| Beschriftung | Erläuterung | Datentyp |
Eingabe-Raster oder -Feature-Class-Daten | Die Datenquelle zum Beschriften der Trainingsgebiete. | Mosaic Layer; Raster Layer; Feature Layer; Image Service; String |
Ausgabe-Trainingsgebiet-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 |
Minimale Trainingsgebietfläche (optional) | Die für jedes Trainingsgebiet erforderliche Mindestfläche in Quadratmetern. Der Minimalwert muss größer oder gleich 0 sein. | Double |
Maximaler Trainingsgebietradius (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 |
Mit der Spatial Analyst-Lizenz verfügbar.
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.
Parameter
GenerateTrainingSamplesFromSeedPoints(in_class_data, out_training_feature_class, {min_sample_area}, {max_sample_radius})| Name | Erläuterung | Datentyp |
in_class_data | Die Datenquelle zum Beschriften der Trainingsgebiete. | Mosaic Layer; Raster Layer; Feature Layer; Image Service; String |
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 |