Lineare spektrale Entmischung (Spatial Analyst Tools)

Zusammenfassung

Führt eine Subpixel-Klassifizierung durch und berechnet den Anteil verschiedener Landbedeckungstypen für einzelne Pixel.

Linear Spectral Unmixing tool illustration

Verwendung

Dieses Werkzeug berechnet den Materialanteil einzelner Pixel, die mehrere Arten von Material enthalten. Es erzeugt ein Multiband-Raster, in dem jedes Band dem Anteil der einzelnen Landbedeckungsklassen entspricht. Beispiel: Sie können mit diesem Werkzeug in einem Multispektralbild Landbedeckungen klassifizieren und Vegetation mit und ohne Photosyntheseaktiviät, nackte Erde und tote Pflanzen ermitteln.
Dieses Werkzeug unterstützt mehrere Arten von Spektraldaten, z. B. das Esri Spectral Library- (.esl) oder das ENVI Spectral Library-Format (.sli).

Das Werkzeug unterstützt eine Vorversion der JSON-Spektreneingabe. Im Folgenden sehen Sie ein Beispiel für eine Spektraldatei, die in Form einer .json-Datei bereitgestellt wird:

{
  "EsriEndmemberDefinitionFile" : 0,
  "FileVersion" : 1,
  "NumberOfEndmembers" : 3,
  "NumberOfBands" : 7,
  "Endmembers" : [
    {
      "EndmemberID" : 1,
      "EndmemberName" : "urban",
      "SpectralProfile" : [
            88,
            42,
            48,
            38,
            86,
            115,
            59
          ]
    },
    {
      "EndmemberID" : 2,
      "EndmemberName" : "vegetation",
      "SpectralProfile" : [
            50,
            21,
            20,
            35,
            50,
            110,
            23
          ]
    },
    {
      "EndmemberID" : 3,
      "EndmemberName" : "water",
      "SpectralProfile" : [
            51,
            20,
            14,
            9,
            7,
            116,
            4
          ]
    }
  ]
}

Derzeit werden als Ausgabe des Klassifikators nur Klassifikatordefinitionsdateien (.ecd) unterstützt, die mit dem Werkzeug Maximum-Likelihood-Klassifikator trainieren generiert wurden.
Polygon-Features erfordern folgende Feldnamen:
- classname—Ein Textfeld, das den Namen der Klassenkategorie angibt
- classvalue—Ein "Long Integer"-Feld, das den ganzzahligen Wert für die einzelnen Klassenkategorien enthält.
Bei der Berechnung des Anteils der Landbedeckungsklassen kann es vorkommen, dass die Lösung negative Koeffizienten oder Brüche enthält. Sehen Sie sich in diesem Fall die Trainingsgebiete im Eingabe-Spektralprofil an, und vergewissern Sie sich, dass diese die einzelnen Klassen richtig darstellen. Wenn Sie keine Fehler finden, geben Sie als Ausgabewert-Option die Option Nicht negativ an.
Die Anzahl der Bänder im Eingabebild und in den Eingabespektraldaten müssen übereinstimmen, wenn die Spektraleingabe eine .ecd-Datei, eine Trainingsgebiet-Feature-Class oder eine .json-Datei ist.
Wenn die Eingabespektren aus einer Spectral Library-Datei (.esl oder .sli) stammen, wird Spektral-Resampling mithilfe einer Band-Durchschnittsmethode angewendet, falls die Anzahl der Bänder nicht übereinstimmt. Sie können das Resampling der Spektren optional mit dem Werkzeug Bibliotheksspektren-Resampling der Toolbox "Image Analyst" durchführen.
Wenn die Spektraldaten aus einer Spektralbibliothek stammen, bei der die Reflexionswerte zwischen 0 und 1 liegen, wie bei der USGS-Spektralbibliothek, muss das Eingabe-Oberflächenreflexions-Raster auch Werte zwischen 0 und 1 enthalten.
Wenn das Eingabebild nicht im Bereich von 0–1 liegt, wie 8 Bit oder 16 Bit, sollten Sie mit dem Werkzeug Spektral-Viewer im Toolbox "Image Analyst" die Spektralsignatur des Materials aus den Bilddaten erfassen. Aktivieren Sie optional den Parameter Kontinuum entfernen, um die Pixelwerte und die Daten der Eingabe-Bibliotheksspektren zu normalisieren.
Wenn das Kontrollkästchen Kontinuum entfernen aktiviert ist, wird unter Verwendung gerader Liniensegmente, die die lokalen Maxima von Spektren verbinden, eine konvexe Hülle über ein Spektrum gelegt. Das Kontinuum wird entfernt, indem es in das tatsächliche Spektrum für jedes Pixel im Bild und die Eingabespektren aufgeteilt wird. Dies ermöglicht den Vergleich von Absorptions-Features anhand einer gemeinsamen Basislinie.

