Интерполировать точки (Анализ растра)

Краткая информация

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

Инструмент Интерполировать точки

Использование

  • Этот инструмент портала для анализа растров доступен, если вы выполнили вход в ArcGIS Enterprise Ссылка на разбор анализа в ArcGIS Enterprise портал с расширением ArcGIS Image Server Ссылка на раздел Что такое ArcGIS Image Server настроенный для Raster Analysis Ссылка на настройку и развертывание аналитики растров. 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.

Параметры

ПодписьОписаниеТип данных
Входные точечные объекты

Входные точечные объекты для интерполяции.

Feature Set
Поле интерполяции

Поле, содержащее значения данных, которые вы хотите интерполировать. Поле Y должно быть числовым.

Field
Выходное имя

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
Оптимизировать для
(Дополнительный)

Выберите предпочтительные для вас скорость и точность. Для более точных прогнозов требуется больше времени.

  • СкоростьДля этой операции оптимизирована скорость.
  • БалансБаланс между скоростью и качеством. Это значение по умолчанию.
  • ТочностьДля этой операции оптимизирована точность.
String
Преобразовать данные к нормальному распределению
(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.

  • Отмечено – применяется преобразование к нормальному распределению.
  • Не отмечено – преобразование не применяется. Это значение по умолчанию.
Boolean
Размер локальных моделей
(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
Число соседей
(Дополнительный)

Количество соседей, используемое при вычислении прогнозирования в определенной ячейке.

Long
Размер выходной ячейки
(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
Выходная ошибка прогнозирования
(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.

  • Не отмечено – выходная ошибка прогнозирования не создается. Это значение по умолчанию.
  • Отмечено – создается выходная ошибка прогнозирования.
Boolean

Производные выходные данные

ПодписьОписаниеТип данных
Выходной растр

Выходной растр.

Растровый слой
Выходной растр ошибки

Выходной растр ошибки прогнозирования.

Растровый слой

arcpy.ra.InterpolatePoints(inputPointFeatures, interpolateField, outputName, {optimizeFor}, {transformData}, {sizeOfLocalModels}, {numberOfNeighbors}, {outputCellSize}, {outputPredictionError})
ИмяОписаниеТип 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.

  • SPEEDДля этой операции оптимизирована скорость.
  • BALANCEБаланс между скоростью и качеством. Это значение по умолчанию.
  • ACCURACYДля этой операции оптимизирована точность.
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.

  • NO_TRANSFORMПреобразование не применяется. Это значение по умолчанию.
  • TRANSFORMПрименяется преобразование к нормальному распределению.
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.

  • OUTPUT_ERRORСоздавать растр ошибки прогнозирования.
  • NO_OUTPUT_ERRORНе создавать растр ошибки прогнозирования. Это значение по умолчанию.
Boolean

Производные выходные данные

ИмяОписаниеТип данных
outputRaster

Выходной растр.

Растровый слой
outputErrorRaster

Выходной растр ошибки прогнозирования.

Растровый слой

Пример кода

InterpolatePoints, пример 1 (окно Python)

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')
InterpolatePoints, пример 2 (автономный скрипт).

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)

Информация о лицензиях

  • Basic: Обязательно ArcGIS Image Server
  • Standard: Обязательно ArcGIS Image Server
  • Advanced: Обязательно ArcGIS Image Server

Связанные разделы