| Étiquette | Explication | Type de données |
Cube spatio-temporel en entrée | Le cube spatio-temporel contenant la variable pour laquelle les points de changement seront détectés. Ce fichier doit comporter l’extension .nc et avoir été créé à l’aide de l’outil Créer un cube spatio-temporel en agrégeant des points, Créer un cube spatio-temporel à partir d’emplacements définis ou Créer un cube spatio-temporel à partir d’une couche raster multidimensionnelle. | File |
Variable d’analyse | La variable numérique du cube spatio-temporel contenant les valeurs de série chronologique de chaque emplacement. | String |
Entités en sortie | La classe d’entités en sortie allant contenir les résultats de la détection de points de changement. La couche affiche le nombre de points de changement détectés pour chaque emplacement et contient des diagrammes linéaires contextuels montrant les valeurs de série chronologique, les points de changement et des estimations de l’écart moyen et type de chaque segment. | Feature Class |
Modifier le type (Facultatif) | Indique le type de changement allant être détecté. Chaque option indique une propriété statistique de la série chronologique considérée comme constante dans chaque segment. La valeur est remplacée par une nouvelle valeur constante à chaque point de changement dans la série chronologique.
| String |
Méthode (Facultatif) | Indique si le nombre de points de changement est détecté automatiquement ou est spécifié par un nombre défini de points de changement utilisé pour tous les emplacements.
| String |
Nombre de points de changement (Facultatif) | Le nombre de points de changement allant être détectés à chaque emplacement. La valeur par défaut est 1. | Long |
Detection Sensitivity (Sensibilité de la détection) (Facultatif) | Un nombre compris entre 0 et 1 définit la sensibilité de la détection. Des valeurs plus élevées entraînent un plus grand nombre de points de changement détectés à chaque emplacement. La valeur par défaut est 0,5. | Double |
Synthèse
Détecte les intervalles temporels lorsqu’une propriété statistique de la série statistique change pour chaque emplacement d’un cube spatio-temporel.
L’outil peut détecter des changements dans la valeur moyenne ou l’écart type de variables continues, ainsi que des changements dans la moyenne des variables de total. Le nombre de points de changement à chaque emplacement peut être déterminé par l’outil ou un nombre défini de points de changement peut être spécifié allant être utilisé pour tous les emplacements. Les points de changement divisent chaque série chronologique en segments dans lesquels les valeurs ont un écart moyen ou type similaire. Les points de changement étant définis comme constituant le premier intervalle temporel dans chaque nouveau segment, le nombre de points de changement est toujours inférieur de un par rapport au nombre de segments.
En savoir plus sur le fonctionnement de la détection des points de changement
Illustration
Utilisation
Lorsque vous choisissez l’option Détecter automatiquement le nombre de points de changement du paramètre Méthode, le paramètre Sensibilité de la détection est utilisé pour contrôler la sensibilité de la détection. Des valeurs de sensibilité plus élevées entraînent un plus grand nombre de points de changement à chaque emplacement. Le choix du niveau de sensibilité est essentiel aux résultats de l’analyse et il est recommandé d’essayer plusieurs valeurs et de comparer les résultats.
Pour les variables d’analyse représentant des totaux, l’option Total du paramètre Type de changement est souvent la plus appropriée pour détecter les changements dans la valeur moyenne des totaux. Toutefois, l’option Décalage moyen peut fournir des résultats équivalents ou meilleurs pour des données de total. En effet, le modèle du type de changement de total considère que les valeurs de chaque segment suivent une distribution Poisson dans laquelle la variance du segment est égale à sa valeur moyenne. Comme le type de changement de décalage moyen considère à la place que les valeurs de chaque segment sont normalement distribuées, la valeur moyenne peut être supérieure ou inférieure à la variance des valeurs.
Dans une distribution Poisson, la plupart des totaux se trouvent à environ moins de deux racines carrées de la valeur moyenne. Par exemple, pour une distribution Poisson dont la valeur moyenne est égale à 100, environ 95 % des totaux sont compris entre 80 et 120 (2 * sqrt(100) = 20). Pour une distribution Poisson dont la moyenne est égale à 1 million, la plupart des totaux se situent à entre 998 000 et 1 002 000 (la racine carée de 1 est égale à 1 000). La plage de totaux est comparativement plus étroite pour la moyenne supérieure de 1 million, où la plupart des totaux se trouvent à moins de 0,2 % de la valeur moyenne. Toutefois, dans la moyenne plus petite de 100, les totaux varient de jusqu’à 20 % de la valeur moyenne. Par rapport à leur valeur moyenne, si les valeurs de vos totaux varient plus qu’attendu d’une distribution Poisson, de nombreux intervalles temporels peuvent être détectés en tant que points de changement. Il s’agit d’un scénario courant avec les totaux élevés. Dans ce cas, il est recommandé de détecter le décalage moyen.
Cet outil accepte les fichiers netCDF créés par les outils Créer un cube spatio-temporel en agrégeant des points, Créer un cube spatio-temporel à partir d’entités définies et Créer un cube spatio-temporel à partir d’une couche raster multidimensionnelle.
