| Beschriftung | Erläuterung | Datentyp |
Geostatistischer Eingabe-Layer | Geostatistischer Eingabe-Layer, der aus einem Kriging-Modell resultiert. | Geostatistical Layer |
Anzahl von Ausgabepunkten | Gibt an, wie viele Stichprobenpositionen generiert werden. | Long |
Ausgabe-Point-Feature-Class | Der Name der Ausgabe-Feature-Class. | Feature Class |
Auswahlkriterien (optional) | Methoden zum Verdichten eines Stichprobennetzwerks. Mit der Option Standardfehler der Vorhersage erhalten Positionen, an denen der Standardfehler der Vorhersage groß ist, zusätzliches Gewicht. Die Optionen Schwellenwert Standardfehler, Schwellenwert unteres Quartil und Schwellenwert oberes Quartil sind nützlich, wenn es einen kritischen Schwellenwert für die untersuchte Variable gibt (z. B. den höchsten zulässigen Ozonwert). Mit der Option Schwellenwert Standardfehler erhalten Positionen, deren Werte nah am Schwellenwert liegen, zusätzliches Gewicht. Mit der Option Schwellenwert unteres Quartil erhalten Positionen, an denen der kritische Schwellenwert mit der geringsten Wahrscheinlichkeit überschritten wird, zusätzliches Gewicht. Mit der Option Schwellenwert oberes Quartil erhalten Positionen, an denen der kritische Schwellenwert mit der höchsten Wahrscheinlichkeit überschritten wird, zusätzliches Gewicht. Wenn für die Auswahlkriterien die Optionen Schwellenwert Standardfehler, Schwellenwert unteres Quartil oder Schwellenwert oberes Quartil festgelegt sind, wird der Parameter Schwellenwert verfügbar, sodass Sie den gewünschten Schwellenwert festlegen können. Die Gleichungen für die einzelnen Optionen lauten: Standard error of prediction = stderr Standard error threshold = stderr(s)(1 - 2 · abs(prob[Z(s) > threshold] - 0.5)) Lower quartile threshold = (Z0.75(s) - Z0.25(s)) · (prob[Z(s) < threshold]) Upper quartile threshold = (Z0.75(s) - Z0.25(s)) · (prob[Z(s) > threshold])
| String |
Schwellenwert (optional) | Der Schwellenwert, der zum Verdichten des Stichprobennetzwerks verwendet wird. Dieser Parameter ist nur anwendbar, wenn die Auswahlkriterien Schwellenwert Standardfehler, Schwellenwert unteres Quartil oder Schwellenwert oberes Quartil verwendet werden. | Double |
Eingabe-Gewichtungs-Raster (optional) | Ein Raster, mit dem bestimmt wird, welche Positionen bevorzugt gewichtet werden sollen. | Raster Layer |
Eingabe-Kandidaten-Punkt-Features (optional) | Stichprobenpositionen zum Auswählen. | Feature Layer |
Sperrentfernung (optional) | Wird verwendet, um zu vermeiden, dass Stichproben innerhalb dieser Entfernung zueinander platziert werden. | Linear Unit |
Mit der Geostatistical Analyst-Lizenz verfügbar.
Zusammenfassung
Verwendet einen vordefinierten geostatistischen Kriging-Layer, um zu ermitteln, wo neue Überwachungsstationen errichtet werden sollen. Das Werkzeug kann auch verwendet werden, um zu bestimmen, welche Überwachungsstationen aus einem bestehenden Netzwerk entfernt werden sollten.
Verwendung
Bei dem geostatistischen Eingabe-Layer muss es sich um einen Kriging-Layer handeln.
Es kann vorkommen, dass nur eine einzige neue Position generiert wird, obwohl mehrere angefordert wurden. Dies geschieht, wenn basierend auf den Auswahlkriterien immer wieder dieselbe neue Position ausgewählt wird. Dies kann verhindert werden, indem Sie einen Wert für den Parameter Sperrentfernung angeben. Die Anwendung einer Sperrentfernung ist besonders wichtig, wenn Schwellenwert unteres Quartil oder Schwellenwert oberes Quartil (in Python QUARTILE_THRESHOLD oder QUARTILE_THRESHOLD_UPPER) als Auswahlkriterien verwendet werden.
Um zu entscheiden, welche Positionen den geringsten Einfluss auf die vorhergesagte Oberfläche haben, können Sie die Feature-Class, mit welcher der Kriging-Layer erstellt wurde, für den Parameter Eingabe-Kandidaten-Punkt-Features verwenden. Wenn einige Überwachungsstationen außer Betrieb genommen werden müssen, sind die Positionen mit dem geringsten Einfluss gute Kandidaten für eine solche Entfernung.
