Zusammenfassung
Verwendet Paneldaten oder Stationsdaten (festgelegte Positionen mit unveränderlicher Geographie, deren Attribute sich mit der Zeit ändern) und strukturiert diese mittels Erstellung von Raum-Zeit-Abschnitten in ein netCDF-Datenformat. Für alle Positionen werden der Trend für Variablen oder Zusammenfassungsfelder ausgewertet.
Weitere Informationen zur Funktionsweise von "Raum-Zeit-Würfel aus definierten Positionen erstellen"
Abbildung
Verwendung
Dieses Werkzeug verwendet Paneldaten oder Stationsdaten (definierte Positionen, deren Attribute sich mit der Zeit ändern, deren Geographie jedoch unveränderlich ist) als Eingabe-Features und strukturiert sie in Raum-Zeit-Abschnitte. Die dabei erstellte Datenstruktur kann als dreidimensionaler Würfel aufgefasst werden, der aus Raum-Zeit-Abschnitten mit X- und Y-Dimensionen zur Darstellung von Raum und der t-Dimension zur Darstellung von Zeit besteht.
Jeder Abschnitt ist in Raum (XY-Position, wenn die Eingabe aus Punkten besteht, und eine feste Gruppe von Stützpunkten, wenn es sich bei den Eingaben um Polygon-Positionen handelt) und Zeit (t) fest positioniert. Abschnitte, die denselben definierten Positionsbereich abdecken (X,Y oder Stützpunkte) verwenden dieselbe Positions-ID. Abschnitte, die dieselbe Dauer aufweisen, teilen sich dieselbe Zeitschritt-ID.
Jeder Abschnitt des Raum-Zeit-Würfels enthält die Werte LOCATION_ID, time_step_ID und COUNT sowie Werte für mögliche Variablen oder Zusammenfassungsfelder, die beim Erstellen des Würfels einbezogen wurden. Abschnitte, die derselben physischen Position zugeordnet sind, besitzen dieselbe Positions-ID und stellen zusammen eine Zeitserie dar. Abschnitte, die demselben Zeitintervall zugeordnet sind, besitzen dieselbe Zeitschritt-ID und stellen ein gemeinsames Zeitintervall dar.
Die Eingabe-Features können Punkte oder Polygone sein und sollten definierte oder festgelegte Positionen mit zugehörigen Attributen darstellen, die mit der Zeit erfasst wurden. Dieser Datentyp wird im Allgemeinen als Panel- oder Stationsdaten bezeichnet. Das Feld mit dem Ereignis-Zeitstempel muss vom Typ "Datum" sein.
Hinweis:
Wenn Ihre Eingabe-Features in einer File-Geodatabase gespeichert sind und echte Kurven enthalten (als Bögen statt mit Stützpunkten gespeichert), werden Polygon-Shapes verzerrt, wenn Sie im Raum-Zeit-Würfel gespeichert werden. Um zu überprüfen, ob Ihre Eingabe-Features echte Kurven enthalten, führen Sie das Werkzeug Geometrie überprüfen mit der OGC-Validierungsmethode aus. Falls Sie eine Fehlermeldung empfangen, dass die ausgewählte Position keine linearen Segmente unterstützt, sind echte Kurven in Ihrem Dataset enthalten und können möglicherweise eliminiert und durch Stützpunkte ersetzt werden. Verwenden Sie dazu das Werkzeug Dichte mit der Winkel-Verdichtungsmethode, bevor Sie den Raum-Zeit-Würfel erstellen.
Die Eingabe-Features können sich wiederholende Shapes sein, die sich in derselben Feature-Class oder in einer Gruppe von Features mit einer zugehörigen Tabelle befinden, die die mit der Zeit erfassten Attribute enthält
Das Werkzeug kann nicht ausgeführt werden, wenn die angegebenen Parameter zu einem Würfel mit mehr als zwei Milliarden Abschnitten führen.
Dieses Werkzeug erfordert projizierte Daten, um Entfernungen präzise zu messen.
Wenn die Option Zeitliche Aggregation aktiviert ist, enthält der resultierende Raum-Zeit-Würfel einen Zählwert für jeden Abschnitt, der der Anzahl der Punkte entspricht, die innerhalb des zugeordneten Zeitintervalls an der zugeordneten Position entstanden sind.
