GA Layer To Points (Geostatistical Analyst)

Disponible con una licencia de Geostatistical Analyst.

Resumen

Exporta una capa de estadísticas geográficas a puntos. La herramienta también se puede utilizar para predecir valores en ubicaciones sin mediciones o para validar predicciones realizadas en ubicaciones medidas.

Uso

  • Para los formatos de datos que admiten valores nulos, como clases de entidad de geodatabase de archivos, se utilizará un valor nulo para indicar que no se pudo hacer una predicción para esa ubicación o que el valor se debe ignorar cuando se usa como entrada. Para los formatos de datos que no admiten valores nulos, como los shapefiles, se utiliza el valor -1.7976931348623158e+308 (es el valor negativo de la constante de C++ DBL_MAX definida) para indicar que no se pudo realizar una predicción para esa ubicación.

  • Si se proporciona un campo z de validación, las predicciones y los errores estándar se calculan de forma diferente que si no se proporciona un campo de validación. Para obtener más información, consulte la siguiente referencia:

    • Krivoruchko, K., A. Gribov y J. M. Ver Hoef, 2006, "A new method for handling the nugget effect in kriging," T. C. Coburn, J. M. Yarus y R. L. Chambers, Eds., Stochastic modeling and geostatistics: Principles, methods, and case studies, volumen II: AAPG Computer Applications and Geology 5, p. 81–89.

Parámetros

EtiquetaExplicaciónTipo de datos
Capa de estadísticas geográficas de entrada

La capa de estadísticas geográficas que se analizará.

Geostatistical Layer
Ubicaciones de observación de puntos de entrada

Las ubicaciones de puntos donde se realizarán predicciones o validaciones.

Feature Layer
Campo en el que validar
(Opcional)

Si este campo se deja en blanco, las predicciones se realizan en puntos de ubicación. Si se selecciona un campo, las predicciones se realizan en puntos de ubicación, en comparación con sus valores de Z_value_field, y se realiza un análisis de validación.

Field
Estadísticas de salida en ubicaciones de puntos

La clase de entidad de salida que contiene las predicciones o las predicciones y los resultados de validación.

Los campos de esta clase de entidad pueden incluir los siguientes campos (si corresponde):

  • Source_ID (Id. de origen): el Id. de objeto de la entidad de origen en las Ubicaciones de observación de puntos de entrada.
    • El identificador de objetos o entidades del dataset de entrada que se utilizó.
  • Included (Incluido): indica si se calculó una predicción para esta entidad. El valor de este campo puede ser uno de los siguientes:
    • : no hay problemas para hacer una predicción en este punto.
    • Vecinos insuficientes: no hay suficientes vecinos para realizar una predicción.
    • El parámetro de ponderación es demasiado pequeño: el parámetro de ponderación es demasiado pequeño.
    • Sobrellenado: exceso de cálculos de punto flotante.
    • Problema con la transformación de datos: el valor que se va a transformar está fuera del rango admitido para la transformación seleccionada (solo en kriging).
    • No hay rásteres explicativos: el valor no se puede calcular porque una de las variables explicativas no está definida. El punto podría estar fuera de la extensión de al menos un ráster de variables explicativas, o el punto podría estar encima de una celda NoData en al menos uno de los rásteres de variables explicativas. Solo se aplica a los modelos de EBK Regression Prediction.
  • Predicted (Predicho): el valor de predicción en esta ubicación.
  • Error (Error): el valor predicho menos el valor del campo de validación.
  • StdError (Error estándar): el error estándar de kriging.
  • Stdd_Error (Error estandarizado): los errores de predicción estandarizados. Lo ideal sería que los errores de predicción estandarizados se distribuyan normalmente.
  • NormValue (Valor normal): el valor de distribución normal (eje x) que corresponde a los errores de predicción estandarizados (eje y) en el diagrama cuantil-cuantil normal.
  • CRPS (Continuous Ranked Probability Score): la puntuación de probabilidad continua clasificada es un diagnóstico que mide la desviación de la función de distribución acumulada predictiva a cada valor de datos observado. Este valor debe ser lo más pequeño posible. Este diagnóstico tiene ventajas sobre los diagnósticos de validación cruzada porque compara los datos con una distribución completa en lugar de con predicciones de un solo punto. Este campo solo se crea para los modelos Kriging bayesiano empírico y EBK Regression Prediction.
  • Interval90 (Inside 90 Percent Interval): indica si el punto de validación está dentro de un intervalo de confianza del 90 por ciento o no. Este campo solo se crea para los modelos Kriging bayesiano empírico y EBK Regression Prediction. Si el modelo se ajusta a los datos, aproximadamente el 90 por ciento de las entidades deben estar contenidos en un intervalo de confianza del 90 por ciento. Este campo puede contener los siguientes valores:
    • Sí: el punto de validación está dentro del intervalo de confianza del 90 por ciento.
    • No: el punto de validación no está dentro del intervalo de confianza del 90 por ciento.
    • Excluida: no se puede hacer una predicción en esta ubicación.
  • Interval95 (Inside 95 Percent Interval): indica si el punto de validación está dentro de un intervalo de confianza del 95 por ciento o no. Este campo solo se crea para los modelos Kriging bayesiano empírico y EBK Regression Prediction. Si el modelo se ajusta a los datos, aproximadamente el 95 por ciento de las entidades deben estar contenidos en un intervalo de confianza del 95 por ciento. Este campo puede contener los siguientes valores:
    • Sí: el punto de validación está dentro del intervalo de confianza del 95 por ciento.
    • No: el punto de validación no está dentro del intervalo de confianza del 95 por ciento.
    • Excluida: no se puede hacer una predicción en esta ubicación.
  • QuanVal (Cuantil de validación): el cuantil del valor medido en la entidad con respecto a la distribución de la predicción. Este valor puede variar de 0 a 1 y los valores cercanos a 0 indican que el valor medido se encuentra en la cola izquierda de la distribución y los valores cercanos a 1 indican que el valor medido se encuentra en la cola derecha de la distribución. Si muchos valores están cerca de los extremos, podría indicar que las distribuciones de predicción no modelan bien los datos y algunos de los parámetros de interpolación se deben modificar. Este campo solo se crea para los modelos Kriging bayesiano empírico y EBK Regression Prediction.
Feature Class
Incorporar todos los campos de las entidades de entrada
(Opcional)

