首先給出答案，PC1、PC2不是變化資訊也不是不變資訊。具體要從主成分分析的原理以及其在變化監測的應用中得到解釋。
主成分分析的原理：主成分分析（PCA-Principal components analysis）又稱為K-L變換，是一種除去波段之間的多餘資訊，將波段的影象資訊壓縮到比原波段更有效的少數幾個轉換波段的方法。其利用波段之間的相互關係，在儘可能地不丟失資訊的同時，用幾個綜合性波段代表多波段的原影象，使處理的資料量減少。也就是說，主成分分析是將相關的多波段資訊透過數學轉換成不相關的資訊。
從定義中可以看出，PC1、PC2不再是原來的波段資訊，而是轉換後的綜合性波段。其中其主成分中一般第一主成分PC1包含了原所有波段中80%的資訊，剩下主成分包含的資訊逐漸減少。
主成分分析在變化檢測中的應用：
基於原始影象進行主成分變化檢測：先對原始的兩幅不同時相的影象做主成分分析，分別得到兩幅影象的主成分PC1、PC2……，這裡的主成分是包含原始影像資訊的綜合波段資訊。然後將兩幅影象對應的主成分做差值，就得到分量的差值影象，而這個差值影象就反映了原始影象中的變化資訊。
基於差值影象的主成分變化檢測：首先對不同時相的兩幅影象做差值處理，此時的差值影象中就去除了兩幅影象中相同的背景及未變化的資訊，然後對差值影象做主成分分析，得到差值影象的主成分分量PC1、PC2、……等，此時的PC1、PC2、……等就代表變化資訊，其中第一主成分集中了兩幅影像的主要差異資訊，就可以被提取出來。
因此，要確定主成分分析中PC1、PC2代表的是什麼資訊，就首先要確定進行主成分分析時的輸入物件是什麼，才能綜合判斷。
首先給出答案，PC1、PC2不是變化資訊也不是不變資訊。具體要從主成分分析的原理以及其在變化監測的應用中得到解釋。
主成分分析的原理：主成分分析（PCA-Principal components analysis）又稱為K-L變換，是一種除去波段之間的多餘資訊，將波段的影象資訊壓縮到比原波段更有效的少數幾個轉換波段的方法。其利用波段之間的相互關係，在儘可能地不丟失資訊的同時，用幾個綜合性波段代表多波段的原影象，使處理的資料量減少。也就是說，主成分分析是將相關的多波段資訊透過數學轉換成不相關的資訊。
從定義中可以看出，PC1、PC2不再是原來的波段資訊，而是轉換後的綜合性波段。其中其主成分中一般第一主成分PC1包含了原所有波段中80%的資訊，剩下主成分包含的資訊逐漸減少。
主成分分析在變化檢測中的應用：
基於原始影象進行主成分變化檢測：先對原始的兩幅不同時相的影象做主成分分析，分別得到兩幅影象的主成分PC1、PC2……，這裡的主成分是包含原始影像資訊的綜合波段資訊。然後將兩幅影象對應的主成分做差值，就得到分量的差值影象，而這個差值影象就反映了原始影象中的變化資訊。
基於差值影象的主成分變化檢測：首先對不同時相的兩幅影象做差值處理，此時的差值影象中就去除了兩幅影象中相同的背景及未變化的資訊，然後對差值影象做主成分分析，得到差值影象的主成分分量PC1、PC2、……等，此時的PC1、PC2、……等就代表變化資訊，其中第一主成分集中了兩幅影像的主要差異資訊，就可以被提取出來。
因此，要確定主成分分析中PC1、PC2代表的是什麼資訊，就首先要確定進行主成分分析時的輸入物件是什麼，才能綜合判斷。