Доступно с лицензией Spatial Analyst.
Наиболее частое применение инструментов генерализации - очистка классифицированного снимка, полученного после обработки программным обеспечением дистанционного зондирования. Процесс классификации часто выдает результаты в виде зон данных небольшого размера, которые либо неверно классифицированы, либо не подходят для анализа.
Создание генерализированной карты землепользования из спутникового снимка
В примере ниже представлена стандартная последовательность использования инструментов генерализации для получения растрового слоя, более пригодного для презентации или дальнейшего анализа.
Каждый инструмент можно использовать отдельно, или в комбинации с другими инструментами очистки данных для различных целей.
Начнем с необработанной сцены спутниковых изображений
На иллюстрации ниже показано необработанное спутниковое изображение, которое будет классифицировано. Процесс классификации здесь подробно не описывается, но в следующем разделе будут приведены некоторые причины, почему результат классификации нуждается в дальнейшей обработке, чтобы быть пригодным к использованию.
Результирующее изображение после классификации
В классификации с обучением обучающие выборки идентифицируются на изображении, в частности, на снимке. Обучающие выборки формируются на разных типах землепользования для идентификации водных объектов, областей жилищной застройки, лиственных или хвойных лесов и так далее. На основании этих обучающих выборок всем остальным ячейкам на снимке присваиваются те или иные типы землепользования. Иногда сигнатуры землепользования (показатели статистики, полученные из обучающих выборок) схожи между собой, что затрудняет точное определение похожих классов. Например, используя существующие обучающие выборки, программное обеспечение не может дифференцировать ольховое болото от заболоченной местности с лиственными породами. Это может быть связано с недостаточным количеством обучающих выборок, или с тем, что некоторые типы землепользования вообще никогда не классифицировались. Эти, и подобные им ограничения могут привести к ошибкам в классификации в некоторых районах.
В результате отдельные ячейки, или небольшие группы ячеек классифицируются не так, как окружающие их области ячеек, хотя на самом деле этот участок совпадает с окружающими ячейками. Другая типичная ошибка при классификации - граничные участки между разными типами землепользования. Часто в результате получается неровное, нереалистичное представление границы, которое можно сгладить с помощью инструментов генерализации.
Ниже классификация спутникового изображения. Обратите внимание на множество отдельных одиночных ячеек и небольших групп ячеек на снимке.
В разделе ниже рассказывается, как инструменты генерализации можно применить для получения финального классифицированного растра.
Удаление неверно классифицированных ячеек с помощью Фильтра большинства
Для удаления отдельной ячейки с неверной классификацией из классифицированного изображения применен инструмент Фильтр большинства. Результирующее изображение показано на иллюстрации ниже. Обратите внимание, что множество небольших групп ячеек исчезло.
Сглаживание зон с помощью Удаления границ
Для сглаживания границ между зонами можно использовать инструмент Удаление границ. При растяжении или сокращении границ зоны большего размера поглощают небольшие зоны, как показано на изображении ниже. Еще раз обратите внимание, что еще больше небольших и тонких групп ячеек исчезло.
Выявление кластеров с использованием Группировки
Инструменты Фильтр большинства и Удаление границ оперируют только с одиночными ячейками или небольшими кластерами неверно классифицированных ячеек, назначая им значения, которые наиболее часто присутствуют в ближайшей окрестности. Предположим, тем не менее, что существует некоторый пороговый размер, ниже которого отдельные группы схожих ячеек считаются слишком малыми для какого либо анализа. Такие кластеры должны сливаться с окружающими их группами. Например, любые смежные кластеры одинаковой категории землепользования, площадь которых меньше 7200 квадратных метров, считаются несущественными для анализа. Тем не менее, эти отдельные регионы не могут обрабатываться индивидуально, так как имеют те же значения землепользования, что и вся зона.
Для исправления этой проблемы применяется инструмент Группировка. Этот инструмент присваивает уникальные идентификаторы каждому региону входного растра (классифицированного снимка). Регион представляет собой группу смежных ячеек с одинаковым значением. Рассмотрим единую зону, состоящую из двух не связанных регионов. Инструмент Группировка разделит эту зону на две новые зоны и каждой из них будет присвоен уникальный идентификатор (значение) зоны. Исходное значение зоны сохраняется как поле со ссылкой в выходной таблице атрибутов. Результирующий растр с несколькими выходными зонами показан ниже.
Удаление областей меньше порогового размера
Далее, используя инструмент выборки, например Извлечь по атрибуту в группе инструментов Извлечение, в котором регионы меньше площади порогового размера будут удалены.
Удаление регионов небольшого размера с помощью инструмента Отсечение
Используя инструмент Отсечение для растра, полученного после извлечения (с определением регионов для удаления) и значения классифицированного снимка инструмент находит каждое местоположение ячейки для удаления и замещает ее ближайшей ячейкой со значением, взятым из классифицированного растра.
Финальная генерализованная карта землепользования
На основании элемента ссылки из результата инструмента Группировка исходные значения зон классифицированного снимка переназначены отдельным регионам, созданным инструментом Группировка.
В результате мы получаем генерализованную карту землепользования, которую можно использовать в дальнейшем анализе.