| Etiqueta | Explicación | Tipo de datos |
Datos de la clase de entidad o ráster de entrada | La imagen de clasificación de entrada u otros datos de referencia SIG temáticos. La entrada puede ser un ráster o una clase de entidad. Los datos típicos son una imagen de clasificación de un tipo de datos enteros de una banda. Al usar polígonos como entrada, utilice solo aquellos no empleados como muestras de referencia. También pueden ser datos SIG de cobertura de suelo en formato shapefile o de clase de entidad. | Raster Layer; Mosaic Layer; Feature Layer |
Puntos de evaluación de precisión de salida | El shapefile o la clase de entidad de puntos de salida que contienen los puntos aleatorios que se van a usar para la evaluación de exactitud. | Feature Class |
Campo de destino (Opcional) | Especifica si los datos de entrada son una imagen clasificada o datos de la realidad del terreno.
| String |
Número de puntos aleatorios (Opcional) | El número total de puntos aleatorios que se generarán. El número real puede superar este número, nunca quedar por debajo, dependiendo de la estrategia de muestreo y el número de clases. El número predeterminado de puntos generados de manera aleatoria es 500. | Long |
Estrategia de muestreo (Opcional) | Especifica el esquema de muestreo que se utilizará.
| String |
Campo de dimensión para clase de entidad (Opcional) | Un campo que define la dimensión (tiempo) de las entidades. Este parámetro solo se utiliza si el resultado de la clasificación es un ráster multidimensional y se desea generar puntos de evaluación a partir de una clase de entidad, por ejemplo, polígonos de clasificación de tierras para varios años. | Field |
Disponible con una licencia de Spatial Analyst.
Disponible con licencia de Image Analyst.
Resumen
Crea puntos de muestra de forma aleatoria para la evaluación de exactitud posterior a la clasificación.
Una práctica habitual es seleccionar de forma aleatoria cientos de puntos y etiquetar sus tipos de clasificación haciendo referencia a fuentes de confianza como, por ejemplo, el trabajo de campo o la interpretación humana de imágenes de alta resolución. Es entonces cuando los puntos de referencia se comparan con los resultados de la clasificación en las mismas ubicaciones.
Uso
Esta herramienta crea un conjunto de puntos aleatorios y les asigna una clase basada en los datos de referencia.
Esta herramienta también permite asignar una clase a un conjunto de puntos utilizando una imagen clasificada con anterioridad o una clase de entidad.
En el flujo de trabajo de evaluación de la exactitud suelen utilizarse las tres herramientas siguientes en este orden: Crear puntos de evaluación de exactitud, Actualizar puntos de evaluación de exactitud y Calcular matriz de confusión.
Cuando se utiliza una clase de entidad poligonal con fines de entrenamiento o de evaluación de la precisión, la clase de entidad debe tener un campo Classvalue o value con un valor entero único para cada clase. Por ejemplo, una clase de entidad poligonal con tres clases diferentes puede tener valores como [1, 2, 3] o [10, 20, 40].
Si el valor del parámetro Datos de ráster o clase de entidad de entrada es un ráster multidimensional, los puntos aleatorios generados utilizarán todas las imágenes de la serie temporal con un campo de fecha que indica la imagen de la que se generan los puntos. Para generar puntos para un subconjunto de imágenes, utilice la herramienta Crear capa ráster multidimensional para crear una capa intermedia, o la herramienta Ráster multidimensional de subconjunto para crear un dataset intermedio antes de utilizar esta herramienta.
Después de ejecutar esta herramienta, puede editar la tabla para asignar una clase manualmente a alguno de los puntos o a todos ellos.
Parámetros
CreateAccuracyAssessmentPoints(in_class_data, out_points, {target_field}, {num_random_points}, {sampling}, {polygon_dimension_field})| Nombre | Explicación | Tipo de datos |
in_class_data | La imagen de clasificación de entrada u otros datos de referencia SIG temáticos. La entrada puede ser un ráster o una clase de entidad. Los datos típicos son una imagen de clasificación de un tipo de datos enteros de una banda. Al usar polígonos como entrada, utilice solo aquellos no empleados como muestras de referencia. También pueden ser datos SIG de cobertura de suelo en formato shapefile o de clase de entidad. | Raster Layer; Mosaic Layer; Feature Layer |
out_points | El shapefile o la clase de entidad de puntos de salida que contienen los puntos aleatorios que se van a usar para la evaluación de exactitud. | Feature Class |
target_field (Opcional) |
Especifica si los datos de entrada son una imagen clasificada o datos de la realidad del terreno.
| String |
num_random_points (Opcional) | El número total de puntos aleatorios que se generarán. El número real puede superar este número, nunca quedar por debajo, dependiendo de la estrategia de muestreo y el número de clases. El número predeterminado de puntos generados de manera aleatoria es 500. | Long |
sampling (Opcional) | Especifica el esquema de muestreo que se utilizará.
| String |
polygon_dimension_field (Opcional) | Un campo que define la dimensión (tiempo) de las entidades. Este parámetro solo se utiliza si el resultado de la clasificación es un ráster multidimensional y se desea generar puntos de evaluación a partir de una clase de entidad, por ejemplo, polígonos de clasificación de tierras para varios años. | Field |
Muestra de código
Este ejemplo crea puntos aleatorios para la evaluación de exactitud.
import arcpy
from arcpy.sa import *
arcpy.gp.CreateAccuracyAssessmentPoints("cls.tif", "aapnt1.shp", "COMPUTED", "1500", "RANDOM")Información de licenciamiento
- Basic: Requiere Spatial Analyst o Image Analyst
- Standard: Requiere Spatial Analyst o Image Analyst
- Advanced: Requiere Spatial Analyst o Image Analyst