La valeur du paramètre Entités en sortie est ajoutée à la fenêtre Contenu avec un rendu dépendant du nombre de points de changement détectés à chaque emplacement, avec les champs de date du premier et du dernier point de changement. Les fenêtres contextuelles des entités comprennent un diagramme linéaire affichant les valeurs de série chronologique, les points de changement et les estimations de l’écart moyen ou type des segments entre chaque point de changement.
L’heure de couche de la valeur du paramètre Entités en sortie est basée sur la date du premier point de changement. Vous pouvez utiliser le curseur temporel pour filtrer les emplacements en fonction de la date du premier point de changement. L’heure de la couche peut être redéfinie sur la date du dernier point de changement dans les propriétés de couche.
Le cube spatio-temporel en entrée est mis à jour avec les résultats de l’analyse et peut être utilisé dans l’outil Visualiser le cube spatio-temporel en 3D avec l’option Points de changement dans une série chronologique du paramètre Thème d’affichage pour afficher les résultats en 3D. La sortie contient une entité par intervalle temporel du cube spatio-temporel avec des champs indiquant si l’intervalle temporel est un point de changement, ainsi que des estimations de l’écart moyen ou type du segment. Utiliser le cube spatio-temporel dans l’outil Visualiser le cube spatio-temporel en 2D a pour effet de recréer la classe d’entités en sortie de la détection des points de changement.
Cet outil prend en charge le traitement parallèle pour analyser des emplacements distincts à travers différents nœuds de traitement et utilise 50 % des processeurs disponibles par défaut. Le nombre de processeurs utilisés peut être augmenté ou réduit à l’aide de l’environnement Facteur de traitement parallèle.
Paramètres
arcpy.stpm.ChangePointDetection(in_cube, analysis_variable, output_features, {change_type}, {method}, {num_change_points}, {sensitivity})| Nom | Explication | Type de données |
in_cube | Le cube spatio-temporel contenant la variable pour laquelle les points de changement seront détectés. Ce fichier doit comporter l’extension .nc et avoir été créé à l’aide de l’outil Créer un cube spatio-temporel en agrégeant des points, Créer un cube spatio-temporel à partir d’emplacements définis ou Créer un cube spatio-temporel à partir d’une couche raster multidimensionnelle. | File |
analysis_variable | La variable numérique du cube spatio-temporel contenant les valeurs de série chronologique de chaque emplacement. | String |
output_features | La classe d’entités en sortie allant contenir les résultats de la détection de points de changement. La couche affiche le nombre de points de changement détectés pour chaque emplacement et contient des diagrammes linéaires contextuels montrant les valeurs de série chronologique, les points de changement et des estimations de l’écart moyen et type de chaque segment. | Feature Class |
change_type (Facultatif) | Indique le type de changement allant être détecté. Chaque option indique une propriété statistique de la série chronologique considérée comme constante dans chaque segment. La valeur est remplacée par une nouvelle valeur constante à chaque point de changement dans la série chronologique.
| String |
method (Facultatif) | Indique si le nombre de points de changement est détecté automatiquement ou est spécifié par un nombre défini de points de changement utilisé pour tous les emplacements.
| String |
num_change_points (Facultatif) | Le nombre de points de changement allant être détectés à chaque emplacement. La valeur par défaut est 1. | Long |
sensitivity (Facultatif) | Un nombre compris entre 0 et 1 définit la sensibilité de la détection. Des valeurs plus élevées entraînent un plus grand nombre de points de changement détectés à chaque emplacement. La valeur par défaut est 0,5. | Double |
Exemple de code
Le script Python ci-dessous montre comment utiliser la fonction ChangePointDetection.
import arcpy
arcpy.env.workspace = "C:/Analysis"
# Automatically detect changes in population counts
arcpy.stpm.ChangePointDetection("Population.nc", "Pop_NONE_ZEROS",
"Analysis.gdb/Population_Change_Points",
"COUNT", "AUTO_DETECT", "", 0.5)Le script Python ci-dessous montre comment utiliser la fonction ChangePointDetection.
# Detect changes in air temperature.
# Import system modules.
import arcpy
# Set property to overwrite existing output.
arcpy.env.overwriteOutput = True
# Set workspace.
workspace = r"C:\Analysis"
arcpy.env.workspace = workspace
# Detect the largest mean shift of temperature measurements.
arcpy.stpm.ChangePointDetection("Air_Temp.nc", "MAX_DEGREES_F",
"Analysis.gdb/Temperature_Change_Points",
"MEAN", "DEFINED_NUMBER", 1, "")
# Create a feature class visualizing the change point results in a 3D scene view.
arcpy.stpm.VisualizeSpaceTimeCube3D("Air_Temp.nc", "Pop_NONE_ZEROS",
"VALUE", "Analysis.gdb/ForecastsFC")Environnements
Informations de licence
- Basic: Oui
- Standard: Oui
- Advanced: Oui
Rubriques connexes
Vous avez un commentaire à formuler concernant cette rubrique ?