Kriging (Spatial Analyst)

Disponible con una licencia de Spatial Analyst.

Disponible con una licencia de 3D Analyst.

Resumen

Interpola una superficie de ráster a partir de puntos utilizando kriging.

Más información sobre cómo funciona Kriging

Uso

  • Kriging es un proceso intensivo del procesador. La velocidad de ejecución depende de la cantidad de puntos en el dataset de entrada y del tamaño de la ventana de búsqueda.

  • Los valores bajos en la varianza del ráster de predicción de salida opcional indica un alto grado de confianza en el valor previsto. Los valores altos pueden indicar que se necesitan más puntos de datos.

  • El tipo de kriging universal presupone que hay un componente estructural presente y que la tendencia local varía de una ubicación a otra.

  • Propiedades de semivariograma permite el control del semivariograma utilizado para kriging. Un valor predeterminado para Tamaño de intervalo se establece inicialmente en el tamaño de celda de salida predeterminado. Para Rango principal, Meseta parcial y Nugget, se calculará un valor predeterminado internamente, si no se especifica nada.

  • La varianza del ráster de predicción de salida opcional contiene la varianza de kriging en cada celda del ráster de salida. Al suponer que los errores kriging se distribuyen normalmente, hay una probabilidad del 95,5 por ciento de que el valor z real en la celda sea el valor del ráster previsto, sumando o restando dos veces la raíz cuadrada del valor en el ráster de varianza.

  • El Tamaño de celda de salida se puede definir mediante un valor numérico u obtenerse desde un dataset ráster existente. Si el tamaño de celda no se ha especificado explícitamente como el valor del parámetro, se deriva del entorno Tamaño de celda si se ha especificado. Si no se ha especificado el tamaño de celda del parámetro o el tamaño de celda del entorno, pero se ha configurado el entorno Ráster de alineación, se usa el tamaño de celda del ráster de alineación. Si no se especifica nada, el tamaño de celda se calcula a partir de la anchura o la altura de la extensión dividido por 250, donde la extensión se encuentra en el Sistema de coordenadas de salida especificado en el entorno.

  • Si el tamaño de celda se especifica usando un valor numérico, la herramienta lo usa directamente para el ráster de salida.

    Si el tamaño de celda se especifica mediante un dataset ráster, el parámetro muestra la ruta del dataset ráster en lugar del valor del tamaño de celda. El tamaño de celda de ese dataset ráster se usa directamente en el análisis, siempre que la referencia espacial del dataset sea la misma que la referencia espacial de salida. Si la referencia espacial del dataset es diferente a la referencia espacial de salida, se proyecta en función del Método de proyección de tamaño de celda seleccionado.

  • Algunos datasets de entrada pueden tener algunos puntos con las mismas coordenadas x,y. Si los valores de los puntos de una ubicación común son los mismos, se consideran duplicados y no afectan a la salida. Si los valores son diferentes, se consideran puntos coincidentes.

    Las distintas herramientas de interpolación pueden manejar esta condición de datos de maneras distintas. Por ejemplo, en algunos casos el primer punto coincidente encontrado se utiliza para el cálculo; en otros casos, se utiliza el último punto encontrado. Esto puede causar que algunas ubicaciones del ráster de entrada tengan valores distintos a los que puede esperar. La solución es preparar los datos quitando estos puntos coincidentes. La herramienta Capturar eventos de la caja de herramientas de Estadística espacial es útil para identificar cualquier punto coincidente en los datos.

  • Para los formatos de datos que admiten valores nulos, como las clases de entidad de geodatabase de archivos, se ignorará un valor nulo cuando se utilice como entrada.

  • Consulte Entornos de análisis y Spatial Analyst para obtener detalles adicionales sobre los entornos de geoprocesamiento que se aplican a esta herramienta.

Sintaxis

Kriging(in_point_features, z_field, semiVariogram_props, {cell_size}, {search_radius}, {out_variance_prediction_raster})
ParámetroExplicaciónTipo de datos
in_point_features

Entidades de puntos de entrada que contienen los valores z que se interpolarán en un ráster de superficie.

Feature Layer
z_field

Campo que contiene un valor de altura o magnitud para cada punto.

Puede ser un campo numérico o el campo Forma si las entidades de punto de entrada contienen valores z.

Field
semiVariogram_props
kriging_model

La clase KrigingModel define qué modelo kriging se utilizará.

Hay dos tipos de clases kriging. El método KrigingModelOrdinary tiene cinco tipos de semivariogramas disponibles. El método KrigingModelUniversal tiene dos tipos de semivariogramas disponibles.

  • KrigingModelOrdinary ({semivariogramType}, {lagSize}, {majorRange}, {partialSill}, {nugget})
    • semivariogramType: el modelo de semivariograma que se utilizará. Entre los modelos disponibles se incluyen los siguientes:
      • SPHERICAL: modelo de semivariograma esférico. Esta es la opción predeterminada.
      • CIRCULAR: modelo de semivariograma circular.
      • EXPONENTIAL: modelo de semivariograma exponencial.
      • GAUSSIAN: modelo de semivariograma de distribución normal o Gaussiano.
      • LINEAR: modelo de semivariograma lineal con una meseta.
  • KrigingModelUniversal ({semivariogramType}, {lagSize}, {majorRange}, {partialSill}, {nugget})
    • semivariogramType: el modelo de semivariograma que se utilizará. Entre los modelos disponibles se incluyen los siguientes:
      • LINEARDRIFT: kriging universal con coeficiente de tendencia lineal.
      • QUADRATICDRIFT: kriging universal con coeficiente de tendencia cuadrática.
  • Después de {semivariogramType}, los demás parámetros son comunes entre kriging Ordinario y Universal.
    • lagSize: la opción predeterminada es el tamaño de celda ráster de salida.
    • majorRange: representa la distancia más allá de la cual hay poca o ninguna correlación.
    • partialSill: diferencia entre el nugget y la meseta.
    • nugget: representa el error y la variación a una escala espacial que es demasiado fina para ser detectada. El efecto nugget se ve como una discontinuidad del origen.
KrigingModel
cell_size
(Opcional)

El tamaño de celda del ráster de salida que se va a crear.

Este parámetro se puede definir mediante un valor numérico u obtenerse desde un dataset ráster existente. Si el tamaño de celda no se ha especificado explícitamente como valor de parámetro, se usa el valor del tamaño de celda del entorno si se ha especificado; de lo contrario, se utilizan reglas adicionales para calcularlo a partir de las otras entradas. Consulte la sección Uso para obtener más detalles.

Analysis Cell Size
search_radius
(Opcional)

La clase Radius define cuáles de los puntos de entrada se utilizarán para interpolar el valor para cada celda en el ráster de salida.

Hay dos tipos de clases de radios: RadiusVariable y RadiusFixed. Un radio de búsqueda Variable se utiliza para encontrar una cantidad específica de puntos de muestra de entrada para la interpolación. El tipo Fijo utiliza una distancia fija especificada dentro de la cual todos los puntos de entrada se utilizarán para la interpolación. El tipo Variable es la opción predeterminada.

  • RadiusVariable ({numberofPoints}, {maxDistance})
    • {numberofPoints}: es un valor entero que especifica la cantidad de puntos de muestra de entrada más próximos que se utilizarán para realizar la interpolación. El valor predeterminado es 12 puntos.
    • {maxDistance}: especifica la distancia, en unidades de mapa, mediante la cual se limitará la búsqueda de los puntos de muestra de entrada más próximos. El valor predeterminado es la longitud de la extensión de la diagonal.
  • RadiusFixed ({distance}, {minNumberofPoints})
    • {distance}: especifica la distancia como un radio dentro del cual los puntos de muestra de entrada se utilizarán para realizar la interpolación.

      El valor del radio se expresa en unidades de mapa. El radio predeterminado es cinco veces el tamaño del ráster de salida.

    • {minNumberofPoints}: un entero que define la cantidad de puntos mínima que se utilizará para la interpolación. El valor predeterminado es 0.

      Si el número de puntos requerido no se encuentra dentro de la distancia especificada, la distancia de búsqueda aumentará hasta que se encuentre la cantidad mínima de puntos especificada.

      Cuando sea necesario aumentar el radio de búsqueda, se hará hasta que el {minNumberofPoints} caiga dentro de este radio, o hasta que el radio cruce la extensión inferior (sur) o superior (norte) del ráster de salida. Se asigna NoData a todas las ubicaciones que no cumplen con las condiciones anteriores.

Radius
out_variance_prediction_raster
(Opcional)

Ráster de salida opcional en el que cada celda contiene los valores de varianza previstos para esa ubicación.

Raster Dataset

Valor de retorno

NombreExplicaciónTipo de datos
out_surface_raster

Ráster de superficie interpolado de salida.

Siempre es un ráster de punto flotante.

Raster

Muestra de código

Ejemplo 1 de Kriging (ventana de Python)

En este ejemplo se introduce un shapefile de punto y se interpola la superficie de salida como ráster de cuadrícula.

import arcpy
from arcpy import env
from arcpy.sa import *
env.workspace = "C:/sapyexamples/data"
outKrig = Kriging("ozone_pts.shp", "OZONE", KrigingModelOrdinary("CIRCULAR", 2000, 2.6, 542, 0), 2000, RadiusFixed(20000, 1))
outKrig.save("c:/sapyexamples/output/krigout")
Ejemplo 2 de Kriging (script independiente)

En este ejemplo se introduce un shapefile de punto y se interpola la superficie de salida como ráster de cuadrícula.

# Name: Kriging_Ex_02.py
# Description: Interpolates a surface from points using kriging.
# 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"

# Set local variables
inFeatures = "ca_ozone_pts.shp"
field = "OZONE"
cellSize = 2000
outVarRaster = "C:/sapyexamples/output/outvariance"
lagSize = 2000
majorRange = 2.6
partialSill = 542
nugget = 0

# Set complex variables
kModelOrdinary = KrigingModelOrdinary("CIRCULAR", lagSize,
                                majorRange, partialSill, nugget)
kRadius = RadiusFixed(20000, 1)



# Execute Kriging
outKriging = Kriging(inFeatures, field, kModelOrdinary, cellSize,
                     kRadius, outVarRaster)

# Save the output 
outKriging.save("C:/sapyexamples/output/krigoutput02")

Información de licenciamiento

  • Basic: Requiere Spatial Analyst o 3D Analyst
  • Standard: Requiere Spatial Analyst o 3D Analyst
  • Advanced: Requiere Spatial Analyst o 3D Analyst

Temas relacionados