Сводка
Прогнозирует значения в новых местоположениях на базе измерений по группе точек. Этот инструмент обрабатывает значения точечных данных в каждой точке и возвращает растр прогнозных значений.
Иллюстрация
Использование
Этот инструмент портала для анализа растров доступен, если вы выполнили вход в ArcGIS Enterprise
портал с расширением ArcGIS Image Server настроенный для Raster Analysis . Когда инструмент запускается, ArcGIS Pro выступает в качестве клиента, и обработка проходит на серверах, интегрированных с ArcGIS Enterprise. Инструмент портала использует слои портала в качестве входных данных и создает выходные данные на этом же портале.Входной векторный слой может быть слоем портала или URI либо URL сервиса объектов. Хотя вы можете использовать локальные векторные данные или слои как входные данные для инструментов портала, лучше все же использовать слои портала в качестве входных данных.
Интерполяция выполняется генерированием множества локальных моделейй интерполяции, которые сливаются вместе для создания финального выходного растра. Число точек в каждом из локальных моделей определяется параметром Размер локальных моделей.
Для выполнения интерполяции используется инструмент Эмпирический байесовский кригинг. Этот инструмент является частью дополнительного модуля ArcGIS Geostatistical Analyst. Многие параметры инструмента представлены в Интерполировать точки, а многие управляются автоматически, с помощью параметра Оптимизировать для.
Синтаксис
arcpy.ra.InterpolatePoints(inputPointFeatures, interpolateField, outputName, {optimizeFor}, {transformData}, {sizeOfLocalModels}, {numberOfNeighbors}, {outputCellSize}, {outputPredictionError})| Parameter | Объяснение | Тип данных |
inputPointFeatures | Входные точечные объекты для интерполяции. | Feature Set |
interpolateField | Поле, содержащее значения данных, которые вы хотите интерполировать. Поле Y должно быть числовым. | Field |
outputName | Имя выходного растрового сервиса. Имя слоя по умолчанию зависит от имени инструмента и имени входного слоя. Если имя слоя уже используется, появится запрос ввести новое имя. | String |
optimizeFor (Дополнительный) | Выберите предпочтительные для вас скорость и точность. Для более точных прогнозов требуется больше времени.
| String |
transformData (Дополнительный) | Выберите, нужно ли преобразовывать ваши данные к нормальному распределению перед выполнением анализа. В случае когда значения данных не подчиняются нормальному распределению, рекомендуется выполнить их преобразование.
| Boolean |
sizeOfLocalModels (Дополнительный) | Выберите число точек в каждой локальной модели. Большое число сделает интерполяцию более общей и стабильной, но значения на малых масштабах будут неточны. Меньшие значения сделают результаты интерполяции более локальными, что позволит выявить небольшие эффекты, однако интерполяция может оказаться несколько нестабильной. | Long |
numberOfNeighbors (Дополнительный) | Количество соседей, используемое при вычислении прогнозирования в определенной ячейке. | Long |
outputCellSize (Дополнительный) | Установите размер ячеек и единицы измерения для выходного растра. Если создается растр ошибки прогнозирования, в нем также будет использоваться этот размер ячейки. Единицами измерения могут быть километры, метры, мили или футы. Единицы измерения по умолчанию – метры. | Linear Unit |
outputPredictionError (Дополнительный) | Позволяет создать выходной растр стандартных ошибок интерполированных прогнозов. 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. Если запрошен растр стандартных ошибок для интерполированных прогнозов, его имя будет соответствовать Имени слоя результата с окончанием Errors.
| Boolean |
Производные выходные данные
| Name | Объяснение | Тип данных |
| outputRaster | Выходной растр. | Растровый слой |
| outputErrorRaster | Выходной растр ошибки прогнозирования. | Растровый слой |
Пример кода
В этом примере интерполируется сервис точечных объектов в растр сервиса изображений.
import arcpy
arcpy.InterpolatePoints_ra('https://MyPortal.esri.com/server/rest/services/Hosted/myPoints/FeatureServer/0',
'myField', 'outImgServ', 'SPEED', 'False', 50, 8, '10000 Meters', 'NO_OUTPUT_ERROR')В этом примере интерполируется сервис точечных объектов в растр сервиса изображений.
#-------------------------------------------------------------------------------
# Name: InterpolatePoints_example02.py
# Description: Interpolates a point feature service into an image service raster.
#
# Requirements: ArcGIS Image Server
# Import system modules
import arcpy
# Set local variables
inPoints = 'https://MyPortal.esri.com/server/rest/services/Hosted/myPoints/FeatureServer/0'
inField = 'myField'
outRaster = 'outImgServ'
optimizeFor = 'SPEED'
transform = 'False'
subsetSize = 50
numNeighbors = 8
outCellSize = '10000 Meters'
error = 'NO_OUTPUT_ERROR'
# Execute InterpolatePoints
arcpy.InterpolatePoints_ra(inPoints, inField, outRaster, optimizeFor, transform,
subsetSize, numNeighbors, outCellSize, error)Environments
Информация о лицензиях
- Basic: Требуется ArcGIS Image Server
- Standard: Требуется ArcGIS Image Server
- Advanced: Требуется ArcGIS Image Server