Determina si todos los campos se copiarán de las entidades de entrada a la clase de entidad de salida.

  • Activado: todos los campos de las entidades de entrada se copiarán en la clase de entidad de salida. Esta es la opción predeterminada.
  • Desactivado: solo se copiará el valor de Id. de entidad y se llamará Source_ID en la clase de entidad de salida.
Boolean
Campo de elevación
(Opcional)

El campo que contiene la elevación de cada punto de entrada. Este parámetro solo se aplica a los modelos de estadísticas geográficas 3D. Si los valores de elevación se almacenan como atributos de geometría en Shape.Z, se recomienda utilizar ese campo. Si las elevaciones se almacenan en un campo de atributos, las elevaciones deben indicar la distancia respecto al nivel del mar. Los valores positivos indican una distancia por encima del nivel del mar, y los valores negativos indican una distancia por debajo del nivel del mar.

Field
Unidades del campo de elevación
(Opcional)

Las unidades del campo de elevación. Este parámetro solo se aplica a modelos de estadísticas geográficas 3D. Si Shape.Z se proporciona como campo de elevación, las unidades coincidirán automáticamente con las unidades z del sistema de coordenadas verticales.

  • Pulgadas de agrimensura de EE. UU.Las elevaciones están en pulgadas de agrimensura estadounidenses.
  • Pies de agrimensura de EE. UU.Las elevaciones están en pies de agrimensura estadounidenses.
  • Yardas de agrimensura de EE. UU.Las elevaciones están en yardas de agrimensura estadounidenses.
  • Millas de agrimensura de EE. UU.Las elevaciones están en millas de agrimensura estadounidenses.
  • Millas náuticas topográficas de EE. UU.Las elevaciones están en millas náuticas de agrimensura estadounidenses.
  • MilímetrosLas elevaciones están en milímetros.
  • CentímetrosLas elevaciones están en centímetros.
  • DecímetrosLas elevaciones están en decímetros.
  • MetrosLas elevaciones están en metros.
  • KilómetrosLas elevaciones están en kilómetros.
  • Pulgadas internacionalesLas elevaciones están en pulgadas internacionales.
  • Pies internacionalesLas elevaciones están en pies internacionales.
  • Yardas internacionalesLas elevaciones están en yardas internacionales.
  • Millas terrestresLas elevaciones están en millas terrestres.
  • Millas náuticas internacionalesLas elevaciones están en millas náuticas internacionales.
String

arcpy.ga.GALayerToPoints(in_geostat_layer, in_locations, {z_field}, out_feature_class, {append_all_fields}, {elevation_field}, {elevation_units})
NombreExplicaciónTipo de datos
in_geostat_layer

La capa de estadísticas geográficas que se analizará.