Beschriftung	Erläuterung	Datentyp
Eingabe-Raster	Das Raster-Dataset der Eingabe-Oberflächenreflektion.	Raster Dataset; Mosaic Dataset; Mosaic Layer; Raster Layer; File; Image Service
Spektren-Datei oder Trainings-Features	Spektralinformationen der verschiedenen Landbedeckungsklassen. Für die Datei gibt es folgende Optionen: Esri Spectral Library-Datei (`.esl`), die im Bereich Spektralbibliothek durchsuchen oder im Werkzeug Spektral-Viewer erstellt wird ENVI Spectral Library-Datei (`.sli`) Polygon-Feature-Class, die über den Bereich Trainingsgebiet-Manager erstellt wird Esri Classifier Definition-Datei (`.ecd`), die mit dem Werkzeug Maximum-Likelihood-Klassifikator trainieren Classifier erstellt wurde Eine `.json`-Datei, die Spektraldaten enthält	File; Feature Layer; String
Ausgabewert-Option (Optional)	Gibt an, wie die Ausgabepixelwerte definiert werden. Summenwert 1—Die Klassenwerte für die einzelnen Pixel werden im Dezimalformat ausgegeben, wobei die Summe aller Klassen 1 ergibt. Beispiel: Klasse 1 = 0,16; Klasse 2 = 0,24; Klasse 3 = 0,60. Nicht negativ—Es gibt keine negativen Ausgabewerte.	String
Kontinuum entfernen (Optional)	Gibt an, ob die Spektren anhand eines Bildes oder von Referenzdaten normalisiert werden. Aktiviert—Die Spektren werden anhand eines Bildes oder von Referenzdaten normalisiert. Deaktiviert—Die Spektren werden nicht anhand eines Bildes oder von Referenzdaten normalisiert. Dies ist die Standardeinstellung.	Boolean

Rückgabewert

Beschriftung	Erläuterung	Datentyp
Ausgabe-Raster	Das Ausgabe-Multiband-Raster-Dataset.	Raster

LinearSpectralUnmixing(in_raster, in_spectral_profile_file, {value_option}, {remove_continuum})