Parameter
arcpy.ga.DensifySamplingNetwork(in_geostat_layer, number_output_points, out_feature_class, {selection_criteria}, {threshold}, {in_weight_raster}, {in_candidate_point_features}, {inhibition_distance})| Name | Erläuterung | Datentyp |
in_geostat_layer | Geostatistischer Eingabe-Layer, der aus einem Kriging-Modell resultiert. | Geostatistical Layer |
number_output_points | Gibt an, wie viele Stichprobenpositionen generiert werden. | Long |
out_feature_class | Der Name der Ausgabe-Feature-Class. | Feature Class |
selection_criteria (optional) | Methoden zum Verdichten eines Stichprobennetzwerks.
Mit der Option STERR erhalten Positionen, an denen der Standardfehler der Vorhersage groß ist, zusätzliches Gewicht. Die Optionen STDERR_THRESHOLD, QUARTILE_THRESHOLD und QUARTILE_THRESHOLD_UPPER sind nützlich, wenn es einen kritischen Schwellenwert für die untersuchte Variable gibt (z. B. den höchsten zulässigen Ozonwert). Mit der Option STDERR_THRESHOLD erhalten Positionen, deren Werte nah am Schwellenwert liegen, zusätzliches Gewicht. Mit der Option QUARTILE_THRESHOLD erhalten Positionen, an denen der kritische Schwellenwert mit der geringsten Wahrscheinlichkeit überschritten wird, zusätzliches Gewicht. Mit der Option QUARTILE_THRESHOLD_UPPER erhalten Positionen, an denen der kritische Schwellenwert mit der höchsten Wahrscheinlichkeit überschritten wird, zusätzliches Gewicht. Die Gleichungen für die einzelnen Optionen lauten: Standard error of prediction = stderr Standard error threshold = stderr(s)(1 - 2 · abs(prob[Z(s) > threshold] - 0.5)) Lower quartile threshold = (Z0.75(s) - Z0.25(s)) · (prob[Z(s) < threshold]) Upper quartile threshold = (Z0.75(s) - Z0.25(s)) · (prob[Z(s) > threshold]) | String |
threshold (optional) | Der Schwellenwert, der zum Verdichten des Stichprobennetzwerks verwendet wird. Dieser Parameter ist nur anwendbar, wenn die Auswahlkriterien Schwellenwert Standardfehler, Schwellenwert unteres Quartil oder Schwellenwert oberes Quartil verwendet werden. | Double |
in_weight_raster (optional) | Ein Raster, mit dem bestimmt wird, welche Positionen bevorzugt gewichtet werden sollen. | Raster Layer |
in_candidate_point_features (optional) | Stichprobenpositionen zum Auswählen. | Feature Layer |
inhibition_distance (optional) | Wird verwendet, um zu vermeiden, dass Stichproben innerhalb dieser Entfernung zueinander platziert werden. | Linear Unit |
Codebeispiel
Ein Stichprobennetzwerk wird basierend auf einem vordefinierten geostatistischen Kriging-Layer verdichtet.
import arcpy
arcpy.env.workspace = "C:/gapyexamples/data"
arcpy.DensifySamplingNetwork_ga("C:/gapyexamples/data/Kriging.lyr", 2,
"C:/gapyexamples/output/outDSN")Ein Stichprobennetzwerk wird basierend auf einem vordefinierten geostatistischen Kriging-Layer verdichtet.
# Name: DensifySamplingNetwork_Example_02.py
# Description: Densify a sampling network based on a predefined geostatistical
# kriging layer. It uses, inter alia, the Standard Error of
# Prediction map to determine where new locations are required.
# Requirements: Geostatistical Analyst Extension
# Import system modules
import arcpy
# Set environment settings
arcpy.env.workspace = "C:/gapyexamples/data"
# Set local variables
inLayer = "C:/gapyexamples/data/Kriging.lyr"
numberPoints = 2
outPoints = "C:/gapyexamples/output/outDSN"
# Execute DensifySamplingNetworks
arcpy.DensifySamplingNetwork_ga(inLayer, numberPoints, outPoints)Umgebungen
Lizenzinformationen
- Basic: Erfordert Geostatistical Analyst
- Standard: Erfordert Geostatistical Analyst
- Advanced: Erfordert Geostatistical Analyst