Сводка
Класс GeostatisticalDatasets используется для управления наборами данных, связанных с источником геостатистической модели. Источник геостатистической модели должен быть геостатистическим слоем.
Описание
Использование объекта GeostatisticalDatasets позволяет вам быстро применять геостатистическую модель к новому набору данных. Например, как показано в первом примере в разделе Пример кода ниже, если вы начинаете с геостатистического слоя, созданного с помощью Интерполяции ядра с барьерами (Kernel), то вы легко можете изменить класс объектов барьеров на новый класс полигональных объектов. Затем вы создаете новый геостатистический слой, который использует новые барьеры. Новый геостатистический слой будет применять все те же самые параметры интерполяции (например, параметр ширина полосы (bandwidth) в интерполяции ядра с барьерами) к новому набору данных. Это полезно для автоматизации создания геостатистических слоев для множества наборов данных, если вы хотите использовать одинаковые параметры интерполяции для каждого набора данных.
Этот класс используется преимущественно в Python для параметра Входные наборы данных (Input dataset(s)) в инструментах Создать геостатистический слой (Create Geostatistical Layer), Скользящее окно кригинга (Moving Window Kriging) и Чувствительность вариограммы (Semivariogram Sensitivity).
Класс получает источник геостатистической модели в качестве параметра и возвращает объект со свойствами, которые применяются к этой модели. Например, если источник геостатистической модели является результатом модели Радиальные базисные функции (Radial Basis Functions), единственными свойствами, которые будут связаны с объектом GeostatisticalDatasets, будут dataset1 и dataset1Field, поскольку все остальные свойства не могут применяться к моделям радиальных базисных функций. См. список Свойства, чтобы определить, какие свойства могут применяться к каждому типу источника геостатистической модели.
Если источником геостатистической модели является геостатистический слой, свойства объекта будут заполнены строками наборов данных и полей, которые были использованы для этого геостатистического слоя. Если источником геостатистической модели является файл XML, связанные свойства будут заполнены пустыми строками, поскольку файлы геостатистической модели (XML) не содержат ссылок на наборы данных. Примите к сведению, что свойства набора данных невозможно заполнять с помощью таблиц.
Все свойства, которые ссылаются на поля, имеют префиксы от связанного с ними набора данных. Например, dataset2Field ссылается на поле, связанное с dataset2.
Поскольку dataset1WeightField, dataset1TimeField, dataset2TimeField и and measurementErrorField являются необязательными входными данными для соответствующих геостатистических методов, эти свойства будут созданы в объекте GeostatisticalDatasets, только если они применимы к данной модели, независимо от того, были ли они на самом деле включены в исходный источник геостатистической модели. Например, если источник геостатистической модели является моделью IDW только с классом объектов и полем, возвращаемый объект GeostatisticalDatasets будет иметь свойства dataset1, dataset1Field и dataset1WeightField, хотя исходная модель и не имела поля весов. В этом случае dataset1WeightField будет заполнено пустой строкой.
Синтаксис
GeostatisticalDatasets (ga_model_source)
Parameter | Объяснение | Тип данных |
ga_model_source |
Источник геостатистической модели используется для создания свойств класса. Источником модели должен быть геостатистический слой. | String |
Свойства
Владение | Объяснение | Тип данных |
dataset1 (чтение и запись) | Путь к каталогу основного набора данных. Это свойство применимо для всех геостатистических моделей. | String |
dataset1CountField (чтение и запись) | Строка поля подсчета, связанная с dataset1. Это свойство применяется к моделям площадной интерполяции количества (Пуассона с избыточной дисперсией) и отношения (биномиальная). | String |
dataset1ElevationField (чтение и запись) | Поле высоты, связанное с dataset1. Это свойство применяется к моделям Эмпирического байсовского кригинга 3D. | String |
dataset1ElevationUnits (чтение и запись) | Тип единиц измерения поля высоты, связанного с dataset1. Это свойство применяется к моделям Эмпирического байсовского кригинга 3D. Доступны следующие типы единиц:
| String |
dataset1Field (чтение и запись) | Строка поля, связанная с dataset1. Это свойство применимо ко всем геостатистическим моделям, кроме моделей площадной интерполяции. | String |
dataset1PopulationField (чтение и запись) | Строка поля численности населения, связанная с dataset1. Это свойство применяется к моделям площадной интерполяции отношения (биномиальным). | String |
dataset1TimeField (чтение и запись) | Строка поля времени, связанная с dataset1. Это свойство применяется к моделям площадной интерполяции количества (Пуассона с избыточной дисперсией). | String |
dataset1ValueField (чтение и запись) | Строка поля значений, связанная с dataset1. Это свойство применяется к моделям площадной интерполяции со средним распределением (Гауссовым). | String |
dataset1WeightField (чтение и запись) | Строка поля весов, связанная с dataset1. Это свойство применяется к моделям IDW, Интерполяции по методу глобального полинома, Интерполяции диффузии с барьерами и Интерполяции ядра с барьерами. | String |
dataset2 (чтение и запись) | Путь к каталогу вспомогательного набора данных. Это свойство применяется к моделям кокригинга и ко-площадной интерполяции. | String |
