Agregar ráster multidimensional (Spatial Analyst)

Disponible con licencia de Image Analyst.

Disponible con una licencia de Spatial Analyst.

Resumen

Genera un dataset ráster multidimensional al combinar variables de ráster multidimensional existentes a lo largo de una dimensión.

Uso

  • Use el parámetro Definición de consolidación para elegir un intervalo con una palabra clave, un valor o un rango de valores. Por ejemplo, si cuenta con 30 años de datos de temperatura de la superficie del mar que se han recopilado diariamente y en cada 5 metros de profundidad hasta llegar a los 100 metros, puede utilizar las distintas opciones de intervalos en estos escenarios:

    • Agregue datos de temperatura diarios en datos mensuales, donde el resultado es un ráster multidimensional con 12 periodos de tiempo, y cada periodo es la agregación de cada mes a lo largo de los años. Seleccione Palabra clave de intervalo y defina la palabra clave como Recurrente mensualmente.
    • Agregue datos de temperatura diarios en datos mensuales, donde el resultado es un ráster multidimensional con 360 periodos, o bien 12 periodos de tiempo por año (30 años x 12 meses = 360 periodos). Seleccione Palabra clave de intervalo y defina la palabra clave como Mensualmente.
    • Consolide datos de temperatura mensuales en intervalos de 4 meses. Seleccione Valor de intervalo, defina el Valor de intervalo a 4, y establezca la Unidad en Meses.
    • Consolide datos de temperatura de 0 a 25 metros, después de 25 a 50 metros, por último, de 50 a 100 metros. Seleccione Rangos de intervalos y especifique las profundidades mínimas y máximas como 0 25; 25 50; 50 100.
  • Entre los datasets ráster multidimensionales admitidos se incluyen los archivos de formato ráster de nube (CRF), datasets de mosaico multidimensionales o capas ráster multidimensionales generados por archivos netCDF, GRIB o HDF.

  • Esta herramienta produce un dataset ráster multidimensional en formato de ráster de nube (CRF). En este momento, no se admite ningún otro formato de salida.

  • De forma predeterminada, la salida del ráster multidimensional se comprimirá con el tipo de compresión LZ77. Sin embargo, se recomienda que cambie el tipo de compresión a LERC y ajuste el valor de error máximo en función de sus datos. Por ejemplo, si espera que los resultados del análisis sean precisos hasta tres decimales, use 0,001 como valor de error máximo. Lo mejor es evitar requisitos de precisión innecesarios, puesto que aumentarán el tiempo de procesamiento y el tamaño de almacenamiento.

    Para cambiar el tipo de compresión, modifique la Configuración del entorno.

Sintaxis

AggregateMultidimensionalRaster(in_multidimensional_raster, dimension, {aggregation_method}, {variables}, {aggregation_def}, {interval_keyword}, {interval_value}, {interval_unit}, {interval_ranges}, {aggregation_function}, {ignore_nodata})
ParámetroExplicaciónTipo de datos
in_multidimensional_raster

El dataset ráster multidimensional de entrada.

Raster Dataset; Raster Layer; Mosaic Dataset; Mosaic Layer; Image Service; File
dimension

La dimensión de consolidación. Esta es la dimensión a lo largo de la cual se consolidan las variables.

String
aggregation_method
(Opcional)

Especifica el método matemático que se utilizará para combinar las porciones agregadas en un intervalo.

  • MEANEl valor medio de los valores de un píxel se calculará en todas las porciones del intervalo. Esta es la opción predeterminada.
  • MAXIMUMEl valor máximo de un píxel se calculará en todas las porciones del intervalo.
  • MAJORITYEl valor de píxel que se produce con más frecuencia se calculará en todas las porciones del intervalo.
  • MINIMUMEl valor mínimo de un píxel se calculará en todas las porciones del intervalo.
  • MINORITYEl valor de píxel que se produce con menos frecuencia se calculará en todas las porciones del intervalo.
  • MEDIANLa mediana de un píxel se calculará en todas las porciones del intervalo.
  • RANGEEl rango de valores de un píxel se calculará en todas las porciones del intervalo.
  • STDLa desviación estándar de los valores de un píxel se calculará en todas las porciones del intervalo.
  • SUMLa suma de los valores de un píxel se calculará en todas las porciones del intervalo.
  • VARIETYLa cantidad de valores únicos de un píxel se calculará en todas las porciones del intervalo.
  • CUSTOMEl valor de un píxel se calculará según una función ráster personalizada.

