返回顶部

GeostatisticalDatasets

在本主题中

  1. 描述
  2. 讨论
  3. 语法
  4. 属性
  5. 代码示例

描述

GeostatisticalDatasets 类用于管理与地统计模型源相关的数据集。地统计模型源必须为地统计图层。

讨论

通过使用 GeostatisticalDatasets 对象，可以快速将地统计模型应用于新的数据集。例如，按照如下“代码示例”部分中第一示例所示，如果从使用含障碍的核插值法制作出的地统计图层入手，您可轻松地将障碍要素类更改为新的面要素类。然后可以生成使用新障碍的新地统计图层。新地统计图层将所有相同的插值参数（例如含障碍的核插值法中的带宽参数）应用到新数据集中。如果希望对各数据集使用相同的插值参数，则将有助于为多个数据集自动创建地统计图层。

此类主要用在创建地统计图层、移动窗口克里金法和半变异函数灵敏度工具的输入数据集参数的 Python 中。

此类使用地统计模型源作为参数，并返回一个具有应用于该模型的属性的对象。例如，如果地统计模型源是径向基函数模型的结果，唯一与 GeostatisticalDatasets 对象有关的属性将是 dataset1 和 dataset1Field，这是因为所有其他属性均无法应用于径向基函数模型。查看“属性”列表以确定哪些属性可适用于各个类型的地统计模型源。

如果地统计模型源是地统计图层，则对象的属性将由数据集字符串和用于该地统计图层的字段填充。如果地统计模型源是 XML 文件，则相关属性将由空字符串填充，这是因为地统计模型 (XML) 文件不包含数据集的参考。请注意，数据集属性不能由表填充。

所有引用字段的属性均以其相关数据集作为前缀。例如，dataset2Field 引用 dataset2 的相关字段。

由于 dataset1WeightField，dataset1TimeField、dataset2TimeField 和 measurementErrorField 分别在其相关地统计模型中都是可选输入，若不论其是否实际包括在原始地统计模型源中均可应用于此模型，则这些属性将在 GeostatisticalDatasets 对象中创建。 例如，如果地统计模型源是反距离权重法模型，仅含一个要素类和一个字段，则返回的 GeostatisticalDatasets 对象将具有 dataset1、dataset1Field 和 dataset1WeightField 属性，尽管原始模型不使用权重字段。在这种情况下，dataset1WeightField 将由空字符串填充。

语法

GeostatisticalDatasets (ga_model_source)
参数说明数据类型
ga_model_source

用于生成类属性的地统计模型源。该模型源必须为 地统计图层。

String

属性

属性说明数据类型
dataset1
(可读写)

主要数据集的目录路径。此属性适用于所有地统计模型。

String
dataset1CountField
(可读写)

计数字段的字符串与 dataset1 相关联。

此属性适用于计数（过度离散泊松）和比率（二项式）面插值模型。

String
dataset1ElevationField
(可读写)

与 dataset1 关联的高程字段。

此属性适用于 3D 经验贝叶斯克里金法模型。

String
dataset1ElevationUnits
(可读写)

与 dataset1 关联的高程字段的单位类型。

此属性适用于 3D 经验贝叶斯克里金法模型。

可用的单位类型如下：

  • INCH —高程以英寸为单位。
  • FOOT —高程以英尺为单位。
  • YARD —高程以码为单位。
  • MILE_US —高程以英里（美制）为单位。
  • NAUTICAL_MILE —高程以海里为单位。
  • MILLIMETER —高程以毫米为单位。
  • CENTIMETER —高程以厘米为单位。
  • DECIMETER —高程以分米为单位。
  • METER —高程以米为单位。
  • KILOMETER —高程以千米为单位。
String
dataset1Field
(可读写)

字段的字符串与 dataset1 相关联。

此属性适用于所有地统计模型，面插值模型除外。

String
dataset1PopulationField
(可读写)

人口字段的字符串与 dataset1 相关联。

此属性适用于比率（二项式）面插值模型。

String
dataset1TimeField
(可读写)