dataset2CountField (чтение и запись) | Строка поля подсчета, связанная с dataset1. Это свойство применяется к моделям ко-площадной интерполяции, где вспомогательной переменной является количество (распределение Пуассона с избыточной дисперсией) или отношение (биномиальное распределение). | String |
dataset2Field (чтение и запись) | Строка поля, связанная с dataset2. Это свойство применимо для моделей кокригинга. | String |
dataset2PopulationField (чтение и запись) | Строка поля численности населения, связанная с dataset2. Это свойство применяется к моделям ко-площадной интерполяции, где вспомогательной переменной является отношение (биномиальное распределение). | String |
dataset2TimeField (чтение и запись) | Строка поля времени, связанная с dataset2. Это свойство применяется к моделям ко-площадной интерполяции, где вспомогательной переменной является количество (распределение Пуассона с избыточной дисперсией). | String |
dataset2ValueField (чтение и запись) | Строка поля значений, связанная с dataset2. Это свойство применяется к моделям ко-площадной интерполяции, где вспомогательной переменной является среднее распределение (Гауссово). | String |
dataset3 (чтение и запись) | Путь к каталогу третьего набора данных. Это свойство применяется к моделям кокригинга, которые используют как минимум три набора данных. | String |
dataset3Field (чтение и запись) | Строка поля, связанная с dataset3. Это свойство применяется к моделям кокригинга, которые используют как минимум три набора данных. | String |
dataset4 (чтение и запись) | Путь к каталогу четвертого набора данных. Это свойство применяется к моделям кокригинга, которые используют четыре набора данных. | String |
dataset4Field (чтение и запись) | Строка поля, связанная с dataset4. Это свойство применяется к моделям кокригинга, которые используют четыре набора данных. | String |
declusterPolygons1 (чтение и запись) | Путь к каталогу с классом полигональных объектов, который используется для декластеризации dataset1. Это свойство применяется к моделям кригинга и кокригинга, в которых основной набор данных был декластеризован с использованием полигональной декластеризации. | String |
declusterPolygons2 (чтение и запись) | Путь к каталогу с классом полигональных объектов, который используется для декластеризации dataset2. Это свойство применяется к моделям кокригинга, в которых вспомогательный набор данных был декластеризован с использованием полигональной декластеризации. | String |
declusterPolygons3 (чтение и запись) | Путь к каталогу с классом полигональных объектов, который используется для декластеризации dataset3. Это свойство применяется к моделям кокригинга и кокригинга, в которых третий набор данных был декластеризован с использованием полигональной декластеризации. | String |
declusterPolygons4 (чтение и запись) | Путь к каталогу с классом полигональных объектов, который используется для декластеризации dataset4. Это свойство применяется к моделям кокригинга и кокригинга, в которых четвертый набор данных был декластеризован с использованием полигональной декластеризации. | String |
explanatoryVar0 (чтение и запись) | Путь к каталогу с набором растровых данных, который используется в качестве растра независимой переменной для Прогнозирования регрессии ЭБК. Второй растр независимой переменной будет носить имя explanatoryVar1; третий растр независимой переменной будет носить имя explanatoryVar2; и так далее. Число растров независимой переменной может быть до 62. | String |
featureBarriers (чтение и запись) | Путь к каталогу с классом полигональных или полилинейных объектов, используемым в качестве объектов барьеров. Это свойство применяется к моделям Интерполяция диффузии с барьерами и Интерполяции ядра с барьерами, в которых был поставлен барьер объектов. | String |
measurementErrorField (чтение и запись) | Строка ошибки измерения, связанная с dataset1. Данное свойство применяется к моделям Прогнозирование регрессии ЭБК. | String |
rasterBarrierAdditive (чтение и запись) | Путь к каталогу с набором растровых объектов, используемым для определения дополнительного растрового барьера. Это свойство применяется к моделям Интерполяции диффузии с барьерами, которые включают дополнительный растровый барьер. | String |
rasterBarrierCumulative (чтение и запись) | Путь к каталогу с набором растровых объектов, используемым для определения кумулятивного растрового барьера. Это свойство применяется к моделям Интерполяции диффузии с барьерами, которые включают кумулятивный растровый барьер. | String |
rasterBarrierFlow (чтение и запись) | Путь к каталогу с набором растровых объектов, используемым для определения растрового барьера потока. Это свойство применяется к моделям Интерполяции диффузии с барьерами, которые включают кумулятивный растровый барьер. | String |
subsetPolygons (чтение и запись) | Путь к каталогу с полигональными объектами, которые были использованы для определения локальных моделей. Данное свойство применяется к моделям Прогнозирование регрессии ЭБК, которые включают поднабор полигональных объектов. | String |
Пример кода
Использует геостатистический слой, сохраненный как файл слоя, для источника модели, и изменяет класс объектов и поле на новый набор данных и поле. В исходной модели класс полигональных объектов был применен в качестве абсолютных барьеров, и те же барьеры будут применены к новому набору данных и полю.
