Clasificación de máxima verosimilitud (Spatial Analyst)

Resumen

Ejecuta una clasificación de máxima verosimilitud sobre un conjunto de bandas de ráster y crea un ráster clasificado como salida.

Más información sobre cómo funciona Clasificación de máxima verosimilitud

Uso

• Cualquier archivo de firmas creado por las herramientas Crear firma, Editar firma o Cluster ISO es una entrada válida para el archivo de firmas de entrada. Estos tendrán una extensión.gsg.

• Por defecto, se clasificarán todas las celdas en el ráster de salida, en donde cada clase tiene ponderaciones de probabilidad iguales incorporadas a sus firmas.

• El archivo de probabilidad a priori de entrada debe ser un archivo ASCII que conste de dos columnas. Los valores en la columna izquierda representan los Id. de clase. Los valores en la columna derecha representan las probabilidades a priori para las respectivas clases. Los valores válidos para las probabilidades a priori de clase deben ser mayores o iguales a cero. Si se especifica cero como una probabilidad, la clase no aparecerá en el ráster de salida. La suma de las probabilidades a priori especificadas debe ser menor o igual a uno. El formato del archivo es el siguiente:

      1  .3     2  .1     4  .0     5  .15     7  .05     8  .2

  Las clases omitidas en el archivo recibirán la probabilidad a priori promedio de la porción restante del valor uno. En el ejemplo anterior, todas las clases de 1 a 8 están representadas en el archivo de firma. Las probabilidades a priori de las clases 3 y 6 no están presentes en el archivo de probabilidad a priori de entrada. Como la suma de todas las probabilidades especificadas en el archivo anterior es igual a 0,8, la porción restante de la probabilidad (0,2) está dividida por la cantidad de clases no especificadas (2). Por lo tanto, a las clases 3 y 6 se les asignará una probabilidad de 0,1.

• Se asignará una fracción de rechazo especificada, que yace entre alguno de los dos valores válidos, al próximo valor válido superior. Por ejemplo, 0,02 se convertirá en 0,025.

• Hay una relación directa entre la cantidad de celdas no clasificadas en el ráster de salida que resultan de la fracción de rechazo y la cantidad de celdas representada por la suma de los niveles de confidencia más pequeños que el valor respectivo introducido para la fracción de rechazo.

• Si la entrada es una capa creada desde un ráster multibanda con más de tres bandas, la operación considerará todas las bandas asociadas con el dataset de origen, no sólo las tres bandas que fueron cargadas (simbolizadas) por la capa.

• Hay varias maneras de especificar un subconjunto de bandas a partir de un ráster multibanda para utilizar como entrada en la herramienta.

  • Si utiliza el cuadro de diálogo de la herramienta, navegue hasta el ráster multibanda utilizando el botón junto a Bandas de ráster de entrada, abra el ráster y, a continuación, seleccione las bandas deseadas.
  • Si el ráster multibanda es una capa en la Tabla de contenido, puede utilizar la herramienta Crear capa ráster para crear una nueva capa multibanda que contiene solo las bandas deseadas.
  • También puede crear un nuevo dataset que contiene solo las bandas deseadas con Bandas compuestas y utilizar el dataset resultante como entrada para la herramienta.
  • En Python, las bandas deseadas se pueden especificar directamente en el parámetro de herramienta como una lista.

• Si el Nombre de clase en el archivo de firma es diferente que el Id. de clase, entonces un campo adicional se agregará a la tabla de atributos de ráster de salida llamado CLASSNAME. Para cada clase en la tabla de salida CLASSNAME contendrá el Nombre de clase asociado con la clase. Por ejemplo, si los nombres de clase para las clases en el archivo de firma son nombres de cadena de caracteres descriptiva (por ejemplo, coníferas, agua y urbano), estos nombres serán trasladados al campo CLASSNAME.

• La extensión para un archivo de probabilidad a priori de entrada es .txt.

Sintaxis

MLClassify (in_raster_bands, in_signature_file, {reject_fraction}, {a_priori_probabilities}, {in_a_priori_file}, {out_confidence_raster})

Parámetro	Explicación	Tipo de datos
in_raster_bands [in_raster_band,...]	Bandas del ráster de entrada.	Raster Layer
in_signature_file	El archivo de firma de entrada cuyas firmas de clase se utilizan mediante el clasificador de máxima verosimilitud. Se requiere una extensión .gsg.	File
reject_fraction (Opcional)	Parte de las celdas que permanecerán no clasificadas dada la menor posibilidad de asignaciones correctas. El valor predeterminado es 0,0; por lo tanto, se clasificará cada celda. Las 14 entradas válidas son 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 y 0,995.	String
a_priori_probabilities (Opcional)	Especifica cómo se determinarán las probabilidades a priori. EQUAL — Todas las clases tendrán la misma probabilidad a priori. SAMPLE — Las probabilidades a priori serán proporcionales al número de celdas en cada clase relativo al número total de celdas muestreadas en todas las clases del archivo de firma. FILE —Se asignarán las probabilidades a priori a cada clase a partir de un archivo de probabilidad a priori ASCII de entrada.	String
in_a_priori_file (Opcional)	Archivo de texto que contiene probabilidades a priori para las clases de firmas de entrada. Sólo se requiere una entrada para el archivo de probabilidades a priori cuando se utiliza la opción FILE. La extensión para el archivo a priori puede ser .txt o .asc.	File
out_confidence_raster (Opcional)	El dataset del ráster de confianza de salida que muestra la certeza de la clasificación en 14 niveles de confianza, en donde los valores más pequeños representan la confiabilidad más alta.	Raster Dataset

Valor de retorno

Nombre	Explicación	Tipo de datos
out_classified_raster	Ráster clasificado de salida.	Raster

Ejemplo de código

Ejemplo 1 de MaximimumLikelihoodClassification (ventana de Python)

En este ejemplo se crea un ráster clasificado de salida que contiene cinco clases derivadas de un archivo de firma de entrada y un ráster multibanda.

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")

Ejemplo 2 de MaximimumLikelihoodClassification (secuencia de comandos independiente)

En este ejemplo se crea un ráster clasificado de salida que contiene cinco clases derivadas de un archivo de firma de entrada y un ráster multibanda.

# 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")

Entornos

Tamaño de celda, Espacio de trabajo actual, Sistema de coordenadas de salida, Espacio de trabajo temporal, Alinear ráster

Información de licencia

ArcView: Requiere Análisis espacial

ArcEditor: Requiere Análisis espacial

ArcInfo: Requiere Análisis espacial