地理国情监测云平台 http://www.dsac.cn/
借助 ArcGIS Spatial Analyst 扩展模块,您可以通过将栅格像元分组到类或聚类中来创建分类。类
通常指一个已知类别,例如森林、居民区或水体,而聚类则是根据像元属性的统计信息得到的像元分组。
特征是代表类或聚类的像元的子集。特征的统计信息存储在一个特征文件中,此特征文件将用于对位于输
入波段交集中的所有像元进行分类。
什么是类?
一个类对应于一个有意义的位置分组。例如,森林、水域和小麦高产区都是类。
每个位置均可将值集或值矢量、与每个变量对应的一个值或输入波段作为特性。每个位置都能够以点
的形式显示在轴与输入波段中的变量相对应的多维属性空间中。此多维属性空间中的点分组被称为聚类。
在这种情况下,由于该聚类引用了一些有意义的对象,因此又可将其视为一个类。如果两个位置的属性
(波段值的矢量)相似,则这两个位置将归属于同一个聚类。
如果可以按类的属性值对类进行分隔或区分,则已知类也可以在属性空间中形成聚类。可以将属性空
间中对应于自然聚类的位置解释为地层的自然出现的类。
确定用于监督分类的类
在监督分类中,您应清楚要将研究地点划分为哪些类,并且在研究地点中存在代表每个类的样本位置。
例如,如果您正在根据卫星影像创建土地利用地图,则可以将该地图划分为如下几个类:市区、水域、森
林、原野和道路。这样做的目的是将研究区域内的每个位置分配给一个已知类。可以确定出的属于一个类
的样本位置越多,类中的像元值越相似,所产生的分类结果就会越好。将用于确定已知类位置的实际位置
称为训练样本。
可在面图层或栅格上识别训练样本。定义训练样本时,可以将现有栅格识别为参考。通常,将栅格中
前三个图层的彩色合成显示为背景,并将其作为识别生成训练样本时要圈定区域的参考。
在非监督分类过程中创建聚类
非监督分类过程的第一步是创建聚类。从统计学观点来看,聚类是数据中的自然产生的分组。Iso 聚
类工具需要输入栅格波段、类数、输出特征文件的名称、迭代次数、小 类大小以及对计算聚类所依据的
采样点进行提取时参照的时间间隔(将在下文中对最后三个参数进行说明)。
此工具会返回一个特征文件,其中包含关于所识别聚类的像元子集的多元统计信息。计算结果可以确
定出像元位置与聚类之间的所属关系、聚类的平均值以及方差协方差矩阵。此类信息存储在 ASCII 特征
文件中。对其余未采样的像元进行聚类和分类处理时,特征文件必不可少。
存储类或聚类统计信息:特征文件
特征文件是用于存储感兴趣的每个类或聚类的多元统计信息的 ASCII 文件。该文件包括每个类或聚
类的平均值、类或聚类中像元的数目以及类或聚类的方差协方差矩阵。
可以使用任何文本编辑器来显示特征文件。