ArcGIS教程：模糊隶属

　　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Mo