Многомерные главные компоненты (Инструменты 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.
Для параметра Режим есть опция Уменьшение измерений, которая 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.
Для параметра Режим есть опция Пространственное уменьшение, которая 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 задает 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.

Подпись	Объяснение	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 содержит 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 измерений–Входные данные временного ряда будут рассматриваться как набор изображений. Будут вычислены основные компоненты, которые находят основные закономерности во времени. Используется по умолчанию. Пространственное уменьшение–Входные данные временного ряда будут рассматриваться как набор пикселов. Будут вычислены главные компоненты, которые извлекают основные временные закономерности и временные точки в виде набора 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 первый главный компонент с наибольшим собственным числом, второй канал — главный компонент со вторым по величине собственным числом и т.д. 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 главные 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 главных компонентах. Эти веса определяют корреляцию 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 главных компонентах. Пикселы с большими значениями, более коррелированы с основными компонентами. У этого выходного растра может быть больший размер ячейки, чем у входного растра, поскольку для уменьшения сложности вычислений применяется случайное перепроецирование.	Table; Raster Dataset
Выходные собственные значения (Дополнительный)	Выходная таблица собственных значений. Собственные значения — это значения, указывающие на процент отклонения каждого компонента. Собственные значения помогают определить число главных 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 выражается в процентах (%). Например, 90% означает, что будет вычислено число компонент, которые могут объяснить 90 процентов дисперсии данных.	String

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

Имя	Объяснение	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 содержит 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_REDUCTION`–Входные данные временного ряда будут рассматриваться как набор изображений. Будут вычислены основные компоненты, которые находят основные закономерности во времени. Используется по умолчанию. `SPATIAL_REDUCTION`–Входные данные временного ряда будут рассматриваться как набор пикселов. Будут вычислены главные компоненты, которые извлекают основные временные закономерности и временные точки в виде набора 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 первый главный компонент с наибольшим собственным числом, второй канал — главный компонент со вторым по величине собственным числом и т.д. 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 главные 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 главных компонентах. Эти веса определяют корреляцию 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 главных компонентах. Пикселы с большими значениями, более коррелированы с основными компонентами. У этого выходного растра может быть больший размер ячейки, чем у входного растра, поскольку для уменьшения сложности вычислений применяется случайное перепроецирование.	Table; Raster Dataset
out_eigenvalues (Дополнительный)	Выходная таблица собственных значений. Собственные значения — это значения, указывающие на процент отклонения каждого компонента. Собственные значения помогают определить число главных 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 выражается в процентах (%). Например, 90% означает, что будет вычислено число компонент, которые могут объяснить 90 процентов 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 *

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 *

# 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

# Run
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 *

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)

Параметры среды

Сжатие, Текущая рабочая область, Экстент, Географические преобразования, NoData, Выходное ключевое слово конфигурации, Выходная система координат, Коэффициент параллельной обработки, Пирамидный слой, Метод пересчета, Статистика растра, Временная рабочая область, Растр привязки, Размер листа

Информация о лицензировании