时间字段的字符串与 dataset1 相关联。

此属性适用于计数（过度离散泊松）面插值模型。

String
dataset1ValueField
(可读写)

值字段的字符串与 dataset1 相关联。

此属性适用于平均值（高斯）面插值模型。

String
dataset1WeightField
(可读写)

权重字段的字符串与 dataset1 相关联。此属性适用于反距离权重法、全局多项式插值法、含障碍的扩散插值法和含障碍的核插值法模型。

String
dataset2
(可读写)

第二数据集的目录路径。

此属性适用于协同克里金法和联合面插值模型。

String
dataset2CountField
(可读写)

计数字段的字符串与 dataset1 相关联。

此属性适用于联合面插值模型，其中二级变量为计数（过度离散泊松）或比率（二项式）。

String
dataset2Field
(可读写)

字段的字符串与 dataset2 相关联。

此属性适用于协同克里金法模型。

String
dataset2PopulationField
(可读写)

人口字段的字符串与 dataset2 相关联。

此属性适用于联合面插值模型，其中二级变量为比率（二项式）。

String
dataset2TimeField
(可读写)

时间字段的字符串与 dataset2 相关联。

此属性适用于联合面插值模型，其中二级变量为计数（过度离散泊松）。

String
dataset2ValueField
(可读写)

值字段的字符串与 dataset2 相关联。

此属性适用于联合面插值模型，其中二级变量为平均值（高斯）。

String
dataset3
(可读写)

第三数据集的目录路径。

此属性适用于至少使用三个数据集的协同克里金法模型。

String
dataset3Field
(可读写)

字段的字符串与 dataset3 相关联。

此属性适用于至少使用三个数据集的协同克里金法模型。

String
dataset4
(可读写)

第四数据集的目录路径。

此属性适用于使用四个数据集的协同克里金法模型。

String
dataset4Field
(可读写)

字段的字符串与 dataset4 相关联。

此属性适用于使用四个数据集的协同克里金法模型。

String
declusterPolygons1
(可读写)

用于去聚 dataset1 的面要素类的目录路径。

此属性适用于克里金法和协同克里金法模型，其中主要数据集已使用面去聚方法去聚。

String
declusterPolygons2
(可读写)

用于去聚 dataset2 的面要素类的目录路径。

此属性适用于协同克里金法模型，其中第二数据集已使用面去聚方法去聚。

String
declusterPolygons3
(可读写)

用于去聚 dataset3 的面要素类的目录路径。

此属性适用于协同克里金法模型，其中第三数据集已使用面去聚方法去聚。

String
declusterPolygons4
(可读写)

用于去聚 dataset4 的面要素类的目录路径。

此属性适用于协同克里金法模型，其中第四数据集已使用面去聚方法去聚。

String
explanatoryVar0
(可读写)

在 EBK 回归预测中用作第一个解释变量栅格的栅格数据集目录路径。第二个解释变量栅格将被命名为 explanatoryVar1；第三个解释变量栅格将被命名为 explanatoryVar2；以此类推。至多有 62 个解释变量栅格。

String
featureBarriers
(可读写)

用作要素障碍的折面或折线要素类的目录路径。此属性适用于含障碍的扩散插值法和含障碍的核插值法模型，其中已提供要素障碍。

String
measurementErrorField
(可读写)

测量错误字段的字符串与 dataset1 相关联。此属性适用于 EBK 回归预测模型。

String
rasterBarrierAdditive
(可读写)

用于定义附加栅格障碍的栅格数据集的目录路径。此属性适用于含障碍的扩散插值法模型，其中包含附加栅格障碍。

String
rasterBarrierCumulative
(可读写)

用于定义累积栅格障碍的栅格数据集的目录路径。此属性适用于含障碍的扩散插值法模型，其中包含流动栅格障碍。

String
rasterBarrierFlow
(可读写)

用于定义流动栅格障碍的栅格数据集的目录路径。此属性适用于含障碍的扩散插值法模型，其中包含流动栅格障碍。

String
subsetPolygons
(可读写)

用于定义本地模型的面要素的目录路径。此属性适用于包含子集面要素的 EBK 回归预测模型。

String

代码示例

GeostatisticalDatasets 示例 1（Python 窗口）

使用保存为模型源图层文件的地统计图层，并将要素类和字段更改为新的数据集和字段。原始模型使用面要素类作为绝对障碍，并将这些障碍应用于新的数据集和字段。

# Name: GeostatisticalDatasets_Example_01.py
# Description: Uses a Kernel Interpolation With Barriers model source
#   and changes the feature class and field to a new dataset and field.