Cuando aggregation_method se configura como CUSTOM, el parámetro aggregation_function pasa a estar disponible.

String
variables
[variables,...]
(Opcional)

Las variables que se agregarán a lo largo de la dimensión determinada. Si no se especifica ninguna variable, se agregarán todas las variables con la dimensión seleccionada.

Por ejemplo, para agregar datos de temperatura diarios en valores promedio mensuales, especifique la temperatura como la variable que se agregará. Si no especifica ninguna variable y no cuenta con variables de temperatura y precipitaciones diarias, ambas variables se agregarán en promedios mensuales y estarán incluidas en el ráster multidimensional de salida.

String
aggregation_def
(Opcional)

Especifica el intervalo de dimensión en el que se agregarán los datos.

  • ALLLos valores de datos se agregarán en todas las porciones. Esta es la opción predeterminada.
  • INTERVAL_KEYWORDLos datos variables se agregarán con un intervalo comúnmente conocido.
  • INTERVAL_VALUELos datos variables se agregarán con un intervalo y una unidad especificados por el usuario.
  • INTERVAL_RANGESLos datos variables se agregarán entre pares de valores o fechas especificados.
String
interval_keyword
(Opcional)

Especifica el intervalo de palabra clave que se usará al agregar a lo largo de la dimensión. Este parámetro es obligatorio si el parámetro aggregation_def se define como INTERVAL_KEYWORD y, además, la agregación debe ser a lo largo del tiempo.

  • HOURLYLos valores de datos se agregarán en periodos de tiempo horarios y el resultado incluirá todas las horas de las series temporales.
  • DAILYLos valores de datos se agregarán en periodos de tiempo diarios y el resultado incluirá todos los días de las series temporales.
  • WEEKLYLos valores de datos se agregarán en periodos de tiempo semanales y el resultado incluirá todas las semanas de las series temporales.
  • DEKADLYLos valores de datos se agregarán en 3 periodos de 10 días cada uno. El último periodo puede contener más o menos de 10 días. La salida incluirá 3 periodos para cada mes.
  • PENTADLYLos valores de datos se agregarán en 6 periodos de 5 días cada uno. El último periodo puede contener más o menos de 5 días. La salida incluirá 6 periodos para cada mes.
  • MONTHLYLos valores de datos se agregarán en periodos de tiempo mensuales y el resultado incluirá todos los meses de las series temporales.
  • QUARTERLYLos valores de datos se agregarán en periodos de tiempo trimestrales y el resultado incluirá todos los trimestres de las series temporales.
  • YEARLYLos valores de datos se agregarán en periodos de tiempo anuales y el resultado incluirá todos los años de las series temporales.
  • RECURRING_DAILYLos valores de datos se agregarán en periodos de tiempo diarios y el resultado incluirá un valor agregado por día juliano. La salida incluirá, al menos, 366 periodos de tiempo diarios.
  • RECURRING_WEEKLYLos valores de datos se agregarán en periodos de tiempo semanales y el resultado incluirá un valor agregado por semana. La salida incluirá, al menos, 53 periodos de tiempo semanales.
  • RECURRING_MONTHLYLos valores de datos se agregarán en periodos de tiempo mensuales y el resultado incluirá un valor agregado por mes. La salida incluirá, al menos, 12 periodos de tiempo mensuales.
  • RECURRING_QUARTERLYLos valores de datos se agregarán en periodos de tiempo trimestrales y el resultado incluirá un valor agregado por trimestre. La salida incluirá, al menos, 4 periodos de tiempo trimestrales.
String
interval_value
(Opcional)

El tamaño del intervalo que se utilizará para la agregación. Este parámetro es obligatorio si el parámetro aggregation_def se define como INTERVAL_VALUE.

Por ejemplo, para consolidar 30 años de datos de temperatura mensuales en incrementos de 5 años, introduzca 5 como el interval_value y especifique la interval_unit como YEARS.

Double
interval_unit
(Opcional)

La unidad que se usará para el parámetro interval_value. Este parámetro es obligatorio si el parámetro dimension se define como un campo de tiempo y el parámetro aggregation_def se define como INTERVAL_VALUE.

Si agrega algo que no sea tiempo, esta opción no estará disponible y la unidad del valor de intervalo coincidirá con la unidad de variable de los datos ráster multidimensionales de entrada.

