Python ArcGIS linear_spectral_unmixing用法及代碼示例

本文簡要介紹 python 語言中 arcgis.raster.analytics.linear_spectral_unmixing 的用法。

用法:

arcgis.raster.analytics.linear_spectral_unmixing(input_raster, input_spectral_profile, value_option=[], output_name=None, context=None, *, gis=None, future=False, **kwargs)

返回：

output_raster：影像圖層項目

執行亞像素分類並計算單個像素的端元豐度分數。 ArcGIS Image Server 10.8 及更高版本中可用的函數。

Parameter	Description
input_raster	必需的 ImageryLayer 對象。輸入柵格。傳送門物品可以通過。
input_spectral_profile	必需的字典或字符串。類頻譜輪廓信息。
value_option	可選的字符串列表。指定用於定義輸出像素值的選項。 SUM_TO_ONE：每個像素的類值以十進製格式提供，所有類的總和等於 1。例如，Class1 = 0.16； 2 類 = 0.24； 3 類 = 0.60。 NON_NEGATIVE：不會有負輸出值。
output_name	可選字符串。如果未提供，則由該方法創建影像服務並將其用作輸出柵格。您可以從 GIS 中傳入現有的影像服務項目來使用它。 或者，您可以傳入應通過此方法創建的輸出圖像服務的名稱，以用作工具的輸出。 如果該名稱的服務已經存在，則會引發 RuntimeError
context	context 包含影響任務執行的其他設置。 context 參數覆蓋通過arcgis.env 參數設置的值 此函數具有以下設置： Extent(範圍)：定義分析區域的邊界框。 例子： {“extent”: {“xmin”: -122.68, “ymin”: 45.53, “xmax”: -122.45, “ymax”: 45.6, “spatialReference”: {“wkid”: 4326}}} 輸出空間參考 (outSR)：輸出柵格將投影到輸出空間參考中。 Example: {“outSR”: {spatial reference}} 捕捉柵格 (snapRaster)：輸出柵格的像元將與指定的捕捉柵格對齊。 Example: {‘snapRaster’: {‘url’: ‘<image_service_url>’}} 像元大小(cellSize)：輸出柵格將具有由像元大小指定的分辨率。 Example: {‘cellSize’: 11} or {‘cellSize’: {‘url’: <image_service_url>}} or {‘cellSize’: ‘MaxOfIn’} 並行處理因子(parallelProcessingFactor)：控製光柵處理(CPU)服務實例。 Example: Syntax example with a specified number of processing instances: {“parallelProcessingFactor”: “2”} Syntax example with a specified percentage of total processing instances: {“parallelProcessingFactor”: “60%”}
gis	僅關鍵字參數。可選的 GIS 對象。運行該工具的 GIS。如果未指定，則使用活動 GIS。
future	僅關鍵字參數。可選布爾值。如果為 True，則結果將是一個 GPJob 對象，並且結果將異步返回。
folder	僅關鍵字參數。可選的 str 或 dict。使用給定的文件夾名稱在門戶中創建一個文件夾(如果不存在)，並將輸出保留在此文件夾中。 create_folder() 返回的字典也可以作為輸入傳入。 例子： {‘username’: ‘user1’, ‘id’: ‘6a3b77c187514ef7873ba73338cf1af8’, ‘title’: ‘trial’}
tiles_only	僅關鍵字參數。可選的布爾值。在ArcGIS Online 中，此函數的默認輸出影像服務將是平鋪影像圖層。 要在 ArcGIS Online 上創建動態影像圖層作為輸出，請將 tiles_only 參數設置為 False。 函數將不支持ArcGIS Enterprise 中的tiles_only 參數，默認情況下會生成動態影像圖層。

示例 1：

# Usage Example 1: This example calculates the fractional abundance of classes from a classifier definition file (.ecd)
# located in a datastore registered with the raster analytics server and generates a multiband raster.

unmixing_output = linear_spectral_unmixing(input_raster=input_layer,
                                           input_spectral_profile="/fileShares/Mdim/SpectralUnmixing_json.ecd",
                                           output_name="linear_spectral_unmixing",
                                           gis=gis,
                                           folder="linear_spectral_unmixing")

示例 2：

# Usage Example 2: This example calculates the fractional abundance of classes from a dictionary and generates a multiband raster.

input_spectral_profile_dict = {"EsriEndmemberDefinitionFile":0,"FileVersion":1,"NumberEndmembers":3,"NumberBands":7,
                               "Endmembers":[{"EndmemberID":1,"EndmemberName":"urban","SpectralProfile":[88,42,48,38,86,115,59]},
                                             {"EndmemberID":2,"EndmemberName":"vegetation","SpectralProfile":[50,21,20,35,50,110,23]},
                                             {"EndmemberID":3,"EndmemberName":"water","SpectralProfile":[51,20,14,9,7,116,4]}]}

unmixing_outputs = arcgis.raster.analytics.linear_spectral_unmixing(input_raster=multidimensional_lyr_input,
                                                                    input_spectral_profile=input_spectral_profile_dict,
                                                                    value_option=["SUM_TO_ONE","NON_NEGATIVE"],
                                                                    output_name="linear_spectral_unmixing",
                                                                    gis=gis,
                                                                    folder={'username': 'user1', 'id': '6a3b77c187514ef7873ba73338cf1af8', 'title': 'trial'})