如何从python中的Landat数据对多个波段进行PCA分析？

Question

我想创建一个由5个陆地卫星带组成的PCA，以检测变化。 我知道如何使用arcgis，但可以在python（jupyter Notebook）中找到解决方案。 我的所有乐队都有varibale和lon和lat。 然后，我用所有频带创建一个数组（使用np.dstack（（dataset_1984.blue，等等。））。此后结束，我不知道如何继续，一些帮助将非常有用。

stacked = np.dstack((dataset_1984.blue,dataset_1984.green,dataset_1984.red,dataset_1984.nir,dataset_1984.swir1))

创建：

array([[[ 348,  502,  397, 2974, 1370],
        [ 348,  502,  397, 2974, 1370],
        [ 368,  502,  397, 3270, 1370],
        ..., 
        [ 603,  887,  843, 3121, 2082],
        [ 603,  887,  843, 3121, 2082],
        [ 738, 1172, 1380, 2364, 2456]],

       [[ 369,  544,  471, 2889, 1399],
        [ 388,  627,  507, 3354, 1833],
        [ 388,  627,  507, 3354, 1833],
        ..., 
        [ 680, 1009, 1165, 2575, 2715],
        [ 680, 1009, 1165, 2575, 2715],
        [ 757, 1172, 1416, 2279, 2743]],

接着：

data = stacked - np.mean(stacked, axis=0)
data.shape
(353, 588, 5)

Answer 1

欢迎来到Stackoverflow！

您可以使用scikit-learn来完成此任务：

import numpy as np
from sklearn.decomposition import PCA

pca = PCA(n_components=2)
pca.fit(data)  
PCA(copy=True, iterated_power='auto', n_components=2, random_state=None, svd_solver='auto', tol=0.0, whiten=False)

之后， 此处提到的方法之一将帮助您可视化此数据或推断更多信息。