Estas operaciones sirven para clasificar cada cuadrado de un mapa ráster por medio de unos análisis estadísticos multivariados según unos parámetros que nosotros elijamos (clasificada) o que el equipo tome como los más adecuados por su cuenta (no clasificada), generando así un mapa ráster según los colores que nosotros hayamos elegido y en cuantas categorías hayamos elegido.
Supervisada:
Tenemos un ráster a analizar.
generaremos una capa de puntos y clasificaremos cada uno según los datos que queremos separar, por ejemplo, en este mapa distinguiré masas de agua, terreno sin vegetación, terreno con vegetación y terreno construido, por lo tanto haremos muchos puntos en terreno con agua y en su id de atributos pondremos un número: (agua=1, vegetación=2, tierra=3, construido=4).
Hay que tener en cuenta que ha mayor número de puntos para un mismo tipo de terreno, es igual a un mayor número de datos y así a una mayor exactitud.
Un ejemplo de la sección de la tabla de atributos.
Una vez generado el mapa de puntos, ir a Spatial Analyst Tools > Multivariate >Create Signatures.
Seleccionar el ráster, la capa de puntos, y después el campo de atributos de puntos en que basarse.
Este archivo se generará en GSG, que si acudes a la carpeta donde hayas guardado el documento y se abre con el blog de notas se ve la estadística .
Ahora para la generación de este ráster iremos desde Spatial Spatial Analyst Tools > Multivariate > Maximum Likelihood Classification.
Insertaremos el ráster observado y en "imput signature file" el archivo SGS genereado antes. "Reject action" es opcional, nosotros pondremos 0,1 y también se puede usar la prioridad.
Finalmente generaremos un ráster como el siguiente:
Ponemos los dos en comparación.
No supervisada:
Accediendo mediante Spatial Analyst Tools > Multivariate >Iso Cluster Unsupervised Classification.
Una vez dentro meter el ráster, e importante meter el número de clases.
Saldrá algo asi:
Miguel Adán Pascual
Zoólogo
Supervisada:
Tenemos un ráster a analizar.
generaremos una capa de puntos y clasificaremos cada uno según los datos que queremos separar, por ejemplo, en este mapa distinguiré masas de agua, terreno sin vegetación, terreno con vegetación y terreno construido, por lo tanto haremos muchos puntos en terreno con agua y en su id de atributos pondremos un número: (agua=1, vegetación=2, tierra=3, construido=4).
Hay que tener en cuenta que ha mayor número de puntos para un mismo tipo de terreno, es igual a un mayor número de datos y así a una mayor exactitud.
Un ejemplo de la sección de la tabla de atributos.
Una vez generado el mapa de puntos, ir a Spatial Analyst Tools > Multivariate >Create Signatures.
Seleccionar el ráster, la capa de puntos, y después el campo de atributos de puntos en que basarse.
Este archivo se generará en GSG, que si acudes a la carpeta donde hayas guardado el documento y se abre con el blog de notas se ve la estadística .
Ahora para la generación de este ráster iremos desde Spatial Spatial Analyst Tools > Multivariate > Maximum Likelihood Classification.
Insertaremos el ráster observado y en "imput signature file" el archivo SGS genereado antes. "Reject action" es opcional, nosotros pondremos 0,1 y también se puede usar la prioridad.
Finalmente generaremos un ráster como el siguiente:
Ponemos los dos en comparación.
No supervisada:
Accediendo mediante Spatial Analyst Tools > Multivariate >Iso Cluster Unsupervised Classification.
Una vez dentro meter el ráster, e importante meter el número de clases.
Saldrá algo asi:
Miguel Adán Pascual
Zoólogo