Générer des échantillons d'apprentissage à partir de points d'origine (Outils Spatial Analyst)

Résumé

Génère des échantillons d'apprentissage à partir de points d'origine, tels que des points d’évaluation de la précision ou des points d’échantillons d'apprentissage. Cet outil sert généralement à générer des échantillons d'apprentissage à partir d'une source existante, telle qu'un raster thématique ou une classe d'entités.

Utilisation

Cet outil accepte les sources de données tierces dans le jeu d'outils de classification ArcGIS. Les entrées qui identifient la structure des classes pour guider la génération des échantillons d'apprentissage comprend des jeux de données thématiques ou des polygones, tels que les classifications précédentes, les emprises de bâtiments, les routes ou d'autres données SIG.
Pour les rasters en entrée, l'outil étend la région à partir des points d'origine, à la condition que tous les pixels aient la même valeur. L’étendue de la région est contrôlée par Max Sample Radius (Rayon d’échantillonnage maximal) (max_radius dans Python). Dans le domaine de la télédétection, il est conseillé que les échantillons d'apprentissage soient homogènes et que la taille de l'échantillon soit représentative de l'entité cible. Si l’étendue de la région à partir de certains points d’origine ne peut pas atteindre une surface supérieure à Min Sample Area (Surface d’échantillonnage minimale) (min_area dans Python), le point d’origine n’est pas utilisé.
Pour les classes d'entités en entrée, l'outil sélectionne les entités à partir des données en entrée qui intersectent la classe d'entités points, au lieu d'utiliser l'étendue de la région.
Vous pouvez utiliser l’outil Create Accuracy Assessment Points (Créer des points d’évaluation de la précision) pour générer les points des échantillons d’entraînement. Il présente des options pour le nombre de points à utiliser et quelques stratégies d'échantillonnage pour générer les points aléatoires.
Si vous possédez déjà les points d'origine des échantillons d'apprentissage ou une méthode pour les générer, il peut être facile de les utiliser, car l'outil recourt uniquement aux coordonnées x et y d'un fichier de classe d'entités points, et non à la table associée.

Etiqueter	Explication	Type de données
Données de classe d'entités ou raster en entrée	La source de données qui étiquette les échantillons d'apprentissage.	Mosaic Layer; Raster Layer; Feature Layer; Image Service; String
Points d'origine en entrée	Un fichier de formes ou une classe d'entités points qui doit fournir les centres des polygones des échantillons d'apprentissage.	Feature Layer
Classe d'entités d’échantillon d’apprentissage en sortie	La classe d’entités de l’échantillon d’apprentissage en sortie dans le format pouvant être utilisé dans les outils d’apprentissage, notamment les fichiers de formes. La classe d’entités en sortie peut être de type surfacique ou ponctuel.	Feature Class
Exemple de surface minimale (Facultatif)	La surface minimum requise pour chaque échantillon d'apprentissage, en mètres carrés. La valeur minimum doit être supérieure ou égale à 0.	Double
Exemple de rayon maximal (Facultatif)	La plus longue distance (en mètres) à partir d'un point au sein de l'échantillon d'apprentissage vers son point d'origine central. Si elle est définie sur 0, l'échantillon d'apprentissage en sortie sera des points et non des polygones. La valeur minimum doit être supérieure ou égale à 0.	Double

GenerateTrainingSamplesFromSeedPoints(in_class_data, in_seed_points, out_training_feature_class, {min_sample_area}, {max_sample_radius})

Nom	Explication	Type de données
in_class_data	La source de données qui étiquette les échantillons d'apprentissage.	Mosaic Layer; Raster Layer; Feature Layer; Image Service; String
in_seed_points	Un fichier de formes ou une classe d'entités points qui doit fournir les centres des polygones des échantillons d'apprentissage.	Feature Layer
out_training_feature_class	La classe d’entités de l’échantillon d’apprentissage en sortie dans le format pouvant être utilisé dans les outils d’apprentissage, notamment les fichiers de formes. La classe d’entités en sortie peut être de type surfacique ou ponctuel.	Feature Class
min_sample_area (Facultatif)	La surface minimum requise pour chaque échantillon d'apprentissage, en mètres carrés. La valeur minimum doit être supérieure ou égale à 0.	Double
max_sample_radius (Facultatif)	La plus longue distance (en mètres) à partir d'un point au sein de l'échantillon d'apprentissage vers son point d'origine central. Si elle est définie sur 0, l'échantillon d'apprentissage en sortie sera des points et non des polygones. La valeur minimum doit être supérieure ou égale à 0.	Double

Exemple de code

GenerateTrainingSamplesFromSeedPoints Exemple 1 (fenêtre Python)

Créer des échantillons d'apprentissage à partir des points d'origine

### GenerateTrainingSamplesFromSeedPoints example 1 (Python window)
import arcpy
from arcpy.sa import *

cls_img = "C:/Data/svm.tif"
seed_pnts = "C:/Data/seeds.shp"
trn_samples = "C:/out/ts.shp"

GenerateTrainingSamplesFromSeedPoints(cls_img, seed_pnts, trn_samples, "30", "50")

GenerateTrainingSamplesFromSeedPoints Exemple 2 (script autonome)

Créer des échantillons d'apprentissage à partir des points d'origine

### GenerateTrainingSamplesFromSeedPoints example 2 (stand-alone script)
import arcpy
from arcpy.sa import *

GenerateTrainingSamplesFromSeedPoints("C:/Data/svm.tif",
                                      "C:/Data/seeds.shp",
                                      "C:/out/ts.shp",
                                      "30", "50")

Environnements

Espace de travail courant, Etendue, Espace de travail temporaire

Informations de licence