Dieses Werkzeug gibt eine netCDF-Repräsentation Ihrer Eingabe-Features sowie Meldungen aus, die eine Zusammenfassung der Würfeleigenschaften enthalten. Die Werte werden während der Ausführung des Werkzeugs als Meldungen am unteren Rand des Bereichs Geoverarbeitung angezeigt. Sie können auf die Meldungen zugreifen, indem Sie mit der Maus auf die Fortschrittsleiste zeigen, auf die Pop-out-Schaltfläche
klicken oder den Abschnitt "Meldungen" im Bereich Geoverarbeitung erweitern. Sie können auch auf die Meldungen für ein zuvor ausgeführtes Werkzeug über den Geoverarbeitungsverlauf zugreifen. Die netCDF-Datei wird als Eingabe für andere Werkzeuge verwendet, z. B. das Werkzeug Trendanalyse von Hot-Spots oder das Werkzeug Lokale Ausreißeranalyse. Unter Raum-Zeit-Würfel visualisieren werden Strategien beschrieben, wie sich Würfelinhalte interpretieren lassen.Wählen Sie für den Parameter Zeitfeld ein Feld vom Typ "Datum" aus. Wenn es sich bei der Eingabe um sich wiederholende Shapes handelt, sollte dieses Feld den Zeitstempel enthalten, der mit dem jeweiligen Feature verknüpft ist. Wenn die Eingabe eine zugehörige Tabelle aufweist, ist dieses Feld der Zeitstempel, der mit jedem Datensatz in der Tabelle verknüpft ist.
Das Zeitschrittintervall definiert, wie die Zeitspanne Ihrer Daten partitioniert werden soll. Wenn Zeitliche Aggregation deaktiviert ist, aggregieren Sie nicht zeitbezogen. Diese sollte für die vorhandene zeitliche Struktur Ihrer Daten festgelegt werden. Wenn Sie beispielsweise über Volkszählungsdaten verfügen, die alle fünf Jahre erfasst wurden, sollten 5 Jahre eingegeben werden. Aktivieren Sie diesen Parameter, wenn Sie zeitlich aggregieren. Wenn Sie beispielsweise über Sensordaten verfügen, die alle 5 Minuten erfasst wurden, können Sie beispielsweise in Eintagesintervallen aggregieren. Zeitintervalle sind immer festgelegte Zeiträume, das Werkzeug erfordert mindestens zehn Zeitschritte.
Hinweis:
Die Dropdownliste Zeitintervall enthält zahlreiche Einträge, wovon das Werkzeug lediglich Jahre, Monate, Wochen, Tage, Stunden, Minuten und Sekunden unterstützt.
Wenn cder Raum-Zeit-Würfel nicht erstellt werden konnte, konnte das Werkzeug die bereitgestellten Daten möglicherweise nicht in zehn Zeitschrittintervallen strukturieren. Wenn Sie beim Ausführen dieses Werkzeugs eine Fehlermeldung empfangen, überprüfen Sie die Zeitstempel der Eingabe, um sicherzustellen, dass sie einen Wertebereich (mindestens zehn) enthalten. Die Wertebereiche müssen sich über mindestens 10 Sekunden erstrecken, da dies das kleinste Zeitinkrement ist, die das Werkzeug in Anspruch nimmt. Die Mann-Kendall-Statistik erfordert zehn Zeitschrittintervalle.
Die Zeitreferenz kann ein Datums- und Uhrzeitwert oder nur ein Datumswert, jedoch nicht nur ein Uhrzeitwert sein. Das erwartete Format wird durch die regionalen Zeiteinstellungen des Computers bestimmt.
Die für die aggregierten Variablen oder Zusammenfassungsfeldwerte durchgeführte Trendanalyse basiert auf der Mann-Kendall-Statistik.
Mit diesem Werkzeug sind folgende statistische Operationen für die Aggregation von Attributen möglich: Summe, Mittelwert, Minimum, Maximum, Standardabweichung und Medianwert.
NULL-Werte, die sich in den Datensätzen von Zusammenfassungsfeldern befinden, führen dazu, dass diese Features aus dem Ausgabe-Würfel ausgeschlossen werden. Wenn NULL-Werte in Ihren Eingabe-Features vorhanden sind, wird dringend empfohlen, zuerst das Werkzeug Fehlende Werte ausfüllen auszuführen. Wenn auch nach dem Ausführen des Werkzeugs Fehlende Werte ausfüllen noch NULL-Werte vorhanden sind und es Teil Ihrer Analysestrategie ist, dass in jedem Abschnitt die Anzahl der Punkte enthalten ist, können Sie getrennte Würfel erstellen, einen für die Anzahl (ohne Zusammenfassungsfelder) und einen für Zusammenfassungsfelder. Wenn der Satz von NULL-Werten für jedes Zusammenfassungsfeld unterschiedlich ist, können Sie auch einen getrennten Würfel für jedes Zusammenfassungsfeld erstellen.
Wenn leere Abschnitte mit SPATIAL_NEIGHBORS gefüllt werden, schätzt das Werkzeug basierend auf den 8 nächsten Nachbarn. Zum Füllen des leeren Abschnitts mit dieser Option müssen mindestens 4 dieser räumlichen Nachbarn Werte aufweisen.
