Interpolar puntos (Análisis ráster)

Resumen

Predice los valores en nuevas ubicaciones en función de las mediciones de un conjunto de puntos. La herramienta toma los datos de puntos con valores en cada punto y devuelve un ráster de valores predichos.

Ilustración

Herramienta Interpolar puntos

Uso

  • Esta herramienta del portal de análisis de ráster está disponible al iniciar sesión en un portal de ArcGIS Enterprise que tenga configurado ArcGIS Image Server para Análisis de ráster. Cuando se invoca la herramienta, ArcGIS Pro funciona como cliente y el procesamiento tiene lugar en los servidores federados con ArcGIS Enterprise. La herramienta del portal acepta las capas de su portal como entrada y crea la salida en su portal.

    La capa de entidades de entrada puede ser una capa del portal o una URI o URL de un servicio de entidades. Aunque puede usar las capas y los datos de entidades locales como entradas de esta herramienta del portal, la práctica recomendada es usar capas del portal como entrada.

  • La interpolación se realiza generando muchos modelos locales de interpolación que se combinan entre sí para crear el ráster de salida final. El número de puntos de cada modelo local se puede controlar con el parámetro Tamaño de los modelos locales.

  • La herramienta Empirical Bayesian Kriging se usa para llevar a cabo la interpolación subyacente. Esta herramienta forma parte de la extensión Geostatistical Analyst de ArcGIS. Muchos parámetros de la herramienta están visibles en Interpolar puntos, pero muchos se controlan con el parámetro Optimizar para.

Parámetros

EtiquetaExplicaciónTipo de datos
Entidades de puntos de entrada

Las entidades de punto de entrada que se desea interpolar.

Feature Set
Campo de interpolación

El campo que contiene los valores de datos que se van a interpolar. El campo debe ser numérico.

Field
Nombre de salida

Nombre del servicio ráster de salida.

El nombre predeterminado se basa en el nombre de la herramienta y en el nombre de la capa de entrada. Si el nombre de capa ya existe, se le pedirá que indique otro nombre.

String
Optimizar para
(Opcional)

Elija su preferencia de velocidad frente a precisión. Las predicciones más exactas tardarán más tiempo en calcularse.

  • VelocidadLa operación está optimizada para la velocidad.
  • BalanceUn equilibrio entre velocidad y exactitud. Esta es la opción predeterminada.
  • PrecisiónLa operación está optimizada para la exactitud.
String
Transformar datos en distribución normal
(Opcional)

Elija si desea transformar los datos en una distribución normal antes de realizar el análisis. Si los valores de datos no parecen tener una distribución normal (en forma de campana), es recomendable realizar una transformación.

  • Activado: se aplica una transformación a la distribución normal.
  • Desactivado: no se aplica ninguna transformación. Esta es la opción predeterminada.
Boolean
Tamaño de los modelos locales
(Opcional)

Elija el número de puntos de cada uno de los modelos locales. Un valor mayor hará que la interpolación sea más global y estable, pero podrían perderse algunos efectos de pequeña escala. Con valores más pequeños, la interpolación será más local, de modo que será más probable que se capten los efectos de pequeña escala, pero la interpolación podría ser inestable.

Long
Cantidad de vecinos
(Opcional)

El número de vecinos que se debe usar cuando se calcula la predicción en una celda concreta.

Long
Tamaño de celda de salida
(Opcional)

Defina el tamaño de celda y las unidades del ráster de salida. Si se crea un ráster de errores de predicción, también usará este tamaño de celda.

Las unidades pueden ser kilómetros, metros, millas o pies.

La unidad predeterminada es el metro.

Linear Unit
Error de predicción de salida
(Opcional)

Elija si desea crear un ráster de errores estándar de las predicciones interpoladas.

Los errores estándar resultan útiles porque proporcionan información sobre la fiabilidad de los valores predichos. Una regla general sencilla es que el verdadero valor estará comprendido entre dos errores estándar del valor predicho el 95% del tiempo. Por ejemplo, suponga que una nueva ubicación obtiene un valor predicho de 50 con un error estándar de 5. Esto significa que la estimación más aproximada de esta tarea es que el valor verdadero en esa ubicación es 50, aunque podría ser de 40 o 60. Para calcular este rango de valores razonables, multiplique el error estándar por 2, sume este valor al valor predicho para obtener el límite superior del rango y réstelo del valor predicho para obtener el límite inferior del rango.

Si se solicita un ráster de errores estándar para las predicciones interpoladas, su nombre coincidirá con el Nombre de capa de resultados, pero con Errors agregado.

  • Desactivado: no se genera ningún error de predicción de salida. Esta es la opción predeterminada.
  • Activado: se genera un error de predicción de salida.
Boolean

Salida derivada

EtiquetaExplicaciónTipo de datos
Ráster de salida

El ráster de salida.

Raster Layer
Ráster de error de salida

El ráster de error de predicción de salida.

