基于arcgis /envi PCA(主成分分析)实现过程

已于 2024-04-08 16:48:03 修改
阅读量1.2k 收藏 10
点赞数 2
分类专栏： Arcgis/envi应用 文章标签： arcgis
于 2024-04-08 16:36:06 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Corollary/article/details/137502541
版权

基于arcgis /envi PCA(主成分分析)实现过程

1 提取研究范围

在这里插入图片描述

2对研究范围进行重采样

（根据数据情况进行选做，如数据较大建议进行该步骤操作）
在这里插入图片描述

3 对研究范围内数据进行归一化处理

在这里插入图片描述

4 将空值替换为0

在这里插入图片描述

5 对同期不同要素数据进行波段合成

对波段进行合成时，不同时期要素顺序要一致
Arcgis 操作方法 ARCGIS中的操作方法
在这里插入图片描述
                          ENVI中的操作方法

6 进行PCA计算（arcgis envi 均可实现）
6.1 运用Arcgis进行PCA计算

在这里插入图片描述
计算后最终结果
在这里插入图片描述

6.12运用ENVI进行PCA计算

在这里插入图片描述

在这里插入图片描述
利用ENVI 中 View Statistics File 工具 打开 .sta 文件
在这里插入图片描述
在这里插入图片描述
打开后的最终结果
在这里插入图片描述

