PredictUsingTrend

获得 Image Analyst 许可后可用。

描述

使用来自 GenerateTrend 函数的输出趋势栅格计算预测的多维栅格对象。

讨论

有关此函数工作原理的详细信息,请参阅使用趋势栅格预测函数。

栅格对象的引用栅格数据集是临时的。要将其设置为永久,可以调用栅格对象的 save 方法。

语法

PredictUsingTrend (raster, {dimension_definition_type}, {dimension_values}, {start}, {end}, {interval_value}, {interval_unit})
参数说明数据类型
raster

来自 GenerateTrend 函数的输入趋势栅格。

Raster
dimension_definition_type

指定要用于提供预测维度值的方法。

  • BY_VALUE - 将针对单个维度值或由 dimension_values 参数定义的一系列维度值来计算预测。这是默认设置。
  • BY_INTERVAL - 将针对由 startend 参数定义的维度间隔来计算预测。

(默认值为 BY_VALUE)

String
dimension_values
[dimension_values,...]

预测中要使用的一个或一系列维度值。该值的格式必须与输入多维栅格中的维度格式相匹配。如果为 StdTime 维度生成了趋势栅格,则其格式将为 YYYY-MM-DDTHH:MM:SS,例如 2050-01-01T12:00:00。

当将 dimension_def 参数设置为 BY_VALUE 时,此参数为必需项。

(默认值为 None)

String
start

预测中要使用的维度间隔的开始日期、高度或深度。该值的格式必须与输入多维栅格中的维度格式相匹配。

(默认值为 None)

String
end

预测中要使用的维度间隔的结束日期、高度或深度。该值的格式必须与输入多维栅格中的维度格式相匹配。

(默认值为 None)

String
interval_value

要包含在预测中的两个纬度值之间的步长数量。默认值为 1。

(默认值为 1)

Double
interval_unit

指定将用于 interval_value 参数的单位。仅当分析的维度是时间维度时,此参数才适用。

  • HOURS - 将在用 startendinterval_value 参数描述的时间范围内计算每小时的预测。
  • DAYS - 将在用 startendinterval_value 参数描述的时间范围内计算每天的预测。
  • WEEKS - 将在用 startendinterval_value 参数描述的时间范围内计算每周的预测。
  • MONTHS - 将在用 startendinterval_value 参数描述的时间范围内计算每月的预测。
  • YEARS - 将在用 startendinterval_value 参数描述的时间范围内计算每年的预测。

(默认值为 HOURS)

String
返回值
数据类型说明
Raster

输出栅格。

代码示例

PredictUsingTrendRaster 示例

本示例将生成 2025 年每个月的预测 NDVI 值。

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

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

# Set the local variables
in_raster = "C:/Data/NDVI_Trend.crf"
dimension_def = "BY_INTERVAL"
dimension_values = "None"
start = "2025-01-01T00:00:00"
end = "2025-12-31T00:00:00"
interval_value = 1
interval_unit = "MONTHS"

# Apply PredictUsingTrendRaster function
predicted_raster = arcpy.ia.PredictusingTrend(in_raster, dimension_def, 
                        dimension_values , start, end, interval_value, interval_unit)
	
# Save the output
predicted_raster.save("C:/arcpyExamples/outputs/predicted_NDVI.crf")