Spatial Analyst のライセンスで利用可能。
多変量統計解析ツールでは、多種多様な属性間の関係を細かく調べることができます。分類 (教師付き分類と教師なし分類) と主成分分析 (PCA) の 2 種類の多変量解析を利用することができます。
分類の目的は、解析エリア内の各セルを既知のクラスまたはカテゴリに割り当てることです。教師付き分類を使用すると、解析エリアについての特定の知識があるため、各クラスの代表的なエリアやサンプルを識別できます。教師なし分類は、データ内の自然発生的な統計的グループを使用して、データを分類するクラスターを判定します。
教師付きおよび教師なし分類の一般的手順を以下に示します。
- 入力バンドを特定します。
- クラスまたはクラスターを作成します。
次のツールを使用できます。[シグネチャの作成 (Create Signatures)]、[ISO クラスター (Iso Cluster)]、[サンプル (Sample)]([抽出] ツールセット)。
- クラスまたはクラスターを評価および編集します。
[樹状図 (Dendrogram)] または [シグネチャの編集 (Edit Signatures)] ツールを使用します。
- 分類を実行します。
[最尤法分類 (Maximum Likelihood Classification)] または [クラス確率 (Class Probability)] ツールを使用します。
[SO クラスターの教師なし分類 (Iso Cluster Unsupervised Classification)] ツールを使用し、前述のステップ 1、2、および 4 を 1 つのツールにまとめて簡単に教師なし分類を実行できます。
[画像分類] ツールバーは、分類を実行するのに必要な複数のステップからなるワークフローを使用した、統合環境を提供します。
データの冗長性を除去し、データを解釈しやすくするために、PCA によって多変量データを変換することができます。
以下の表に、使用可能な [多変量解析] ツールと、その簡単な説明を示します。
| ツール | 説明 |
|---|---|
| ラスター バンドの統計情報を計算します。 | |
| 確率バンドのマルチバンド ラスターを作成します。入力シグネチャ ファイルにある各クラスに対して 1 つのバンドが作成されます。 | |
| 入力サンプル データと一連のラスター バンドによって定義されたクラスの ASCII シグネチャ ファイルを作成します。 | |
| シグネチャ ファイル内で順番にマージされたクラス間の属性距離を表示するダイアグラム (樹状図) を構築します。 | |
| クラス シグネチャをマージ、番号の再割り当て、および削除することでシグネチャ ファイルを編集および更新します。 | |
| ISO クラスター アルゴリズムを使用して、多次元属性空間内にあるセルの自然なグループ化の特性を判別し、出力 ASCII シグネチャ ファイルに結果を格納します。 | |
| [ISO クラスター (Iso Cluster)] と [最尤法分類 (Maximum Likelihood Classification)] ツールを使用して、一連の入力ラスター バンドに教師なし分類を実行します。 | |
| 一連のラスター バンドに対して最尤法分類を実行し、出力として分類されたラスターを作成します。 | |
| 一連のラスター バンドに対して主成分分析 (PCA) を実行し、1 つのマルチバンド ラスターを出力として生成します。 |