全国高分辨率土地利用数据服务 土地利用数据服务 土地覆盖数据服务 坡度数据服务 土壤侵蚀数据服务 全国各省市DEM数据服务 耕地资源空间分布数据服务 草地资源空间分布数据服务 林地资源空间分布数据服务 水域资源空间分布数据服务 建设用地空间分布数据服务 地形、地貌、土壤数据服务 分坡度耕地数据服务 全国大宗农作物种植范围空间分布数据服务
多种卫星遥感数据反演植被覆盖度数据服务 地表反照率数据服务 比辐射率数据服务 地表温度数据服务 地表蒸腾与蒸散数据服务 归一化植被指数数据服务 叶面积指数数据服务 净初级生产力数据服务 净生态系统生产力数据服务 生态系统总初级生产力数据服务 生态系统类型分布数据服务 土壤类型质地养分数据服务 生态系统空间分布数据服务 增强型植被指数数据服务
多年平均气温空间分布数据服务 多年平均降水量空间分布数据服务 湿润指数数据服务 大于0℃积温空间分布数据服务 光合有效辐射分量数据服务 显热/潜热信息数据服务 波文比信息数据服务 地表净辐射通量数据服务 光合有效辐射数据服务 温度带分区数据服务 山区小气候因子精细数据服务
全国夜间灯光指数数据服务 全国GDP公里格网数据服务 全国建筑物总面积公里格网数据服务 全国人口密度数据服务 全国县级医院分布数据服务 人口调查空间分布数据服务 收入统计空间分布数据服务 矿山面积统计及分布数据服务 载畜量及空间分布数据服务 农作物种植面积统计数据服务 农田分类面积统计数据服务 农作物长势遥感监测数据服务 医疗资源统计数据服务 教育资源统计数据服务 行政辖区信息数据服务
Landsat 8 高分二号 高分一号 SPOT-6卫星影像 法国Pleiades高分卫星 资源三号卫星 风云3号 中巴资源卫星 NOAA/AVHRR MODIS Landsat TM 环境小卫星 Landsat MSS 天绘一号卫星影像
对一组栅格波段执行最大似然法分类并创建分类的输出栅格数据。
· 通过创建特征、编辑特征,或通过 Iso 聚类工具创建的任何特征文件,对于输入特征文件而言均为有效条目。它们都具有一个 .gsg 扩展名。
· 默认情况下,输出栅格中的所有像元都将进行分类,每个具有相等概率权重的类都会附加到相应的特征中。
· 输入先验概率文件必须是包含两列的 ASCII 文件。左列中的值表示类 ID。右列中的值表示相应类的先验概率。类别先验概率的有效值必须大于或等于零。如果指定零作为概率,则类无法显示在输出栅格中。指定先验概率的总和必须小于或等于一。该文件的格式如下:
· 1 .3
· 2 .1
· 4 .0
· 5 .15
· 7 .05
8 .2
文件中所忽略的类将接收值 1 其余部分的平均先验概率。在上面的示例中,所有从 1 到 8 的类都在特征文件中表示。类 3 和类 6 的先验概率在输入先验概率文件中缺失。由于上述文件中所有指定概率的总和等于 0.8,概率的其余部分 (0.2) 将与未指定类的数量 (2) 相除。因此,类 3 和类 6 将被分别指定概率 0.1。
· 位于任意两个有效值之间的指定剔除分数将被分配给下一个更高级别的有效值。例如,0.02 将变成 0.025。
· 通过剔除分数得到的输出栅格中的像元数和由小于输入的相应剔除分数值的置信度总和表示的像元数之间存在直接关系。
· 如果输入为创建自多波段栅格(超过三个波段)的图层,则操作将会考虑与源数据集相关联的所有波段,而不仅仅是由图层加载(符号化)的三个波段。
· 您可以使用多种方式将多波段栅格的波段子集指定为工具的输入。
§ 如果要使用工具对话框,则通过输入栅格波段旁边的按钮导航至多波段栅格,打开栅格并选择所需波段。
§ 如果多波段栅格是内容列表中的图层,则可以使用创建栅格图层工具来创建一个新的只包含所需波段的多波段图层。
§ 您还可以用波段合成来创建一个只包含所需波段的新数据集,并将生成的数据集用作工具的输入。
§ 在 Python 中,可以在工具参数中以列表形式直接指定所需波段。
· 如果特征文件中的类名称与类 ID 不同,则会向名为 CLASSNAME 的输出栅格属性表添加一个附加字段。对于输出表中的每个类,CLASSNAME 会包含与该类关联的类名称。例如,如果特征文件中各个类的类名称是描述性字符串名称(如针叶树、水体和市区),则这些名称会被传递到 CLASSNAME 字段。
· 输入先验概率文件的扩展名是 .txt。
MLClassify (in_raster_bands, in_signature_file, {reject_fraction}, {a_priori_probabilities}, {in_a_priori_file}, {out_confidence_raster})
参数 |
说明 |
数据类型 |
in_raster_bands [in_raster_band,...] |
输入栅格波段。 |
Raster Layer |
in_signature_file |
最大似然法分类器使用的特征类所属的输入特征文件。 需要使用一个 .gsg 扩展名。 |
File |
reject_fraction (可选) |
将因最低正确分配概率而得不到分类的像元部分。 默认值为 0.0;因此,将对每个像元进行分类。 共有 14 个有效输入:0.0、0.005、0.01、0.025、0.05、0.1、0.25、0.5、0.75、0.9、0.95、0.975、0.99和 0.995。 |
String |
a_priori_probabilities (可选) |
指定将如何确定先验概率。 · EQUAL — 所有类将具有相同的先验概率。 · SAMPLE — 先验概率将与特征文件内所有类中采样像元总数的相关的各类的像元数成比例。 · FILE —先验概率将会分配给输入 ASCII 先验概率文件中的各个类。 |
String |
in_a_priori_file (可选) |
包含用于输入特征类的先验概率的文本文件。 仅在使用 FILE 选项时才需要先验概率文件的输入。 先验文件的扩展名可为 .txt 或 .asc。 |
File |
out_confidence_raster (可选) |
以 14 个置信度显示分类确定性的输出置信栅格数据集,其中,最低值表示的确定性最高。 |
Raster Dataset |
名称 |
说明 |
数据类型 |
out_classified_raster |
输出分类的栅格。 |
Raster |
本例将创建包含来自输入特征文件和多波段栅格的五个类的分类输出栅格。
import arcpy
from arcpy import env
from arcpy.sa import *
env.workspace = "C:/sapyexamples/data"
mlcOut = MLClassify("redlands", "c:/sapyexamples/data/wedit5.gsg", "0.0",
"EQUAL", "", "c:/sapyexamples/output/redmlcconf")
mlcOut.save("c:/sapyexamples/output/redmlc")
本例将创建包含来自输入特征文件和多波段栅格的五个类的分类输出栅格。
# Name: MLClassify_Ex_02.py
# Description: Performs a maximum likelihood classification on a set of
# raster bands.
# 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"
sigFile = "c:/sapyexamples/data/wedit5.gsg"
probThreshold = "0.0"
aPrioriWeight = "EQUAL"
aPrioriFile = ""
outConfidence = "c:/sapyexamples/output/redconfmlc"
# Check out the ArcGIS Spatial Analyst extension license
arcpy.CheckOutExtension("Spatial")
# Execute
mlcOut = MLClassify(inRaster, sigFile, probThreshold, aPrioriWeight,
aPrioriFile, outConfidence)
# Save the output
mlcOut.save("c:/sapyexamples/output/redmlc02")