Image Analyst ライセンスで利用できます。
Spatial Analyst のライセンスで利用可能。
サブピクセル分類を実行し、ピクセルごとに異なる土地被覆タイプの部分存在量を算出します。
このツールは、複数の材料を含む個々のピクセルの材料率を計算します。 各バンドがそれぞれの土地被覆クラスの部分占有率に対応するマルチバンド ラスターを生成します。 たとえば、このツールを使用して、マルチスペクトル画像で土地被覆分類を実行し、光合成植生、露出土壌、および枯れた植生または非光合成植生を識別することができます。
このツールは、Esri スペクトル ライブラリー (.esl) や ENVI スペクトル ライブラリー形式 (.sli) など、複数のスペクトル データ入力形式をサポートしています。
ツールは、従来の JSON スペクトル入力形式をサポートしています。 次に、.json ファイルとして指定するスペクトル ファイルの例を示します:
{
"EsriEndmemberDefinitionFile" : 0,
"FileVersion" : 1,
"NumberOfEndmembers" : 3,
"NumberOfBands" : 7,
"Endmembers" : [
{
"EndmemberID" : 1,
"EndmemberName" : "urban",
"SpectralProfile" : [
88,
42,
48,
38,
86,
115,
59
]
},
{
"EndmemberID" : 2,
"EndmemberName" : "vegetation",
"SpectralProfile" : [
50,
21,
20,
35,
50,
110,
23
]
},
{
"EndmemberID" : 3,
"EndmemberName" : "water",
"SpectralProfile" : [
51,
20,
14,
9,
7,
116,
4
]
}
]
}現在サポートされている分類器出力は、[最尤法による分類器定義ファイルの作成 (Train Maximum Likelihood Classifier)] ツールで生成される分類器定義ファイル (.ecd) のみです。
ポリゴン フィーチャには、次のフィールド名が必要です。
各土地被覆クラスの部分占有率を計算する際、その解に負の係数または小数が含まれることがあります。 この場合、入力スペクトル プロファイルのトレーニング サンプルを確認し、各クラスが正確に表現されていることを確認してください。 正確である場合は、[出力値オプション] で [負以外] を指定します。
スペクトル入力が .ecd ファイル、トレーニング サンプル フィーチャクラス、または .json ファイルである場合、入力画像と入力スペクトル データのバンド数は一致する必要があります。
入力スペクトルがスペクトル ライブラリー ファイル (.esl または .sli) から得られる場合、バンド数が一致しなければ、スペクトルのリサンプリングはバンド平均化手法を使用して適用されます。 必要に応じて、[スペクトル ライブラリーのリサンプリング (Resample Library Spectra)] ツールを使用してスペクトルをリサンプリングできます。
スペクトル データが、反射率の値が 0 ～ 1 の範囲にあるスペクトル ライブラリーから取得される場合 (USGS スペクトル ライブラリーなど)、入力地表面反射率ラスターにも 0 ～ 1 の値が含まれている必要があります。
入力画像が 0 ～ 1 の範囲内ではない場合 (8 ビット、16 ビットなど)、スペクトル ビューアー ツールを使用して、材料のスペクトル シグネチャーを画像から取得することをおすすめします。 必要に応じて、[連続体の削除] チェックボックスをオンにし、ピクセル値と入力スペクトル ライブラリー データを正規化します。
[連続体の削除] チェックボックスをオンにすると、ローカル スペクトルの最大値間を接続する直線セグメントを使用して、凸包がスペクトルを覆うように配置されます。 連続体は、画像内の各ピクセルの実際のスペクトルと入力スペクトルに分割することで除去されます。 これにより、共通のベースラインから吸収フィーチャを比較できるようになります。
| ラベル | 説明 | データ タイプ |
入力ラスター | 入力サーフェス反射率ラスター データセット。 | Raster Dataset; Mosaic Dataset; Mosaic Layer; Raster Layer; File; Image Service |
スペクトル ファイルまたはトレーニング フィーチャ | さまざまな土地被覆クラスのスペクトル情報。 ファイルには、次のいずれかを指定できます:
| File; Feature Layer; String |
出力値オプション (オプション) | 出力ピクセル値の定義方法を指定します。
| String |
連続体の削除 (オプション) | スペクトルを画像または参照データから正規化するかどうかを指定します
スペクトルを画像または参照データから正規化するかどうかを指定します
| Boolean |
| ラベル | 説明 | データ タイプ | 出力ラスター | 出力マルチバンドのラスター データセット。 | Raster |
LinearSpectralUnmixing(in_raster, in_spectral_profile_file, {value_option}, {remove_continuum})| 名前 | 説明 | データ タイプ |
in_raster | 入力サーフェス反射率ラスター データセット。 | Raster Dataset; Mosaic Dataset; Mosaic Layer; Raster Layer; File; Image Service |
in_spectral_profile_file | さまざまな土地被覆クラスのスペクトル情報。 ファイルには、次のいずれかを指定できます:
| File; Feature Layer; String |
value_option [value_option,...] (オプション) | 出力ピクセル値の定義方法を指定します。
| String |
remove_continuum (オプション) | スペクトルを画像または参照データから正規化するかどうかを指定します
スペクトルを画像または参照データから正規化するかどうかを指定します
| Boolean |
| 名前 | 説明 | データ タイプ | out_raster | 出力マルチバンドのラスター データセット。 | Raster |
この例では、分類器定義ファイル (.ecd) からクラスの部分占有率を計算し、マルチバンド ラスターを生成します。
# Import system modules
import arcpy
from arcpy.sa import *
# Check out the ArcGIS Spatial Analyst extension license
arcpy.CheckOutExtension("SpatialAnalyst")
# Execute
unmixing_outputs = LinearSpectralUnmixing("C:/data/landsat7_image.crf",
"C:/data/train_maxi_likelihood_ecd_output.ecd", "SUM_TO_ONE;NON_NEGATIVE")
# Save output
unmixing_outputs.save("C:/data/unmixing_outputs.crf")この例では、分類器定義ファイル (.ecd) からクラスの部分占有率を計算し、マルチバンド ラスターを生成します。
# Import system modules
import arcpy
from arcpy.sa import *
# Check out the ArcGIS Spatial Analyst extension license
arcpy.CheckOutExtension("SpatialAnalyst")
# Define input parameters
inFile = "C:/data/landsat7_image.crf"
json_file = "C:/data/customized_endmembers.json"
options = "SUM_TO_ONE"
# Execute
unmixing_outputs = LinearSpectralUnmixing(inFile, json_file, options)
# Save output
unmixing_outputs.save("C:/data/unmixing_outputs_using_json.crf")この例では、トレーニング サンプル フィーチャクラス (.ecd) からクラスの部分占有率を計算し、マルチバンド ラスターを生成します。
# Import system modules
import arcpy
from arcpy.sa import *
# Check out the ArcGIS Spatial Analyst extension license
arcpy.CheckOutExtension("SpatialAnalyst")
# Define input parameters
inFile = "C:/data/landsat7_image.crf"
training_features = "C:/data/training_features.shp"
options = "SUM_TO_ONE;NON_NEGATIVE"
# Execute
unmixing_outputs = LinearSpectralUnmixing(inFile, training_features, options)
# Save output
unmixing_outputs.save("C:/data/unmixing_outputs_using_training_features.crf")