Este es el comando i.pcagrass que se puede ejecutar en el proveedor de alojamiento gratuito de OnWorks utilizando una de nuestras múltiples estaciones de trabajo en línea gratuitas, como Ubuntu Online, Fedora Online, emulador en línea de Windows o emulador en línea de MAC OS.
PROGRAMA:
NOMBRE
i.pca - Análisis de componentes principales (PCA) para procesamiento de imágenes.
PALABRAS CLAVE
imágenes, transformación, PCA, análisis de componentes principales
SINOPSIS
i.pca
i.pca --ayuda
i.pca [-nf] Las opciones de entrada=nombre [,nombre , ...] salida=nombre base [reescalar=mínimo máximo] [por ciento=entero]
[-exagerar] [-ayuda] [-verboso] [-tranquilo] [-ui]
Banderas
-n
Normalizar (centro y escala) mapas de entrada
Predeterminado: solo en el centro
-f
La salida se filtrará en las bandas de entrada.
Aplicar PCA inversa después de PCA
--Sobrescribir
Permitir que los archivos de salida sobrescriban los archivos existentes
--ayuda
Resumen de uso de impresión
--verboso
Salida del módulo detallado
--tranquilo
Salida de módulo silencioso
--ui
Forzar el inicio del cuadro de diálogo GUI
parámetros:
Las opciones de entrada=nombre nombre, ...] [requerido]
Nombre de dos o más mapas ráster de entrada o grupo de imágenes
salida=nombre base [requerido]
Nombre de los mapas ráster de nombre base de salida
Se agregará un sufijo numérico para cada mapa de componentes
reescalar=mínimo máximo
Rango de cambio de escala para mapas de salida
Para no reescalar use 0,0
Por defecto: 0,255
por ciento=entero
Importancia porcentual acumulativa para el filtrado
Opciones: 50 - 99
Por defecto: 99
DESCRIPCIÓN
i.pca es un programa de procesamiento de imágenes basado en el algoritmo proporcionado por Vali (1990), que
procesa n (n> = 2) capas de mapa ráster de entrada y produce n capas de mapa ráster de salida
que contiene los componentes principales de los datos de entrada en orden decreciente de varianza
("contraste"). A las capas de mapa ráster de salida se les asignan nombres con .1, .2, ... .n
sufijos. Los números utilizados como sufijo corresponden al porcentaje de importancia, siendo .1 el
puntuaciones del componente principal de mayor importancia.
La definición actual de la región geográfica y la configuración de MÁSCARA se respetan al leer la
capas de mapa ráster de entrada. Cuando se utiliza la opción de reescalar, los archivos de salida se reescalan a
se ajusta al rango mínimo y máximo.
El orden de las bandas de entrada no importa para los mapas de salida (puntuaciones de PC), pero sí
importa para los vectores (cargas), ya que cada carga se refiere a una banda de entrada específica.
Si la salida no se vuelve a escalar (reescalar = 0,0, los mapas ráster de salida serán de tipo DCELL,
de lo contrario, los mapas ráster de salida serán de tipo CELDA.
De forma predeterminada, los valores de los mapas ráster de entrada se centran para cada mapa por separado con
x - mean. Con -n, los mapas ráster de entrada se normalizan para cada mapa por separado con (x -
media) / dev estándar. Se recomienda encarecidamente normalizar cuando los mapas ráster de entrada tienen
diferentes unidades, por ejemplo, representan diferentes parámetros ambientales.
El -f bandera, junto con la por ciento opción, se puede utilizar para eliminar el ruido de la entrada
bandas. Las bandas de entrada se volverán a calcular a partir de un subconjunto de los componentes principales (inverso
PCA). El subconjunto se selecciona utilizando solo el más importante (valor propio más alto)
componentes principales que explican juntos por ciento varianza porcentual observada en la entrada
alzacuello.
NOTAS
Richards (1986) da un buen ejemplo de la aplicación del análisis de componentes principales
(PCA) a una serie temporal de imágenes LANDSAT de una región quemada en Australia.
La información de autovalores y autovectores se almacena en los archivos de historial de los mapas de salida. Vista
con r.info.
EJEMPLO
Cálculo de PCA utilizando imágenes Landsat7 en el conjunto de datos de muestra de Carolina del Norte:
g.region raster = lsat7_2002_10 -p
i.pca in=lsat7_2002_10,lsat7_2002_20,lsat7_2002_30,lsat7_2002_40,lsat7_2002_50,lsat7_2002_70 \
out = lsat7_2002_pca
r.info -h lsat7_2002_pca.1
Valores propios, (vectores) y [importancia porcentual]:
PC1 4334.35 (0.2824, 0.3342, 0.5092, -0.0087, 0.5264, 0.5217) [83.04%]
PC2 588.31 (0.2541, 0.1885, 0.2923, -0.7428, -0.5110, -0.0403) [11.27%]
PC3 239.22 (0.3801, 0.3819, 0.2681, 0.6238, -0.4000, -0.2980) [4.58%]
PC4 32.85 (0.1752, -0.0191, -0.4053, 0.1593, -0.4435, 0.7632) [0.63%]
PC5 20.73 (-0.6170, -0.2514, 0.6059, 0.1734, -0.3235, 0.2330) [0.40%]
PC6 4.08 (-0.5475, 0.8021, -0.2282, -0.0607, -0.0208, 0.0252) [0.08%]
d. mon wx0
d. rast lsat7_2002_pca.1
#...
d. rast lsat7_2002_pca.6
En este ejemplo, los dos primeros PCA (PCA1 y PCA2) ya explican el 94.31% de la varianza
en los seis canales de entrada.
Mapas de PCA resultantes calculados a partir de las imágenes Landsat7 (NC, EE. UU.)
Utilice i.pcagrass en línea utilizando los servicios de onworks.net
