснить 90% дисперсии данных. | String |
Доступно с лицензией Image Analyst.
Краткая информация
Преобразует многомерные растры в их главные компоненты, нагрузки и собственные значения. Инструмент преобразует данные в уменьшенное количество компонентов, учитывая дисперсию данных, чтобы можно было легко идентифицировать пространственные и временные закономерности.
Использование
-
Используйте собственные значения и накопленные проценты дисперсии в таблице Выходные собственные значения, чтобы определить количество главных компонент, необходимых для определения данных без потери важной информации.
В приведенном выше примере первый компонент показывает 72,51 процента дисперсии. Чтобы достичь значения 95 процентов дисперсии, выберите первые пять компонентов.
Опция Уменьшение измерений параметра Режим позволяет анализировать данные как набор изображений. Он преобразует и сокращает данные в набор изображений, который демонстрирует доминирующие закономерности и объекты. Главные компоненты являются набором растров, хранящихся как набор многоканальных данных.
Опция Пространственное уменьшение параметра Режим позволяет анализировать данные как набор пикселов временных рядов. Он находит основные доминирующие закономерности и связанные пространственные местоположения этих временных закономерностей. Главные компоненты являются набором одномерных массивов, хранящихся в таблице.
В выходных слоях автоматически создаются диаграммы для анализа и понимания нагрузки, главных компонент и собственных значений.
Параметр Число главных компонент указывает количество каналов в выходных данных. Чтобы избежать на выходе излишне большого растра, используйте соответствующий процент или количество компонентов. Как правило, первые несколько компонентов покрывают наибольшую дисперсию данных.
Параметры
MultidimensionalPrincipalComponents(in_multidimensional_raster, mode, dimension, out_pc, out_loadings, {out_eigenvalues}, {variable}, {number_of_pc})| Имя | Описание | Тип данных |
in_multidimensional_raster | Входной многомерный набор растровых данных. Инструмент обрабатывает данные по одному измерению, например растр временных рядов или куб данных, определяемый невременным измерением [X, Y, Z]. Если входная переменная включает несколько измерений, например глубину и время, по умолчанию будет использоваться значение первого измерения. Вы можете использовать инструмент Создать многомерный растровый слой или инструмент Поднабор многомерных растров, чтобы при необходимости переопределить многомерные данные, например, сконфигурировать многомерные данные в набор данных с одним измерением. | Raster Dataset; Mosaic Dataset; Raster Layer; Mosaic Layer; Image Service; File |
mode | Указывает метод, который будет использоваться для выполнения анализа главных компонент.
| String |
dimension | Имя измерения, используемое для обработки главных компонент. | String |
out_pc | Имя выходного набора растровых данных. Когда для параметра mode задано DIMENSION_REDUCTION, выходными данными будет многоканальный растр с компонентами в виде каналов. Первый канал - это первая главная компонента с наибольшим собственным значением, второй канал содержит главную компоненту со вторым наибольшим собственным значением и так далее. Выходными данными будет файл формата CRF (.crf), который содержит многомерную информацию. Когда для параметра mode задано SPATIAL_REDUCTION, выходными данными будет таблица, содержащая набор данных временных рядов, представляющий основные компоненты. | Raster Dataset; Table |
out_loadings | Выходные данные нагрузки, участвующие в главных компонентах. Когда для параметра mode задано DIMENSION_REDUCTION, выходными данными будет таблица, содержащая веса каждого входного растра, участвующего в основных компонентах. Эти веса задают корреляции входных данных и выходных главных компонент. Используйте расширение файла .csv для вывода нагрузок в виде файла значений, разделенных запятыми. Когда для параметра mode задано SPATIAL_REDUCTION, выходными данными будет растр, в котором значения пикселов являются весами, участвующими в основных компонентах. Пикселы с большими значениями, более коррелированы с основными компонентами. Эти выходные данные могут иметь больший размер ячейки, чем входной растр, поскольку применяется случайное перепроецирование для уменьшения сложности вычислений. | Table; Raster Dataset |
out_eigenvalues (Дополнительный) | Выходная таблица собственных значений. Собственные значения — это значения, указывающие процент дисперсии каждого компонента. Собственные значения помогают определить количество основных компонент, необходимых для представления набора данных. | Table |
variable (Дополнительный) | Переменная входного многомерного растра, используемая в вычислениях. Если входной растр многомерный и переменная не указана, по умолчанию будет проанализирована только первая переменная. Например, чтобы найти годы, в которые значения температуры были самыми высокими, укажите температуру в качестве переменной для анализа. Если вы не укажете ни одной переменной, а у вас есть данные и по температуре, и по выпадению осадков, то анализироваться будут обе переменные, и выходной многомерный растр будет включать обе переменные. | String |
number_of_pc (Дополнительный) | Число главных компонент для вычисления, обычно меньшее, чем число входных растров. Этот параметр также принимает форму процента (%). Например, значение 90% означает, что будет вычислено столько компонентов, сколько сможет объяснить 90% дисперсии данных. | String |
Пример кода
В этом примере вычисляются три главных компонента из растра временных рядов NDVI.
# Import system modules
import arcpy
from arcpy.ia import *
# Check out the ArcGIS Image Analyst extension license
arcpy.CheckOutExtension("ImageAnalyst")
arcpy.env.workspace = r"c:\data"
arcpy.ia.MultidimensionalPrincipalComponents('ndviData.crf', 'DIMENSION_REDUCTION', "StdTime", "ndviData_PC.crf", "ndviData_loadings.csv", "ndviData_eiganvalues.csv", None, 3)В этом примере вычисляются четыре главных компонента из растра временных рядов NDVI в режиме Уменьшение измерений.
# Import system modules
import arcpy
from arcpy.ia import *
# Check out the ArcGIS Image Analyst extension license
arcpy.CheckOutExtension("ImageAnalyst")
# Define input parameters
inputFile = r"c:\data\ndviData.crf"
mode = "DIMENSION_REDUCTION"
dimension = "StdTime"
out_pc = r"c:\data\ndviData_pc.tif"
out_loadings = r"c:\data\ndviData_loadings.csv"
out_eiganvalues = r"c:\data\ndviData_pc.csv"
variable = "ndvi"
pc_number = 4
# Execute
arcpy.ia.MultidimensionalPrincipalComponents(inputFile, mode, dimension, out_pc, out_loadings, out_eiganvalues, variable, pc_number)В этом примере вычисляются три главных компонента из растра временных рядов в режиме Пространственное уменьшение.
# Import system modules
import arcpy
from arcpy.ia import *
# Check out the ArcGIS Image Analyst extension license
arcpy.CheckOutExtension("ImageAnalyst")
arcpy.env.workspace = r"c:\data"
arcpy.ia.MultidimensionalPrincipalComponents('sstData.crf', 'SPATIAL_REDUCTION', "StdTime", "sstData_temporal_PC.csv", "sstData_loading_raster.crf", "sstData_eiganvalues.csv", None, 3)