需要 Spatial Analyst 许可。
概化工具最常见的应用之一是清理源自遥感软件的分类图像的过程。 分类过程通常会导致许多小孤立数据区域被错误分类或无法与分析关联。
从卫星影像创建概化土地利用地图
以下示例演示了应用概化工具生成更适合演示或后续分析的栅格图层的典型序列。
每个工具均可单独使用或与其他数据清理工具结合使用，可适用于各种应用。
从原始卫星场景开始
下图显示了将被分类的原始卫星图像。 虽然不会明确描述分类过程，但以下部分详细说明了直接结果通常需要进一步处理才能进行常规使用的一些原因。
分类后的图像结果
在监督分类中，将在图像上识别训练样本，例如卫星影像。 训练样本取自不同的土地用途，以识别水体、住宅、阔叶树、针叶树等。 在这些训练样本中，图像中的所有其他像元位置均将被分配给这些已知土地类型或用途之一。 有时土地利用特征（来自训练样本的统计数据）是相似的，因此很难区分两个类别。 例如，使用现有的训练样本，软件可能无法区分桤木沼泽和阔叶树湿地。 这可能是由于训练样本数量不足或未对某些土地用途进行采样。 这些限制以及其他限制可能导致某些位置的错误分类。
因此，单个像元或一小组像元可能被错误地分类为与周围的像元不同的实体，而实际上，该实体属于周围像元的群组。 另一个典型的错误分类区域是不同土地用途之间的边界。 通常，结果是可以使用概化工具平滑边界的不切实际的锯齿状制图表达。
下面是卫星影像的分类。 请注意，整个图像中有许多孤立的小型单个像元或像元组。
以下部分演示了如何应用概化工具来生成最终的分类栅格。
使用众数过滤器移除错误分类的像元
要移除分类图像中错误分类的单个像元，需应用众数过滤器工具。 结果显示在下图中。 请注意，许多较小的像元组已经消失。
使用边界清理平滑区域
要平滑区域之间的边界，可以使用边界清理工具。 通过扩展和缩小边界，较大的区域将侵入较小的区域，如下图所示。 请再次注意，更多更小更薄的像元组已经消失。
使用区域分组识别聚类
众数过滤器和边界清理工具将仅处理错误分类的单个像元或几个像元组成的极小聚类，方法是将它们分配给最常出现在邻近区域中的值。 然而，假设有一个特定大小的阈值，低于该阈值的相似像元的单个分组将被认为过小且在随后的分析中不予考虑。 应将这些聚类解散到周围的群组中。 例如，任何面积小于 7,200 平方米的相同土地利用类别的相邻聚类均被认为对分析不重要。 然而，这些孤立区域不能单独处理，因为它们与整个区域具有相同的土地利用值。
为解决此问题，应用了区域分组工具。 此工具将为输入栅格（分类图像）中的每个区域分配一个唯一标识符。 区域是具有相同值的任意连续像元组。 考虑由两个未连接的区域组成的单个区域。 区域分组会将这个区域划分为两个新的区域，每个区域均有一个唯一标识符（区域）值。 原始区域值作为输出属性表中的 LINK 字段进行维护。 生成的栅格如下所示，并显示了许多不同的输出区域。
移除小于阈值的区域
接下来，使用选择工具（例如“提取”工具箱中的按属性提取工具）创建输出栅格，其中已移除小于面积阈值的区域。
使用“蚕食”消除小型区域
在提取工具的结果栅格上使用蚕食工具（识别要消除的区域），该工具将使用分类图像栅格中的值，来访问每个像元位置以将其消除并使用具有分类栅格值的最近像元进行替换。
最终的概化土地利用地图
使用区域分组工具结果中的链接项目，分类图像中的原始区域值将被重新分配给从区域分组工具创建的各个区域。
结果是更概括的土地利用地图，可用于后续分析。