Multivariate geoprocessing functions

Spatial Analyst のライセンスで利用可能。

多変量統計解析ジオプロセシング機能では、多種多様な属性間の関係を細かく調べることができます。 分類 (教師付き分類と教師なし分類) と主成分分析 (PCA) の 2 種類の多変量解析を利用することができます。

The goal of classification is to assign each cell in a study area to a class or category. With Supervised classification, you have a specific knowledge about the study area and can identify representative areas, or samples, of each class. Unsupervised classification uses naturally occurring statistical groupings in the data to determine the clusters into which the data will be classified.

以下のトピックは、ジオプロセシング機能の論理的側面に関する背景情報と、その実装例を説明しています。

• Learn about multivariate classification
• Learn how to produce signature files and class and cluster analysis
• Learn how to evaluate classes and clusters
• Learn how to perform the classification

The general procedure for both Supervised and Unsupervised classification follows:

1. Identify the input bands.
2. Create the classes or clusters.

   The following geoprocessing functions can be used: Create Signatures, Iso Cluster, or Sample from the Extraction geoprocessing functions category.

3. Evaluate and edit the classes or clusters.

   Use the Dendrogram or Edit Signatures geoprocessing functions.

4. Perform the classification.

   Use the Maximum Likelihood Classification or Class Probability geoprocessing functions.

The Iso Cluster Unsupervised Classification geoprocessing function allows you to conveniently perform an unsupervised classification by combining steps 1, 2, and 4 described above into a single geoprocessing function.

To eliminate redundancy in the data and make it more interpretable, you can transform your multivariate data through PCA.

• Learn more about transforming multivariate data with Principal Component Analysis (PCA)

使用可能なジオプロセシング機能とその簡単な説明を次の表に示します。

Geoprocessing functions of the Multivariate category

Geoprocessing Function	Description
Band Collection Statistics	ラスター バンドの統計情報を計算します。
Class Probability	確率バンドのマルチバンド ラスターを作成します。入力シグネチャ ファイルにある各クラスに対して 1 つのバンドが作成されます。
Create Signatures	入力サンプル データと一連のラスター バンドによって定義されたクラスの ASCII シグネチャ ファイルを作成します。
Dendrogram	シグネチャ ファイル内で順番にマージされたクラス間の属性距離を表示するダイアグラム (樹状図) を構築します。
Edit Signatures	クラス シグネチャをマージ、番号の再割り当て、および削除することでシグネチャ ファイルを編集および更新します。
Iso Cluster	ISO クラスター アルゴリズムを使用して、多次元属性空間内にあるセルの自然なグループ化の特性を判別し、出力 ASCII シグネチャ ファイルに結果を格納します。
Iso Cluster Unsupervised Classification	[ISO クラスター (Iso Cluster)] と [最尤法分類 (Maximum Likelihood Classification)] ツールを使用して、一連の入力ラスター バンドに教師なし分類を実行します。
Maximum Likelihood Classification	一連のラスター バンドに対して最尤法分類を実行し、出力として分類されたラスターを作成します。
Principal Components	一連のラスター バンドに対して主成分分析 (PCA) を実行し、1 つのマルチバンド ラスターを出力として生成します。