トレンド ラスターを使用した予測 (Predict Using Trend Raster) (Image Analyst)

Image Analyst ライセンスで利用できます。

概要

[トレンド ラスターの生成 (Generate Trend Raster)] ツールの出力トレンド ラスターを使用して、予測される多次元ラスターを計算します。

使用法

  • このツールは、[トレンド ラスターの生成 (Generate Trend Raster)] ツールからの出力を入力多次元トレンド ラスターとして使用します。

  • このツールは、多次元ラスター データセットを CRF (Cloud Raster Format) で生成します。現在、他の出力形式はサポートされていません。

  • デフォルトでは、出力された多次元ラスターは、LZ77 圧縮タイプを使用して圧縮されます。ただし、圧縮タイプを LERC に変更し、データに応じて最大誤差を調整することをお勧めします。たとえば、解析結果が小数点以下 3 桁まで正確であることを期待する場合は、0.001 を最大誤差に使用します。不要な精度要件は、処理時間およびストレージ サイズを増やすため、避けることをお勧めします。

構文

PredictUsingTrendRaster(in_multidimensional_raster, {variables}, {dimension_def}, {dimension_values}, {start}, {end}, {interval_value}, {interval_unit})
パラメーター説明データ タイプ
in_multidimensional_raster

[トレンド ラスターの生成 (Generate Trend Raster)] ツールからの入力多次元トレンド ラスター。

Raster Dataset; Raster Layer; Mosaic Dataset; Mosaic Layer; Image Service; File
variables
[variables,...]
(オプション)

解析で予測する変数。変数を指定しない場合は、すべての変数が使用されます。

String
dimension_def
(オプション)

予測ディメンション値の提供に使用する方法を指定します。

  • BY_VALUE[値] パラメーター (Python では dimension_values) で定義した 1 つのディメンション値またはディメンション値のリストに対して、予測が計算されます。これがデフォルトです。たとえば、2050 年、2100 年、2150 年の年間降水量を予測したい場合があります。
  • BY_INTERVAL予測は、開始値と終了値で定義したディメンションの間隔に対して計算されます。たとえば、2050 ~ 2150 年の各年の年間降水量を予測したい場合があります。
String
dimension_values
[dimension_values,...]
(オプション)

予測で使用するディメンション値。

時間、深さ、高さの値の形式は、トレンド ラスターの生成に使用したディメンション値の形式と一致する必要があります。トレンド ラスターが StdTime ディメンションに対して生成された場合、この形式は YYYY-MM-DDTHH:MM:SS (たとえば、2050-01-01T00:00:00) になります。複数の値はセミコロンで区切って指定します。

このパラメーターは、dimension_def パラメーターが BY_VALUE に設定されている場合に必須です。

String
start
(オプション)

予測で使用するディメンション間隔の開始の日付、高さ、または深さ。

String
end
(オプション)

予測で使用するディメンション間隔の終了の日付、高さ、または深さ。

String
interval_value
(オプション)

予測に含める 2 つのディメンション値の間のステップ数。デフォルト値は 1 です。

たとえば、5 年ごとの温度値を予測するには、値 5 を使用します。

Double
interval_unit
(オプション)

間隔値に使用する単位を指定します。このパラメーターは、解析のディメンションが時間ディメンションである場合にのみ適用されます。

  • HOURS予測は、startend、および interval_value パラメーターで示された時間範囲内の時間ごとに計算されます。
  • DAYS予測は、startend、および interval_value パラメーターで示された時間範囲内の日ごとに計算されます。
  • WEEKS予測は、startend、および interval_value パラメーターで示された時間範囲内の週ごとに計算されます。
  • MONTHS予測は、startend、および interval_value パラメーターで示された時間範囲内の月ごとに計算されます。
  • YEARS予測は、startend、および interval_value パラメーターで示された時間範囲内の年ごとに計算されます。
String

戻り値

名前説明データ タイプ
out_multidimensional_raster

出力される CRF (Cloud Raster Format) 多次元ラスター データセット。

Raster

コードのサンプル

PredictUsingTrendRaster (トレンド ラスターを使用した予測) の例 1 (Python ウィンドウ)

この例では、2050 年 1 月 1 日と 2100 年 1 月 1 日の予測される降水量と温度を生成します。

# 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")
PredictUsingTrendRaster (トレンド ラスターを使用した予測) の例 2 (スタンドアロン スクリプト)

この例では、2025 年の各月の予測される NDVI 値を生成します。

# 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")

ライセンス情報

  • Basic: 次のものが必要 Image Analyst
  • Standard: 次のものが必要 Image Analyst
  • Advanced: 次のものが必要 Image Analyst

関連トピック