Prévoir à l’aide d’un raster de tendance (Image Analyst)

Disponible avec une licence Image Analyst.

Synthèse

Calculer un raster multidimensionnel prévu en utilisant le raster de tendance en sortie depuis l’outil Générer un raster de tendance.

Utilisation

  • Cet outil utilise la sortie de l’outil Générer un raster de tendance comme raster de tendance multidimensionnel en entrée.

  • Cet outil crée un jeu de données raster multidimensionnel au format Cloud Raster Format (CRF). Actuellement, aucun autre format en sortie n’est pris en charge.

  • Par défaut, le raster multidimensionnel en sortie sera compressé à l’aide du type de compression LZ77. Nous vous recommandons néanmoins de changer le type de compression de sorte à utiliser la compression LERC et d’ajuster la valeur d’erreur maximale en fonction des données. Par exemple, si vous voulez que la précision des résultats de l’analyse soit de trois décimales, utilisez la valeur d’erreur maximale 0,001. Évitez les exigences de précision inutiles, car elles ne feront qu’augmenter le temps de traitement et l’espace nécessaire au stockage.

Paramètres

ÉtiquetteExplicationType de données
Raster de tendance en entrée

Le raster de tendance multimensionnel en entrée de l’outil Générer un raster de tendance.

Raster Dataset; Raster Layer; Mosaic Dataset; Mosaic Layer; Image Service; File
Variables [info dimension] (Description)
(Facultatif)

La variable ou les variables qui sont prédites dans l’analyse. Si aucune variable n’est spécifiée, toutes les variables sont utilisées.

String
Définition de la dimension
(Facultatif)

Spécifie la méthode utilisée pour fournir les valeurs de dimension de prévision.

  • Par valeurLa prédiction est calculée pour une seule valeur de dimension ou pour une liste de valeurs de dimension définies par le paramètre Valeurs (dimension_values) dans Python. Il s’agit de l’option par défaut.Par exemple, vous souhaitez prévoir la précipitation annuelle pour les années 2050, 2100 et 2150.
  • Par intervalleLa prédiction est calculée pour un intervalle de la dimension définie par une valeur de début et de fin.Par exemple, vous souhaitez prévoir la précipitation annuelle pour les années comprises entre 2050 et 2150.
String
Valeurs
(Facultatif)

Valeur(s) de dimension à utiliser dans la prévision.

Le format des valeurs de temps, de profondeur et de hauteur doit correspondre au format des valeurs de dimension utilisées pour générer le raster de tendance. Si le raster de tendance a été généré pour la dimension StdTime, le format est AAAA-MM-JJTHH:MM:SS (par exemple, 2050-01-01T00:00:00). Les valeurs multiples sont séparées par des points-virgules.

Ce paramètre est requis lorsque le paramètre Définition de la dimension est défini sur Par valeur.

String
Début
(Facultatif)

Date de début, hauteur ou profondeur de l’intervalle de dimensions à utiliser dans la prévision.

String
Fin
(Facultatif)

Date de fin, hauteur ou profondeur de l’intervalle de dimensions à utiliser dans la prévision.

String
Intervalle de valeur
(Facultatif)

Nombre d'étapes entre deux valeurs de dimension à inclure dans la prévision. La valeur par défaut est 1.

Par exemple, pour prévoir les valeurs de température tous les cinq ans, utilisez la valeur 5.

Double
Unité
(Facultatif)

Spécifie l’unité utilisée pour la valeur d’intervalle. Ce paramètre ne s’applique que si la dimension de l’analyse est une dimension de temps.

  • HeuresLa prédiction est calculée pour chaque heure de la plage de temps décrite par les paramètres Début, Fin et Intervalle de valeur.
  • JoursLa prédiction est calculée pour chaque jour de la plage de temps décrite par les paramètres Début, Fin et Intervalle de valeur.
  • SemainesLa prédiction est calculée pour chaque semaine de la plage de temps décrite par les paramètres Début, Fin et Intervalle de valeur.
  • MoisLa prédiction est calculée pour chaque mois de la plage de temps décrite par les paramètres Début, Fin et Intervalle de valeur.
  • AnnéesLa prédiction est calculée pour chaque année de la plage de temps décrite par les paramètres Début, Fin et Intervalle de valeur.
String

Valeur renvoyée

ÉtiquetteExplicationType de données
Raster multidimensionnel en sortie

Jeu de données raster multidimensionnel CRF (Cloud Raster Format) en sortie.

Raster

PredictUsingTrendRaster(in_multidimensional_raster, {variables}, {dimension_def}, {dimension_values}, {start}, {end}, {interval_value}, {interval_unit})
NomExplicationType de données
in_multidimensional_raster

Le raster de tendance multimensionnel en entrée de l’outil Générer un raster de tendance.

