Appartenance floue (Spatial Analyst)

Synthèse

Convertit un raster en entrée en une échelle de 0 à 1, qui indique le degré d'appartenance dans une série, compte tenu d'un algorithme d'approximation prévu à cet effet.

La valeur 1 indique une appartenance totale dans un ensemble flou et une appartenance de 0 signifie que l'élément ne fait pas partie de l'ensemble.

Pour en savoir plus sur le fonctionnement de l'outil Appartenance floue

Utilisation

  • Cet outil ne met pas à l'échelle les données catégorielles. Pour insérer des données catégorielles dans l'analyse d'une superposition floue, vous devez respecter une étape préalable. Vous pouvez créer un modèle ou exécuter les outils de géotraitement suivants. En premier lieu, utilisez l’outil Reclassification pour obtenir une nouvelle gamme de valeurs (par exemple, 1 à 100). Ensuite, utilisez l’outil Division pour diviser le résultat par un facteur (par exemple, 100) pour normaliser les valeurs en sortie de sorte qu’elles soient comprises entre 0,0 et 1,0.

  • La dispersion détermine la rapidité à laquelle les valeurs d'appartenance floue diminuent de 1 à 0. Plus la valeur est élevée, plus l'appartenance floue autour du milieu est prononcée. En d'autres termes, plus la dispersion est réduite, moins les appartenances floues tendent vers 0. La sélection de la valeur de dispersion appropriée est un processus subjectif qui dépend de la plage de valeurs précises. Si vous utilisez Gaussien et Proche, la valeur par défaut de 0,1 est un bon point de départ. En général, les valeurs varient dans les plages de [0.01 à 1] ou [0.001 à 1], respectivement. Si vous sélectionnez Petite et Grande, 5 est la valeur par défaut. En principe, les valeurs varient de 1 à 10.

    Illustration de l’outil Incidence d’une dispersion sur une appartenance floue gaussienne
    Incidence d’une dispersion sur une appartenance floue gaussienne.

  • Il se peut qu'aucune des valeurs en entrée n'ait une possibilité de 100 % d'être un membre de l'ensemble spécifié. En d'autres termes, aucune valeur en entrée n'est dotée d'une appartenance floue définie sur 1. Dans ce cas, vous pouvez redimensionner les valeurs d'appartenance floue afin de prendre en compte la nouvelle échelle. Par exemple, si la plus haute appartenance pour les valeurs en entrée est 0,75, vous pouvez établir la nouvelle échelle en multipliant chacune des valeurs d'appartenance floue par 0,75.

  • Les couvertures mises en œuvre sont Very (Très) et Somewhat (Plus ou moins). Very (Très) (concentration) correspond à l’appartenance floue au carré. Somewhat (Plus ou moins) (digression) correspond à la racine carrée de la fonction d’appartenance floue. Les couvertures Very (Très) et Somewhat (Plus ou moins) augmentent ou diminuent selon les fonctions d’appartenance floue.

  • Les valeurs négatives ne sont pas acceptées dans les fonctions d'appartenance Petites et Grandes.

  • Pour la fonction d'appartenance Linéaire, les données dans le raster en entrée doivent être classées. Le minimum peut être inférieur au maximum pour créer une pente positive. Il peut également être supérieur au maximum si vous souhaitez créer une pente négative pour la transformation.

    Si le minimum est inférieur au maximum, vous employez une fonction de pente positive inclinée pour effectuer la transformation. S'il est supérieur, vous employez une fonction de pente négative.

  • Pour plus d’informations sur les environnements de géotraitement qui s’appliquent à cet outil, reportez-vous à la rubrique Environnements d’analyse et Spatial Analyst.

Paramètres

ÉtiquetteExplicationType de données
Raster en entrée

Raster en entrée dont les valeurs seront mises à l'échelle de 0 à 1.

Il peut s’agir d’un entier ou d’un raster en virgule flottante.

Raster Layer
Type d'appartenance
(Facultatif)

Spécifie l'algorithme utilisé dans l'appartenance floue du raster en entrée.

Certains paramètres de l'outil Type d'appartenance font appel à un paramètre de dispersion qui permet de savoir à quelle vitesse les valeurs de l'appartenance floue diminuent de 0 à 1. Les valeurs de dispersion par défaut sont décrites dans le tableau ci-après.

