Convertit le raster en entrée en échelle de 0 à 1 qui indique le degré d’appartenance à un ensemble, en fonction d’un algorithme d’appartenance floue spécifié.
La valeur 1 indique une appartenance totale dans un ensemble flou et une appartenance de 0 signifie que l'élément ne fait pas partie de l'ensemble.
Cet outil ne met pas à l'échelle les données catégorielles. Pour insérer des données catégorielles dans l’analyse d’une superposition floue, vous devez respecter une étape préalable. Vous pouvez créer un modèle ou exécuter les outils de géotraitement suivants. En premier lieu, utilisez l’outil Reclassify (Reclassification) pour obtenir une nouvelle gamme de valeurs (par exemple, 1 à 100). Utilisez ensuite l’outil Divide (Diviser) pour diviser le résultat par un facteur (par exemple, 100) afin de normaliser les valeurs en sortie de sorte qu’elles soient comprises entre 0,0 et 1,0.
La dispersion détermine la rapidité à laquelle les valeurs d’appartenance floue diminuent de 1 à 0. Plus la valeur est élevée, plus l'appartenance floue autour du milieu est prononcée. En d’autres termes, plus la dispersion est réduite, moins les appartenances floues tendent vers 0. La sélection de la valeur de dispersion appropriée est un processus subjectif qui dépend de la plage de valeurs précises. Si vous utilisez les types d’appartenance Gaussienne et Proche, la valeur par défaut de 0,1 est un bon point de départ. En général, les valeurs varient dans les plages de [0.01 à 1] ou [0.001 à 1], respectivement. Si vous sélectionnez les types d’appartenance Petite et Grande, la valeur par défaut de 5 est un bon point de départ. En principe, les valeurs varient de 1 à 10.
Il se peut qu’aucune des valeurs en entrée n’ait une possibilité de 100 % d’être un membre de l’ensemble spécifié. En d'autres termes, aucune valeur en entrée n'est dotée d'une appartenance floue définie sur 1. Dans ce cas, vous pouvez redimensionner les valeurs d’appartenance floue afin de prendre en compte la nouvelle échelle. Par exemple, si la plus haute appartenance pour les valeurs en entrée est 0,75, vous pouvez établir la nouvelle échelle en multipliant chacune des valeurs d'appartenance floue par 0,75.
Les options du paramètre Hedge (Couverture [facultatif]) sont Very (Élevée), Somewhat (Approximative) et None (Aucune). Very (Élevée) est également appelée concentration. Elle correspond à l’appartenance floue au carré. Somewhat (Approximative) est une digression (plus ou moins). Elle correspond à la racine carrée de la fonction d’appartenance floue. Les couvertures Very (Élevée) et Somewhat (Approximative) s’accroissent ou diminuent selon les fonctions d’appartenance floue.
Les valeurs négatives ne sont pas acceptées dans les types d’appartenance Petite et Grande.
Pour le type d’appartenance Linéaire, les données dans le raster en entrée doivent être classées. Le minimum peut être inférieur au maximum pour créer une pente positive. Il peut également être supérieur au maximum si vous souhaitez créer une pente négative pour la transformation.
Si le minimum est inférieur au maximum, vous employez une fonction de pente positive inclinée pour effectuer la transformation. S'il est supérieur, vous employez une fonction de pente négative.
Raster en entrée dont les valeurs seront mises à l'échelle de 0 à 1.
Il peut s’agir d’un entier ou d’un raster en virgule flottante.
Raster Layer
Type d'appartenance
(Facultatif)
Spécifie l'algorithme utilisé dans l'appartenance floue du raster en entrée.
Certaines valeurs de ce paramètre utilisent le type Spread (Dispersion) pour déterminer la vitesse à laquelle les valeurs de l’appartenance floue diminuent de 1 à 0. Les valeurs de dispersion par défaut sont décrites dans les entrées ci-après.
Gaussian (Gaussienne) : attribue la valeur d’appartenance 1 au centre.
L'appartenance se réduit à 0 pour les valeurs qui dévient du centre d'après une courbe normale. Gaussian (Gaussienne) est similaire au type Near (Proche), mais la dispersion est plus étroite.
Midpoint (Centre) : la valeur par défaut correspond au centre de la plage de valeurs du raster en entrée.
Spread (Dispersion) : la valeur par défaut est 0,1. En général, les valeurs varient entre [0,01-1].
Small (Petite) : indique que les petites valeurs du raster en entrée ont une valeur d’appartenance élevée dans l’ensemble flou.
Une valeur d’appartenance de 0,5 est attribuée au centre.
Midpoint (Centre) : la valeur par défaut correspond au centre de la plage de valeurs du raster en entrée.
Spread (Dispersion) : la valeur par défaut est 5.
Large (Grande) : indique que les grandes valeurs du raster en entrée ont une valeur d’appartenance élevée dans l’ensemble flou.
Une valeur d’appartenance de 0,5 est attribuée au centre.
Midpoint (Centre) : la valeur par défaut correspond au centre de la plage de valeurs du raster en entrée.
