Наверх

Прогнозировать, используя растр тренда (Image Analyst)

В этом разделе

  1. Краткая информация
  2. Использование
  3. Параметры
  4. Параметры среды
  5. Информация о лицензиях

Доступно с лицензией Image Analyst.

Краткая информация

Вычисляет прогнозируемый многомерный растр, используя выходной растр тренда из инструмента Создать растр тренда.

Использование

  • Этот инструмент использует выходные данные инструмента Создать растр тренда как входной многомерный растр.

  • Этот инструмент создает многомерный набор растровых данных в формате Cloud Raster Format (CRF). В настоящее время другие форматы выхода не поддерживаются.

  • По умолчанию выходной многомерный растр будет сжиматься с использованием типа сжатия LZ77. Однако рекомендуется изменить тип сжатия на LERC и настроить максимальное значение ошибки на основе данных. Например, если вы ожидаете, что результаты анализа будут иметь точность до трех десятичных знаков, используйте 0,001 для максимального значения ошибки. Избейте излишних требований к точности, поскольку они увеличивают время обработки и размер хранилища.

Параметры

ДиалогPython

ПодписьОписаниеТип данных
Входной растр тренда

Входной многомерный растр тренда из инструмента Создать растр тренда.

Raster Dataset; Raster Layer; Mosaic Dataset; Mosaic Layer; Image Service; File
Переменные [Dimension Info] (Описание)
(Дополнительный)

Переменная или переменные, по которым в ходе анализа будет выполнено прогнозирование. Если переменные не указаны, будут использоваться все переменные.

String
Определение измерения
(Дополнительный)

Определяет метод, используемый для указания значений прогнозируемых измерений.

  • По значению—Прогноз будет рассчитан для одного значения измерения или списка значений измерения, определенных параметром Значение (dimension_values в Python). Это значение по умолчаниюНапример, вы хотите спрогнозировать годовое количество осадков на 2050, 2100 и 2150 годы.
  • По интервалу—Прогноз будет рассчитан для интервала измерений, заданного начальным и конечным значениями.Например, вы хотите спрогнозировать годовое количество осадков на каждый год в интервале с 2050 по 2150 годами.
String
Значения
(Дополнительный)

Значение или значения измерения, которые будут использоваться в прогнозе.

Формат значений времени, глубины и высоты должен соответствовать формату значений измерений, используемых для создания растра тренда. Если растр тренда был создан для измерений времени StdTime (Стандартное время), формат должен быть ГГГГ-ММ-ДДТЧЧ:ММ:СС, например, 2050-01-01T00:00:00. Несколько значений разделяются точкой с запятой.

Этот параметр необходим, если параметр Определение измерения установлен на По значению.

String
Начало
(Дополнительный)

Начальная дата, высота или глубина интервала измерений, который будет использоваться в прогнозе.

String
Окончание
(Дополнительный)

Конечная дата, высота или глубина интервала измерений, который будет использоваться в прогнозе.

String
Значение интервала
(Дополнительный)

Количество шагов между двумя значениями измерений, которые должны быть включены в прогноз. Значение по умолчанию равно 1.

Например, для прогноза значений температуры на каждые пять лет используйте значение 5.

Double
Единицы измерения
(Дополнительный)

Определяет единицы измерения, которые будут применены к значению интервала. Этот параметр применяется только в том случае, если измерение, используемое в анализе, является измерением времени.

  • Часы—Прогноз будет рассчитываться для каждого часа в диапазоне времени, описываемом параметрами Начало, Окончание и Значение интервала.
  • Дни—Прогноз будет рассчитываться для каждого дня в диапазоне времени, описываемом параметрами Начало, Окончание и Значение интервала.
  • Недели—Прогноз будет рассчитываться для каждой недели в диапазоне времени, описываемом параметрами Начало, Окончание и Значение интервала.
  • Месяцы—Прогноз будет рассчитываться для каждого месяца в диапазоне времени, описываемом параметрами Начало, Окончание и Значение интервала.
  • Годы—Прогноз будет рассчитываться для каждого года в диапазоне времени, описываемом параметрами Начало, Окончание и Значение интервала.
String

Возвращаемое значение

ПодписьОписаниеТип данных
Выходной многомерный растр

Выходной многомерный набор растровых данных Cloud Raster Format (CRF).

Raster

PredictUsingTrendRaster(in_multidimensional_raster, {variables}, {dimension_def}, {dimension_values}, {start}, {end}, {interval_value}, {interval_unit})
ИмяОписаниеТип данных
in_multidimensional_raster

Входной многомерный растр тренда из инструмента Создать растр тренда.

Raster Dataset; Raster Layer; Mosaic Dataset; Mosaic Layer; Image Service; File
variables
[variables,...]
(Дополнительный)

Переменная или переменные, по которым в ходе анализа будет выполнено прогнозирование. Если переменные не указаны, будут использоваться все переменные.

String
dimension_def
(Дополнительный)

Определяет метод, используемый для указания значений прогнозируемых измерений.

