SearchNeighborhoodStandardCircular

Синтаксис

SearchNeighborhoodStandardCircular ({radius}, {angle}, {nbrMax}, {nbrMin}, {sectorType})
ParameterОбъяснениеТип данных
radius

Расстояние, у единицах карты, задающее длину радиуса окружности поиска.

Double
angle

Угол окружности поиска. Этот параметр влияет только на угол секторов.

Double
nbrMax

Максимальное количество соседей в эллипсе поиска, используемое при интерполяции.

Long
nbrMin

Минимальное количество соседей в эллипсе поиска, используемое при интерполяции.

Long
sectorType

Эллипс поиска может быть разделен на 1, 4, 4 со сдвигом на 45º или 8 секторов.

String

Свойства

ВладениеОбъяснениеТип данных
angle
(чтение и запись)

Угол эллипса поиска.

Double
radius
(чтение и запись)

Расстояние, в единицах карты, задающее длину радиуса окружности поиска.

Double
nbrMax
(чтение и запись)

Максимальное количество соседей в эллипсе поиска, используемое при интерполяции.

Long
nbrMin
(чтение и запись)

Минимальное количество соседей в эллипсе поиска, используемое при интерполяции.

Long
nbrType
(только чтение)

Тип окрестности: Smooth (сглаженный) или Standard (стандартный).

String
sectorType
(чтение и запись)

Эллипс поиска можно разделить 1, 4, 4 со смещением 45º, или 8 секторов.

String

Пример кода

SearchNeighborhoodSmoothCircular (окно Python)

Пример использования SearchNeighborhoodStandardCircular с Эмпирическим байесовским кригингом для создания выходного растра.

import arcpy
arcpy.EmpiricalBayesianKriging_ga("ca_ozone_pts", "OZONE", "outEBK", "C:/gapyexamples/output/ebkout",
                                  10000, "NONE", 50, 0.5, 100,
                                  arcpy.SearchNeighborhoodStandardCircular(300000, 0, 15, 10, "ONE_SECTOR"),
                                  "PREDICTION", "", "", "")
SearchNeighborhoodSmoothCircular (автономный скрипт)

Пример использования SearchNeighborhoodStandardCircular с Эмпирическим байесовским кригингом для создания выходного растра.

# Name: EmpiricalBayesianKriging_Example_02.py
# Description: Bayesian kriging approach whereby many models created around the
#   semivariogram model estimated by the restricted maximum likelihood algorithm is used.
# Requirements: Geostatistical Analyst Extension
# Author: ESRI

# Import system modules
import arcpy

# Set environment settings
arcpy.env.workspace = "C:/gapyexamples/data"

# Set local variables
inPointFeatures = "ca_ozone_pts.shp"
zField = "ozone"
outLayer = "outEBK"
outRaster = "C:/gapyexamples/output/ebkout"
cellSize = 10000.0
transformation = "NONE"
maxLocalPoints = 50
overlapFactor = 0.5
numberSemivariograms = 100
# Set variables for search neighborhood
radius = 300000
angle = 0
maxNeighbors = 15
minNeighbors = 10
sectorType = "ONE_SECTOR"
searchNeighbourhood = arcpy.SearchNeighborhoodStandardCircular(radius,
                                                       angle, maxNeighbors,
                                                       minNeighbors, sectorType)
outputType = "PREDICTION"
quantileValue = ""
thresholdType = ""
probabilityThreshold = ""

# Execute EmpiricalBayesianKriging
arcpy.EmpiricalBayesianKriging_ga(inPointFeatures, zField, outLayer, outRaster,
                                  cellSize, transformation, maxLocalPoints, overlapFactor, numberSemivariograms,
                                  searchNeighbourhood, outputType, quantileValue, thresholdType, probabilityThreshold)