# Name: GeostatisticalDatasets_Example_01.py
# Description: Uses a Kernel Interpolation With Barriers model source
# and changes the feature class and field to a new dataset and field.
# Requirements: Geostatistical Analyst Extension
import arcpy
# Define the model source
ga_layer = 'C:/data/kernelsmoothing.lyr'
# Create the GeostatisticalDatasets object
geo_datasets = arcpy.GeostatisticalDatasets(ga_layer)
# Set the dataset1 property to the new data
geo_datasets.dataset1 = 'C:/data/data.gdb/new'
# Set the new field
geo_datasets.dataset1Field = 'newfield'
# Create a new geostatistical layer with the new data
arcpy.GACreateGeostatisticalLayer_ga(ga_layer, geo_datasets, 'outGALayer1')
# Save the new geostatistical layer as a layer file
arcpy.SaveToLayerFile_management('outGALayer1', 'C:/data/newlayer1.lyr',
'ABSOLUTE')
Использует файл слоя IDW в качестве источника модели. Эта модель использовала входной класс объектов и поле. Данный пример кода добавляет поле веса перед тем, как создать заново модель IDW.
# Name: GeostatisticalDatasets_Example_02.py
# Description: Uses an IDW model source and adds a weight field.
# Requirements: Geostatistical Analyst Extension
import arcpy
# Define the model source
ga_layer = 'c:/data/IDW.lyr'
# Create the GeostatisticalDatasets object
geo_datasets = arcpy.GeostatisticalDatasets(ga_layer)
# Set the weight field
geo_datasets.dataset1WeightField = 'weightfield'
# Create a new geostatistical layer that uses a weight field
arcpy.GACreateGeostatisticalLayer_ga(ga_layer, geo_datasets, 'outGALayer2')
# Save the new geostatistical layer as a layer file
arcpy.SaveToLayerFile_management('outGALayer2', 'C:/data/newlayer2.lyr',
'ABSOLUTE')
Использует XML-файл кокригинга как источник модели. Эта модель включает два набора данных и поля, и второй набор данных использует класс полигональных декластеризованных объектов. Данный пример кода обновляет наборы данных, поля и класс полигональных декластеризованных объектов.
# Name: GeostatisticalDatasets_Example_03.py
# Description: Uses a cokriging model with two datasets and changes
# the datasets, fields, and the declustering polygon feature class.
# Requirements: Geostatistical Analyst Extension
import arcpy
# Define the model source
cokriging_xml = 'C:/data/cokriging.xml'
# Create the GeostatisticalDatasets object
geo_datasets = arcpy.GeostatisticalDatasets(cokriging_xml)
# Set the first dataset and field
geo_datasets.dataset1 = 'C:/data/data.gdb/new1'
geo_datasets.dataset1Field = 'newfield1'
# Set the second dataset and field
geo_datasets.dataset2 = 'C:/data/data.gdb/new2'
geo_datasets.dataset2Field = 'newfield2'
# Set the new declustering polygons for the second dataset
geo_datasets.declusterPolygons2 = 'C:/data/data.gdb/decluster2'
# Create a new geostatistical layer with the new data
arcpy.GACreateGeostatisticalLayer_ga(cokriging_xml, geo_datasets, 'outGALayer3')
# Save the new geostatistical layer as a layer file
arcpy.SaveToLayerFile_management('outGALayer3', 'C:/data/newlayer3.lyr',
'ABSOLUTE')