ArcGIS空间分析工具

ArcGIS空间分析工具（Spatial Analyst Tools）1空间分析之常用工具

空间分析扩展模块中提供了很多方便栅格处理的工具。其中提取（Extraction）、综合（Generalization）等工具集中提供的功能是在分析处理数据中经常会用到的。

1.1提取（Extraction）

顾名思义，这组工具就是方便我们将栅格数据按照某种条件来筛选提取。

工具集中提供了如下工具：

Extract by Attributes：按属性提取，按照SQL表达式筛选像元值。

Extract by Circle：按圆形提取，定义圆心和半径，按圆形提取栅格。

Extract by Mask：按掩膜提取，按指定的栅格数据或矢量数据的形状提取像元。

Extract by Points：按点提取，按给定坐标值列表进行提取。

Extract by Polygon

Extract by Rectangle

Extract Values to Points：按照点要素的位置提取对应的（一个/多个）栅格数据的像元值，其中，提取的Value可以使用像元中心值或者选择进行双线性插值提取。

Sample：采样，根据给定的栅格或者矢量数据的位置提取像元值，采样方法可选：最邻近分配法（Nearest）、双线性插值法（Bilinear）、三次卷积插值法（Cubic）。

以上工具用来提取栅格中的有效值、兴趣区域\点等很有用。

1.2综合

这组工具主要用来清理栅格数据，可以大致分为三个方面的功能：更改数据的分辨率、对区域进行概化、对区域边缘进行平滑。

这些工具的输入都要求为整型栅格。

1.更改数据分辨率

Aggregate：聚合，生成降低分辨率的栅格。其中，Cell Factor需要是一个大于1的整数，表示生成栅格的像元大小是原来的几倍。

生成新栅格的像元值可选：新的大像元所覆盖的输入像元的总和值、最小值、最大值、平均值、中间值。

2.对区域进行概化

Expand：扩展，按指定的像元数目扩展指定的栅格区域。

Shrink：收缩，按指定的像元数目收缩所选区域，方法是用邻域中出现最频繁的像元值替换该区域的值。

Nibble：用最邻近点的值来替换掩膜范围内的栅格像元的值。

Thin：细化，通过减少表示要素宽度的像元数来对栅格化的线状对象进行细化。

Region Group：区域合并，记录输出中每个像元所属的连接区域的标识。每个区域都将被分配给唯一编号。

3.对区域边缘进行平滑

Boundary Clean：边界清理，通过扩展和收缩来平滑区域间的边界。该工具会去更改X 或Y方向上所有少于三个像元的位置。

Majority Filter：众数滤波，根据相邻像元数据值的众数替换栅格中的像元。可以认为是“少数服从多数”，太突兀的像元被周围的大部队干掉了。其中“大部队”的参数可设置，相邻像元可以4邻域或者8邻域，众数可选，需要大部分（3 /4、5/8）还是过半数即可。

TIPS：这两个工具仅支持整形栅格输入。

2空间分析之多元分析

通过多元统计分析可以探查许多不同类型属性之间的关系。有两种可用的多元分析：分类（监督分类和非监督分类Supervised & Unsupervised）

主成分分析（Principal Component Analysis PCA）

2.1波段集统计工具（Band Collection Statistics）

栅格波段必须具有一个公共交集。如果不存在公共交集，则会出现错误，且不会创建任何输出。如果栅格波段的范围不同，统计数据将以所有输入栅格波段的共同的空间范围来计算。默认情况下，像元大小为输入栅格的最大像元的大小；否则，将取决于栅格分析环境设置。

此工具计算每个图层的基本统计测量值（最小值、最大值、平均值和标准差），如果勾选协方差和相关矩阵，还可以得到这两个值。

2.2创建特征（Create Signatures）

创建由输入样本数据和一组栅格波段定义的类和ASCII特征文件。该工具可创建将用作其他多元分析工具的输入参数的文件。

该文件由两部分组成：

1）所有类的常规信息，例如图层数、输入栅格名称和类别数。

2）每个类别的特征文件，由样本数、平均值和协方差矩阵组成。

2.3编辑特征（Edit Signatures）

通过合并、重新编号和删除类特征来编辑和更新特征文件。

输入特征重映射文件是ASCII文件，其每一行有两列值与之对应，以冒号分隔。第一列是原始类ID值。第二列包含用于在特征文件中更新的新类ID。文件中的所有条目必须基于第一列以升序进行排序。

编辑特征文件的写法是固定的，如下：

只需要编辑的类才必须被放入特征被放入特征重映射文件；任何在重映射文件中不存在的类将保持不变。

要合并一组类，原类ID：新类ID。

要删除一类特征，使用－9999作为该类第二列的值。

要重新编号，将类ID重新编号为某个不存在于输入特征文件中的值。

示例：

2：3

4：11

5：－9999

9：3

上例将使用3合并类2和类9，使用11合并类4，并将删除类5。

2.4树状图（Dendrogram）

构造可显示特征文件中连续合并类之间的属性距离的树状图。

2.5最大似然法分类（Maximum Likelihood Classification）

最大似然法分类工具所用的算法基于两条原则：

1）每个类样本中的像元在多维空间呈正态分布

2）贝叶斯决策理论

TIPS：工具中有几个参数需要注意：

reject_fraction：将因最低正确分配概率而得不到分类的像元部分。

默认值为0.0；将对每个像元进行分类。共有14个有效输入：0.0、0.005、0.01、0.025、

0.05、0.1、0.25、0.5、0.75、0.9、0.975、0.99和0.995。

a_priori_probabilities：指定将如何确定先验概率。

EQUAL——所有类将具有相同的先验概率。

SAMPLE——先验概率将与特征文件内所有类中采样像元总数的相关的各类的像元数成比例。

FILE——先验概率将会分配给输入的ASCII先验概率文件中的各个类。

2.6Iso 聚类（Iso Cluster）

Iso表示：iterative selt-organizing ——迭代自组织方法。

Iso聚类工具对输入波段列表中组合的多元数据执行聚类。所生成的特征文件（*.gsg）可用作生成非监督分类栅格的分类工具（例如最大似然法分类）的输入。

类数的最小有效值为二。不存在最大聚类数。通常情况下，聚类越多，所需的迭代就越多。

2.7Iso 聚类非监督分类（Iso Cluster Unsupervised

Classification）

此工具为脚本工具，结合了Iso聚类工具与最大似然法分类工具的功能。输出经过分类的栅格。

2.8类别概率（Class Probability）

如果发现分类中的某些区域被分配给某一类的概率不高，则说明可能存在混合类。