Многомерные главные компоненты (Image Analyst)

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.

    Таблица собственных значений

    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

ПодписьОписаниеТип 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.

  • Уменьшение измеренийВходные данные временного ряда будут рассматриваться как набор изображений. Будут вычислены главные компоненты, которые извлекают преобладающие паттерны с течением времени. Это значение по умолчанию
  • Пространственное уменьшениеВходные данные временного ряда будут рассматриваться как набор пикселов. Главные компоненты, которые извлекают преобладающие с течением времени закономерности, будут вычислены как набор одномерных массивов, хранящихся в таблице.
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

MultidimensionalPrincipalComponents(in_multidimensional_raster, mode, dimension, out_pc, out_loadings, {out_eigenvalues}, {variable}, {number_of_pc})
ИмяОписаниеТип 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.

  • DIMENSION_REDUCTIONВходные данные временного ряда будут рассматриваться как набор изображений. Будут вычислены главные компоненты, которые извлекают преобладающие паттерны с течением времени. Это значение по умолчанию
  • SPATIAL_REDUCTIONВходные данные временного ряда будут рассматриваться как набор пикселов. Главные компоненты, которые извлекают преобладающие с течением времени паттерны будут вычислены как набор одномерных массивов, хранящихся в таблице.
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

MultidimensionalPrincipalComponents, пример 1 (окно Python)

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)
MultidimensionalPrincipalComponents, пример 2 (автономный скрипт)

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)
MultidimensionalPrincipalComponents, пример 3 (окно Python)

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)

Связанные разделы