Краткая информация
Класс SearchNeighborhoodStandard3D можно использовать для определения трехмерной окрестности поиска для инструмента 3D Эмпирический байесовский кригинг.
Синтаксис
SearchNeighborhoodStandard3D ({radius}, {nbrMax}, {nbrMin}, {sectorType})
Параметр | Описание | Тип данных |
radius | Расстояние, у единицах карты, задающее длину радиуса для окрестности поиска. | Double |
nbrMax | Максимальное количество соседей в пределах радиуса поиска, используемое при прогнозировании. | Long |
nbrMin | Минимальное количество соседей в пределах радиуса поиска, используемое при прогнозировании. | Long |
sectorType | Тип сектора для окрестности поиска. Окрестность поиска можно разделить на 1, 4, 6, 8, 12 или 20 секторов. Каждый тип сектора основан на твердых телах Платона.
| String |
Свойства
Свойство | Описание | Тип данных |
nbrMax (только чтение) | Максимальное число соседей в окрестности поиска. | Long |
nbrMin (только чтение) | Минимальное число соседей в окрестности поиска. | Long |
radius (только чтение) | Радиус окрестности поиска. | Double |
sectorType (только чтение) | Тип сектора для окрестности поиска. | String |
Пример кода
Для создания геостатистического слоя, используйте SearchNeighborhoodStandard3D с инструментом Empirical Bayesian Kriging 3D.
import arcpy
arcpy.ga.EmpiricalBayesianKriging3D("my3DLayer", "Shape.Z", "myValueField", "myGALayer", "METER", "",
"POWER", "NONE", 100, 1, 100, "NONE", "",
"NBRTYPE=Standard3D RADIUS=10000 NBR_MAX=15 NBR_MIN=10 SECTOR_TYPE=ONE_SECTOR",
"", "PREDICTION", 0.5, "EXCEED", "")
Для создания геостатистического слоя, используйте SearchNeighborhoodStandard3D с инструментом Empirical Bayesian Kriging 3D.
# Name: SearchNeighborhoodStandard3D_Example_02.py
# Description: Interpolates 3D points using a standard 3D neighborhood
# Requirements: Geostatistical Analyst Extension
# Author: Esri
# Import system modules
import arcpy
# Set local variables
in3DPoints = "C:/gapyexamples/input/my3DPoints.shp"
elevationField = "Shape.Z"
valueField = "myValueField"
outGALayer = "myGALayer"
elevationUnit = "METER"
measurementErrorField = "myMEField"
semivariogramModel = "LINEAR"
transformationType = "NONE"
subsetSize = 80
overlapFactor = 1.5
numSimulations = 200
trendRemoval = "FIRST"
elevInflationFactor = 20
radius = 10000
maxNeighbors = 15
minNeighbors = 10
sectorType = "FOUR_SECTORS"
searchNeighborhood = arcpy.SearchNeighborhoodStandard3D(radius, maxNeighbors, minNeighbors, sectorType)
outputElev = 1000
outputType = "PREDICTION"
# Check out the ArcGIS Geostatistical Analyst extension license
arcpy.CheckOutExtension("GeoStats")
# Execute Empirical Bayesian Kriging 3D
arcpy.ga.EmpiricalBayesianKriging3D(in3DPoints, elevationField, valueField, outGALayer, elevationUnit, myMEField,
semivariogramModel, transformationType, subsetSize, overlapFactor, numSimulations,
trendRemoval, elevInflationFactor, searchNeighborhood, outputElev, outputType)