Disponible con una licencia de Spatial Analyst.
Resumen
Utiliza un algoritmo clustering de datos ISO para determinar las características de los grupos naturales de celdas en un espacio de atributos multidimensional y almacena los resultados en un archivo de firma ASCII de salida.
Uso
Clúster ISO ejecuta el clustering de datos multivariados combinados en una lista de bandas de entrada. El archivo de firma resultante se puede utilizar como entrada para una herramienta de clasificación, como Clasificación de máxima verosimilitud, que produce un ráster de clasificación no supervisado.
Cuando se especifica un ráster multibanda como una de las Bandas del ráster de entrada (in_raster_bands en Python), se utilizarán todas las bandas.
Para procesar una selección de bandas a partir de un ráster multibanda, puede crear primero un dataset ráster nuevo formado por esas bandas concretas con la herramienta Bandas compuestas y utilizar el resultado en la lista de Bandas del ráster de entrada (in_raster_bands en Python).
El valor mínimo válido para la cantidad de clases es dos. No existe una cantidad máxima de clusters. En general, más clusters requieren más iteraciones.
Para suministrar las estadísticas suficientes necesarias para generar un archivo de firmas para una clasificación futura, cada cluster debe contener las celdas suficientes para representar el cluster de manera precisa. El valor introducido para el tamaño de clase mínimo debe ser aproximadamente 10 veces más grande que la cantidad de capas de las bandas del ráster de entrada.
El valor introducido para el intervalo de muestra indica que se utiliza una celda de cada bloque de celdas de n por n para los cálculos de cluster.
No debe fusionar o quitar clases o cambiar ninguna de las estadísticas del archivo de firmas ASCII.
Generalmente, cuantas más celdas haya en la extensión de la intersección de las bandas de entrada, más grandes serán los valores que se deben especificar para el tamaño de clase mínimo y el intervalo de muestra. Los valores introducidos para el intervalo de muestra deben ser lo suficientemente pequeños para que las categorías deseables más pequeñas que existen en los datos de entrada se muestreen de manera adecuada.
Los valores de Id. de clase del archivo de firmas de salida comienzan en uno y aumentan en forma secuencial hasta la cantidad de clases de entrada. La asignación de los números de clase es arbitraria.
Se obtendrán los mejores resultados si todas las bandas de entrada contienen los mismos rangos de datos. Si las bandas contienen rangos de datos muy diferentes, éstos se pueden transformar al mismo rango mediante el Álgebra de mapas para realizar la ecuación.
where: Z is the output raster with new data ranges. X is the input raster. oldmin is the minimum value of the input raster. oldmax is the maximum value of the input raster. newmin is the desired minimum value for the output raster. newmax is the desired maximum value for the output raster.
Consulte Entornos de análisis y Spatial Analyst para obtener detalles adicionales sobre los entornos de geoprocesamiento que se aplican a esta herramienta.
Sintaxis
IsoCluster(in_raster_bands, out_signature_file, number_classes, {number_iterations}, {min_class_size}, {sample_interval})| Parámetro | Explicación | Tipo de datos |
in_raster_bands [in_raster_band,...] | Bandas del ráster de entrada. Pueden ser de tipo entero o de punto flotante. | Raster Layer |
out_signature_file | Archivo de firma de salida. Se debe especificar una extensión .gsg. | File |
number_classes | Cantidad de clases en las cuales se agrupan las celdas. | Long |
number_iterations (Opcional) | Cantidad de iteraciones a ejecutar del proceso de clustering. El valor predeterminado es 20. | Long |
min_class_size (Opcional) | Cantidad de celdas mínima de una clase válida. El valor predeterminado es 20. | Long |
sample_interval (Opcional) | Intervalo a utilizar para realizar el muestreo. El valor predeterminado es 10. | Long |
Muestra de código
Ejemplo 1 de IsoCluster (ventana de Python)
En este ejemplo se crea un archivo de firma para clasificar el ráster multibanda de entrada en cinco clases.
import arcpy
from arcpy import env
from arcpy.sa import *
env.workspace = "C:/sapyexamples/data"
IsoCluster("redlands", "c:/sapyexamples/output/isosig.gsg", 5, 20, 50, 15)
Ejemplo 2 de IsoCluster (secuencia de comandos independiente)
En este ejemplo se crea un archivo de firma para clasificar el ráster multibanda de entrada en cinco clases.
# Name: IsoCluster_Ex_02.py
# Description: Uses an isodata clustering algorithm to determine the
# characteristics of the natural groupings of cells in multidimensional
# attribute space and stores the results in an output ASCII signature file.
# Requirements: Spatial Analyst Extension
# Import system modules
import arcpy
from arcpy import env
from arcpy.sa import *
# Set environment settings
env.workspace = "C:/sapyexamples/data"
# Set local variables
inRaster = "redlands"
outSig = "redlndiso.gsg"
classes = 5
cycles = 20
minMembers = 50
sampInterval = 15
# Check out the ArcGIS Spatial Analyst extension license
arcpy.CheckOutExtension("Spatial")
# Execute IsoCluster
IsoCluster(inRaster, outSig, classes, cycles, minMembers, sampInterval)
Entornos
Información sobre licencias
- Basic: Requiere Spatial Analyst
- Standard: Requiere Spatial Analyst
- Advanced: Requiere Spatial Analyst