Densifier le réseau d’échantillonnage (Geostatistical Analyst)

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

ÉtiquetteExplicationType 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])

  • Erreur standard de prédictionCritère d’erreur standard de prédiction
  • Seuil d’erreur standardCritère de seuil d’erreur standard
  • Seuil de quartile inférieurCritère de seuil de quartile inférieur
  • Seuil de quartile supérieurCritère de seuil de quartile supérieur
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

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

  • STDERRCritère d’erreur standard de prédiction
  • STDERR_THRESHOLDCritère de seuil d’erreur standard
  • QUARTILE_THRESHOLDCritère de seuil de quartile inférieur
  • QUARTILE_THRESHOLD_UPPERCritère de seuil de quartile supérieur

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

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

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")
Exemple 2 d’utilisation de la fonction DensifySamplingNetwork (script autonome)

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)

Informations de licence

  • Basic: Nécessite Geostatistical Analyst
  • Standard: Nécessite Geostatistical Analyst
  • Advanced: Nécessite Geostatistical Analyst

Rubriques connexes