Componentes principales multidimensionales (Visor de mapas)

Disponible con Image Server

La herramienta Componentes principales multidimensionales transforma las capas de imágenes multidimensionales en un número reducido de componentes que justifican la varianza de los datos para que puedan identificarse fácilmente los patrones espaciales y temporales.

La salida es una capa de imágenes alojada.

Ejemplos

La herramienta Componentes principales multidimensionales se puede utilizar reducir la complejidad y focalizar el análisis de 30 años de datos de salinidad de la superficie del mar. Los resultados de la herramienta se pueden utilizar para focalizar el análisis posterior en las bandas de ráster que representan la mayor varianza.

Notas de uso

La herramienta Componentes principales multidimensionales incluye configuraciones para la capa de entrada, la configuración de componentes y la capa de resultados.

Capa de entrada

El grupo Capa de entrada incluye los siguientes parámetros:

  • Capa de imágenes multidimensional indica qué capa de imágenes se analizará. Si no hay ninguna capa de imágenes disponible para su selección en la herramienta, se debe agregar al mapa una capa de imágenes multidimensional. La herramienta procesa los datos a lo largo de una dimensión, por ejemplo, un ráster de serie temporal o un cubo de datos definido por una dimensión no temporal [X, Y, Z]. Si una variable de entrada incluye varias dimensiones, como profundidad y tiempo, se utilizará de forma predeterminada el valor de la primera dimensión.
  • Dimensión indica qué estadística se extraerá. Si el ráster de entrada no es un ráster multidimensional, este parámetro no se requiere.
  • Variable indica qué variable se agregará a lo largo de la dimensión seleccionada. Si no se especifica ninguna variable, se analizarán todas las variables con la dimensión seleccionada.

Configuración de componentes

El grupo Configuración de componentes incluye los siguientes parámetros:

  • Modo especifica el método que se utilizará para realizar el análisis de componentes principales. Las opciones del parámetro Modo son las siguientes:
    • Reducción de dimensiones: los datos de serie temporal de entrada se tratarán como un conjunto de imágenes. Se calcularán los componentes principales que extraen patrones predominantes a lo largo del tiempo. Esta es la opción predeterminada.
    • Reducción espacial: los datos de serie temporal de entrada se tratarán como un conjunto de píxeles. Los componentes principales que extraen patrones y ubicaciones predominantes a lo largo del tiempo se calcularán como una serie de conjuntos unidimensionales almacenados en una tabla.
  • La Cantidad de componentes principales define el número de componentes principales que se van a calcular, normalmente inferior al número de rásteres de entrada.

    Este parámetro también adopta la forma de porcentaje (%). Por ejemplo, un valor del 90% significa que se calculará el número de componentes que pueden explicar el 90% de la varianza de los datos.

Capa de resultados

El grupo Capas de resultados incluye los siguientes parámetros:

  • El parámetro Componentes principales de salida determina el nombre de los datos de salida.

    Si Modo se especifica como Reducción de dimensiones, la salida será una capa de imágenes multibanda con los componentes como bandas. La primera banda es el primer componente principal con el mayor valor propio, la segunda banda tiene el componente principal con el segundo mayor valor propio, y así sucesivamente.

    Si Modo se establece en Reducción espacial, la salida es una capa de tabla que contiene un conjunto de datos de serie temporal que representan los componentes principales.
  • Tabla de cargas de salida determina el nombre de los datos que contribuyen a los componentes principales.

    Si Modo se especifica como Reducción de dimensiones, la salida será una capa de tabla que contiene las ponderaciones que cada ráster de entrada aportó a los componentes principales. Estas ponderaciones definen las correlaciones de los datos de entrada y los componentes principales de salida.

    Si el parámetro Modo se especifica como Reducción espacial, la salida es una capa de imágenes en la que los valores de píxel son las ponderaciones que contribuyen a los componentes principales. Los píxeles con valores mayores están más correlacionados con los componentes principales. Esta salida puede tener un tamaño de celda mayor que el ráster de entrada porque se aplica una reproyección aleatoria para reducir la complejidad del cómputo.
  • El parámetro Tabla de eigenvalores de salida especifica el nombre de la capa Tabla de eigenvalores de salida. Los eigenvalores o valores propios son valores que indican el porcentaje de varianza de cada componente. Los eigenvalores le ayudan a definir el número de componentes principales necesarios para representar el dataset.
  • Tipo de capa de salida especifica el tipo de salida ráster que se creará. La salida puede ser una capa de imágenes en teselas o una capa de imágenes dinámicas.
  • Guardar en carpeta especifica el nombre de una carpeta de Mi contenido en la que se guardará el resultado.

Entornos

La configuración del entorno de análisis cuenta con parámetros adicionales que afectan a los resultados de una herramienta. Puede acceder a la configuración del entorno de análisis de la herramienta desde el grupo de parámetros Configuración del entorno.

Esta herramienta respeta estos entornos de análisis:

Salidas

Esta herramienta incluye los siguientes campos:

  • Una capa multidimensional de imágenes que contiene bandas de raster o una capa de tabla de conjuntos unidimensionales que muestran patrones temporales dominantes basados en el parámetro Modo.
  • Una capa de tabla que muestra los datos de apoyo para la elección de los componentes principales denominada tabla de cargas.
  • Opcionalmente, una capa de tabla que muestra los eigenvalues, que indican el porcentaje de varianza de cada componente.

Requisitos de licencia

Esta herramienta requiere las siguientes licencias y configuraciones:

Recursos

Utilice los recursos siguientes para más información: