Скачать или смотреть Durchführung von PCA auf Bildersammlungen in Google Earth Engine

Eine Schritt-für-Schritt-Anleitung zur Durchführung der Hauptkomponentenanalyse (PCA) auf Bildersammlungen in Google Earth Engine, inklusive Hilfe bei häufig auftretenden Fehlern.
---
Dieses Video basiert auf der Frage https://stackoverflow.com/q/62436252/ gestellt von dem Nutzer 'kjtheron' ( https://stackoverflow.com/u/11858130/ ) sowie auf der Antwort https://stackoverflow.com/a/62445749/ bereitgestellt von dem Nutzer 'kjtheron' ( https://stackoverflow.com/u/11858130/ ) auf der Website 'Stack Overflow'. Vielen Dank an diese großartigen Nutzer und die Stackexchange-Community für ihre Beiträge.

Besuchen Sie diese Links, um den Originalinhalt und weitere Details zu sehen, z. B. alternative Lösungen, aktuelle Entwicklungen zum Thema, Kommentare, Versionsverlauf usw. Der ursprüngliche Titel der Frage lautete beispielsweise: Performing PCA per image over imageCollection in Google Earth Engine

Außerdem steht der Inhalt (außer Musik) unter der Lizenz CC BY-SA https://meta.stackexchange.com/help/l...
Der ursprüngliche Fragenbeitrag steht unter der Lizenz 'CC BY-SA 4.0' ( https://creativecommons.org/licenses/... ), und der ursprüngliche Antwortbeitrag steht unter der Lizenz 'CC BY-SA 4.0' ( https://creativecommons.org/licenses/... ).

Falls Ihnen irgendetwas auffällt oder Unstimmigkeiten bestehen, schreiben Sie mir bitte an vlogize [AT] gmail [DOT] com.
---
Die Kraft der PCA in Google Earth Engine entfesseln

Die Hauptkomponentenanalyse (PCA) ist eine mächtige Technik zur Datenanalyse, insbesondere im Bereich der Fernerkundungsbilder. Wenn Sie mit Bildersammlungen in Google Earth Engine (GEE) arbeiten, kann es erforderlich sein, PCA auf eine Bildersammlung anzuwenden — sei es aus verschiedenen Gründen. In diesem Beitrag zeigen wir, wie man PCA auf jedes einzelne Bild einer Bildersammlung in Google Earth Engine anwendet, wobei der Fokus darauf liegt, die erste Hauptkomponente als neuen Band zu extrahieren und Hinweise zur Vermeidung häufiger Fehler zu geben.

Verständnis der Herausforderung

Wenn man PCA auf eine Bildersammlung anwenden möchte, möchte man häufig spezifische Eigenschaften, wie die erste Hauptkomponenten-Achse, extrahieren. Das Ziel ist, diese als statistische Größe für weitere Analysen beispielsweise in R zu verwenden. Es kann jedoch Stolperfallen geben, insbesondere im Umgang mit dünn besetzten Matrizen (sparse matrices) in Arrays, was häufig zu frustrierenden Fehlern wie „Array: Parameter 'values' wird benötigt“ führt.

Wichtige Ziele:

PCA auf einzelne Bilder einer Sammlung anwenden.

Nur die erste Hauptkomponente beibehalten.

Diese Komponente als neuen Band zu jedem Bild hinzufügen.

Mittelwerte für weitere statistische Auswertungen exportieren.

Schritt-für-Schritt-Lösung

Unten werden die Schritte erläutert, um PCA erfolgreich auf Ihre Bildersammlung in GEE anzuwenden.

Schritt 1: Einrichtung Ihrer Umgebung

Starten Sie mit der Definition Ihres Regionsinteresses (ROI) und der Grundeinstellungen für die PCA.

[[Siehe Video, um diesen Text oder Codeausschnitt anzuzeigen]]

Schritt 2: Durchführung der PCA

Definieren Sie eine Funktion, die PCA auf jedes Bild anwendet. Achten Sie darauf, dünn besetzte Matrizen zu vermeiden.

[[Siehe Video, um diesen Text oder Codeausschnitt anzuzeigen]]

Schritt 3: Anwendung der PCA-Funktion auf die Sammlung

Mappen Sie die PCA-Funktion auf Ihre vorbereitete Bildersammlung. Das geht so:

[[Siehe Video, um diesen Text oder Codeausschnitt anzuzeigen]]

Schritt 4: Häufige Fehler beheben

Wenn der Fehler „Array: Parameter 'values' wird benötigt“ auftaucht, deutet dies oft auf Probleme im Umgang mit dünn besetzten Matrizen hin. Vermeiden Sie dies indem:

Stellen Sie sicher, dass alle Bilder in Ihrer Sammlung ordentlich vorverarbeitet sind und keine leeren Werte enthalten.

Definieren Sie immer eine passende Region und einen geeigneten Maßstab für die PCA.

Finaler Code

Nachfolgend finden Sie den vollständigen Code, der alle beschriebenen Schritte zusammenführt:

[[Siehe Video, um diesen Text oder Codeausschnitt anzuzeigen]]

Fazit

Wenn Sie den beschriebenen Schritten folgen, können Sie PCA auf Bildersammlungen in Google Earth Engine erfolgreich durchführen. Dies ermöglicht Ihnen eine effektivere Bildanalyse und schafft eine solide Basis für weiterführende statistische Analysen, insbesondere in R. Entdecken Sie weiterhin das Potenzial der PCA und verwandeln Sie Ihre Daten in handlungsfähige Erkenntnisse!