Iso-Cluster (Spatial Analyst Tools)

Zusammenfassung

Verwendet einen Isodaten-Cluster-Algorithmus, um die Eigenschaften der natürlichen Gruppierungen der Zellen im mehrdimensionalen Attributraum zu bestimmen, und speichert die Ergebnisse in einer Ausgabe-ASCII-Signaturdatei.

Weitere Informationen zur Funktionsweise von "Iso-Cluster"

Verwendung

Iso-Cluster führt eine Cluster-Bildung der multivariaten Daten durch, die in einer Liste von Eingabebändern kombiniert wurden. Die resultierende Signaturdatei kann als Eingabe für ein anderes Klassifizierungswerkzeug, z. B. Maximum-Likelihood-Klassifizierung, verwendet werden, das ein Raster für unüberwachte Klassifizierungen erstellt.
Wenn ein Multiband-Raster als eines der Eingabe-Raster-Bänder (in_raster_bands in Python) angegeben wird, werden alle Bänder verwendet.

Wenn eine Auswahl von Bändern aus einem Multiband-Raster verarbeitet werden soll, können Sie zunächst mit dem Werkzeug "Bänder zusammensetzen" ein neues Raster-Dataset erstellen, das aus den betreffenden Bändern besteht, und das Ergebnis in der Liste der Eingabe-Raster-Bänder (in_raster_bands in Python) verwenden.
Der zulässige Mindestwert für die Anzahl der Klassen ist 2. Es gibt keine maximale Anzahl von Clustern. Im Allgemeinen gilt: Je mehr Cluster vorhanden sind, umso mehr Iterationen sind erforderlich.
Um genügend statistische Daten zum Generieren einer Signaturdatei für die zukünftige Klassifizierung bereitzustellen, muss jedes Cluster eine ausreichende Anzahl von Zellen für eine genaue Darstellung des Clusters enthalten. Der für die minimale Klassengröße eingegebene Wert sollte ungefähr 10-mal größer als die Anzahl der Layer in den Eingabe-Raster-Bändern sein.
Der für das Stichprobenintervall eingegebene Wert gibt an, dass eine Zelle aus jedem n-mal-n-Zellenblock in den Cluster-Berechnungen verwendet wird.
Sie dürfen keine Klassen zusammenführen bzw. entfernen oder die Statistiken der ASCII-Signaturdatei ändern.
Je mehr Zellen in der Ausdehnung des Schnittpunktes der Eingabebänder enthalten sind, umso größer sollten die Werte sein, die Sie für die minimale Klassengröße und das Stichprobenintervall angeben. Die für das Stichprobenintervall eingegebenen Werte sollte aber gleichzeitig klein genug sein, dass die kleinsten erwünschten Kategorien in den Eingabedaten angemessen referenziert werden.
Die Werte für die Klassen-ID in der Ausgabe-Signaturdatei beginnen bei 1 und steigen sequenziell bis auf die Anzahl der Eingabeklassen an. Die Zuweisung der Klassennummern erfolgt willkürlich.
Bessere Ergebnisse werden erzielt, wenn alle Eingabebänder die gleichen Datenbereiche aufweisen. Wenn die Bänder höchst unterschiedliche Datenbereiche aufweisen, können die Datenbereiche mit Map Algebra auf denselben Bereich transformiert werden, damit die Gleichung ausgeführt werden kann.

``<!--
Weitere Informationen zu den Geoverarbeitungsumgebungen für dieses Werkzeug finden Sie unter "Analyseumgebungen und Spatial Analyst".

Beschriftung	Erläuterung	Datentyp
Eingabe-Raster-Bänder	Die Eingabe-Raster-Bänder. Die Raster können den Typ "Integer" oder "Gleitkomma" haben.	Raster Layer
Ausgabe-Signaturdatei	Die Ausgabe-Signaturdatei. Die Erweiterung `-->.gsg<!--` muss angegeben werden.	File
Anzahl der Klassen	Anzahl von Klassen, in die die Zellen gruppiert werden sollen.	Long
Anzahl der Iterationen (Optional)	Anzahl von Iterationen für die Ausführung der Cluster-Bildung. Die Standardeinstellung ist 20.	Long
Minimale Klassengröße (Optional)	Minimale Anzahl von Zellen in einer gültigen Klasse. Die Standardeinstellung ist 20.	Long
Stichprobenintervall (Optional)	Das Intervall, das für Stichproben verwendet werden soll. Die Standardeinstellung ist 10.	Long

IsoCluster(in_raster_bands, out_signature_file, number_classes, {number_iterations}, {min_class_size}, {sample_interval})

Name	Erläuterung	Datentyp
in_raster_bands [in_raster_band,...]	Die Eingabe-Raster-Bänder. Die Raster können den Typ "Integer" oder "Gleitkomma" haben.	Raster Layer
out_signature_file	Die Ausgabe-Signaturdatei. Die Erweiterung `-->.gsg<!--` muss angegeben werden.	File
number_classes	Anzahl von Klassen, in die die Zellen gruppiert werden sollen.	Long
number_iterations (Optional)	Anzahl von Iterationen für die Ausführung der Cluster-Bildung. Die Standardeinstellung ist 20.	Long
min_class_size (Optional)	Minimale Anzahl von Zellen in einer gültigen Klasse. Die Standardeinstellung ist 20.	Long
sample_interval (Optional)	Das Intervall, das für Stichproben verwendet werden soll. Die Standardeinstellung ist 10.	Long

Codebeispiel

-->IsoCluster<!--: Beispiel 1 (Python-Fenster)

In diesem Beispiel wird eine Signaturdatei zum Klassifizieren des Eingabe-Multiband-Rasters in fünf Klassen erstellt.

import arcpy
from arcpy import env
from arcpy.sa import *
env.workspace = "C:/sapyexamples/data"
IsoCluster("redlands", "c:/sapyexamples/output/isosig.gsg", 5, 20, 50, 15)

-->IsoCluster: Beispiel 2 (eigenständiges Skript)

In diesem Beispiel wird eine Signaturdatei zum Klassifizieren des Eingabe-Multiband-Rasters in fünf Klassen erstellt.

# Name: IsoCluster_Ex_02.py
# Description: Uses an isodata clustering algorithm to determine the
#    characteristics of the natural groupings of cells in multidimensional
#    attribute space and stores the results in an output ASCII signature file.
# Requirements: Spatial Analyst extension

# Import system modules
import arcpy
from arcpy import env
from arcpy.sa import *

# Set environment settings
env.workspace = "C:/sapyexamples/data"

# Set local variables
inRaster = "redlands"
outSig = "redlndiso.gsg"
classes = 5
cycles = 20
minMembers = 50
sampInterval = 15

# Run IsoCluster
IsoCluster(inRaster, outSig, classes, cycles, minMembers, sampInterval)

Umgebungen

Zellengröße, Projektionsmethode für Zellengröße, Aktueller Workspace, Ausdehnung, Geographische Transformationen, Maske, Ausgabe-Koordinatensystem, Scratch-Workspace, Fang-Raster

Lizenzierungsinformationen