0.背景

主成分分析作为数据降维的重要方法，目前中文网站上没有完整的GEE代码与教程。而我的毕业论文也使用到了主成分法，因此和它很有感情，就写下了这篇博客。

1.介绍

主成分分析是将众多具有相关性的数据指标，重新组合成一组新的指标,新形成的指标互不相关，并且前几个主成分能代表原始数据的大部分信息。

在GEE中，可能会遇到波段数非常多的情况，这时就可以考虑使用主成分分析法只生成两、三个主成分，减少后续工作量。

2.代码思路

3.实操

3.1 数据筛选与预处理

这一步主要是选择研究区(四川省_资阳市_乐至县)的哨兵影像，并对筛选的数据按照行政边界进行镶嵌与裁剪

//筛选数据
var sentImages = ee.ImageCollection(Sentinel)
.filter(ee.Filter.lt('CLOUDY_PIXEL_PERCENTAGE', 10))
.filterDate("2021-08-01", "2021-08-08")
.filterBounds(LeZhiXian);//镶嵌与裁剪数据
var sentmosaic = sentImages.mosaic();
var sentImage = sentmosaic.clip(LeZhiXian);//加载研究区影像图层
Map.addLayer(sentImage, trueColor, "乐至县真彩色");

3.2 数据筛选与预处理

选择需要进行主成分分析的原始影像波段，并且设置主成分分析影像的分辨率等。在进行主成分分析之前，进行预处理（协方差缩减等）。

//需要进行主成分分析的波段选择
var bands=["B1","B2","B3","B4","B5","B6","B7","B8","B9","B11","B12"]
sentImage =sentImage.select(bands)// 输入到主成分函数的参数设置
var region = LeZhiXian;
var image =  sentImage.select(bands);
var scale = 10;
var bandNames = image.bandNames();//数据平均
var meanDict = image.reduceRegion({reducer: ee.Reducer.mean(),geometry: region,scale: scale,maxPixels: 1e9
});
var means = ee.Image.constant(meanDict.values(bandNames));
var centered = image.subtract(means);

3.3 主成分分析

这部分的代码是从Google earth engine官方文档中copy过来的，针对输入影像，进行转为数组、计算正交矩阵、计算主成分载荷等操作。

//主成分分析函数
var getPrincipalComponents = function(centered, scale, region) {// 图像转为一维数组var arrays = centered.toArray();// 计算相关系数矩阵var covar = arrays.reduceRegion({reducer: ee.Reducer.centeredCovariance(),geometry: region,scale: scale,maxPixels: 1e9});// 获取“数组”协方差结果并转换为数组。// 波段与波段之间的协方差var covarArray = ee.Array(covar.get('array'));// 执行特征分析，并分割值和向量。var eigens = covarArray.eigen();// 特征值的P向量长度var eigenValues = eigens.slice(1, 0, 1);//计算主成分载荷var eigenValuesList = eigenValues.toList().flatten()var total = eigenValuesList.reduce(ee.Reducer.sum())var percentageVariance = eigenValuesList.map(function(item) {return (ee.Number(item).divide(total)).multiply(100).format('%.2f')})print("各个主成分的所占总信息量比例", percentageVariance)  // PxP矩阵，其特征向量为行。var eigenVectors = eigens.slice(1, 1);// 将图像转换为二维阵列var arrayImage = arrays.toArray(1);//使用特征向量矩阵左乘图像阵列var principalComponents = ee.Image(eigenVectors).matrixMultiply(arrayImage);// 将特征值的平方根转换为P波段图像。var sdImage = ee.Image(eigenValues.sqrt()).arrayProject([0]).arrayFlatten([getNewBandNames('sd')]);//将PC转换为P波段图像，通过SD标准化。principalComponents=principalComponents// 抛出一个不需要的维度，[[]]->[]。.arrayProject([0])// 使单波段阵列映像成为多波段映像，[]->image。.arrayFlatten([getNewBandNames('pc')])// 通过SDs使PC正常化。.divide(sdImage);return principalComponents};
//进行主成分分析，获得分析结果
var pcImage = getPrincipalComponents(centered, scale, region);
// 主要成分可视化
Map.addLayer(pcImage, {bands: ['pc3', 'pc2', 'pc1'], min: -2, max: 2}, 'Sentinel 2 - PCA');

