| Étiquette | Explication | Type de données |
Couche géostatistique en entrée | Couche géostatistique en entrée issue d’un modèle de krigeage. | Geostatistical Layer |
Nombre de points en sortie | Spécifiez le nombre de localisations d’échantillonnage à générer. | Long |
Classe d’entités ponctuelles en sortie | Le nom de la classe d'entités en sortie. | Feature Class |
Critères de sélection (Facultatif) | Méthodes de densification d’un réseau d’échantillonnage L’option Erreur standard de prédiction donne une pondération supplémentaire aux localisations dont l’erreur standard de prédiction est importante. Les options Seuil d’erreur standard, Seuil de quartile inférieur et Seuil de quartile supérieur sont utiles lorsque la variable à l’étude dispose d’une valeur de seuil critique (par exemple le niveau d’ozone le plus élevé admissible). L’option Seuil d’erreur standard donne une pondération supplémentaire aux localisations dont les valeurs sont proches du seuil. L’option Seuil de quartile inférieur donne une pondération supplémentaire aux localisations qui sont les moins susceptibles de dépasser le seuil critique. L’option Seuil de quartile supérieur donne une pondération supplémentaire aux localisations qui sont les plus susceptibles de dépasser le seuil critique. Lorsque le paramètre Critères de sélection est défini sur Seuil d’erreur standard, Seuil de quartile inférieur ou Seuil de quartile supérieur, le paramètre Valeur de seuil devient disponible, ce qui vous permet de spécifier votre seuil d’intérêt. Les équations pour chaque option sont les suivantes : Standard error of prediction = stderr Standard error threshold = stderr(s)(1 - 2 · abs(prob[Z(s) > threshold] - 0.5)) Lower quartile threshold = (Z0.75(s) - Z0.25(s)) · (prob[Z(s) < threshold]) Upper quartile threshold = (Z0.75(s) - Z0.25(s)) · (prob[Z(s) > threshold])
| String |
Seuil (Facultatif) | Valeur de seuil utilisée pour densifier le réseau d’échantillonnage Ce paramètre est applicable uniquement si le critère de sélection Seuil d’erreur standard, Seuil de quartile inférieur ou Seuil de quartile supérieur est utilisé. | Double |
Raster de pondération en entrée (Facultatif) | Raster qui permet de déterminer les localisations à pondérer en matière de préférence. | Raster Layer |
Entités ponctuelles candidates en entrée (Facultatif) | Localisations d’échantillonnage à sélectionner. | Feature Layer |
Distance d’inhibition (Facultatif) | Permet d’empêcher le positionnement des échantillons à cette distance les uns des autres. | Linear Unit |
Disponible avec une licence Geostatistical Analyst.
Synthèse
Utilise une couche géostatistique de krigeage prédéfinie pour déterminer où implanter de nouvelles stations de surveillance. Il permet également de déterminer quelles stations de surveillance doivent être retirées d’un réseau existant.
Utilisation
La couche géostatistique en entrée doit être une couche de krigeage.
Il peut arriver qu’une seule nouvelle localisation soit générée alors que plusieurs étaient demandées. Cela se produit lorsque la même nouvelle localisation reste sélectionnée d’après les critères de sélection. Pour éviter cette situation, spécifiez une valeur pour le paramètre Distance d’inhibition. L’utilisation de la distance d’inhibition est particulièrement importante avec les critères de sélection Seuil de quartile inférieur ou Seuil de quartile supérieur (dans Python, QUARTILE_THRESHOLD ou QUARTILE_THRESHOLD_UPPER).
Pour choisir les localisations qui ont le moins d’influence sur la surface de prédiction, vous pouvez utiliser la classe d’entités qui a été utilisée pour créer la couche de krigeage pour le paramètre Entités ponctuelles candidates en entrée. Si certaines stations de surveillance doivent être désactivées, vous pouvez supprimer les localisations les moins influentes.
Paramètres
arcpy.ga.DensifySamplingNetwork(in_geostat_layer, number_output_points, out_feature_class, {selection_criteria}, {threshold}, {in_weight_raster}, {in_candidate_point_features}, {inhibition_distance})| Nom | Explication | Type de données |
in_geostat_layer | Couche géostatistique en entrée issue d’un modèle de krigeage. | Geostatistical Layer |
number_output_points | Spécifiez le nombre de localisations d’échantillonnage à générer. | Long |
out_feature_class | Le nom de la classe d'entités en sortie. | Feature Class |
selection_criteria (Facultatif) | Méthodes de densification d’un réseau d’échantillonnage
L’option STERR donne une pondération supplémentaire aux localisations dont l’erreur standard de prédiction est importante. Les options STDERR_THRESHOLD, QUARTILE_THRESHOLD et QUARTILE_THRESHOLD_UPPER sont utiles lorsque la variable à l’étude dispose d’une valeur de seuil critique (par exemple le niveau d’ozone le plus élevé admissible). L’option STDERR_THRESHOLD donne une pondération supplémentaire aux localisations dont les valeurs sont proches du seuil. L’option QUARTILE_THRESHOLD donne une pondération supplémentaire aux localisations qui sont les moins susceptibles de dépasser le seuil critique. L’option QUARTILE_THRESHOLD_UPPER donne une pondération supplémentaire aux localisations qui sont les plus susceptibles de dépasser le seuil critique. Les équations pour chaque option sont les suivantes : Standard error of prediction = stderr Standard error threshold = stderr(s)(1 - 2 · abs(prob[Z(s) > threshold] - 0.5)) Lower quartile threshold = (Z0.75(s) - Z0.25(s)) · (prob[Z(s) < threshold]) Upper quartile threshold = (Z0.75(s) - Z0.25(s)) · (prob[Z(s) > threshold]) | String |
threshold (Facultatif) | Valeur de seuil utilisée pour densifier le réseau d’échantillonnage Ce paramètre est applicable uniquement si le critère de sélection Seuil d’erreur standard, Seuil de quartile inférieur ou Seuil de quartile supérieur est utilisé. | Double |
in_weight_raster (Facultatif) | Raster qui permet de déterminer les localisations à pondérer en matière de préférence. | Raster Layer |
in_candidate_point_features (Facultatif) | Localisations d’échantillonnage à sélectionner. | Feature Layer |
inhibition_distance (Facultatif) | Permet d’empêcher le positionnement des échantillons à cette distance les uns des autres. | Linear Unit |
Exemple de code
Densifiez un réseau d’échantillonnage en fonction d’une couche géostatistique de krigeage prédéfinie.
import arcpy
arcpy.env.workspace = "C:/gapyexamples/data"
arcpy.DensifySamplingNetwork_ga("C:/gapyexamples/data/Kriging.lyr", 2,
"C:/gapyexamples/output/outDSN")Densifiez un réseau d’échantillonnage en fonction d’une couche géostatistique de krigeage prédéfinie.
# 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)Environnements
Informations de licence
- Basic: Nécessite Geostatistical Analyst
- Standard: Nécessite Geostatistical Analyst
- Advanced: Nécessite Geostatistical Analyst
Rubriques connexes
Vous avez un commentaire à formuler concernant cette rubrique ?