ArcGIS Desktop

  • ArcGIS Pro
  • ArcMap

  • My Profile
  • Hilfe
  • Sign Out
ArcGIS Desktop

ArcGIS Online

Die Mapping-Plattform für Ihre Organisation

ArcGIS Desktop

Ein vollständiges professionelles GIS

ArcGIS Enterprise

GIS in Ihrem Unternehmen

ArcGIS Developers

Werkzeuge zum Erstellen standortbezogener Apps

ArcGIS Solutions

Kostenlose Karten- und App-Vorlagen für Ihre Branche

ArcGIS Marketplace

Rufen Sie Apps und Daten für Ihre Organisation ab.

  • Dokumentation
  • Support
Esri
  • Anmelden
user
  • Eigenes Profil
  • Abmelden

ArcMap

  • Startseite
  • Erste Schritte
  • Karte
  • Analysieren
  • Verwalten von Daten
  • Werkzeuge
  • Erweiterungen

Trainingsgebiete aus Ursprungspunkten generieren

Mit der Spatial Analyst-Lizenz verfügbar.

  • Zusammenfassung
  • Verwendung
  • Syntax
  • Codebeispiel
  • Umgebungen
  • Lizenzinformationen

Zusammenfassung

Generiert Trainingsgebiete aus Ursprungspunkten wie Genauigkeitsbewertungs- oder Trainingsgebietspunkten. Trainingsgebiete werden in der Regel aus einer vorhandenen Quelle gewonnen, z. B. aus einem thematischen Raster oder einer Feature-Class.

Verwendung

  • Dieses Werkzeug akzeptiert Datenquellen von Drittanbietern, die in das Toolset "ArcGIS-Klassifizierung" aggregieren. Zu den Eingaben, die das Klassenschema zum Erstellen von Trainingsgebieten identifizieren, zählen thematische Raster-Datasets oder Polygone wie vorherige Klassifizierungskarten, Gebäudegrundrisse, Straßen oder andere GIS-Daten.

  • Für Raster-Eingaben führt das Werkzeug die Funktion "Region Grow" aus Ursprungspunkten unter der Bedingung aus, dass alle Pixel denselben Wert aufweisen. "Region Grow" wird durch den maximalen Trainingsgebietradius (in Python entspricht dies max_radius) gesteuert. Gemäß den Empfehlungen für Fernerkundung sollten Trainingsgebiete innerhalb des Trainingsgebiets homogen und die Stichprobengröße sollte für das Ziel-Feature repräsentativ sein. Wenn "Region Grow" aus bestimmten Ursprungspunkten keine Fläche größer als Minimale Trainingsgebietfläche (in Python entspricht dies min_area) erreicht, wird der Ursprungspunkt nicht verwendet.

  • Für Feature-Class-Eingaben wählt das Werkzeug Features aus Eingabedaten aus, die die Punkt-Feature-Class schneiden, anstatt "Region Grow" zu verwenden.

  • Sie können das Werkzeug Punkte für Genauigkeitsbewertung erstellen zum Erstellen von Trainingsgebietpunkten verwenden. Es stellt Optionen für die Anzahl der zu verwendenden Punkte und einige Referenzdatenstrategie zum Erstellen der zufälligen Punkte bereit.

  • Wenn Sie bereits über Trainingsgebietursprungspunkte oder eine Möglichkeit zu deren Erstellung verfügen, können diese problemlos verwendet werden, da das Werkzeug lediglich die X- und Y-Koordinaten einer Punkt-Feature-Class-Datei und nicht etwa die zugehörige Tabelle verwendet.

Syntax

GenerateTrainingSamplesFromSeedPoints(in_class_data, in_seed_points, out_training_feature_class, {min_sample_area}, {max_sample_radius})
ParameterErklärungDatentyp
in_class_data

Die Datenquelle zum Beschriften der Trainingsgebiete.

Mosaic Layer; Raster Layer; Feature Layer; Image Service; String
in_seed_points

Eine Punkt-Shapefile oder Feature-Class zur Bereitstellung der Mittelpunkte von Trainingsgebiet-Polygonen.

Feature Layer; Raster Catalog Layer
out_training_feature_class

Die Ausgabe-Trainingsgebiet-Feature-Class in dem Format, das in Trainingswerkzeugen, einschließlich Shapefiles, verwendet werden kann. Die Ausgabe-Feature-Class kann eine Polygon-Feature-Class oder eine Punkt-Feature-Class sein.

Feature Class
min_sample_area
(optional)

Die für jedes Trainingsgebiet erforderliche Mindestfläche in Quadratmetern. Der Minimalwert muss größer oder gleich 0 sein.

Double
max_sample_radius
(optional)

Die längste Entfernung (in Metern) zwischen einem Punkt innerhalb des Trainingsgebiets zu seinem mittleren Ursprungspunkt. Wenn das Ausgabe-Trainingsgebiet auf 0 gesetzt ist, besteht es aus Punkten statt aus Polygonen. Der Minimalwert muss größer oder gleich 0 sein.

Double

Codebeispiel

GenerateTrainingSamplesFromSeedPoints – Beispiel 1 (Python-Fenster)

Erstellen Sie Trainingsgebiete aus Ursprungspunkten.

### GenerateTrainingSamplesFromSeedPoints example 1 (Python window)
import arcpy
from arcpy.sa import *

cls_img = "C:/Data/svm.tif"
seed_pnts = "C:/Data/seeds.shp"
trn_samples = "C:/out/ts.shp"

GenerateTrainingSamplesFromSeedPoints(cls_img, seed_pnts, trn_samples, "30", "50")
GenerateTrainingSamplesFromSeedPoints – Beispiel 2 (eigenständiges Skript)

Erstellen Sie Trainingsgebiete aus Ursprungspunkten.

### GenerateTrainingSamplesFromSeedPoints example 2 (stand-alone script)
import arcpy
from arcpy.sa import *

GenerateTrainingSamplesFromSeedPoints("C:/Data/svm.tif", 
                                      "C:/Data/seeds.shp", 
                                      "C:/out/ts.shp", 
                                      "30", "50")

Umgebungen

  • Aktueller Workspace
  • Ausdehnung
  • Scratch-Workspace

Lizenzinformationen

  • Basic: Erfordert Spatial Analyst
  • Standard: Erfordert Spatial Analyst
  • Advanced: Erfordert Spatial Analyst

Verwandte Themen

  • Überblick über das Toolset "Segmentierung und Klassifizierung"
  • Was ist Bildklassifizierung?
  • Maximum-Likelihood-Klassifikator trainieren
  • Random Trees-Klassifikator trainieren
  • Support Vector Machine-Klassifikator trainieren
  • Raster klassifizieren
  • Trainingsgebiete prüfen

ArcGIS Desktop

  • Startseite
  • Dokumentation
  • Support

ArcGIS

  • ArcGIS Online
  • ArcGIS Desktop
  • ArcGIS Enterprise
  • ArcGIS
  • ArcGIS Developer
  • ArcGIS Solutions
  • ArcGIS Marketplace

Über Esri

  • Über uns
  • Karriere
  • Esri Blog
  • User Conference
  • Developer Summit
Esri
Wir sind an Ihrer Meinung interessiert.
Copyright © 2021 Esri. | Datenschutz | Rechtliches