Créer des points spatialement équilibrés (Geostatistical Analyst)

Disponible avec une licence Geostatistical Analyst.

Synthèse

Génère 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.

  • Cet outil utilise un générateur de nombres aléatoires dans son fonctionnement. La valeur initiale utilisée peut être contrôlée dans l’environnement Générateur de nombres aléatoires.

    • Si une valeur initiale égale à 0 est utilisée (valeur par défaut), chaque fois que l’outil est exécuté, un jeu différent de nombres aléatoires est utilisé et une sortie différente est générée.
    • Si la valeur initiale aléatoire est définie sur un nombre fixe supérieur à 0, l’outil produira le même ensemble de localisations d’échantillonnage à chaque exécution tant que la valeur initiale n’est pas modifiée. Il est utile de définir la valeur initiale aléatoire sur un nombre fixe > 0 si vous voulez générer des réseaux d’échantillonnage candidats afin de choisir celui qui répond le mieux à vos besoins.

    Remarque :

    Seul le type de générateur de nombres aléatoires Mersenne Twister est pris en charge. Si Algorithme de collecte ACM 599 ou Standard C Rand est choisi, Mersenne Twister est utilisé à la place.

Paramètres

ÉtiquetteExplicationType de données
Raster de probabilité d’inclusion en entrée

Ce 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
Nombre de points en sortie

Spécifiez le nombre de localisations d’échantillonnage à générer.

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

arcpy.ga.CreateSpatiallyBalancedPoints(in_probability_raster, number_output_points, out_feature_class)
NomExplicationType de données
in_probability_raster

Ce 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

Spécifiez le nombre de localisations d’échantillonnage à générer.

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

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

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

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)

Informations de licence

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

Rubriques connexes