Corollary
关注
  • 2
    点赞
  • 踩
  • 10
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
专栏目录
ENVI5.3.1使用Landsat 8影像进行主成分分析实例操作_PeanutbutterBoh的博客-CSDN博客_envi主成分分析.pdf
03-30
ENVI5.3.1使用Landsat 8影像进行预处理及分析实例操作 主成分分析直接在裁剪后的新郑市区域进行操作。 导入新郑市区域的影像subsect_xinzheng.dat，在工具箱中选择Transform——PCA Rotation——Forward PCA Rotation New Statics and Rotate工具。在弹出的对话框中选择影像数据。点击OK后出现Forward PC Parameters对话框。其中Stats X/Y Resize Factor系数用于计算统计值时的数据重采样，如果系数小于1会加 快计算速度。这里设置为默认。
ArcGIS教程：主成分分析
07-16 1万+
对一组栅格波段执行主成分分析 (PCA) 并生成单波段栅格作为输出。
对ArcGIS主成分分析的解释
qq_45697428的博客
10-26 5170
主成分分析把给定的一组相关变量通过线性变换转换成另一组不相关的变量，新变量按方差依次递减排列，数学变换过程保持变量的总方差不变，第一个变量方差最大，称为第一主成分，第二个变量方差其次，且和第一个变量不相关，称为第二主成分，依次类推。之前，本人弄主成分分析就想了很久，除了计算之外，最后还是把主成分分析弄清楚了。如果你也有数据，你可以通过这样来检验，先输入1 2 3图层再输入3 2 1图层，计算两次结果，看协方差矩阵、相关性矩阵和累积贡献率的变化，我想这时你就明白我说的东西是正确的了。（当然，我已经验证了。
基于GIS的生态安全网络格局构建之主成分分析
hu397313168的博客
11-28 4093
中国219个地面国际交换站气候值数据集（1991-2020）是对1991-2020年期间的地面观测数据进行统计整编后研制形成的统计产品。数据集内容包括219个站点的气温、降水、气压、风速、水汽压、积雪、日照、冰雹日数共8个要素观测基础上统计的1991-2020年累年平均值、极值、出现日数等数据。1991-2020 年与 1981-2010 年全国各台站累年年平均气温、最高气温、最低气温差空。1991-2020 年全国各台站累年年平均气温、最高气温、最低气温空间分布图。
主成分分析
XB_please的博客
09-03 768
目录： 1.什么是PCA？ 2.PCA的作用？ 3.PCA步骤？ 1.什么是PCA？ PCA（principal components analysis）即主成分分析技术，又称主分量分析。主成分分析也称主分量分析，旨在利用降维的思想，把多指标转化为少数几个综合指标。 在统计学中，主成分分析PCA是一种简化数据集的技术。它是一个线性变换。这个变换把数据变换到一个新的坐标系统中，使得任何数据投影的第一...
ArcGIS空间数据处理教程(带数据)
12-11
详细讲述了如何在ARCMAP中进行地图投影,投影变换的步骤,配有图解
主成分分析（PCA）原理详解
热门推荐
李春春的专栏
03-04 45万+
机器学习中有关特征选择的问题，其实就是要剔除和类标签无关的特征，去除噪声或者冗余。在这种情况下，需要一种特征降维的方法来减少特征数，减少噪音和冗余，减少过度拟合的可能性。PCA的思想是将n维特征映射到k维上（k<n），这k维是全新的正交特征。这k维特征称为主成分，是重新构造出来的k维特征，而不是简单地从n维特征中去除其余n-k维特征。现在的问题是，对于很高维数据，你能想象其分布吗？就算能描述分布，如何精确地找到这些主成分的轴？如何衡量你提取的主成分到底占了整个数据的多少信息？所以，我们就要用到主成分分析的处
ENVI图像处理（4）：主分量变换（主成分分析、PCA）
lzx的博客
05-17 1万+
PCAPCA主成分分析基本概念协方差矩阵特征值和特征向量PCA思想优缺点PCA基本步骤PCA-code（python）ENVI的PCA操作 PCA主成分分析 特征变换的目的在于使地物集中在几个主要的波谱段上，在保证信息容量最大化的前提下压缩参与分类的数据量，以提高分类速度。 此处主要介绍主分量变换，也叫做主成分分析（Principal component analysis，PCA） 基本概念 首先来介绍一些基本概念 协方差矩阵 方差：针对一维集合，反映了其离散程度。是协方差的一种特殊情况 协方差矩阵：针对
ENVI实现遥感影像主成分分析（PCA）
qq_42840712的博客
12-05 2万+
ENVI 实现遥感影像主成分分析 主成分原理就不多给大家讲了，可以参考Python实现PCA，直接上操作步骤。 1、打开/加载影像（多波段影像） 2、进行主成分分析 选择Transform------>PCA Rotation------->Forward PCA Rotation New Statistics and Rotate: 3、点击OK： 4、设置输出文件位置，并设置主成分数目，这里默认为10，最后点击OK： 5、结果(各主成分累计方差情况) ...
ArcGIS实验教程——实验三十九：ArcGIS多元分类（ISO聚类分析、最大似然分类、主成分分析）案例教程
「 刘一哥与GIS的故事」
01-11 6076
文章目录一、ISO聚类1. ISO聚类简介2. ISO聚类进行非监督分类实验操作二、最大似然分类1. 最大似然简介2. 最大似然分类实验案例三、主成分分析1. 主成分分析简介2. 主成分分析实验案例四、配套实验数据下载 一、ISO聚类 1. ISO聚类简介 ISO (interactive self-organization)聚类，即迭代式自组织聚类方法，是最常用的非监督分类算法。首先设定初始聚类中心和聚类数，然后定义相似度准则函数，对全部样本进行调整，调整完毕后重新计算样本均值作为新的聚类中心。在每次.
统计分析之主成分分析
12-28
主成分分析（Principal Component Analysis，PCA）， 是一种统计方法。通过正交变换将一组可能存在相关性的变量转换为一组线性不相关的变量，转换后的这组变量叫主成分。 在实际课题中，为了全面分析问题，往往提出很多与此有关的变量（或因素），因为每个变量都在不同程度上反映这个课题的某些信息。 主成分分析首先是由K.皮尔森（Karl Pearson）对非随机变量引入的，尔后H.霍特林将此方法推广到随机向量的情形。信息的大小通常用离差平方和或方差来衡量。
利用ARCGIS进行空间统计分析
03-11
ARCGIS进行空间统计分析
ArcGIS空间分析实验教程（第二版）
10-25
系统地讲述了空间分析方法，以及在ARCGIS中操作方法
ArcGIS/ENVI软件应用于气象行业解决方案
06-30
ArcGIS/ENVI软件应用于气象行业解决方案 概念 应用 案例
解决同时安装ArcGIS、ENVI、ERDAS许可冲突的方法
11-11
信我们的小伙伴们，经常会碰到要在一台电脑上要同时安装ArcGIS、ENVI、ERDAS三个软件却出现安装冲突，就是许可破解不了，不能同时运行其中2个或多个软件，现在我就把自己多年安装这三个软件的经验分享给大家吧。
ENVI5.3.1使用Landsat 8影像进行主成分分析实例操作
PeanutbutterBoh的博客
04-19 2万+
主成分分析直接在裁剪后的新郑市区域进行操作。
【教程】ENVI主成分分析详解
YW_remote的博客
08-30 1万+
主成分分析(PCA)是一种统计方法，简而言之就是用几种特性去描述事物。每个事物都可以用不同的特性去进行表达，但这些特性一般而言是存在相互的融合和冗余，而用主成分分析方法将这些特性进行转换成不相关的新特性。 在ENVI软件中共提供了三种主成分分析方式分别为：(1)Forward PCA Rotation Existing Statistics（2）Forward PCA Rotation New Statistics and Rotate（3）Inverse PCA Rotati...
arcgis：PCA主成分分析
最新发布
07-27
PCA（Principal Component Analysis，主成分分析）是一种常用的数据降维技术，用于减少数据集中的特征数量。在地理信息系统（GIS）中，ArcGIS提供了PCA分析的功能。 通过PCA主成分分析，可以将原始数据集转换为一组线性无关的主成分，其中每个主成分都是原始特征的线性组合。这些主成分按照其解释方差的大小排序，因此可以选择性地保留前几个主成分，以保留数据集中最重要的信息，同时减少特征数量。 在ArcGIS中进行PCA主成分分析，可以使用"Principal Components Analysis"工具。该工具可以计算数据集的主成分，并生成新的特征图层。你可以选择保留的主成分数量，以及是否标准化输入数据。 通过PCA主成分分析，在GIS中可以实现多个应用，例如数据降维、特征提取、数据可视化等。它有助于简化数据集，减少冗余信息，并提高数据分析和空间模式识别的效率。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值