GEE:主成分分析(Principal components analysis,PCA)

本文将介绍主成分分析(Principal components analysis,PCA)原理和在Google Earth Engine(GEE)平台上应用 PCA 算法的代码和案例。并应用于 Landsat 数据可见光波段和生态遥感指数(RSEI) 案例中。并介绍如何针对一副影像、一个影像集合进行 PCA 分析,文中对 PCA 的计算过程进行了封装,只需要调用 imagePCA(imageCollection, imageBands) 函数,即可得到影像的主要成分分量,并输出特征值和特征向量。可以输出多个分量,也可以只输出前三个或者第一个PC。


文章目录

      • 一、主成分分析介绍
      • 二、代码
          • 2.1 针对一个影像
          • 2.2 针对影像集合
      • 三、官方案例(Landsat 可见光波段主成分分析)
      • 四、生态遥感指数RSEI


一、主成分分析介绍

主成分 (PC) 变换(也称为 Karhunen-Loeve 变换

你可能感兴趣的:(GEE机器学习专栏,GEE入门到高阶应用,经验分享,云计算,arcgis)