Raster Layer

arcpy.ra.InterpolatePoints(inputPointFeatures, interpolateField, outputName, {optimizeFor}, {transformData}, {sizeOfLocalModels}, {numberOfNeighbors}, {outputCellSize}, {outputPredictionError})
NombreExplicaciónTipo de datos
inputPointFeatures

Las entidades de punto de entrada que se desea interpolar.

Feature Set
interpolateField

El campo que contiene los valores de datos que se van a interpolar. El campo debe ser numérico.

Field
outputName

Nombre del servicio ráster de salida.

El nombre predeterminado se basa en el nombre de la herramienta y en el nombre de la capa de entrada. Si el nombre de capa ya existe, se le pedirá que indique otro nombre.

String
optimizeFor
(Opcional)

Elija su preferencia de velocidad frente a precisión. Las predicciones más exactas tardarán más tiempo en calcularse.

  • SPEEDLa operación está optimizada para la velocidad.
  • BALANCEUn equilibrio entre velocidad y exactitud. Esta es la opción predeterminada.
  • ACCURACYLa operación está optimizada para la exactitud.
String
transformData
(Opcional)

Elija si desea transformar los datos en una distribución normal antes de realizar el análisis. Si los valores de datos no parecen tener una distribución normal (en forma de campana), es recomendable realizar una transformación.

  • NO_TRANSFORMNo se aplica ninguna transformación. Esta es la opción predeterminada.
  • TRANSFORMSe aplica una transformación a la distribución normal.
Boolean
sizeOfLocalModels
(Opcional)

Elija el número de puntos de cada uno de los modelos locales. Un valor mayor hará que la interpolación sea más global y estable, pero podrían perderse algunos efectos de pequeña escala. Con valores más pequeños, la interpolación será más local, de modo que será más probable que se capten los efectos de pequeña escala, pero la interpolación podría ser inestable.

Long
numberOfNeighbors
(Opcional)

El número de vecinos que se debe usar cuando se calcula la predicción en una celda concreta.

Long
outputCellSize
(Opcional)

Defina el tamaño de celda y las unidades del ráster de salida. Si se crea un ráster de errores de predicción, también usará este tamaño de celda.

Las unidades pueden ser kilómetros, metros, millas o pies.

La unidad predeterminada es el metro.

Linear Unit
outputPredictionError
(Opcional)

Elija si desea crear un ráster de errores estándar de las predicciones interpoladas.

Los errores estándar resultan útiles porque proporcionan información sobre la fiabilidad de los valores predichos. Una regla general sencilla es que el verdadero valor estará comprendido entre dos errores estándar del valor predicho el 95% del tiempo. Por ejemplo, suponga que una nueva ubicación obtiene un valor predicho de 50 con un error estándar de 5. Esto significa que la estimación más aproximada de esta tarea es que el valor verdadero en esa ubicación es 50, aunque podría ser de 40 o 60. Para calcular este rango de valores razonables, multiplique el error estándar por 2, sume este valor al valor predicho para obtener el límite superior del rango y réstelo del valor predicho para obtener el límite inferior del rango.

Si se solicita un ráster de errores estándar para las predicciones interpoladas, su nombre coincidirá con el Nombre de capa de resultados, pero con Errors agregado.

  • OUTPUT_ERRORSe crea un ráster de errores de predicción.
  • NO_OUTPUT_ERRORNo se crea un ráster de errores de predicción. Esta es la opción predeterminada.
Boolean

Salida derivada

NombreExplicaciónTipo de datos
outputRaster

El ráster de salida.

Raster Layer
outputErrorRaster

El ráster de error de predicción de salida.

Raster Layer

Muestra de código

Ejemplo 1 de InterpolatePoints (ventana de Python)

En este ejemplo se interpola un servicio de entidad de puntos en un ráster de servicio de imágenes.

import arcpy

arcpy.ra.InterpolatePoints('https://MyPortal.esri.com/server/rest/services/Hosted/myPoints/FeatureServer/0',
                           'myField', 'outImgServ', 'SPEED', 'False', 50, 8, '10000 Meters', 'NO_OUTPUT_ERROR')
Ejemplo 2 de InterpolatePoints (script independiente)

En este ejemplo se interpola un servicio de entidad de puntos en un ráster de servicio de imágenes.

#-------------------------------------------------------------------------------
# Name: InterpolatePoints_example02.py
# Description: Interpolates a point feature service into an image service raster.
#
# Requirements: ArcGIS Image Server

# Import system modules
import arcpy

# Set local variables
inPoints = 'https://MyPortal.esri.com/server/rest/services/Hosted/myPoints/FeatureServer/0'
inField = 'myField'
outRaster = 'outImgServ'
optimizeFor = 'SPEED'
transform = 'False'
subsetSize = 50
numNeighbors = 8
outCellSize = '10000 Meters'
error = 'NO_OUTPUT_ERROR'

# Execute InterpolatePoints
arcpy.ra.InterpolatePoints(inPoints, inField, outRaster, optimizeFor, transform, 
                           subsetSize, numNeighbors, outCellSize, error)

Información de licenciamiento

  • Basic: Requiere ArcGIS Image Server
  • Standard: Requiere ArcGIS Image Server
  • Advanced: Requiere ArcGIS Image Server

Temas relacionados