Geostatistical Layer
in_locations

Las ubicaciones de puntos donde se realizarán predicciones o validaciones.

Feature Layer
z_field
(Opcional)

Si este campo se deja en blanco, las predicciones se realizan en puntos de ubicación. Si se selecciona un campo, las predicciones se realizan en puntos de ubicación, en comparación con sus valores de Z_value_field, y se realiza un análisis de validación.

Field
out_feature_class

La clase de entidad de salida que contiene las predicciones o las predicciones y los resultados de validación.

Los campos de esta clase de entidad pueden incluir los siguientes campos (si corresponde):

  • Source_ID (Id. de origen): el Id. de objeto de la entidad de origen en las Ubicaciones de observación de puntos de entrada.
    • El identificador de objetos o entidades del dataset de entrada que se utilizó.
  • Included (Incluido): indica si se calculó una predicción para esta entidad. El valor de este campo puede ser uno de los siguientes:
    • : no hay problemas para hacer una predicción en este punto.
    • Vecinos insuficientes: no hay suficientes vecinos para realizar una predicción.
    • El parámetro de ponderación es demasiado pequeño: el parámetro de ponderación es demasiado pequeño.
    • Sobrellenado: exceso de cálculos de punto flotante.
    • Problema con la transformación de datos: el valor que se va a transformar está fuera del rango admitido para la transformación seleccionada (solo en kriging).
    • No hay rásteres explicativos: el valor no se puede calcular porque una de las variables explicativas no está definida. El punto podría estar fuera de la extensión de al menos un ráster de variables explicativas, o el punto podría estar encima de una celda NoData en al menos uno de los rásteres de variables explicativas. Solo se aplica a los modelos de EBK Regression Prediction.
  • Predicted (Predicho): el valor de predicción en esta ubicación.
  • Error (Error): el valor predicho menos el valor del campo de validación.
  • StdError (Error estándar): el error estándar de kriging.
  • Stdd_Error (Error estandarizado): los errores de predicción estandarizados. Lo ideal sería que los errores de predicción estandarizados se distribuyan normalmente.
  • NormValue (Valor normal): el valor de distribución normal (eje x) que corresponde a los errores de predicción estandarizados (eje y) en el diagrama cuantil-cuantil normal.
  • CRPS (Continuous Ranked Probability Score): la puntuación de probabilidad continua clasificada es un diagnóstico que mide la desviación de la función de distribución acumulada predictiva a cada valor de datos observado. Este valor debe ser lo más pequeño posible. Este diagnóstico tiene ventajas sobre los diagnósticos de validación cruzada porque compara los datos con una distribución completa en lugar de con predicciones de un solo punto. Este campo solo se crea para los modelos Kriging bayesiano empírico y EBK Regression Prediction.
  • Interval90 (Inside 90 Percent Interval): indica si el punto de validación está dentro de un intervalo de confianza del 90 por ciento o no. Este campo solo se crea para los modelos Kriging bayesiano empírico y EBK Regression Prediction. Si el modelo se ajusta a los datos, aproximadamente el 90 por ciento de las entidades deben estar contenidos en un intervalo de confianza del 90 por ciento. Este campo puede contener los siguientes valores:
    • Sí: el punto de validación está dentro del intervalo de confianza del 90 por ciento.
    • No: el punto de validación no está dentro del intervalo de confianza del 90 por ciento.
    • Excluida: no se puede hacer una predicción en esta ubicación.
  • Interval95 (Inside 95 Percent Interval): indica si el punto de validación está dentro de un intervalo de confianza del 95 por ciento o no. Este campo solo se crea para los modelos Kriging bayesiano empírico y EBK Regression Prediction. Si el modelo se ajusta a los datos, aproximadamente el 95 por ciento de las entidades deben estar contenidos en un intervalo de confianza del 95 por ciento. Este campo puede contener los siguientes valores:
    • Sí: el punto de validación está dentro del intervalo de confianza del 95 por ciento.
    • No: el punto de validación no está dentro del intervalo de confianza del 95 por ciento.
    • Excluida: no se puede hacer una predicción en esta ubicación.
  • QuanVal (Cuantil de validación): el cuantil del valor medido en la entidad con respecto a la distribución de la predicción. Este valor puede variar de 0 a 1 y los valores cercanos a 0 indican que el valor medido se encuentra en la cola izquierda de la distribución y los valores cercanos a 1 indican que el valor medido se encuentra en la cola derecha de la distribución. Si muchos valores están cerca de los extremos, podría indicar que las distribuciones de predicción no modelan bien los datos y algunos de los parámetros de interpolación se deben modificar. Este campo solo se crea para los modelos Kriging bayesiano empírico y EBK Regression Prediction.
Feature Class
append_all_fields
(Opcional)

