Zusammenfassung
Ermöglicht es Ihnen, Werte an neuen Positionen basierend auf Messwerten aus einer Sammlung von Punkten vorherzusagen. Das Werkzeug verwendet Punktdaten mit Werten an jedem Punkt als Eingabe und erstellt Flächen, die nach vorhergesagten Werten klassifiziert werden.
Hier einige Beispiele:
- In einem Luft-Qualitätsmanagement-Bezirk befinden sich Sensoren zur Messung des Verschmutzungsgrades. Mit dem Werkzeug Punkte interpolieren kann der Verschmutzungsgrad an Standorten vorhergesagt werden, an denen keine Sensoren vorhanden sind, z. B. an Standorten von Risikogruppen, wie Schulen oder Krankenhäuser.
- Treffen Sie Vorhersagen zu Schwermetallkonzentrationen in bestimmten Pflanzenarten basierend auf Proben einzelner Pflanzen.
- Sagen Sie den Nährstoffgehalt in Böden (Stickstoff, Phosphor, Kalium usw.) sowie andere Indikatoren (z. B. elektrische Leitfähigkeit) voraus, um deren Beziehung zum Ernteertrag zu untersuchen und genaue Dosierungen von Düngemitteln für jedes Gebiet vor Ort vorzuschreiben.
- Meteorologische Anwendungen beinhalten die Vorhersage von Temperaturen, Niederschlag und damit verknüpften Variablen (wie saurer Regen).
Abbildung
Verwendung
Ein Punkt-Layer wird als Eingabe verwendet. Der Eingabe-Layer muss ein numerisches Feld aufweisen, um als Grundlage für die Interpolation herangezogen werden zu können. Das Werkzeug Punkte interpolieren ist für die Verwendung mit Daten vorgesehen, die sich langsam und gleichmäßig über die Fläche hinweg ändern, wie die Temperatur und der Verschmutzungsgrad. Es ist nicht für Daten wie Bevölkerung oder mittlere Haushaltseinkommen geeignet, die sich über kurze Entfernungen hinweg sehr abrupt ändern.
Das Werkzeug Punkte interpolieren kann für die Optimierung der Geschwindigkeit, der Genauigkeit oder einer Mischung aus beidem konfiguriert werden. Je genauer die Vorhersagen sind, desto langsamer werden die Ergebnisse berechnet und umgekehrt.
Mit diesem Werkzeug können Sie über die Option zum Ausgeben von Vorhersagefehlern einen Layer mit Standardfehlern erstellen. Ein Konfidenzintervall von 95 Prozent kann für den interpolierten Layer berechnet werden, indem dem Interpolationswert zwei Standardfehler für den oberen Grenzwert hinzuaddiert und zwei Standardfehler vom unteren Grenzwert subtrahiert werden.
Dieses Werkzeug verwendet die Esri Methode "Empirical Bayesian Kriging" zur Durchführung der Interpolation. Die Parameter, die für diese Methode bereitgestellt werden, werden über die Option für die Interpolation gesteuert. Die Parameter werden nachfolgend beschrieben.
Parameter Geschwindigkeit Standardeinstellung Genauigkeit Data transformation type
NONE
NONE
EMPIRICAL
Semivariogram model type
POWER
POWER
K_BESSEL
Maximum number of points in each local model
50
75
200
Local model area overlap factor
1
1.5
3
Number of simulated semivariograms
30
100
200
Minimum neighbors
8
10
15
Maximum neighbors
8
10
15
Syntax
arcpy.sfa.InterpolatePoints(inputLayer, outputName, {field}, {interpolateOption}, {outputPredictionError}, {classificationType}, {numClasses}, {classBreaks}, {boundingPolygonLayer}, {predictAtPointLayer})
Parameter | Erklärung | Datentyp |
inputLayer | Die Punkt-Features, die in einen kontinuierlichen Oberflächen-Layer interpoliert werden. | Feature Set |
outputName | Der Name des Ausgabe-Layers, der im Portal erstellt werden soll. | String |
field (optional) | Das numerische Feld mit den Werten, die interpoliert werden sollen. | Field |
interpolateOption (optional) | Steuert Ihre Präferenzen hinsichtlich Geschwindigkeit und Genauigkeit – von der schnellsten bis zur genauesten Durchführung. Die Berechnung präziserer Vorhersagen nimmt mehr Zeit in Anspruch.