3.4 数据导出

选择需要导出的主成分波段，这里导出的是前三个波段，因为前三个波段累计贡献率超过95%，完全够用了。

//选择导出的波段
var pcImage_output =pcImage.select(['pc1', 'pc2', 'pc3'])
//导出函数
Export.image.toDrive({image: pcImage_output,description: 'LeZhiXian_Sentinel_PAC',folder:'LeZhiXian',scale: 10,region:LeZhiXian,maxPixels: 1e10
});

点击Run进行数据下载，一个县的研究区大概10分钟就能得到预期影像。

将下载的影像，导入到arcgis或envi中，进行你所需要的分析。
这里稍微提一下，在深度学习中，也可以用主成分分析法处理多波段影像，获得三个波段，用于训练与预测。

4.测试链接

https://code.earthengine.google.com/8cdedf188b5e1660c65d84c38767b818

可以前往“地信遥感数据汇”（https://www.gisrsdata.com/）获取更多数据。

GEE主成分分析全解析相关推荐

GEE绘制DEM全解析
GEE绘制DEM全解析关于昨天阅读了一篇质量很高的python绘制地形图博客.有感而发,我便想到了GEE(Google earth engine)数据源众多.计算速度快.计算算子多的特点,使用GE ...
Go modules基础精进，六大核心概念全解析（下）
Go 语言做开发时,路径是如何定义的?Go Mudules又为此带来了哪些改变?本文将会全面介绍Go Modules六大核心概念,包括了设计理念与兼容性原则等,掌握这些技术点对于管理和维护Go 模块有 ...
第四章：Spring项目文件上传两种方式（全解析）
欢迎查看Java开发之上帝之眼系列教程,如果您正在为Java后端庞大的体系所困扰,如果您正在为各种繁出不穷的技术和各种框架所迷茫,那么本系列文章将带您窥探Java庞大的体系.本系列教程希望您能站在上帝 ...
阿里秋招面试全解析（含内推岗）
每个技术人都有个大厂梦,我觉得这很正常,并不是饭后的谈资而是每个技术人的追求.像阿里.腾讯.美团.字节跳动.京东等等的技术氛围与技术规范度还是要明显优于一些创业型公司/小公司,如果说能够在这样的公司锻 ...
Apache Web服务器访问控制机制全解析
Apache Web服务器访问控制机制全解析原文请见: http://netsecurity.51cto.com/art/201102/245666.htm Linux下的Aapche服务器提供了强 ...
6.15 Unity引擎渲染效率全解析
UWA新晋主播赵福恺从Unity渲染模块中的各种渲染效果性能.PBR渲染性能以及阴影的渲染性能三个角度分别进行了详细的分析总结.为响应各大听众的需求,小编奉上完整视频回顾,同时也向看完直播才下班的五好 ...
python读取txt文件写入-Python读写txt文本文件的操作方法全解析
一.文件的打开和创建 >>> f = open('/tmp/test.txt') >>> f.read() 'hello python! hello world! ...
jQuery Ajax 实例全解析(转)
jQuery Ajax 实例全解析 jQuery确实是一个挺好的轻量级的JS框架,能帮助我们快速的开发JS应用,并在一定程度上改变了我们写JavaScript代码的习惯. 废话少说,直接进入正题,我 ...
Fragment全解析系列
文/YoKey(简书作者) 原文链接:http://www.jianshu.com/p/d9143a92ad94 著作权归作者所有,转载请联系作者获得授权,并标注"简书作者". F ...
万物之始正则表达式全解析三部曲（中篇）-正则表达式运算符优先级及匹配规则
前言各位小伙伴大家好,接下来几天时间,我会从多个角度对正则表达式进行系统阐述,让你了解正则表达式的前世今生. 该系列文章上篇万物之始正则表达式全解析三部曲(上篇)-正则表达式基础知识及语法以下是 ...

GEE主成分分析全解析