Determina si todos los campos se copiarán de las entidades de entrada a la clase de entidad de salida.

  • ALLTodos los campos de las entidades de entrada se copiarán en la clase de entidad de salida. Esta es la opción predeterminada.
  • FID_ONLYSolo se copiará el Id. de entidad y se llamará Source_ID en la clase de entidad de salida.
Boolean
elevation_field
(Opcional)

El campo que contiene la elevación de cada punto de entrada. Este parámetro solo se aplica a los modelos de estadísticas geográficas 3D. Si los valores de elevación se almacenan como atributos de geometría en Shape.Z, se recomienda utilizar ese campo. Si las elevaciones se almacenan en un campo de atributos, las elevaciones deben indicar la distancia respecto al nivel del mar. Los valores positivos indican una distancia por encima del nivel del mar, y los valores negativos indican una distancia por debajo del nivel del mar.

Field
elevation_units
(Opcional)

Las unidades del campo de elevación. Este parámetro solo se aplica a modelos de estadísticas geográficas 3D. Si Shape.Z se proporciona como campo de elevación, las unidades coincidirán automáticamente con las unidades z del sistema de coordenadas verticales.

  • INCHLas elevaciones están en pulgadas de agrimensura estadounidenses.
  • FOOTLas elevaciones están en pies de agrimensura estadounidenses.
  • YARDLas elevaciones están en yardas de agrimensura estadounidenses.
  • MILE_USLas elevaciones están en millas de agrimensura estadounidenses.
  • NAUTICAL_MILELas elevaciones están en millas náuticas de agrimensura estadounidenses.
  • MILLIMETERLas elevaciones están en milímetros.
  • CENTIMETERLas elevaciones están en centímetros.
  • DECIMETERLas elevaciones están en decímetros.
  • METERLas elevaciones están en metros.
  • KILOMETERLas elevaciones están en kilómetros.
  • INCH_INTLas elevaciones están en pulgadas internacionales.
  • FOOT_INTLas elevaciones están en pies internacionales.
  • YARD_INTLas elevaciones están en yardas internacionales.
  • MILE_INTLas elevaciones están en millas terrestres.
  • NAUTICAL_MILE_INTLas elevaciones están en millas náuticas internacionales.
String

Muestra de código

Ejemplo 1 de GALayerToPoints (ventana de Python)

Exportar una capa de estadísticas geográficas a una clase de entidad de punto.

import arcpy
arcpy.env.workspace = "C:/gapyexamples/data"
arcpy.GALayerToPoints_ga("C:/gapyexamples/data/kriging.lyr", 
                         "C:/gapyexamples/data/obs_pts.shp",                   
                         "", "C:/gapyexamples/output/krig_pts")
Ejemplo 2 de GALayerToPoints (script independiente)

Exportar una capa de estadísticas geográficas a una clase de entidad de punto.

# Name: GALayerToPoints_Example_02.py
# Description: Exports a geostatistical layer to points.
# 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"
inPoints = "C:/gapyexamples/data/obs_pts.shp"
zField = ""
outPoints = "C:/gapyexamples/output/krig_pts"

# Execute GALayerToPoints
arcpy.GALayerToPoints_ga(inLayer, inPoints, zField, outPoints)

Información de licenciamiento

  • Basic: Requiere Geostatistical Analyst
  • Standard: Requiere Geostatistical Analyst
  • Advanced: Requiere Geostatistical Analyst

Temas relacionados