Clasificación de máxima verosimilitud (Spatial Analyst)

Disponible con una licencia de 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

• Cuando se especifica un ráster multibanda como una de las Bandas del ráster de entrada (in_raster_bands en Python), se utilizarán todas las bandas.

  Para procesar una selección de bandas a partir de un ráster multibanda, puede crear primero un dataset ráster nuevo formado por esas bandas concretas con la herramienta Bandas compuestas y utilizar el resultado en la lista de Bandas del ráster de entrada (in_raster_bands en Python).

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

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

• Consulte Entornos de análisis y Spatial Analyst para obtener detalles adicionales sobre los entornos de geoprocesamiento que se aplican a esta herramienta.

Parámetros

Cuadro de diálogo

Etiqueta	Explicación	Tipo de datos
Bandas del ráster de entrada	Bandas del ráster de entrada. Aunque las bandas pueden ser de tipo entero o punto flotante, el archivo de firma solo permite valores de clase enteros.	Raster Layer
Archivo de firma de entrada	El archivo de firma de entrada cuyas firmas de clase se utilizan mediante el clasificador de máxima verosimilitud. Se requiere la extensión .gsg.	File
Fracción de Rechazo (Opcional)	Seleccione una fracción de rechazo, que determina si una celda se clasificará en función de la probabilidad de que se asigne correctamente a una de las clases. Las celdas con una probabilidad de que se asignen correctamente a cualquiera de las clases inferior a la fracción de rechazo tendrán el valor NoData en el ráster clasificado de salida. El valor predeterminado es 0,0, que significa que se clasificarán todas las celdas. Las 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— 0,995—	String
Ponderación de la probabilidad a priori (Opcional)	Especifica cómo se determinarán las probabilidades a priori. Igual— Todas las clases tendrán la misma probabilidad a priori. Muestra— 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. Archivo—Se asignarán las probabilidades a priori a cada clase a partir de un archivo de probabilidad a priori ASCII de entrada.	String
Archivo de probabilidades a priori de entrada (Opcional)	Archivo de texto que contiene probabilidades a priori para las clases de firmas de entrada. Solo se requiere una entrada para el archivo de probabilidad a priori cuando se usa la opción Archivo. La extensión del archivo a priori puede ser .txt o .asc.	File
Ráster de confianza de salida (Opcional)	El dataset ráster de confianza de salida muestra la certeza de la clasificación en 14 niveles de confianza, de modo que los valores más bajos representan la fiabilidad más alta. Si no hay celdas clasificadas en un nivel de confianza determinado, ese nivel de confianza no estará presente en el ráster de confianza de salida. Será de tipo entero.	Raster Dataset

Valor de retorno

Etiqueta	Explicación	Tipo de datos
Ráster clasificado de salida	Ráster clasificado de salida. Será de tipo entero.	Raster

Python

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

Nombre	Explicación	Tipo de datos
in_raster_bands [in_raster_band,...]	Bandas del ráster de entrada. Aunque las bandas pueden ser de tipo entero o punto flotante, el archivo de firma solo permite valores de clase enteros.	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 la extensión .gsg.	File
reject_fraction (Opcional)	Seleccione una fracción de rechazo, que determina si una celda se clasificará en función de la probabilidad de que se asigne correctamente a una de las clases. Las celdas con una probabilidad de que se asignen correctamente a cualquiera de las clases inferior a la fracción de rechazo tendrán el valor NoData en el ráster clasificado de salida. El valor predeterminado es 0,0, que significa que se clasificarán todas las celdas. Las 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 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. Solo se requiere una entrada para el archivo de probabilidad a priori cuando se usa la opción Archivo. La extensión del archivo a priori puede ser .txt o .asc.	File
out_confidence_raster (Opcional)	El dataset ráster de confianza de salida muestra la certeza de la clasificación en 14 niveles de confianza, de modo que los valores más bajos representan la fiabilidad más alta. Si no hay celdas clasificadas en un nivel de confianza determinado, ese nivel de confianza no estará presente en el ráster de confianza de salida. Será de tipo entero.	Raster Dataset

Valor de retorno

Nombre	Explicación	Tipo de datos
out_classified_raster	Ráster clasificado de salida. Será de tipo entero.	Raster

Muestra 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"


# Execute 
mlcOut = MLClassify(inRaster, sigFile, probThreshold, aPrioriWeight, 
                    aPrioriFile, outConfidence) 

# Save the output 
mlcOut.save("c:/sapyexamples/output/redmlc02")

Entornos

Auto ejecución, Tamaño de celda, Método de proyección de tamaño de celda, Compresión, Espacio de trabajo actual, Extensión, Transformaciones geográficas, Máscara, Palabra clave CONFIG de salida, Sistema de coordenadas de salida, Espacio de trabajo temporal, Alinear ráster, Tamaño de tesela

Casos especiales

Información de licenciamiento

• Basic: Requiere Spatial Analyst
• Standard: Requiere Spatial Analyst
• Advanced: Requiere Spatial Analyst