获得 Image Analyst 许可后可用。
需要 Spatial Analyst 许可。
使用光谱匹配方法对多波段栅格数据集进行分类。 输入光谱数据可以作为点要素类或 .json 文件提供。
如果输入 .json 文件包含以表面反射率百分比形式提供的光谱值，则必须使用特定于传感器的比例因子重新调整栅格数据集。 例如，可以使用以下表达式将 Landsat 8 和 9 集合 2 级别 2 表面反射率产品重新调整为 0–1：Raster*0.0000275+(-0.2)。
应用缩放和偏移因子后，可能会出现负值，尤其是在水体等深色要素上。 在使用 SID 分类方法之前，必须屏蔽这些负像素。
输出分类栅格的顺序将遵循输入光谱图的顺序。
以下是作为 .json 文件提供的光谱图示例：
{
"EsriEndmemberDefinitionFile" : 0,
"FileVersion" : 1,
"NumberOfEndmembers" : 4,
"NumberOfBands" : 7,
"Endmembers" : [
{
"EndmemberID" : 1,
"EndmemberName" : "basalt",
"SpectralProfile" : [
0.076036952,
0.08137,
0.09371,
0.10768,
0.11076,
0.11424,
0.09824
]
},
{
"EndmemberID" : 2,
"EndmemberName" : "quartz",
"SpectralProfile" : [
0.75812,
0.77608,
0.80143,
0.81418,
0.82648,
0.85234,
0.86170
]
},
{
"EndmemberID" : 3,
"EndmemberName" : "salt deposits",
"SpectralProfile" : [
0.53381,
0.59598,
0.70402,
0.79024,
0.86628,
0.89397,
0.89507
]
},
{
"EndmemberID" : 4,
"EndmemberName" : "limestone",
"SpectralProfile" : [
0.15477,
0.16733,
0.19435,
0.21431,
0.24765,
0.32578,
0.32451
]
}
]
}点要素需要以下字段：
输出 Esri 分类器定义文件 (.ecd) 可用作分类栅格工具的输入。
| 标注 | 说明 | 数据类型 |
输入栅格 | 输入多波段栅格。 | Mosaic Layer; Raster Layer; Image Service; String; Raster Dataset; Mosaic Dataset |
光谱或点 | 不同像素类的光谱信息。 光谱信息可以作为点要素、从训练样本管理器窗格生成的训练样本点要素类或包含类光谱图的 .json 文件提供。 | Feature Layer; File; String |
方法 | 指定将使用的光谱匹配方法。
| String |
阈值 (可选) | 光谱匹配的阈值。 超过此值的像素值将被归类为未定义。 这可以是应用于所有光谱类的单个值，也可以是每个类的以空格分隔的值列表。 | String |
输出得分栅格 (可选) | 存储每个终端成员的匹配结果的多波段栅格。 波段顺序遵循 Spectra or Points 参数值中的类顺序。 如果输入为多维栅格，则输出格式必须为 CRF。 | Raster Dataset |
输出分类器定义文件 (可选) | 输出 .ecd 文件。 | File |
| 标注 | 说明 | 数据类型 | 输出分类栅格 | 输出分类的栅格。 | Raster |
ClassifyRasterUsingSpectra(in_raster, in_spectra_file, method, {thresholds}, {out_score_raster}, {out_classifier_definition})| 名称 | 说明 | 数据类型 |
in_raster | 输入多波段栅格。 | Mosaic Layer; Raster Layer; Image Service; String; Raster Dataset; Mosaic Dataset |
in_spectra_file | 不同像素类的光谱信息。 光谱信息可以作为点要素、从训练样本管理器窗格生成的训练样本点要素类或包含类光谱图的 .json 文件提供。 | Feature Layer; File; String |
method | 指定将使用的光谱匹配方法。
| String |
thresholds (可选) | 光谱匹配的阈值。 超过此值的像素值将被归类为未定义。 这可以是应用于所有光谱类的单个值，也可以是每个类的以空格分隔的值列表。 | String |
out_score_raster (可选) | 存储每个终端成员的匹配结果的多波段栅格。 波段顺序遵循 in_spectra_file 参数值中的类顺序。 如果输入为多维栅格，则输出格式必须为 CRF。 | Raster Dataset |
out_classifier_definition (可选) | 输出 .ecd 文件。 | File |
| 名称 | 说明 | 数据类型 | out_classified_raster | 输出分类的栅格。 | Raster |
此示例在 Landsat 8 栅格上执行了光谱角度映射 (SAM)，并为每个类指定了阈值。 将在 .json 文件中提供参考光谱。
# Import system modules
import arcpy
from arcpy.ia import *
#Check out ArcGIS Image Analyst extension license
arcpy.CheckOutExtension("ImageAnalyst")
# Set local variables
in_raster = "C:/Data/LandSat8_SurfaceReflectance.tif"
in_spectra_file = "C:/Data/ref_spectra.json"
method = "SAM"
thresholds = ".08 .04 .05 .07"
out_score_raster = "C:/Data/scoreSAM.crf"
out_classifier_definition = "C:/Data/SAM_classifier.ecd"
# Execute
Classified_output = arcpy.ia.ClassifyRasterUsingSpectra(in_raster, in_spectra_file, method, thresholds, out_score_raster, out_classifier_definition)
# Save output
Classified_output.save("C:/data/Classified_output.crf")此示例计算了 Landsat 8 栅格与源自点要素类的参考光谱之间的光谱信息散度 (SID)。
# Import system modules
import arcpy
from arcpy.ia import *
#Check out ArcGIS Image Analyst extension license
arcpy.CheckOutExtension("ImageAnalyst")
# Set local variables
in_raster = "C:/Data/LandSat8_SurfaceReflectance.tif"
in_spectra_file = "C:/Data/ref_spectra.shp"
method = "SID"
thresholds = .08
out_score_raster = "C:/Data/scoreSID.crf"
out_classifier_definition = "C:/Data/SID_classifier.ecd"
# Execute
Classified_output = arcpy.ia.ClassifyRasterUsingSpectra(in_raster, in_spectra_file, method, thresholds, out_score_raster, out_classifier_definition)
# Save output
Classified_output.save("C:/data/Classified_output.crf")