需要 Geostatistical Analyst 许可。
使用方法
该克里金法可处理一般程度上不稳定的输入数据。
搜索邻域的平滑圆形选项将显著增加执行时间。
每个本地模型中的最大点数值和本地模型重叠系数值越大,执行时间就越长。应用数据变换也会显著增加执行时间。
为避免内存用尽,软件可以限制能够用于并行处理的 CPU 核数量。
如果输入数据位于地理坐标系中,将使用弦距离来计算所有距离。有关弦距离的详细信息,请参阅“什么是经验贝叶斯克里金法”帮助主题中的地理坐标中数据的距离计算部分。
语法
EmpiricalBayesianKriging(in_features, z_field, {out_ga_layer}, {out_raster}, {cell_size}, {transformation_type}, {max_local_points}, {overlap_factor}, {number_semivariograms}, {search_neighborhood}, {output_type}, {quantile_value}, {threshold_type}, {probability_threshold}, {semivariogram_model_type})
参数 | 说明 | 数据类型 |
in_features | 包含要插入的 z 值的输入点要素。 | Feature Layer |
z_field | 表示每个点的高度或量级值的字段。如果输入要素包含 z 值或 m 值,则该字段可以是数值字段或 Shape 字段。 | Field |
out_ga_layer (可选) | 生成的地统计图层。只有未请求任何输出栅格时才需要输出该图层。 | Geostatistical Layer |
out_raster (可选) | 输出栅格。只有未请求任何输出地统计图层时才需要输出该栅格。 | Raster Dataset |
cell_size (可选) | 要创建的输出栅格的像元大小。 可以通过像元大小参数在环境中明确设置该值。 如果未设置,则该值为输入空间参考中输入点要素范围的宽度与高度中的较小值除以 250。 | Analysis Cell Size |
transformation_type (可选) | 将应用到输入数据的变换类型。
| String |
max_local_points (可选) | 输入数据将自动分组,每一组的点数不大于这一数目。 | Long |
overlap_factor (可选) | 表示本地模型(也称子集)之间重叠程度的系数。每个输入点均可落入多个子集中,重叠系数指定了各点将落入的子集的平均数。重叠系数值越高,输出表面就越平滑,但处理时间也越长。典型值在 0.01 到 5 范围内变化。 | Double |
number_semivariograms (可选) | 每个本地模型模拟的半变异函数的数量。 | Long |
search_neighborhood (可选) | 定义用于控制输出的周围点。“标准圆形”为默认选项。 以下是搜索邻域类:SearchNeighborhoodStandardCircular 和 SearchNeighborhoodSmoothCircular。 标准圆形
平滑圆形
| Geostatistical Search Neighborhood |
output_type (可选) | 用于存储插值结果的表面类型。 有关输出表面类型的详细信息,请参阅插值模型可以生成何种类型的输出表面?
| String |
quantile_value (可选) | 用于生成输出栅格的分位数。 | Double |
threshold_type (可选) | 指定是否计算超过或未超过指定阈值的概率。
| String |
probability_threshold (可选) | 概率阈值。如果留空,将使用输入数据的中值(第 50 个分位数)。 | Double |
semivariogram_model_type (可选) | 用于插值的半变异函数模型。
可用的选择取决于 transformation_type 参数的值。如果将变换类型设置为 NONE,那么只有前三个半变异函数可用。如果类型是 EMPIRICAL 或 LOGEMPIRICAL,则最后六个半变异函数可用。 关于为数据选择适当半变异函数的详细信息,请参阅什么是经验贝叶斯克里金法主题。 | String |
代码示例
将一系列点要素插值成栅格。
import arcpy
arcpy.EmpiricalBayesianKriging_ga("ca_ozone_pts", "OZONE", "outEBK", "C:/gapyexamples/output/ebkout",
10000, "NONE", 50, 0.5, 100,
arcpy.SearchNeighborhoodStandardCircular(300000, 0, 15, 10, "ONE_SECTOR"),
"PREDICTION", "", "", "", "LINEAR")
将一系列点要素插值成栅格。
# Name: EmpiricalBayesianKriging_Example_02.py
# Description: Bayesian kriging approach whereby many models created around the
# semivariogram model estimated by the restricted maximum likelihood algorithm is used.
# Requirements: Geostatistical Analyst Extension
# Author: Esri
# Import system modules
import arcpy
# Set environment settings
arcpy.env.workspace = "C:/gapyexamples/data"
# Set local variables
inPointFeatures = "ca_ozone_pts.shp"
zField = "ozone"
outLayer = "outEBK"
outRaster = "C:/gapyexamples/output/ebkout"
cellSize = 10000.0
transformation = "EMPIRICAL"
maxLocalPoints = 50
overlapFactor = 0.5
numberSemivariograms = 100
# Set variables for search neighborhood
radius = 300000
smooth = 0.6
searchNeighbourhood = arcpy.SearchNeighborhoodSmoothCircular(radius, smooth)
outputType = "PREDICTION"
quantileValue = ""
thresholdType = ""
probabilityThreshold = ""
semivariogram = "K_BESSEL"
# Execute EmpiricalBayesianKriging
arcpy.EmpiricalBayesianKriging_ga(inPointFeatures, zField, outLayer, outRaster,
cellSize, transformation, maxLocalPoints, overlapFactor, numberSemivariograms,
searchNeighbourhood, outputType, quantileValue, thresholdType, probabilityThreshold,
semivariogram)
许可信息
- Basic: 需要 地统计分析
- Standard: 需要 地统计分析
- Advanced: 需要 地统计分析