| String |
outputPredictionError (optional) | Bei Aktivierung dieser Option wird ein Polygon-Layer mit Standardfehlern für die Interpolierungsvorhersagen ausgegeben. Standardfehler sind hilfreich, da sie Informationen zur Zuverlässigkeit der vorhergesagten Werte liefern. Eine einfache Faustregel besagt, dass der tatsächliche Wert in 95% der Fälle innerhalb von zwei Standardfehlern um den vorhergesagten Wert liegt. Nehmen Sie beispielsweise an, dass für eine neue Position ein Wert von 50 mit einem Standardfehler von 5 vorhergesagt wird. Dies bedeutet, dass die bestmögliche Vorhersage für den tatsächlichen Wert an dieser Position 50 ist, er aber durchaus Werte zwischen 40 und 60 aufweisen könnte. Um diesen Bereich sinnvoller Werte zu berechnen, multiplizieren Sie den Standardfehler mit 2, addieren Sie diesen Wert mit dem vorhergesagten Wert, um den oberen Grenzwert des Bereichs zu erhalten, und subtrahieren Sie ihn vom vorhergesagten Wert, um den unteren Grenzwert zu berechnen.
| Boolean |
classificationType (optional) | Legt fest, wie vorhergesagte Werte in Polygonen klassifiziert werden.
| String |
numClasses (optional) | Mit diesem Wert wird der Bereich vorhergesagter Werte in verschiedene Klassen unterteilt. Der Wertebereich der einzelnen Klassen wird durch den Klassifizierungstyp bestimmt. Jede Klasse definiert die Grenzen der Ergebnis-Polygone. Der Standardwert ist 10 und der Höchstwert 32. | Long |
classBreaks [classBreaks,...] (optional) | Wenn Sie eine manuelle Klassifizierung vornehmen möchten, geben Sie die gewünschten Klassengrenzenwerte ein. Anhand dieser Werte wird die obere Grenze jeder Klasse definiert, sodass die Anzahl der Klassen gleich der Anzahl der eingegebenen Werte ist. Für Positionen mit vorhergesagten Werten, die größer als der größte eingegebene Unterbrechungswert sind, werden keine Flächen erstellt. Sie müssen mindestens zwei Werte eingeben, mehr als 32 Werte sind nicht gestattet. | Double |
boundingPolygonLayer (optional) | Ein Layer, der die Polygone festlegt, in denen Werte interpoliert werden sollen. Wenn Sie beispielsweise die Populationsdichte bei Fischen in einem See interpolieren, können Sie die Grenze des Sees in diesem Parameter verwenden. Die Ausgabe enthält denn nur Polygone innerhalb der Grenze des Sees. | Feature Set |
predictAtPointLayer (optional) | Ein optionaler Layer, der Punktpositionen für die Berechnung von Vorhersagewerten angibt. Auf diese Weise können Sie Vorhersagen an bestimmten Standorten Ihres Interesses machen. Wenn der Eingabe-Layer beispielsweise Messungen des Verschmutzungsgrades darstellt, können Sie diesen Parameter verwenden, um den Verschmutzungsgrad von Positionen mit großen Risikogruppen, wie Schulen oder Krankenhäuser, vorherzusagen. Anhand dieser Informationen können Sie Gesundheitsämtern an diesen Standorten entsprechende Empfehlungen geben. | Feature Set |
Abgeleitete Ausgabe
Name | Erklärung | Datentyp |
outputLayer | Die Ausgabe-Polygon-Features, bei denen jedes Polygon interpolierte Werte basierend auf dem Klassifizierungstyp und der Anzahl von Klassen umgibt. | Feature Set |
outputPredictionErrorLayer | Enthält den vorhergesagten Fehler für jeden Punkt im Eingabe-Layer. | Feature Set |
outputPredictedPointsLayer | Der Punkte-Layer, der Punkte aus dem vorhergesagten Punkte-Layer mit den vorhergesagten Werten enthält. | Feature Set |
Umgebungen
Lizenzinformationen
- Basic: Erfordert Berechtigung Ihr Konto in ArcGIS Enterprise für die Berechtigung zum Durchführen von Analysen
- Standard: Erfordert Berechtigung Ihr Konto in ArcGIS Enterprise für die Berechtigung zum Durchführen von Analysen
- Advanced: Erfordert Berechtigung Ihr Konto in ArcGIS Enterprise für die Berechtigung zum Durchführen von Analysen