《表2 主成分特征向量及总方差解释》
PCA法通过主成分分析,确定冬小麦数码影像变量主成分特征值和特征向量,根据主成分累计贡献率,选择关键主成分。通过计算各主成分得分,得到各个试验小区关键主成分的得分系数作为反演模型参数。当累计贡献率达到90%以上时,即证明此时生成的主成分分量已经可以表示绝大部分的原始数据信息,因此将整体、部分和植被指数数码信息主成分处理结果进行统计,皆选取3个主成分因子作为最终结果。以冬小麦挑旗期为例,各主成分特征向量及累计贡献率如表2所示。
图表编号 | XD0071846100 严禁用于非法目的 |
---|---|
绘制时间 | 2019.06.01 |
作者 | 刘帅兵、杨贵军、景海涛、冯海宽、李贺丽、陈鹏、杨文攀 |
绘制单位 | 北京农业信息技术研究中心农业部农业遥感机理与定量遥感重点实验室、武汉大学电子信息学院、北京农业信息技术研究中心农业部农业遥感机理与定量遥感重点实验室、国家农业信息化工程技术研究中心、河南理工大学测绘与国土信息工程学院、北京农业信息技术研究中心农业部农业遥感机理与定量遥感重点实验室、国家农业信息化工程技术研究中心、北京农业信息技术研究中心农业部农业遥感机理与定量遥感重点实验室、国家农业信息化工程技术研究中心、北京农业信息技术研究中心农业部农业遥感机理与定量遥感重点实验室、河南理工大学测绘与国土信息工程学院、 |
更多格式 | 高清、无水印(增值服务) |