Google earth engine——主成分分析PCA

本次案例分析主要在于利用一景影像当中的多个波段分别求取各个波段的主成分结果，当然后续还可以优化，主要的目的在于展示如何统计每一个波段并且展示图层结果。因为之前已经讲了很多节的基础知识，所以本届只讲流程。

先看下什么是主成分分析：

主成分分析（英语：Principal components analysis，PCA）是一种分析、简化数据集的技术。主成分分析经常用于减少数据集的维数，同时保持数据集中的对方差贡献最大的特征。这是通过保留低阶主成分，忽略高阶主成分做到的。这样低阶成分往往能够保留住数据的最重要方面。但是，这也不是一定的，要视具体应用而定。由于主成分分析依赖所给数据，所以数据的准确性对分析结果影响很大。

具体内容给大家推荐一个链接：

【机器学习】降维——PCA（非常详细） - 知乎 (zhihu.com)

先看看我们各个波段运算的结果如何：选取了Landsat8 系列的8个波段参与运算

原始影像：

文章来源: blog.csdn.net，作者：此星光明2021年博客之星云计算Top3，版权归原作者所有，如需转载，请联系作者。

原文链接：blog.csdn.net/qq_31988139/article/details/118960742