# Requirements: Geostatistical Analyst Extension

import arcpy

# Define the model source
ga_layer = 'C:/data/kernelsmoothing.lyr'

# Create the GeostatisticalDatasets object
geo_datasets = arcpy.GeostatisticalDatasets(ga_layer)

# Set the dataset1 property to the new data
geo_datasets.dataset1 = 'C:/data/data.gdb/new'

# Set the new field
geo_datasets.dataset1Field = 'newfield'

# Create a new geostatistical layer with the new data
arcpy.GACreateGeostatisticalLayer_ga(ga_layer, geo_datasets, 'outGALayer1')

# Save the new geostatistical layer as a layer file
arcpy.SaveToLayerFile_management('outGALayer1', 'C:/data/newlayer1.lyr',
                                 'ABSOLUTE')
GeostatisticalDatasets 示例 2（独立脚本）

使用反距离权重法图层文件作为模型源。此模型使用输入要素类和字段。在重新创建反距离权重法模型前，此代码示例会添加权重字段。

# Name: GeostatisticalDatasets_Example_02.py
# Description: Uses an IDW model source and adds a weight field.

# Requirements: Geostatistical Analyst Extension

import arcpy

# Define the model source
ga_layer = 'c:/data/IDW.lyr'

# Create the GeostatisticalDatasets object
geo_datasets = arcpy.GeostatisticalDatasets(ga_layer)

# Set the weight field
geo_datasets.dataset1WeightField = 'weightfield'

# Create a new geostatistical layer that uses a weight field
arcpy.GACreateGeostatisticalLayer_ga(ga_layer, geo_datasets, 'outGALayer2')

# Save the new geostatistical layer as a layer file
arcpy.SaveToLayerFile_management('outGALayer2', 'C:/data/newlayer2.lyr',
                                 'ABSOLUTE')
GeostatisticalDatasets 示例 3（独立脚本）

使用协同克里金法 XML 文件作为模型源。 此模型包括两个数据集和字段，并且第二个数据集使用去聚面要素类。此代码示例更新了数据集、字段和去聚面要素类。

# Name: GeostatisticalDatasets_Example_03.py
# Description: Uses a cokriging model with two datasets and changes
#   the datasets, fields, and the declustering polygon feature class.

# Requirements: Geostatistical Analyst Extension

import arcpy

# Define the model source
cokriging_xml = 'C:/data/cokriging.xml'

# Create the GeostatisticalDatasets object
geo_datasets = arcpy.GeostatisticalDatasets(cokriging_xml)

# Set the first dataset and field
geo_datasets.dataset1 = 'C:/data/data.gdb/new1'
geo_datasets.dataset1Field = 'newfield1'

# Set the second dataset and field
geo_datasets.dataset2 = 'C:/data/data.gdb/new2'
geo_datasets.dataset2Field = 'newfield2'

# Set the new declustering polygons for the second dataset
geo_datasets.declusterPolygons2 = 'C:/data/data.gdb/decluster2'

# Create a new geostatistical layer with the new data
arcpy.GACreateGeostatisticalLayer_ga(cokriging_xml, geo_datasets, 'outGALayer3')

# Save the new geostatistical layer as a layer file
arcpy.SaveToLayerFile_management('outGALayer3', 'C:/data/newlayer3.lyr',
                                 'ABSOLUTE')

有关此主题的反馈?

在本主题中
  1. 描述
  2. 讨论
  3. 语法
  4. 属性
  5. 代码示例