Wenn leere Abschnitte mit SPACE_TIME_NEIGHBORS gefüllt werden, schätzt das Werkzeug basierend auf den 8 nächsten Nachbarn. Außerdem werden für jeden dieser Abschnitte, die sich als räumliche Nachbarn erweisen, zeitliche Nachbarn verwendet, indem ein Zeitschritt zurück und vor gegangen wird. Zum Füllen des leeren Abschnitts mit dieser Option sind mindestens 13 Raum-Zeit-Nachbarn erforderlich.
Wenn leere Abschnitte mit TEMPORAL_TREND gefüllt werden, müssen die Abschnitte der ersten und letzten beiden Zeiträume an einer bestimmten Position Werte aufweisen, um Werte in anderen Zeiträumen für diese Position zu interpolieren.
Der Fülltyp TEMPORAL_TREND verwendet die Methode "Interpolated Univariate Spline" im Interpolationspaket von SciPy.
Mit diesem Werkzeug kann die erhöhte Performance genutzt werden, die Systeme mit mehreren CPUs (Mehrkern-CPUs) bieten. Das Werkzeug wird standardmäßig mit der Hälfte der verfügbaren Prozessoren ausgeführt. Die Anzahl der verwendeten CPUs kann jedoch mit der Umgebung für den Faktor für parallele Verarbeitung erhöht oder reduziert werden. Die erhöhte Verarbeitungsgeschwindigkeit macht sich beim Erstellen größerer Raum-Zeit-Würfel am deutlichsten bemerkbar.
Syntax
CreateSpaceTimeCubeDefinedLocations(in_features, output_cube, location_id, temporal_aggregation, time_field, {time_step_interval}, {time_step_alignment}, {reference_time}, {variables}, {summary_fields}, {in_related_table}, {related_location_id})| Parameter | Erklärung | Datentyp |
in_features | Die Eingabe-Punkt- oder Polygon-Feature-Class, die in einen Raum-Zeit-Würfel konvertiert werden soll. | Feature Layer |
output_cube | Der Ausgabe-netCDF-Daten-Würfel, der erstellt wird. | File |
location_id | Ein ganzzahliges Feld, das die ID-Nummer für jede eindeutige Position enthält. | Field |
temporal_aggregation |
| Boolean |
time_field | Das Feld, das den Zeitstempel für jede Zeile im Dataset enthält. Dieses Feld muss vom Typ "Datum" sein. | Field |
time_step_interval (optional) | Die Anzahl der Sekunden, Minuten, Stunden, Tage, Wochen oder Jahre, die einen Zeitschritt darstellen. Gültige Einträge für diesen Parameter sind beispielsweise 1 Woche, 13 Tage oder 1 Monat. Wenn temporal_aggregation deaktiviert ist, aggregieren Sie nicht zeitbezogen. Dieser Paramater sollte für die vorhandene zeitliche Struktur Ihrer Daten festgelegt werden. Ist temporal_aggregation aktiviert, aggregieren Sie zeitbezogen. Dieser Parameter wird das time_step_interval sein, das Sie erstellen werden. Alle Features, die in dasselbe time_step_interval fallen, werden aggregiert. | Time Unit |
time_step_alignment (optional) | Definiert, wie die Würfelstruktur basierend auf einem bestimmten time_step_interval auftritt.
| String |
reference_time (optional) | Datum/Uhrzeit, das/die zum Ausrichten des Zeitintervalls verwendet wird. Wenn Sie Ihre Daten in wöchentliche Abschnitte, beispielsweise von Montag bis Sonntag, unterteilen möchten, können Sie eine Bezugszeit von Sonntag bis Mitternacht festlegen, um sicherzustellen, dass die Abschnitte zwischen Sonntag und Montag um Mitternacht unterbrochen werden. | Date |
variables [[Field, Fill Empty Bins with],...] (optional) | Das numerische Feld, das die Attributwerte enthält, die in den Zeit-Raum-Würfel übernommen werden. Die verfügbaren Fülltypen lauten:
Hinweis:NULL-Werte, die sich in variablen Datensätzen befinden, führen dazu, dass ein Abschnitt leer bleibt. Wenn NULL-Werte in Ihren Eingabe-Features vorhanden sind, wird dringend empfohlen, zuerst das Werkzeug Fehlende Werte ausfüllen auszuführen. | Value Table |
summary_fields [[Field, Statistic, Fill Empty Bins with],...] (optional) | Das numerische Feld, das Attributwerte enthält, anhand derer die angegebene Statistik beim Aggregieren in einem Raum-Zeit-Würfel berechnet wird. Es können mehrere Statistik- und Feldkombinationen angegeben werden. NULL-Werte, die sich in den angegebenen Feldern befinden, führen dazu, dass dieses Feature aus dem Ausgabe-Würfel ausgeschlossen wird. Wenn NULL-Werte in Ihren Eingabe-Features vorhanden sind, wird dringend empfohlen, das Werkzeug Fehlende Werte ausfüllen auszuführen, bevor ein Raum-Zeit-Würfel erstellt wird. Die verfügbaren Statistiktypen lauten:
Die verfügbaren Fülltypen lauten:
Hinweis:NULL-Werte, die sich in den Datensätzen von Zusammenfassungsfeldern befinden, führen dazu, dass diese Features aus dem Ausgabe-Würfel ausgeschlossen werden. Wenn NULL-Werte in Ihren Eingabe-Features vorhanden sind, wird dringend empfohlen, zuerst das Werkzeug Fehlende Werte ausfüllen auszuführen. Wenn auch nach dem Ausführen des Werkzeugs Fehlende Werte ausfüllen noch NULL-Werte vorhanden sind und es Teil Ihrer Analysestrategie ist, dass in jedem Abschnitt die Anzahl der Punkte enthalten ist, können Sie getrennte Würfel erstellen, einen für die Anzahl (ohne Zusammenfassungsfelder) und einen für Zusammenfassungsfelder. Wenn der Satz von NULL-Werten für jedes Zusammenfassungsfeld unterschiedlich ist, können Sie auch einen getrennten Würfel für jedes Zusammenfassungsfeld erstellen. | Value Table |
in_related_table (optional) | Die Tabelle oder Tabellensicht, mit der die Eingabe-Features in Beziehung gesetzt wird. | Table View |
related_location_id (optional) | Ein ganzzahliges Feld in der zugehörigen Tabelle, das die Positions-ID enthält, auf der die Beziehung basiert. | Field |
Codebeispiel
Das folgende Skript veranschaulicht die Verwendung des Werkzeugs CreateSpaceTimeCubeDefinedLocations im Python-Fenster.
import arcpy
arcpy.env.workspace = r"C:\STPM\Chicago.gdb"
arcpy.CreateSpaceTimeCubeDefinedLocations_stpm("Chicago_Data", r"C:\STPM\Chicago_Cube.nc", "MYID",
"NO_TEMPORAL_AGGREGATION", "TIME", "1 Months",
"END_TIME", "", "COUNT ZEROS")Das folgende eigenständige Python-Skript veranschaulicht, wie Sie das Werkzeug CreateSpaceTimeCubeDefinedLocations verwenden.
# Fill missing values using a feature set and related table
# Use the results to create a space-time cube from defined locations
# Run Emerging Hot Spot Analysis on the data
# Visualize the results in 3d
# Import system modules
import arcpy
# Set geoprocessor object property to overwrite existing output, by default
arcpy.env.overwriteOutput = True
# Local variables ...
arcpy.env.workspace = r"C:\STPM\Chicago.gdb"
try:
# Fill missing values in a feature class containing block group polygon shapes and a related table containing the incidents
# Since some of the values are missing we will fill them using the temporal trend method.
arcpy.FillMissingValues_stpm("Chicago_Feature", "Chicago_FilledFeature", "COUNT", "TEMPORAL_TREND", "", "", NoneNone,
"TIME", "", "MYID", "Chicago_Table", "MYID", "", "", "", "Chicago_FilledTable")
# Create a defined location space time cube using a related table
# Using a reference time at the start of the month to force binning fall on month breaks
# Using temporal aggregation to sum multiple entries into one month
# Using the method drop location if missing values since we already filled using Fill Missing Values
arcpy.CreateSpaceTimeCubeDefinedLocations_stpm("Chicago_FilledFeature", r"C:\STPM\Chicago_Cube.nc", "MYID",
"APPLY_TEMPORAL_AGGREGATION", "TIME", "1 Months", "REFERENCE_TIME",
"10/1/2015", "", "COUNT SUM DROP_LOCATIONS", "Chicago_FilledTable",
"MYID")
# Run an emerging hot spot analysis on the defined locations cube
# Using contiguity edges so only block groups which bound each other are considered neighbours
arcpy.EmergingHotSpotAnalysis_stpm(r"C:\STPM\Chicago_Cube.nc", "COUNT_SUM_NONE",
"Chicago_Cube_EmergingHotSpot", "", 1, "",
"CONTIGUITY_EDGES_ONLY")
# Use Visualize Cube in 3d to see the hot spot results for each time slice
arcpy.VisualizeSpaceTimeCube3D_stpm(r"C:\STPM\Chicago_Cube.nc", "COUNT_SUM_NONE", "HOT_AND_COLD_SPOT_RESULTS",
"Chicago_Cube_Visualize3d")
except arcpy.ExecuteError:
# If any error occurred when running the tool, print the messages
print(arcpy.GetMessages())Umgebungen
Lizenzinformationen
- Basic: Ja
- Standard: Ja
- Advanced: Ja