Étiquette | Explication | Type de données |
Données raster ou de classes d’entités en entrée | La source de données qui étiquette les échantillons d'apprentissage. | Mosaic Layer; Raster Layer; Feature Layer; Image Service; String |
Points d'origine en entrée | Un fichier de formes ou une classe d'entités points qui doit fournir les centres des polygones des échantillons d'apprentissage. | Feature Layer |
Classe d'entités de l'échantillon d'apprentissage en sortie |
La classe d’entités de l’échantillon d’apprentissage en sortie dans le format pouvant être utilisé dans les outils d’apprentissage, notamment les fichiers de formes. La classe d’entités en sortie peut être de type surfacique ou ponctuel. | Feature Class |
Surface d'échantillon minimum (Facultatif) | La surface minimum requise pour chaque échantillon d'apprentissage, en mètres carrés. La valeur minimum doit être supérieure ou égale à 0. | Double |
Rayon d'échantillon maximum (Facultatif) | La plus longue distance (en mètres) à partir d'un point au sein de l'échantillon d'apprentissage vers son point d'origine central. Si elle est définie sur 0, l'échantillon d'apprentissage en sortie sera des points et non des polygones. La valeur minimum doit être supérieure ou égale à 0. | Double |
Disponible avec une licence Spatial Analyst.
Disponible avec une licence Image Analyst.
Synthèse
Génère des échantillons d'apprentissage à partir de points d'origine, tels que des points d’évaluation de la précision ou des points d’échantillons d'apprentissage. Cet outil sert généralement à générer des échantillons d'apprentissage à partir d'une source existante, telle qu'un raster thématique ou une classe d'entités.
Utilisation
Cet outil accepte les sources de données tierces dans le jeu d'outils de classification ArcGIS. Les entrées qui identifient la structure des classes pour guider la génération des échantillons d'apprentissage comprend des jeux de données thématiques ou des polygones, tels que les classifications précédentes, les emprises de bâtiments, les routes ou d'autres données SIG.
Pour les rasters en entrée, l'outil étend la région à partir des points d'origine, à la condition que tous les pixels aient la même valeur. L'étendue de la région est contrôlée par Rayon d'échantillon maximum (max_radius dans Python). Dans le domaine de la télédétection, il est conseillé que les échantillons d'apprentissage soient homogènes et que la taille de l'échantillon soit représentative de l'entité cible. Si l'étendue de la région à partir de certains points d'origine ne peut pas atteindre une surface supérieure à Surface d'échantillon minimum (min_area dans Python), le point d'origine n'est pas utilisé.
Pour les classes d'entités en entrée, l'outil sélectionne les entités à partir des données en entrée qui intersectent la classe d'entités points, au lieu d'utiliser l'étendue de la région.
Vous pouvez utiliser l'outil Créer des points d’évaluation de la précision pour générer les points des échantillons d'apprentissage. Il présente des options pour le nombre de points à utiliser et quelques stratégies d'échantillonnage pour générer les points aléatoires.
Si vous possédez déjà les points d'origine des échantillons d'apprentissage ou une méthode pour les générer, il peut être facile de les utiliser, car l'outil recourt uniquement aux coordonnées x et y d'un fichier de classe d'entités points, et non à la table associée.
Paramètres
GenerateTrainingSamplesFromSeedPoints(in_class_data, in_seed_points, out_training_feature_class, {min_sample_area}, {max_sample_radius})
Nom | Explication | Type de données |
in_class_data | La source de données qui étiquette les échantillons d'apprentissage. | Mosaic Layer; Raster Layer; Feature Layer; Image Service; String |
in_seed_points | Un fichier de formes ou une classe d'entités points qui doit fournir les centres des polygones des échantillons d'apprentissage. | Feature Layer |
out_training_feature_class |
La classe d’entités de l’échantillon d’apprentissage en sortie dans le format pouvant être utilisé dans les outils d’apprentissage, notamment les fichiers de formes. La classe d’entités en sortie peut être de type surfacique ou ponctuel. | Feature Class |
min_sample_area (Facultatif) | La surface minimum requise pour chaque échantillon d'apprentissage, en mètres carrés. La valeur minimum doit être supérieure ou égale à 0. | Double |
max_sample_radius (Facultatif) | La plus longue distance (en mètres) à partir d'un point au sein de l'échantillon d'apprentissage vers son point d'origine central. Si elle est définie sur 0, l'échantillon d'apprentissage en sortie sera des points et non des polygones. La valeur minimum doit être supérieure ou égale à 0. | Double |
Exemple de code
Créer des échantillons d'apprentissage à partir des points d'origine
import arcpy
from arcpy.ia import *
# Check out the ArcGIS Image Analyst extension license
arcpy.CheckOutExtension("ImageAnalyst")
GenerateTrainingSamplesFromSeedPoints("c:/test/amberg_3band_classified_ISO.tif",
"c:/input/seed_points",
"c:/test/out/training_samples.gdb\out_training_sample",
30, 50)
Créer des échantillons d'apprentissage à partir des points d'origine
# Import system modules
import arcpy
from arcpy.ia import *
# Set local variables
inclassified_raster = "c:/test/landuse.tif"
in_seed_points = "c:/test/seed_points.shp"
output_trainingsamples = "c:/test/output/training.gdb/trainingsmaples"
maxSampleArea = 30
minSampleRadius = 50
# Check out the ArcGIS Image Analyst extension license
arcpy.CheckOutExtension("ImageAnalyst")
#Execute
GenerateTrainingSamplesFromSeedPoints(inclassified_raster, in_seed_points,
output_trainingiamples, maxiampleArea, miniampleRadius)
Informations de licence
- Basic: Nécessite Image Analyst or Spatial Analyst
- Standard: Nécessite Image Analyst or Spatial Analyst
- Advanced: Nécessite Image Analyst or Spatial Analyst
Rubriques connexes
- An overview of the Classification and Pattern Recognition toolset
- Rechercher un outil de géotraitement
- Préparer le classificateur de vraisemblance maximale
- Préparer le classificateur d'arbres aléatoires
- Préparer le classificateur de machines à vecteurs de support
- Classer le raster
- Inspecter les échantillons d'apprentissage
Vous avez un commentaire à formuler concernant cette rubrique ?