Mit der Spatial Analyst-Lizenz verfügbar.
Eine der gängigsten Anwendungen der Generalisierungswerkzeuge besteht in der Bereinigung von klassifizierten Bildern, die aus einer Fernerkundungssoftware stammen. Aus dem Klassifizierungsprozess ergeben sich häufig viele kleine isolierte Datenzonen, die entweder falsch klassifiziert oder für die Analyse nicht relevant sind.
Erstellen einer generalisierten Landnutzungskarte aus einem Satellitenbild
Im folgenden Beispiel wird gezeigt, in welcher Reihenfolge die Generalisierungswerkzeuge gewöhnlicherweise angewendet werden, um einen Raster-Layer zu erzeugen, der besser für eine Präsentation oder spätere Analyse geeignet ist.
Jedes Werkzeug lässt sich je nach Anwendungszweck entweder einzeln oder in Kombination mit anderen Bereinigungswerkzeugen ausführen.
Starten mit einer unverarbeiteten Satellitenaufnahme
Die nachfolgende Abbildung zeigt ein unverarbeitetes Satellitenbild, das klassifiziert wird. Auch wenn nicht explizit auf den Prozess der Klassifizierung eingegangen wird, wird im folgenden Abschnitt beschrieben, warum das direkte Ergebnis in der Regel noch weiter bearbeitet werden muss, damit es brauchbar wird.
Resultierendes Bild nach der Klassifizierung
Bei einer überwachten Klassifizierung werden in einem Bild wie dem Satellitenbild Trainingsgebiete identifiziert. Diese werden aus verschiedenen Landnutzungen zur Identifizierung von Wasservorkommen, Wohngebieten, Hartholz, Nadelbäumen usw. verwendet. Anhand dieser Trainingsgebiete werden alle anderen Zellenposition einer dieser bekannten Landtypen bzw. -nutzungen zugewiesen. Manchmal ähneln sich die Landnutzungssignaturen (aus den Trainingsgebieten abgeleitete Statistiken), was die Unterscheidung zwischen zwei Klassen erschwert. Bei den vorhanden Trainingsgebieten kann die Software beispielsweise nicht zwischen einem Erlenbruch und einem Feuchtgebiet mit Hartholz unterscheiden. Das kann an einer unzureichenden Anzahl von Trainingsgebieten liegen oder daran, dass für bestimmte Landnutzungen bisher noch gar keine Stichproben genommen wurden. Diese und andere Einschränkungen können zu einer fehlerhaften Klassifizierung bestimmter Standorte führen.
Folglich kann es passieren, dass eine aus einer einzelnen oder einer kleinen Gruppe von Zellen bestehende Entität innerhalb einer Ansammlung von Zellen falsch klassifiziert wird, die Entität aber eigentlich zu der sie umgebenden Gruppe von Zellen gehört. Des Weiteren ergibt sich eine fehlerhafte Klassifizierung häufig aus den Grenzen zwischen verschiedenen Landnutzungen. Die Grenzen werden häufig unrealistisch gezackt dargestellt und können dann mit den Generalisierungswerkzeugen geglättet werden.
Unten sehen Sie die Klassifizierung des Satellitenbildes. Sie sehen, dass sich über das Bild viele kleine isolierte einzelne Zellen oder Zellgruppen verteilen.
In den folgenden Abschnitten wird beschrieben, wie sich mit den Generalisierungswerkzeugen ein endgültiges klassifiziertes Raster erstellen lässt.
Entfernen von falsch klassifizierten Zellen mit dem Mehrheitsfilter
Zum Entfernen von einzelnen falsch klassifizierten Zellen im klassifizierten Bild wird das Werkzeug Mehrheitsfilter angewendet. Die Ergebnisse werden im Bild unten angezeigt. Sie sehen, dass viele der kleinen Zellgruppen verschwunden sind.
Glätten von Zonen mit dem Werkzeug "Grenzen glätten"
Um die Grenzen zwischen Zonen zu glätten, kann das Werkzeug Grenzen glätten implementiert werden. Wie in der folgenden Abbildung dargestellt, dringen durch Erweitern und Verkleinern der Grenzen die größeren Zonen in die kleineren ein. Sie sehen, dass weitere kleinere und spärlichere Zellgruppen verschwunden sind.
Identifizieren von Clustern mit dem Werkzeug "Gruppierung zu Regionen"
Mit den Werkzeugen Mehrheitsfilter und Grenzen glätten lassen sich lediglich einzelne falsch klassifizierte Zellen oder sehr kleine Zellcluster entfernen, indem ihnen ein Wert zugewiesen wird, der in der unmittelbaren Umgebung am häufigsten vorkommt. Aber einmal angenommen, es gibt einen bestimmten Schwellenwert für die Größe, unterhalb dessen einzelne Gruppierungen als zu klein und nicht aussagekräftig für die nachfolgende Analyse erachtet werden. Diese Cluster sollten stattdessen mit den sie umgebenden Gruppen zusammengeführt werden. Beispiel: Zusammenhängende Cluster derselben Landnutzungskategorie, die kleiner sind als 7.200 Quadratmeter, werden als nicht signifikant für die Analyse betrachtet. Diese isolierten Regionen können allerdings nicht einzeln verarbeitet werden, weil sie dieselben Landnutzungswerte aufweisen wie die gesamten Zone.
Dieses Problem lässt sich mit dem Werkzeug Gruppierung zu Regionen lösen. Das Werkzeug weist jeder Region im Eingabe-Raster (klassifiziertes Bild) einen eindeutigen Identifikator zu. Eine Region ist eine Gruppe von zusammenhängenden Zellen mit demselben Wert. Stellen Sie sich eine einzelne Zone aus zwei nicht verbunden Regionen vor. Das Werkzeug Gruppierung zu Regionen teilt diese Zone in zwei neue Zonen mit jeweils eindeutigem Identifikator (Zonenwert). Der ursprüngliche Zonenwert wird in der Ausgabeattributtabelle als LINK-Feld gespeichert. Nachfolgend wird das resultierende Raste mit den vielen verschiedenen Ausgabezonen angezeigt.
Entfernen von Flächen, die kleiner sind als der Schwellenwert
Als Nächstes erstellen Sie mit einem Auswahlwerkzeug wie Nach Attributen extrahieren aus der Toolbox "Extraction" ein Ausgabe-Raster, aus dem die Regionen entfernt wurden, die kleiner sind als der für die Fläche definierte Schwellenwert.
Entfernen von kleinen Regionen mit Nibble
Wenn Sie das Werkzeug Nibble aus dem Extraktionswerkzeug (das die zu entfernenden Regionen identifiziert) mit den Werten aus dem klassifizierten Raster-Bild im resultierenden Raster verwenden, sucht das Werkzeug jede zu entfernende Zellenposition auf und ersetzt sie durch die nächstgelegene Zelle im klassifizierten Raster, die einen Wert aufweist.
Endgültige generalisierte Landnutzungskarte
Mithilfe des Link-Elements in den Ergebnissen des Werkzeugs Gruppierung zu Regionen werden die ursprünglichen Zonenwerte aus dem klassifizierten Bild erneut den einzelnen Regionen zugewiesen, die mit dem Werkzeug Gruppierung zu Regionen erstellt wurden.
Das Ergebnis ist eine generalisiertere Landnutzungskarte, die für nachfolgende Analysen verwendet werden kann.