Pertenencia difusa (Spatial Analyst)

Disponible con una licencia de Spatial Analyst.

Resumen

Transforma el ráster de entrada a una escala de 0 a 1, que indica la solidez de la pertenencia en un conjunto, en función de un algoritmo de fusificación especificado.

Un valor de 1 indica una pertenencia completa en el conjunto difuso; si la pertenencia disminuye a 0 quiere decir que no es miembro del conjunto difuso.

Más información sobre cómo funciona la Pertenencia difusa

Uso

• Esta herramienta no escala datos categóricos. Para incluir los datos categóricos en un análisis de superposición difuso es necesario un paso de preprocesamiento. Puede crear un modelo o ejecutar las siguientes herramientas de geoprocesamiento. Primero, utilice la herramienta Reclasificar para proporcionar un nuevo rango de valores (por ejemplo, de 1 a 100). A continuación, utilice la herramienta Dividir para dividir el resultado por un factor (por ejemplo, por 100) para normalizar los valores de salida y que se encuentren entre 0,0 y 1,0.

• La expansión determina la rapidez con que disminuyen los valores de pertenencia difusa de 1 a 0. Cuanto más alto sea el valor, más pronunciado será el difuminado alrededor del punto medio. Esto es, mientras menor sea la expansión, las pertenencias difusas se acercarán a 0 con mayor lentitud. La selección del valor de expansión adecuado es un proceso subjetivo que depende del rango de los valores precisos. Para los tipos de pertenencia Gaussiano y Cerca, el valor predeterminado de 0,1 es un buen punto inicial. Por lo general, los valores varían dentro de los rangos de [0,01–1] o [0,001-1], respectivamente. Para los tipos de pertenencia Pequeño y Grande, el valor predeterminado 5 es un buen punto inicial en el que, por lo general, los valores varían entre 1 y 10.

  

• Existen casos en los que ninguno de los valores de entrada tiene una posibilidad del 100 por ciento de pertenecer al conjunto especificado. En otras palabras, ningún valor de entrada tiene una pertenencia difusa de 1. En este caso, puede reescalar los valores de pertenencia difusa para reflejar la nueva escala. Por ejemplo, si la mayor pertenencia para los valores de entrada es de ,75, puede establecer la nueva escala multiplicando cada uno de los valores de pertenencia difusa por 0,75.

• Las opciones del parámetro Precisión son Muy, Un poco y Ninguno. Muy también se conoce como concentración y se define como la función de pertenencia difusa al cuadrado. Un poco se conoce como dilación, o "Más o menos", y es la raíz cuadrada de la función de pertenencia difuminada. Las precisiones Muy y Un poco disminuyen y aumentan, respectivamente, las funciones de pertenencia difusa.

• No se aceptan valores negativos en los tipos de pertenencia Pequeño y Grande.

• Para el tipo de pertenencia lineal, el ráster de entrada debe ser de datos ordenados. El mínimo puede ser menor que el máximo para crear una pendiente positiva, o mayor que el máximo para crear una pendiente negativa para la transformación.

  Si el mínimo es menor que el máximo, se utiliza una función con pendiente positiva para la transformación; si el mínimo es mayor que el máximo, se utiliza una función con pendiente negativa.

• 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
Ráster de entrada	El ráster de entrada cuyos valores se escalarán de 0 a 1. El ráster puede ser un entero o punto flotante.	Raster Layer
Tipo de pertenencia (Opcional)	Especifica el algoritmo utilizado en el difuminado del ráster de entrada. Algunas configuraciones de este parámetro utilizan el tipo Expandir para determinar la rapidez con la que disminuyen los valores de pertenencia difusa de 1 a 0. Los valores predeterminados para la expansión se detallan en las entradas a continuación. Gaussiano: asigna un valor de pertenencia de 1 en el punto medio. La pertenencia disminuye a 0 para valores que se desvían del punto medio según una curva normal. La función Gaussiano es similar al tipo Cerca, pero tiene una expansión más estrecha. Punto medio: el valor predeterminado es el punto medio del rango de valores del ráster de entrada. Expandir: el valor predeterminado es 0,1. Por lo general, los valores varían entre [0,01–1]. Pequeño: indica que los valores pequeños del ráster de entrada poseen una pertenencia alta en el conjunto difuso. Se asigna un valor de pertenencia de 0,5 al punto medio. Punto medio: el valor predeterminado es el punto medio del rango de valores del ráster de entrada. Expandir: el ajuste predeterminado es 5. Grande: indica que los valores grandes del ráster de entrada poseen una pertenencia alta en el conjunto difuso. Se asigna un valor de pertenencia de 0,5 al punto medio. Punto medio: el valor predeterminado es el punto medio del rango de valores del ráster de entrada. Expandir: el ajuste predeterminado es 5. Cerca: calcula las pertenencias para los valores cercanos a valor intermedio. Se asigna un valor de pertenencia de 1 al punto medio. La pertenencia disminuye a 0 para valores que se desvían del punto medio. Punto medio: el valor predeterminado es el punto medio del rango de valores del ráster de entrada. Expandir: el valor predeterminado es 0,1. Por lo general, los valores varían dentro del rango de [0,001–1]. MSLarge: calcula la pertenencia según el valor medio y la desviación estándar de los datos de entrada donde los valores grandes poseen una pertenencia alta. Los resultados pueden ser similares al tipo Grande, según cómo se definan los multiplicadores del valor medio y la desviación estándar. Multiplicador de valor medio: el valor predeterminado es 1. Multiplicador de desviación estándar: el valor predeterminado es 2. MSSmall: calcula la pertenencia según el valor medio y la desviación estándar de los datos de entrada donde los valores pequeños poseen una pertenencia alta. Este es el tipo de pertenencia predeterminado. Los resultados pueden ser similares al tipo Pequeño, según cómo se definan los multiplicadores del valor medio y la desviación estándar. Multiplicador de valor medio: el valor predeterminado es 1. Multiplicador de desviación estándar: el valor predeterminado es 2. Lineal: calcula la pertenencia según la transformación lineal del ráster de entrada. Se asigna un valor de pertenencia de 0 al valor mínimo y un valor de pertenencia de 1 al máximo. Mínimo: el valor predeterminado es 1. Máximo: el valor predeterminado es 2.	Fuzzy function
Precisión (Opcional)	Especifica la precisión que se aplicará. La precisión aumenta o reduce los valores de pertenencia difusa que modifican el significado de un conjunto difuso. Las precisiones ayudan a controlar los criterios o atributos importantes. Ninguno—No se aplicará ninguna precisión. Esta es la opción predeterminada. Un poco—Se aplicará una precisión conocida como dilación y definida como la raíz cuadrada de la función de pertenencia difusa. Esta precisión aumenta las funciones de pertenencia difusa. Muy—Se aplicará una precisión que se conoce como concentración y se define como la función de pertenencia difusa al cuadrado. Esta precisión disminuye las funciones de pertenencia difusa.	String

