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 小值 小值(Small) 和大值(Large) 隶属函数不接受负值。 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。 0 S 10 15 20 确定值 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岀新的范围。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 More or Less，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。 地理国情监测云平台 地理国情监测云平台 ?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 (1,200 ft) 较近的高程值的隶属 度值较大。 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) 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 (1,000 ft)较 近的高程值的隶属度较大。 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) Check out the ArcGIS Spatial Analyst extension license arc