Raster Dataset; Raster Layer; Mosaic Dataset; Mosaic Layer; Image Service; File
variables
[variables,...]
(Facultatif)

La variable ou les variables qui sont prédites dans l’analyse. Si aucune variable n’est spécifiée, toutes les variables sont utilisées.

String
dimension_def
(Facultatif)

Spécifie la méthode utilisée pour fournir les valeurs de dimension de prévision.

  • BY_VALUELa prédiction est calculée pour une seule valeur de dimension ou pour une liste de valeurs de dimension définies par le paramètre Valeurs (dimension_values) dans Python. Il s’agit de l’option par défaut.Par exemple, vous souhaitez prévoir la précipitation annuelle pour les années 2050, 2100 et 2150.
  • BY_INTERVALLa prédiction est calculée pour un intervalle de la dimension définie par une valeur de début et de fin.Par exemple, vous souhaitez prévoir la précipitation annuelle pour les années comprises entre 2050 et 2150.
String
dimension_values
[dimension_values,...]
(Facultatif)

Valeur(s) de dimension à utiliser dans la prévision.

Le format des valeurs de temps, de profondeur et de hauteur doit correspondre au format des valeurs de dimension utilisées pour générer le raster de tendance. Si le raster de tendance a été généré pour la dimension StdTime, le format est AAAA-MM-JJTHH:MM:SS (par exemple, 2050-01-01T00:00:00). Les valeurs multiples sont séparées par des points-virgules.

Ce paramètre est requis lorsque le paramètre dimension_def est défini sur BY_VALUE.

String
start
(Facultatif)

Date de début, hauteur ou profondeur de l’intervalle de dimensions à utiliser dans la prévision.

String
end
(Facultatif)

Date de fin, hauteur ou profondeur de l’intervalle de dimensions à utiliser dans la prévision.

String
interval_value
(Facultatif)

Nombre d'étapes entre deux valeurs de dimension à inclure dans la prévision. La valeur par défaut est 1.

Par exemple, pour prévoir les valeurs de température tous les cinq ans, utilisez la valeur 5.

Double
interval_unit
(Facultatif)

Spécifie l’unité utilisée pour la valeur d’intervalle. Ce paramètre ne s’applique que si la dimension de l’analyse est une dimension de temps.

  • HOURSLa prédiction est calculée pour chaque heure de la plage de temps décrite par les paramètres start, end et interval_value.
  • DAYSLa prédiction est calculée pour chaque jour de la plage de temps décrite par les paramètres start, end et interval_value.
  • WEEKSLa prédiction est calculée pour chaque semaine de la plage de temps décrite par les paramètres start, end et interval_value.
  • MONTHSLa prédiction est calculée pour chaque mois de la plage de temps décrite par les paramètres start, end et interval_value.
  • YEARSLa prédiction est calculée pour chaque année de la plage de temps décrite par les paramètres start, end et interval_value.
String

Valeur renvoyée

NomExplicationType de données
out_multidimensional_raster

Jeu de données raster multidimensionnel CRF (Cloud Raster Format) en sortie.

Raster

Exemple de code

Exemple 1 d’utilisation de la fonction PredictUsingTrendRaster (fenêtre Python)

Cet exemple génère les précipitations et températures prévues pour le 1er janvier 2050 et le 1er janvier 2100.

# Import system modules
import arcpy
from arcpy.ia import *

# Check out the ArcGIS Image Analyst extension license
arcpy.CheckOutExtension("ImageAnalyst")

# Execute 
predictOutput = PredictUsingTrendRaster("C:/Data/LinearTrendCoefficients.crf",
	"temp;precip", "BY_VALUE", "2050-01-01T00:00:00;2100-01-01T00:00:00")
	
# Save output
predictOutput.save("C:/Data/Predicted_Temp_Precip.crf")
Exemple 2 d’utilisation de la fonction PredictUsingTrendRaster (script autonome)

Cet exemple génère les valeurs NDVI prévues pour chaque mois de l’année 2025.

# Import system modules
import arcpy
from arcpy.ia import *

# Check out the ArcGIS Image Analyst extension license
arcpy.CheckOutExtension("ImageAnalyst")

# Define input parameters
inFile = "C:/Data/HarmonicTrendCoefficients.crf"
variables = "NDVI"
dimension_definition = "BY_INTERVAL"
start = "2025-01-01T00:00:00"
end = "2025-12-31T00:00:00"
interval_value = 1
interval_unit = "MONTHS"

# Execute - predict the monthly NDVI in 2025 
predictOutput = PredictUsingTrendRaster(inFile, variables, 
	dimension_definition, '', start, end, interval_value, interval_unit)
	
# Save output
predictOutput.save("C:/data/predicted_ndvi.crf")

Informations de licence

  • Basic: Nécessite Image Analyst
  • Standard: Nécessite Image Analyst
  • Advanced: Nécessite Image Analyst

Rubriques connexes