Spread (Dispersion) : la valeur par défaut est 5.
Near (Proche) : calcule des appartenances pour les valeurs proches d’une valeur intermédiaire.
Une valeur d’appartenance de 1 est attribuée au centre. L'appartenance est ramenée à 0 pour les valeurs qui dévient du centre.
Midpoint (Centre) : la valeur par défaut correspond au centre de la plage de valeurs du raster en entrée.
Spread (Dispersion) : la valeur par défaut est 0,1. En général, les valeurs varient dans la plage de [0,001-1].
MSLarge : calcule l’appartenance selon la moyenne et l’écart type des données en entrée lorsque les grandes valeurs ont une valeur d’appartenance élevée.
Le résultat peut s’apparenter au type Large (Grande), selon la configuration des multiplicateurs de la moyenne et de l’écart type.
Mean multiplier (Multiplicateur moyen) : la valeur par défaut est 1.
Standard deviation multiplier (Multiplicateur d’écart type) : la valeur par défaut est 2.
MSSmall : calcule l’appartenance selon la moyenne et l’écart type des données en entrée lorsque les petites valeurs ont une valeur d’appartenance élevée. Il s'agit du type d'adhésion par défaut.
Le résultat peut s’apparenter au type Small (Petite), selon la configuration des multiplicateurs de la moyenne et de l’écart type.
Mean multiplier (Multiplicateur moyen) : la valeur par défaut est 1.
Standard deviation multiplier (Multiplicateur d’écart type) : la valeur par défaut est 2.
Linear (Linéaire): calcule l’appartenance selon la transformation linéaire du raster en entrée.
Une valeur d’appartenance de 0 est attribuée au minimum et une valeur d’appartenance de 1 est attribuée au maximum.
Minimum : la valeur par défaut est 1.
Maximum : la valeur par défaut est 2.
Fuzzy function
Couverture (facultatif)
(Facultatif)
Indique la couverture qui est appliquée. Une couverture augmente ou réduit les valeurs d’appartenance floue qui modifient la signification d’un ensemble flou. Les couvertures permettent de gérer les critères ou les attributs importants.
Aucun—Aucune couverture n’est appliquée. Il s’agit de l’option par défaut.
Approximative—Une couverture appelée dilatation, correspondant à la racine carrée de la fonction d’appartenance floue, est appliquée. Cette couverture augmente les fonctions d’appartenance floue.
Maximum—Une couverture appelée concentration, correspondant à la fonction d’appartenance floue au carré, est appliquée. Cette couverture réduit les fonctions d’appartenance floue.
String
Valeur de retour
Etiqueter
Explication
Type de données
Raster en sortie
La sortie sera un raster à virgule flottante avec des valeurs comprises entre 0 et 1.
Indique la couverture qui est appliquée. Une couverture augmente ou réduit les valeurs d’appartenance floue qui modifient la signification d’un ensemble flou. Les couvertures permettent de gérer les critères ou les attributs importants.
NONE—Aucune couverture n’est appliquée. Il s’agit de l’option par défaut.
SOMEWHAT—Une couverture appelée dilatation, correspondant à la racine carrée de la fonction d’appartenance floue, est appliquée. Cette couverture augmente les fonctions d’appartenance floue.
VERY—Une couverture appelée concentration, correspondant à la fonction d’appartenance floue au carré, est appliquée. Cette couverture réduit les fonctions d’appartenance floue.
String
Valeur de retour
Nom
Explication
Type de données
out_raster
La sortie sera un raster à virgule flottante avec des valeurs comprises entre 0 et 1.
Raster
Exemple de code
FuzzyMembership Exemple 1 (fenêtre Python)
Cet exemple décrit la création d’un raster d’appartenance floue à l’aide de la fonction Gaussienne lorsque les valeurs d’élévation les plus proches du centre (1 200 pieds) ont une appartenance plus élevée.
import arcpy
from arcpy.sa import *
from arcpy import env
env.workspace = "c:/sapyexamples/data"
outFzyMember = FuzzyMembership("elevation", FuzzyGaussian(1200, 0.06))
outFzyMember.save("c:/sapyexamples/fzymemb")
FuzzyMembership Exemple 2 (script autonome)
Cet exemple décrit la création d’un raster d’appartenance floue à l’aide de la fonction Gaussienne et d’une dispersion de 0,4 lorsque les valeurs d’élévation les plus proches du centre (1 000 pieds) ont une appartenance plus élevée.
# Name: FuzzyMembership_Ex_02.py
# Description: Scales input raster data into values ranging from zero to one
# indicating the strength of a membership in a set.
# 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 = "elevation"
# Create the FuzzyGaussian algorithm object
midpoint = 1000
spread = 0.4
myFuzzyAlgorithm = FuzzyGaussian(midpoint, spread)
# Run FuzzyMembership
outFuzzyMember = FuzzyMembership(inRaster, myFuzzyAlgorithm)
# Save the output
outFuzzyMember.save("c:/sapyexamples/fzymemb2")