  • BY_VALUE—Прогноз будет рассчитан для одного значения измерения или списка значений измерения, определенных параметром Значение (dimension_values в Python). Это значение по умолчаниюНапример, вы хотите спрогнозировать годовое количество осадков на 2050, 2100 и 2150 годы.
  • BY_INTERVAL—Прогноз будет рассчитан для интервала измерений, заданного начальным и конечным значениями.Например, вы хотите спрогнозировать годовое количество осадков на каждый год в интервале с 2050 по 2150 годами.
String
dimension_values
[dimension_values,...]
(Дополнительный)

Значение или значения измерения, которые будут использоваться в прогнозе.

Формат значений времени, глубины и высоты должен соответствовать формату значений измерений, используемых для создания растра тренда. Если растр тренда был создан для измерений времени StdTime (Стандартное время), формат должен быть ГГГГ-ММ-ДДТЧЧ:ММ:СС, например, 2050-01-01T00:00:00. Несколько значений разделяются точкой с запятой.

Этот параметр необходим, если для параметра dimension_def задано BY_VALUE.

String
start
(Дополнительный)

Начальная дата, высота или глубина интервала измерений, который будет использоваться в прогнозе.

String
end
(Дополнительный)

Конечная дата, высота или глубина интервала измерений, который будет использоваться в прогнозе.

String
interval_value
(Дополнительный)

Количество шагов между двумя значениями измерений, которые должны быть включены в прогноз. Значение по умолчанию равно 1.

Например, для прогноза значений температуры на каждые пять лет используйте значение 5.

Double
interval_unit
(Дополнительный)

Определяет единицы измерения, которые будут применены к значению интервала. Этот параметр применяется только в том случае, если измерение, используемое в анализе, является измерением времени.

  • HOURS—Прогноз будет рассчитан для каждого часа в интервале времени, описанном параметрами start, end и interval_value.
  • DAYS—Прогноз будет рассчитан для каждого дня в интервале времени, описанном параметрами start, end и interval_value.
  • WEEKS—Прогноз будет рассчитан для каждой недели в интервале времени, описанном аргументами start, end и interval_value.
  • MONTHS—Прогноз будет рассчитан для каждого месяца в интервале времени, описанном параметрами start, end и interval_value.
  • YEARS—Прогноз будет рассчитан для каждого года в интервале времени, описанном аргументами start, end и interval_value.
String

Возвращаемое значение

ИмяОписаниеТип данных
out_multidimensional_raster

Выходной многомерный набор растровых данных Cloud Raster Format (CRF).

Raster

Пример кода

PredictUsingTrendRaster, пример 1 (окно Python)

В этом примере прогнозируются осадки и температура воздуха на 1 января 2050 года и 1 января 2100 года.

# Import system modules
import arcpy
from arcpy.ia import *

# Check out the ArcGIS Image Analyst extension license
arcpy.CheckOutExtension("ImageAnalyst")

# Execute 
predictOutput = PredictUsingTrendRaster("C:/Data/LinearTrendCoefficients.crf",
	"temp;precip", "BY_VALUE", "2050-01-01T00:00:00;2100-01-01T00:00:00")
	
# Save output
predictOutput.save("C:/Data/Predicted_Temp_Precip.crf")
PredictUsingTrendRaster, пример 2 (stand-alone script)

В этом примере генерируются прогнозируемые значения NDVI для каждого месяца в 2025 году.

# Import system modules
import arcpy
from arcpy.ia import *

# Check out the ArcGIS Image Analyst extension license
arcpy.CheckOutExtension("ImageAnalyst")

# Define input parameters
inFile = "C:/Data/HarmonicTrendCoefficients.crf"
variables = "NDVI"
dimension_definition = "BY_INTERVAL"
start = "2025-01-01T00:00:00"
end = "2025-12-31T00:00:00"
interval_value = 1
interval_unit = "MONTHS"

# Execute - predict the monthly NDVI in 2025 
predictOutput = PredictUsingTrendRaster(inFile, variables, 
	dimension_definition, '', start, end, interval_value, interval_unit)
	
# Save output
predictOutput.save("C:/data/predicted_ndvi.crf")

Параметры среды

Размер ячейки, Сжатие, Текущая рабочая область, Географические преобразования, NoData, Выходное ключевое слово CONFIG, Выходная система координат, Экстент, Коэффициент параллельной обработки, Пирамидные слои, Статистика растра, Метод пересчета, Временная рабочая область, Растр привязки, Размер листа

Информация о лицензиях

  • Basic: Обязательно Image Analyst
  • Standard: Обязательно Image Analyst
  • Advanced: Обязательно Image Analyst

Связанные разделы

  • Обзор группы инструментов Многомерный анализ
  • Многомерные растровые данные
  • Поиск инструмента геообработки
  • Создать растр тренда

Отзыв по этому разделу?

В этом разделе
  1. Краткая информация
  2. Использование
  3. Параметры
  4. Параметры среды
  5. Информация о лицензиях