На вход этого метода «подаём» три наших интерполированных растра:
На выходе получаем синтезированный растр (Princip_1, для данного примера):
Другой широко-используемый метод классификации называется Метод максимального правдоподобия (Maximum Likelihood Classification). Его отличие от описанного выше метода заключается в том, что данный метод использует классификацию с обучением. Технологически это заключается в сл. моменте — перед построением классификации необходимо создать файл сигнатур или Iso (Iterative Self-Organizing) — файл. Выглядит это сл. образом. Ищем утилиту Iso Cluster:
На вход этой утилиты опять «подаём» учебные интерполированные поверхности:
После отработки утилиты получаем «обучающий» файл (или, как ещё говорят, сигнатура) с расширение .gsg
Теперь можно производить классификацию методом Максимального правдоподобия:
Входными данными в данном случае будут поверхности и «обучающий» файл:
Жмём кнопку OK и видим приблизительно сл. картинку:
Теперь, если сравнить карты, полученные различными методами классификаций, то можно убедиться, что наиболее качественные участки в агрохимическом отношении имеют одинаковую пространственную локализацию. Что, по-видимому, говорит о том, что эти подходы можно использовать для задач поиска (локализации) наиболее ценных участков. Какой из этих методов является наиболее адекватным для данной задачи — по — видимому, это тема отдельного обсуждения.
©Simashkov.2011
20.07.2011 г.