Generar muestras de entrenamiento a partir de puntos de semillas (Spatial Analyst)—ArcMap

Disponible con una licencia de Spatial Analyst.

Resumen
Uso
Sintaxis
Muestra de código
Entornos
Información de licenciamiento

Resumen

Genera automáticamente muestras de entrenamiento a partir de puntos de semilla como, por ejemplo, puntos de evaluación de la precisión o puntos de muestras de entrenamiento. Un caso de uso típico es la generación de muestras de entrenamiento a partir de una fuente existente como, por ejemplo, un ráster temático o una clase de entidad.

Uso

Esta herramienta acepta recursos de datos externos en el conjunto de herramientas de clasificación de ArcGIS. Las entradas que identifican el esquema de la clase que va a guiar la generación de las muestras de formación incluyen datasets de ráster temáticos o polígonos como, por ejemplo, mapas de clasificación previos, huellas de edificios, carreteras u otros datos SIG.
Para las entradas de ráster, la herramienta ejecutará un crecimiento de la región a partir de puntos iniciales, con la condición de que todos los píxeles tengan el mismo valor. El crecimiento de la región se controla mediante el Radio de muestra máximo (en Python es max_radius). Las prácticas recomendadas sobre teledetección sugieren que las muestras de formación deben ser homogéneas dentro de la muestra y que el tamaño de la muestra debería ser representativo de la entidad de destino. Si el crecimiento de una región a partir de determinados puntos iniciales no puede alcanzar un área mayor que el Área de muestra mínima (en Python es min_area), no se utiliza el punto inicial.
Para entradas de clase de entidad, la herramienta seleccionará entidades de los datos de entrada que intersequen la clase de entidad de puntos, en lugar de utilizar el crecimiento de la región.
Puede utilizar la herramienta Creación de puntos de evaluación de exactitud para generar los puntos de muestras de formación. Incluye opciones para la cantidad de puntos que se van a usar y algunas estrategias de muestreo para generar los puntos aleatorios.
Si ya tiene puntos iniciales de muestra de formación o cuenta con una forma para generarlos, estos se pueden utilizar fácilmente porque la herramienta solo utiliza las coordenadas x e y de un archivo de clase de entidad de puntos, no la tabla asociada.

Sintaxis

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

Parámetro	Explicación	Tipo de datos
in_class_data	La fuente de dato que etiqueta las muestras de formación.	Mosaic Layer; Raster Layer; Feature Layer; Image Service; String
in_seed_points	Un shapefile o clase de entidad de puntos que proporciona los centros de los polígonos de las muestras de formación.	Feature Layer; Raster Catalog Layer
out_training_feature_class	La clase de entidad de muestra de entrenamiento de salida con un formato que se puede utilizar en herramientas de formación, incluidos shapefiles. La clase de entidad de salida puede ser una clase de entidad poligonal o una clase de entidad de punto.	Feature Class
min_sample_area (Opcional)	El área mínima necesaria para cada muestra de formación, en metros cuadrados. El valor mínimo debe ser igual o mayor que 0.	Double
max_sample_radius (Opcional)	La distancia más larga (en metros) desde cualquier punto dentro de la muestra de formación hasta el punto inicial de su centro. Si se define como 0, la muestra de formación de salida será de puntos en lugar de polígonos. El valor mínimo debe ser igual o mayor que 0.	Double

Muestra de código

Ejemplo 1 de GenerateTrainingSamplesFromSeedPoints (ventana de Python)

Crear muestras de formación a partir de puntos iniciales.

### 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")

Ejemplo 2 de GenerateTrainingSamplesFromSeedPoints (script independiente)