Сводка
Прогнозирует значения в новых местоположениях на базе измерений по группе точек. Этот инструмент использует значения точечных данных в каждой точке и возвращает площади, отсортированные по прогнозным значениям.
Примеры:
- В районе управления качеством воздуха имеются сенсоры, измеряющие уровни загрязнений. Инструмент Интерполировать точки может использоваться для прогнозирования уровней загрязнения в местах, не имеющих приборов измерения, но в которых находятся люди, относящиеся к группе риска, например, в школах или больницах.
- Прогнозирование содержания тяжелых металлов в зерновых культурах на основе проб, взятых у отдельных растений.
- Прогнозирование уровней питательных веществ в почве (азот, фосфор, калий и др.) и другие индикаторы (такие, как электропроводимость) с целью изучения их влияния на урожайность зерновых и расчета точного объема удобрений для отдельных участков поля.
- В метеорологии инструмент используется для прогнозирования температур, осадков и связанных с ними переменных (например, кислотных дождей).
Иллюстрация
Использование
В качестве входных данных используется слой точек. Входной слой должен иметь числовое поле, которое будет служить основой интерполирования. Интерполировать точки предназначен для работы с постепенно и плавно изменяющимися данными над ландшафтом, например – температура и уровень загрязнения окружающей среды. Он не подходит для таких данных, как численность населения или средний доход, которые меняются очень резко за короткий отрезок времени.
Инструмент Интерполировать точки можно настроить для оптимизации скорости или точности, или средней позиции. Более точные прогнозы требуют больше времени и наоборот.
Этот инструмент может создать слой стандартных ошибок с помощью опции выходной ошибки прогнозирования. Рассчитать 95-процентный доверительный интервал для интерполированного слоя можно путем добавления к значению интерполяции двух стандартных ошибок для верхнего предела и вычитания двух стандартных ошибок от нижнего предела.
Этот инструмент использует метод Эмпирический байесовский кригинг Esri для выполнения интерполяции. Параметры этого метода управляются опцией интерполяции. Эти параметры приведены ниже.
Параметр Скорость По умолчанию Точность Тип преобразования данных
NONE
NONE
EMPIRICAL
Тип модели вариограммы
POWER
POWER
K_BESSEL
Максимальное число точек в каждой локальной модели
50
75
200
Коэффициент перекрытия областей локальной модели
1
1.5
3
Число моделируемых вариограмм
30
100
200
Минимальное число соседей
8
10
15
Максимальное число соседей
8
10
15
Синтаксис
arcpy.sfa.InterpolatePoints(inputLayer, outputName, {field}, {interpolateOption}, {outputPredictionError}, {classificationType}, {numClasses}, {classBreaks}, {boundingPolygonLayer}, {predictAtPointLayer})| Parameter | Объяснение | Тип данных |
inputLayer | Точечные объекты, которые будут интерполированы в слой непрерывной поверхности. | Feature Set |
outputName | Имя выходного слоя, который будет создан на вашем портале. | String |
field (Дополнительный) | Числовое поле, содержащее значения для интерполяции. | Field |
interpolateOption (Дополнительный) | Позволяет выбирать между скоростью и точностью, от самого быстрого, до наиболее точного метода. Для более точных прогнозов требуется больше времени.
| String |
outputPredictionError (Дополнительный) | Если опция включена, будет создан выходной полигональный слой стандартных ошибок для прогнозов, основанных на интерполяции. Польза стандартных ошибок состоит в том, что они дают информацию о надежности значений прогноза. Существует простое правило, гласящее, что истинное значение в 95 процентах случаев будет находиться между двух стандартных ошибок прогнозного значения интерполяции. Например, предположим, что новое место получает прогнозируемое значение 50 при стандартной ошибке 5. Это значит, что расчетное значение задачи в этом месте – 50, но оно вполне может колебаться в диапазоне от 40 до 60. Чтобы вычислить этот диапазон приемлемых значений, нужно умножить стандартную ошибку на два, эта величина и определяет значения верхней и нижней границы диапазона по отношению к предсказанному значению.
| Boolean |
classificationType (Дополнительный) | Определяет способ классификации прогнозируемых значений по полигонам.
| String |
numClasses (Дополнительный) | Это значение используется для деления диапазона интерполированных значений на отдельные классы. Диапазон значений в каждом классе определяется типом классификации. Каждый класс определяет границы итоговых полигонов. Значение по умолчанию – 10, максимум – 32. | Long |
classBreaks [classBreaks,...] (Дополнительный) | Для классификации вручную введите желательные значения границ классов. Эти значения определяют верхнюю границу значения для каждого класса, то есть количество введенных значений должно соответствовать количеству классов. Для местоположений, значения в которых будут превышать самое верхнее граничное значение, области созданы не будут. Необходимо ввести минимум 2 значения, но не более 32. | Double |
boundingPolygonLayer (Дополнительный) | Слой с полигонами, где находятся значения для интерполяции. Например, при интерполяции плотностей популяции рыбы в озере можно указать контур озера, и тогда результат будет содержать только полигоны в границах этого озера. | Feature Set |
predictAtPointLayer (Дополнительный) | Дополнительный слой с точечными местоположениями, для которых необходимо вычислить прогнозируемые значения. Это позволяет делать прогнозы в определенных местах, представляющих интерес. Например, если входной слой отображает показатели уровней загрязнения, то вы можете использовать этот параметр для прогнозирования уровней загрязнения в местах с людьми, относящимися к группам риска, например, в школах или больницах. Затем вы можете использовать эту информацию для выработки рекомендаций для местных органов здравоохранения. | Feature Set |
Производные выходные данные
| Name | Объяснение | Тип данных |
| outputLayer | Выходные полигональные объекты, где каждый полигон окружает интерполированные значения в зависимости от типа классификации и числа классов. | Набор объектов |
| outputPredictionErrorLayer | Содержит ошибку прогнозирования для каждой точки входного слоя. | Набор объектов |
| outputPredictedPointsLayer | Точечный слой, содержащий точки из точечного слоя прогнозирования с интерполированными значениями. | Набор объектов |
Environments
Информация о лицензиях
- Basic: Требуется Права доступа Ваша учетная запись в ArcGIS Enterprise содержит права доступа на Выполнение анализа
- Standard: Требуется Права доступа Ваша учетная запись в ArcGIS Enterprise содержит права доступа на Выполнение анализа
- Advanced: Требуется Права доступа Ваша учетная запись в ArcGIS Enterprise содержит права доступа на Выполнение анализа