Сводка
Класс SearchNeighborhoodStandardCircular может использоваться для задания окрестности поиска в Эмпирическом байесовском кригинге, ОВР, Интерполяции по методу локальных полиномов и в Радиальных базисных функциях.
Синтаксис
SearchNeighborhoodStandardCircular ({radius}, {angle}, {nbrMax}, {nbrMin}, {sectorType})| Parameter | Объяснение | Тип 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
| Владение | Объяснение | Тип 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
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", "", "", "")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)