Étiquette | Explication | Type de données |
Raster de probabilité d’inclusion en entrée | Définit les probabilités d’inclusion pour chaque localisation dans la zone d’intérêt. Les valeurs de localisation sont comprises entre 0 (probabilité d’inclusion faible) et 1 (probabilité d’inclusion élevée). | Raster Layer; Mosaic Layer |
Nombre de points en sortie | Nombre de localisations d’échantillon qui seront créées. | Long |
Classe d’entités ponctuelles en sortie | La classe d’entités en sortie contient les localisations d’échantillonnage sélectionnées et leurs probabilités d’inclusion. | Feature Class |
Synthèse
Crée un ensemble de points d’échantillonnage reposant sur des probabilités d’inclusion, ce qui entraîne un échantillonnage spatialement équilibré. Cet outil est généralement utilisé pour concevoir un réseau de surveillance en suggérant des localisations pour le prélèvement d’échantillons. Il est possible de définir une préférence pour certaines localisations à l’aide d’un raster de probabilité d’inclusion.
En savoir plus sur le fonctionnement de l’outil Créer des points spatialement équilibrés
Utilisation
Le raster de probabilité en entrée doit contenir uniquement des valeurs comprises entre 0 et 1. Plus la valeur est élevée et plus il est probable que la cellule sera incluse dans l’échantillonnage.
Toutes les valeurs dans la zone d’étude doivent avoir des probabilités d’inclusion >= 0, tandis que toutes les zones situées en dehors de la zone d’étude doivent avoir des valeurs nulles.
La taille de cellule du raster de probabilité d’inclusion détermine la meilleure résolution à laquelle des échantillons seront générés. En d’autres termes, les points créés par l’outil sont toujours localisés au centre des cellules raster. Si vous utilisez une taille de cellule inférieure pour le raster de probabilité d’inclusion, vous obtiendrez davantage de localisations potentielles pour créer les points.
Lorsque des entités ponctuelles, linéaires ou surfaciques sont converties en raster (pour obtenir le raster de probabilité en entrée), vous devez tenir compte des points suivants :
- La taille de cellule (résolution) doit être satisfaisante pour distinguer toutes les entités importantes dans la population. Pour ce faire, vous pouvez la définir sur une valeur intérieure à la moitié de la distance minimale entre les entités. Cette distance peut être calculée avec l’outil Générer la table de proximité.
- Pour les entités linéaires et surfaciques, la taille de cellule doit être définie de façon à ce que les entités (par exemple, des cours d’eau sinueux) soient représentées correctement dans le raster obtenu. Il ne sera par exemple peut-être pas possible de représenter une rivière complexe avec une grande taille de cellule raster. Les courbes de la rivière risquent d’être estompées si la taille de cellule est trop grande.
- La précision avec laquelle les localisations d’échantillonnage peuvent être localisées dans le champ doit également être prise en compte. Par exemple, si des localisations doivent être trouvées à l’aide d’un GPS avec une précision de position de 10 mètres, la taille de cellule doit être de 10 mètres.
- Soyez attentif à la taille du raster de probabilité d’inclusion, car le temps de traitement augmente avec le nombre de cellules.
Pour éviter toute sortie non équilibrée spatialement, il est recommandé d’utiliser un nombre de localisations d’échantillonnage inférieur à 1 pour cent du nombre de cellules dans le raster de probabilité d’inclusion.
-
Dans l’environnement du Générateur de nombres aléatoires, seule l’option Mersenne Twister est prise en charge. Même si d’autres options sont choisies, c’est Mersenne Twister qui est utilisée.
Paramètres
arcpy.ga.CreateSpatiallyBalancedPoints(in_probability_raster, number_output_points, out_feature_class)
Nom | Explication | Type de données |
in_probability_raster | Définit les probabilités d’inclusion pour chaque localisation dans la zone d’intérêt. Les valeurs de localisation sont comprises entre 0 (probabilité d’inclusion faible) et 1 (probabilité d’inclusion élevée). | Raster Layer; Mosaic Layer |
number_output_points | Nombre de localisations d’échantillon qui seront créées. | Long |
out_feature_class | La classe d’entités en sortie contient les localisations d’échantillonnage sélectionnées et leurs probabilités d’inclusion. | Feature Class |
Exemple de code
Créez un ensemble de points spatialement équilibrés reposant sur un raster de probabilité d’inclusion en entrée.
import arcpy
arcpy.env.workspace = "C:/gapyexamples/data"
arcpy.CreateSpatiallyBalancedPoints_ga("ca_prob", "10", "C:/gapyexamples/output/csbp")
Créez un ensemble de points spatialement équilibrés reposant sur un raster de probabilité d’inclusion en entrée.
# Name: CreateSpatiallyBalancedPoints_Example_02.py
# Description: This tool generates a set of sample points based on inclusion
# probabilities. The resulting sample design is spatially balanced, meaning
# that the spatial independence between samples is maximized, making the
# design more efficient than sampling the study area at random.
# Requirements: Geostatistical Analyst Extension
# Import system modules
import arcpy
# Set environment settings
arcpy.env.workspace = "C:/gapyexamples/data"
# Set local variables
inProb = "ca_prob"
numberPoints = 10
outPoints = "C:/gapyexamples/output/csbp"
# Execute CreateSpatiallyBalancedPoints
arcpy.CreateSpatiallyBalancedPoints_ga(inProb, numberPoints, outPoints)
Environnements
Informations de licence
- Basic: Nécessite Geostatistical Analyst
- Standard: Nécessite Geostatistical Analyst
- Advanced: Oui
Rubriques connexes
Vous avez un commentaire à formuler concernant cette rubrique ?