Name	Erläuterung	Datentyp
in_raster	Das Raster-Dataset der Eingabe-Oberflächenreflektion.	Raster Dataset; Mosaic Dataset; Mosaic Layer; Raster Layer; File; Image Service
in_spectral_profile_file	Spektralinformationen der verschiedenen Landbedeckungsklassen. Für die Datei gibt es folgende Optionen: Esri Spectral Library-Datei (`.esl`), die im Bereich Spektralbibliothek durchsuchen oder im Werkzeug Spektral-Viewer erstellt wird ENVI Spectral Library-Datei (`.sli`) Polygon-Feature-Class, die über den Bereich Trainingsgebiet-Manager erstellt wird Esri Classifier Definition-Datei (`.ecd`), die mit dem Werkzeug Maximum-Likelihood-Klassifikator trainieren Classifier erstellt wurde Eine `.json`-Datei, die Spektraldaten enthält	File; Feature Layer; String
value_option [value_option,...] (Optional)	Gibt an, wie die Ausgabepixelwerte definiert werden. `SUM_TO_ONE`—Die Klassenwerte für die einzelnen Pixel werden im Dezimalformat ausgegeben, wobei die Summe aller Klassen 1 ergibt. Beispiel: Klasse 1 = 0,16; Klasse 2 = 0,24; Klasse 3 = 0,60. `NON_NEGATIVE`—Es gibt keine negativen Ausgabewerte.	String
remove_continuum (Optional)	Gibt an, ob die Spektren anhand eines Bildes oder von Referenzdaten normalisiert werden. `REMOVE_CONTINUUM`—Die Spektren werden anhand eines Bildes oder von Referenzdaten normalisiert. `NO_REMOVE_CONTINUUM`—Die Spektren werden nicht anhand eines Bildes oder von Referenzdaten normalisiert. Dies ist die Standardeinstellung.	Boolean

Rückgabewert

Name	Erläuterung	Datentyp
out_raster	Das Ausgabe-Multiband-Raster-Dataset.	Raster

Codebeispiel

LinearSpectralUnmixing: Beispiel 1 (Python-Fenster)

In diesem Beispiel wird der Anteil der Klassen aus einer Klassifikatordefinitionsdatei (.ecd) berechnet, und es wird ein Multiband-Raster generiert.

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

# Run
unmixing_outputs = LinearSpectralUnmixing("C:/data/landsat7_image.crf",
    "C:/data/train_maxi_likelihood_ecd_output.ecd", "SUM_TO_ONE;NON_NEGATIVE")

# Save output
unmixing_outputs.save("C:/data/unmixing_outputs.crf")

LinearSpectralUnmixing: Beispiel 2 (eigenständiges Skript)

In diesem Beispiel wird der Anteil der Klassen aus einer Klassifikatordefinitionsdatei (.ecd) berechnet, und es wird ein Multiband-Raster generiert.

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

# Define input parameters
inFile = "C:/data/landsat7_image.crf"
json_file = "C:/data/customized_endmembers.json"
options = "SUM_TO_ONE"

# Run
unmixing_outputs = LinearSpectralUnmixing(inFile, json_file, options)

# Save output
unmixing_outputs.save("C:/data/unmixing_outputs_using_json.crf")

LinearSpectralUnmixing: Beispiel 3 (eigenständiges Skript)

In diesem Beispiel wird der Anteil der Klassen aus einer Trainingsgebiet-Feature-Class (.shp) berechnet, und es wird ein Multiband-Raster generiert.

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

# Define input parameters
inFile = "C:/data/landsat7_image.crf"
training_features = "C:/data/training_features.shp"
options = "SUM_TO_ONE;NON_NEGATIVE"

# Run
unmixing_outputs = LinearSpectralUnmixing(inFile, training_features, options)

# Save output
unmixing_outputs.save("C:/data/unmixing_outputs_using_training_features.crf")

Umgebungen

Komprimierung, Aktueller Workspace, Geographische Transformationen, NoData, Ausgabe-CONFIG-Schlüsselwort, Ausgabe-Koordinatensystem, Ausdehnung, Faktor für parallele Verarbeitung, Pyramide, Raster-Statistiken, Resampling-Methode, Scratch-Workspace, Fang-Raster, Kachelgröße

Lizenzierungsinformationen

Basic: Erfordert Spatial Analyst oder Image Analyst
Standard: Erfordert Spatial Analyst oder Image Analyst
Advanced: Erfordert Spatial Analyst oder Image Analyst

Lineare spektrale Entmischung (Spatial Analyst Tools)

Zusammenfassung

Verwendung

Parameter

Rückgabewert

Umgebungen

Lizenzierungsinformationen

Verwandte Themen