Densificar red de muestreo (Geostatistical Analyst)—ArcGIS Pro

Disponible con una licencia de Geostatistical Analyst.

Resumen

Utiliza una capa de kriging de estadísticas geográficas predefinida para determinar dónde se deben crear nuevas estaciones de monitorización. También se puede utilizar para determinar qué estaciones de supervisión se deben eliminar de una red existente.

Uso

La capa de estadísticas geográficas de entrada debe ser una capa de kriging.
Puede darse el caso de que solo se genere una nueva ubicación cuando se han solicitado más. Esto sucede cuando la misma ubicación sigue estando seleccionada en función de los criterios de selección. Esto se puede evitar especificando un valor para el parámetro Distancia de inhibición. El uso de una distancia de inhibición es particularmente importante al utilizar el Umbral cuartil inferior o el umbral de cuartil superior (en Python, QUARTILE_THRESHOLD o QUARTILE_THRESHOLD_UPPER) como criterio de selección.
Para decidir qué ubicaciones tienen la menor influencia sobre la superficie de predicción, puede utilizar la clase de entidad que se utilizó para crear la capa kriging para el parámetro Entidades de punto candidatas de entrada. Si es necesario descomponer algunas estaciones de supervisión, las ubicaciones con la menor influencia son buenas candidatas para la eliminación.

Parámetros

Etiqueta	Explicación	Tipo de datos
Capa de estadísticas geográficas de entrada	Introduzca una capa de estadísticas geográficas que resulte de un modelo de kriging.	Geostatistical Layer
Número de puntos de salida	Especifique cuántas ubicaciones de muestra se deben generar.	Long
Clase de entidad de puntos de salida	El nombre de la clase de entidad de salida.	Feature Class
Criterios de selección (Opcional)	Métodos para densificar una red de muestreo. La opción Error estándar de predicción dará peso adicional a las localizaciones en las que el error estándar de predicción sea grande. Las opciones Umbral de error estándar, Umbral del cuartil inferior y Umbral del cuartil superior son útiles cuando existe un valor umbral crítico para la variable en estudio (como el nivel de ozono más alto admisible). La opción Umbral de error estándar asignará un peso adicional a las ubicaciones cuyos valores se aproximen al umbral. La opción Umbral del cuartil inferior asignará un peso adicional a las ubicaciones con menor probabilidad de superar el umbral crítico. La opción Umbral del cuartil superior asignará un peso adicional a las ubicaciones con mayor probabilidad de superar el umbral crítico. Cuando la opción Criterios de selección se establece en Umbral de error estándar, Umbral del cuartil inferior o Umbral del cuartil superior, el parámetro Valor de umbral pasa a estar disponible y le permite especificar su umbral de interés Las ecuaciones para cada opción son: Standard error of prediction = stderr Standard error threshold = stderr(s)(1 - 2 · abs(prob[Z(s) > threshold] - 0.5)) Lower quartile threshold = (Z_0.75(s) - Z_0.25(s)) · (prob[Z(s) < threshold]) Upper quartile threshold = (Z_0.75(s) - Z_0.25(s)) · (prob[Z(s) > threshold]) Error estándar de predicción—Error estándar de los criterios de predicción Umbral de error estándar—Criterios de umbral de error estándar Umbral del cuartil inferior—Criterios de umbral del cuartil inferior Umbral del cuartil superior—Criterios de umbral del cuartil superior	String
Valor de umbral (Opcional)	Valor de umbral utilizado para densificar la red de muestreo. Este parámetro solo es aplicable cuando se utiliza el criterio de seleccióin Umbral de error estándar, Umbral del cuartil inferior o Umbral del cuartil superior.	Double
Ráster de entrada de pesos (Opcional)	Ráster que se utiliza para determinar las ubicaciones que se ponderarán por preferencia.	Raster Layer
Entidades de punto candidatas de entrada (Opcional)	Ubicaciones de muestra entre las que elegir.	Feature Layer
Distancia de inhibición (Opcional)	Se utiliza para evitar que las muestras se coloquen a menos de esta distancia una respecto de la otra.	Linear Unit

arcpy.ga.DensifySamplingNetwork(in_geostat_layer, number_output_points, out_feature_class, {selection_criteria}, {threshold}, {in_weight_raster}, {in_candidate_point_features}, {inhibition_distance})

Nombre	Explicación	Tipo de datos
in_geostat_layer	Introduzca una capa de estadísticas geográficas que resulte de un modelo de kriging.	Geostatistical Layer
number_output_points	Especifique cuántas ubicaciones de muestra se deben generar.	Long
out_feature_class	El nombre de la clase de entidad de salida.	Feature Class
selection_criteria (Opcional)	Métodos para densificar una red de muestreo. STDERR—Error estándar de los criterios de predicción STDERR_THRESHOLD—Criterios de umbral de error estándar QUARTILE_THRESHOLD—Criterios de umbral del cuartil inferior QUARTILE_THRESHOLD_UPPER—Criterios de umbral del cuartil superior La opción STERR asignará un peso adicional a las ubicaciones en las que el error estándar de predicción es grande. Las opciones STDERR_THRESHOLD, QUARTILE_THRESHOLD y QUARTILE_THRESHOLD_UPPER resultan útiles cuando existe un valor de umbral crítico para la variable en estudio (como el nivel de ozono admisible más alto). La opción STDERR_THRESHOLD asignará un peso adicional a las ubicaciones cuyos valores estén cerca del umbral. La opción QUARTILE_THRESHOLD asignará un peso adicional a las ubicaciones que tienen menor probabilidad de superar el umbral crítico. La opción QUARTILE_THRESHOLD_UPPER asignará un peso adicional a las ubicaciones que probablemente superen el umbral crítico. Las ecuaciones para cada opción son: Standard error of prediction = stderr Standard error threshold = stderr(s)(1 - 2 · abs(prob[Z(s) > threshold] - 0.5)) Lower quartile threshold = (Z_0.75(s) - Z_0.25(s)) · (prob[Z(s) < threshold]) Upper quartile threshold = (Z_0.75(s) - Z_0.25(s)) · (prob[Z(s) > threshold])	String
threshold (Opcional)	Valor de umbral utilizado para densificar la red de muestreo. Este parámetro solo es aplicable cuando se utiliza el criterio de seleccióin Umbral de error estándar, Umbral del cuartil inferior o Umbral del cuartil superior.	Double
in_weight_raster (Opcional)	Ráster que se utiliza para determinar las ubicaciones que se ponderarán por preferencia.	Raster Layer
in_candidate_point_features (Opcional)	Ubicaciones de muestra entre las que elegir.	Feature Layer
inhibition_distance (Opcional)	Se utiliza para evitar que las muestras se coloquen a menos de esta distancia una respecto de la otra.	Linear Unit

Muestra de código

Ejemplo de DensifySamplingNetwork 1 (ventana Python)

Densificar una red de muestreo basada en una capa predefinida de kriging de estadísticas geográficas.

import arcpy
arcpy.env.workspace = "C:/gapyexamples/data"
arcpy.DensifySamplingNetwork_ga("C:/gapyexamples/data/Kriging.lyr", 2,
                                 "C:/gapyexamples/output/outDSN")

Ejemplo de DensifySamplingNetwork 2 (script independiente)

Densificar una red de muestreo basada en una capa predefinida de kriging de estadísticas geográficas.

# 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)

Entornos

Espacio de trabajo actual, Extensión, Transformaciones geográficas, Sistema de coordenadas de salida, Factor de procesamiento en paralelo, Espacio de trabajo temporal

Información de licenciamiento

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

Temas relacionados

¿Algún comentario sobre este tema?