  • HOURSLos valores de datos se agregarán en periodos de tiempo horarios en el intervalo proporcionado.
  • DAYSLos valores de datos se agregarán en periodos de tiempo diarios en el intervalo proporcionado.
  • WEEKSLos valores de datos se agregarán en periodos de tiempo semanales en el intervalo proporcionado.
  • MONTHSLos valores de datos se agregación en periodos de tiempo mensuales en el intervalo proporcionado.
  • YEARSLos valores de datos se agregarán en periodos de tiempo anuales en el intervalo proporcionado.
String
interval_ranges
[interval_ranges,...]
(Opcional)

Se usarán los rangos de intervalos especificados en una tabla de valores para agregar grupos de valores. La tabla de valores consiste en pares de valores de rango mínimo y máximo, siendo el tipo de datos Doble o Fecha.

Este parámetro es obligatorio si el parámetro aggregation_def se define como INTERVAL_RANGE.

Value Table
aggregation_function
(Opcional)

Una función ráster personalizada que se usará para calcular los valores de píxel de los rásteres agregados. La entrada es un objeto JSON de función ráster, un archivo .rft.xml creado a partir de una cadena de función o una función ráster de Python personalizada.

Este parámetro es obligatorio si el parámetro aggregation_method se define como CUSTOM.

File; String
ignore_nodata
(Opcional)

Especifica si los valores NoData se ignorarán en el análisis.

  • DATA El análisis incluirá todos los píxeles válidos a lo largo de una dimensión determinada y se ignorarán los píxeles NoData. Esta es la opción predeterminada.
  • NODATAEl análisis dará como resultado NoData si no hay valores NoData para los píxeles a lo largo de la dimensión determinada.
Boolean

Valor de retorno

NombreExplicaciónTipo de datos
out_multidimensional_raster

El dataset ráster multidimensional de formato de ráster de nube (CRF) de salida.

Raster

Muestra de código

Ejemplo 1 de AggregateMultidimensionalRaster (ventana de Python)

Este ejemplo agrega datos de temperatura en datos anuales con los valores medios de temperatura.

import arcpy
from arcpy import env
from arcpy.sa import *
env.workspace = "C:/sapyexamples/data"
arcpy.CheckOutExtension("Spatial")
outAggMultidim = AggregateMultidimensionalRaster("C:/sapyexamples/data/climateData.crf", 
	"StdTime", "MEAN", "temperature", "INTERVAL_KEYWORD", "YEARLY", 
	"", "", "", "", "DATA")
outAggMultidim.save("C:/sapyexamples/output/YearlyTemp.crf")
Ejemplo 2 de AggregateMultidimensionalRaster (script independiente)

Este ejemplo agrega datos de temperatura y precipitaciones diarias en datos mensuales con los valores medios de temperatura y precipitación máxima.

# Name: AggregateMultidimensionalRaster_Ex_02.py
# Description: Aggregates daily precipitation and temperature data into
#           monthly data with the maximum precipitation and temperature values
# Requirements: Spatial Analyst Extension

# Import system modules
import arcpy
from arcpy import env
from arcpy.sa import *

# Set environment settings
env.workspace = "C:/sapyexamples/data"

# Check out the ArcGIS Spatial Analyst extension license
arcpy.CheckOutExtension("Spatial")

""""
Usage: out_multidimensional_raster = AggregateMultidimensionalRaster(in_multidimensional_raster, dimension,
                                    {aggregation_method}, {variables}, 
                                    {aggregation_def}, {interval_keyword}, {ignore_nodata})
"""

# Define input parameters
inputFile = "C:/sapyexamples/data/dailyclimateData.crf"
dimensionName = "StdTime"
aggregationMethod = "Maximum"
variables = "temperature;precipitation"
aggregationDefinition = "INTERVAL_KEYWORD"
keyword = "MONTHLY"
ignore_nodata = "DATA"

# Execute AggregateMultidimensionalRaster
outAggMultidim = AggregateMultidimensionalRaster(inputFile, dimensionName,
	aggregationMethod, variables, aggregationDefinition, keyword, "", "", "", "",
	ignore_nodata)

# Save the output
outAggMultidim.save("C:/sapyexamples/output/monthlymaxtemp.crf")

Información de licenciamiento

  • Basic: Requiere Spatial Analyst o Image Analyst
  • Standard: Requiere Spatial Analyst o Image Analyst
  • Advanced: Requiere Spatial Analyst o Image Analyst

Temas relacionados