Valor de retorno

Etiqueta	Explicación	Tipo de datos
Ráster de salida	La salida será un ráster de punto flotante con valores que varían de 0 a 1.	Raster

Python

FuzzyMembership(in_raster, {fuzzy_function}, {hedge})

Nombre	Explicación	Tipo de datos
in_raster	El ráster de entrada cuyos valores se escalarán de 0 a 1. El ráster puede ser un entero o punto flotante.	Raster Layer
fuzzy_function (Opcional)	Especifica el algoritmo utilizado en el difuminado del ráster de entrada. Las clases difusas se utilizan para especificar el tipo de pertenencia. Los siguientes son los tipos de clases de pertenencia: FuzzyGaussian, FuzzyLarge, FuzzyLinear, FuzzyMSLarge, FuzzyMSSmall, FuzzyNear y FuzzySmall. A continuación, se presentan las formas de las clases de pertenencia: FuzzyGaussian({midpoint},{spread}) FuzzyLarge({midpoint},{spread}) FuzzyLinear({minimum},{maximum}) FuzzyMSLarge({meanMultiplier},{STDMultiplier}) FuzzyMSSmall({meanMultiplier},{STDMultiplier}) FuzzyNear({midpoint},{spread}) FuzzySmall({midpoint},{spread})	Fuzzy function
hedge (Opcional)	Especifica la precisión que se aplicará. La precisión aumenta o reduce los valores de pertenencia difusa que modifican el significado de un conjunto difuso. Las precisiones ayudan a controlar los criterios o atributos importantes. NONE—No se aplicará ninguna precisión. Esta es la opción predeterminada. SOMEWHAT—Se aplicará una precisión conocida como dilación y definida como la raíz cuadrada de la función de pertenencia difusa. Esta precisión aumenta las funciones de pertenencia difusa. VERY—Se aplicará una precisión que se conoce como concentración y se define como la función de pertenencia difusa al cuadrado. Esta precisión disminuye las funciones de pertenencia difusa.	String

Valor de retorno

Nombre	Explicación	Tipo de datos
out_raster	La salida será un ráster de punto flotante con valores que varían de 0 a 1.	Raster

Muestra de código

Ejemplo 1 de FuzzyMembership (ventana de Python)

En este ejemplo se crea un ráster de pertenencia difusa mediante la función Gaussiano, en el cual los valores de elevación más cercanos al punto medio (1.200 pies) poseen un valor de pertenencia mayor.

import arcpy
from arcpy.sa import *
from arcpy import env
env.workspace = "c:/sapyexamples/data"
outFzyMember = FuzzyMembership("elevation", FuzzyGaussian(1200, 0.06))
outFzyMember.save("c:/sapyexamples/fzymemb")

Ejemplo 2 de FuzzyMembership (secuencia de comandos independiente)

En este ejemplo se crea un ráster de pertenencia difusa mediante la función Gaussiano y una expansión de 0,4, en el cual los valores de elevación más cercanos al punto medio (1.000 pies) poseen un valor de pertenencia mayor.

# Name: FuzzyMembership_Ex_02.py
# Description: Scales input raster data into values ranging from zero to one
#     indicating the strength of a membership in a set. 
# 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 = "elevation"

# Create the FuzzyGaussian algorithm object
midpoint = 1000
spread = 0.4
myFuzzyAlgorithm = FuzzyGaussian(midpoint, spread)

# Execute FuzzyMembership
outFuzzyMember = FuzzyMembership(inRaster, myFuzzyAlgorithm)

# Save the output
outFuzzyMember.save("c:/sapyexamples/fzymemb2")

Entornos

Auto ejecución, Tamaño de celda, Método de proyección de tamaño de celda, 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

Información de licenciamiento

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