  • GaussianAttribue la valeur d'appartenance 1 au centre.L'appartenance se réduit à 0 pour les valeurs qui dévient du centre d'après une courbe normale. Gaussien est similaire à la fonction Proche, mais la dispersion est plus étroite.
    • Centre : la valeur par défaut est le centre de la plage de valeurs du raster en entrée.
    • Ecart : la valeur par défaut est 0,1. En général, les valeurs varient entre [0,01-1].
  • SmallUtilisé pour indiquer que les petites valeurs du raster en entrée ont une valeur d'appartenance élevée dans l'ensemble flou.Attribue la valeur d'appartenance 0,5 au centre.
    • Centre : la valeur par défaut est le centre de la plage de valeurs du raster en entrée.
    • Ecart : la valeur par défaut est 5.
  • LargeUtilisé pour indiquer que les grandes valeurs du raster en entrée ont une valeur d'appartenance élevée dans l'ensemble flou.Attribue la valeur d'appartenance 0,5 au centre.
    • Centre : la valeur par défaut est le centre de la plage de valeurs du raster en entrée.
    • Ecart : la valeur par défaut est 5.
  • NearCalcule des appartenances pour les valeurs proches d'une valeur intermédiaire.Attribue la valeur d'appartenance 1 au centre. L'appartenance est ramenée à 0 pour les valeurs qui dévient du centre.
    • Centre : la valeur par défaut est le centre de la plage de valeurs du raster en entrée.
    • Ecart : la valeur par défaut est 0,1. En général, les valeurs varient dans la plage de [0,001-1].
  • MSLargeCalcule l'appartenance selon la moyenne et l'écart type des données en entrée lorsque les grandes valeurs ont une valeur d'appartenance élevée.Le résultat peut s'apparenter à celui que vous obtenez avec la fonction Grande, selon la configuration des multiplicateurs de la moyenne et de l'écart type.
    • Multiplicateur moyen : la valeur par défaut est 1.
    • Multiplicateur d'écart type : la valeur par défaut est 2.
  • MSSmallCalcule l'appartenance selon la moyenne et l'écart type des données en entrée lorsque les petites valeurs ont une valeur d'appartenance élevée. Il s'agit du type d'adhésion par défaut.Le résultat peut s'apparenter à celui que vous obtenez avec la fonction Petite, selon la configuration des multiplicateurs de la moyenne et de l'écart type.
    • Multiplicateur moyen : la valeur par défaut est 1.
    • Multiplicateur d'écart type : la valeur par défaut est 2.
  • LinearCalcule l'appartenance selon la transformation linéaire du raster en entrée.Attribue la valeur d'appartenance 0 au minimum et une appartenance de 1 au maximum.
    • Minimum : la valeur par défaut est 1.
    • Maximum : la valeur par défaut est 2.
Fuzzy function
Couverture (facultatif)
(Facultatif)

La définition d'une couverture augmente ou réduit les valeurs d'appartenance floue qui modifient la signification d'un ensemble flou. Les couvertures sont utiles pour aider à contrôler les critères ou les attributs importants.

  • AucunAucune couverture n'est appliquée. Il s’agit de l’option par défaut.
  • ApproximativeEgalement appelé dilatation, ce paramètre correspond à la racine carrée de la fonction d'appartenance floue. Cette couverture augmente les fonctions d’appartenance floue.
  • MaximumIl s'agit d'une concentration. Ce paramètre représente la fonction d'appartenance floue au carré. Cette couverture réduit les fonctions d’appartenance floue.
String

Valeur renvoyée

ÉtiquetteExplicationType de données
Raster en sortie

La sortie sera un raster à virgule flottante avec des valeurs comprises entre 0 et 1.

Raster

FuzzyMembership(in_raster, {fuzzy_function}, {hedge})
NomExplicationType de données
in_raster

Raster en entrée dont les valeurs seront mises à l'échelle de 0 à 1.

Il peut s’agir d’un entier ou d’un raster en virgule flottante.

Raster Layer
fuzzy_function
(Facultatif)

Spécifie l'algorithme utilisé dans l'appartenance floue du raster en entrée.

Les classes floues permettent de spécifier le type d'appartenance.

Les types de classes d'appartenances sont :

Les classes d’appartenance sont les suivantes :

  • FuzzyGaussian({midpoint},{spread})
  • FuzzyLarge({midpoint},{spread})
  • FuzzyLinear({minimum},{maximum})
  • FuzzyMSLarge({meanMultiplier},{STDMultiplier})
  • FuzzyMSSmall({meanMultiplier},{STDMultiplier})
  • FuzzyNear({midpoint},{spread})
  • FuzzySmall({midpoint},{spread})

Fuzzy function
hedge
(Facultatif)

La définition d'une couverture augmente ou réduit les valeurs d'appartenance floue qui modifient la signification d'un ensemble flou. Les couvertures sont utiles pour aider à contrôler les critères ou les attributs importants.

  • NONEAucune couverture n'est appliquée. Il s’agit de l’option par défaut.
  • SOMEWHATEgalement appelé dilatation, ce paramètre correspond à la racine carrée de la fonction d'appartenance floue. Cette couverture augmente les fonctions d’appartenance floue.
  • VERYIl s'agit d'une concentration. Ce paramètre représente la fonction d'appartenance floue au carré. Cette couverture réduit les fonctions d’appartenance floue.
String

Valeur renvoyée

NomExplicationType de données
out_raster

La sortie sera un raster à virgule flottante avec des valeurs comprises entre 0 et 1.

Raster

Exemple de code

Premier exemple d'utilisation de l'outil FuzzyMembership (fenêtre Python)

Cet exemple décrit la création d'un raster d'appartenance floue à l'aide de la fonction Gaussienne lorsque les valeurs d'altitude les plus proches du centre (1 200 pieds) ont une appartenance plus élevée.

import arcpy
from arcpy.sa import *
from arcpy import env
env.workspace = "c:/sapyexamples/data"
outFzyMember = FuzzyMembership("elevation", FuzzyGaussian(1200, 0.06))
outFzyMember.save("c:/sapyexamples/fzymemb")
Deuxième exemple d'utilisation de l'outil FuzzyMembership (script autonome)

Cet exemple décrit la création d'un raster d'appartenance floue à l'aide de la fonction Gaussienne et d'une dispersion de 0,4, lorsque les valeurs d'altitude les plus proches du centre (1 000 pieds) ont une appartenance plus élevée.

# Name: FuzzyMembership_Ex_02.py
# Description: Scales input raster data into values ranging from zero to one
#     indicating the strength of a membership in a set. 
# 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 = "elevation"

# Create the FuzzyGaussian algorithm object
midpoint = 1000
spread = 0.4
myFuzzyAlgorithm = FuzzyGaussian(midpoint, spread)

# Execute FuzzyMembership
outFuzzyMember = FuzzyMembership(inRaster, myFuzzyAlgorithm)

# Save the output
outFuzzyMember.save("c:/sapyexamples/fzymemb2")

Rubriques connexes