ArcGIS教程模糊隶属.docxVIP

地理国情监测云平台

地理国情监测云平台

摘要

根据指定的模糊化算法，将输入栅格转换为0到1数值范围以指示其对某一集合的隶属度。

值1表示完全隶属于模糊集，而当值降为0时，则表示不是模糊集的成员。

用法

此工具无法对分类数据进行度量。要将分类数据用于模糊叠加分析，需要执行预处理操作。您可以创建一个模型或运行下列地理处理工具。首先，使用重分类工具获得一个新的值域范围(例如，1到100)。然后，将重分类结果除以某个因子(例如100)，以便将输出值归一化为介于0.0和1.0之间的值。

散度(Spread)可确定模糊隶属度从1下降到0的速度。其值越大，中点周围的模糊化就越陡。换言之，随着散度(spread)的减小，模糊隶属度接近0的速度也将随之降低。选择合适的散度(spread)值是一个主观过程，它取决于明确值的数值范围。对于高斯函数和近邻(Near)函数，使用默认值0.1是一个很好的出发点。通常，值分别在[0.01–1]或[0.001-1]的区间内变化。对于小值(Small)函数和大值(Large)函数，使用默认值5是一个很好的出发点，通常，值在1和10之间变化。

您有时可能会遇到没有任何一个输入值可以保证100%属于指定集合的情况。也就是说，没有任何一个输入值的模糊隶属度为1。这种情况下，可能需要重新调整模糊隶属度的大小以反映出新的范围。例如，如果输入值的最大隶属度为0.75，则可以通过将每个模糊隶属度乘以0.75来获得新的范围。

执行的模糊限制语是Very和Somewhat。Very也称为浓缩，被定义为模糊隶属函数的平方。Somewhat也称为膨胀或MoreorLess，是模糊隶属函数的平方根。very和somewhat模糊限制语可分别减小和增大模糊隶属函数。

小值(Small)和大值(Large)隶属函数不接受负值。

对于线性(Linear)隶属函数，输入栅格必须为序列化的数据。最小值可以小于最大值以创建正斜率的函数，也可以大于最大值以创建负斜率的函数来适应这种变换。

如果最小值小于最大值，则使用正斜率函数进行变换;如果最小值大于最大值，则会使用负斜率函数。

语法

FuzzyMembership(in_raster,{fuzzy_function},{hedge})

代码实例

模糊隶属(FuzzyMembership)示例1(Python窗口)

该示例通过高斯函数创建了一个模糊隶属度栅格，其中，距离中点(1,200ft)较近的高程值的隶属度值较大。

importarcpy

fromarcpy.saimport*fromarcpyimportenv

env.workspace=c:/sapyexamples/data

outFzyMember=FuzzyMembership(elevation,FuzzyGaussian(1200,0.06))outFzyMember.save(c:/sapyexamples/fzymemb)

模糊隶属(FuzzyMembership)示例2(独立脚本)

该示例通过高斯函数和值为0.4的散度创建了一个模糊隶属度栅格，其中，距离中点(1,000ft)较近的高程值的隶属度较大。

#Name:FuzzyMembership_Ex_02.py

#Description:Scalesinputrasterdataintovaluesrangingfromzerotoone#indicatingthestrengthofamembershipinaset.

#Requirements:SpatialAnalystExtension#Importsystemmodules

importarcpy

fromarcpyimportenv

fromarcpy.saimport*

#Setenvironmentsettingsenv.workspace=C:/sapyexamples/data#Setlocalvariables

inRaster=elevation

#CreatetheFuzzyGaussianalgorithmobjectmidpoint=1000

spread=0.4

myFuzzyAlgorithm=FuzzyGaussian(midpoint,spread)

#CheckouttheArcGISSpatialAnalystextensionlicensear