反距离权重法 (地统计分析)

需要 Geostatistical Analyst 许可。

描述

使用要预测位置周围的测量值预测任意未采样位置的值,此方法基于如下假设:彼此接近的事物的相似程度高于彼此远离的事物。

反距离权重法的工作原理

使用方法

  • 预测值仅限于用于插值的值的范围。因为反距离权重法是加权平均距离,所以该平均值不可能大于最大输入或小于最小输入。因此,如果尚未对这些极值采样,便无法创建山脊或山谷。

  • 反距离权重法可能会在数据位置周围产生“牛眼”效应。

  • 不同于克里金法等其他插值方法,反距离权重法对输入数据的统计属性没有明确假设。当输入数据不符合更高级插值方法的统计属性假设条件时,通常会使用反距离权重法。

  • 此方法非常适合用于超大型输入数据集。

语法

arcpy.ga.IDW(in_features, z_field, {out_ga_layer}, {out_raster}, {cell_size}, {power}, {search_neighborhood}, {weight_field})
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
power
(可选)

控制周围点对于内插值的重要性的距离指数。幂值越高,远数据点的影响会越小。

Double
search_neighborhood
(可选)

定义用于控制输出的周围点。“标准”为默认选项。

以下是搜索邻域类:SearchNeighborhoodStandardSearchNeighborhoodSmoothSearchNeighborhoodStandardCircularSearchNeighborhoodSmoothCircular

标准

  • majorSemiaxis - 搜索邻域的长半轴值。
  • minorSemiaxis - 搜索邻域的短半轴值。
  • angle - 移动窗口的轴(圆)或长半轴(椭圆)的旋转角度。
  • nbrMax - 用于估计未知位置值的最大相邻数。
  • nbrMin - 用于估计未知位置值的最小相邻数。
  • sectorType - 邻域的几何。
    • ONE_SECTOR - 单个椭圆。
    • FOUR_SECTORS - 分为四个扇区的椭圆。
    • FOUR_SECTORS_SHIFTED - 分为四个扇区且偏移 45 度的椭圆。
    • EIGHT_SECTORS - 分为八个扇区的椭圆。

平滑

  • majorSemiaxis - 搜索邻域的长半轴值。
  • minorSemiaxis - 搜索邻域的短半轴值。
  • angle - 移动窗口的轴(圆)或长半轴(椭圆)的旋转角度。
  • smoothFactor -“平滑插值”选项可在“长半轴”与“平滑系数”相乘所得的距离处创建一个外椭圆和一个内椭圆。使用反曲线函数可对位于最小椭圆外、最大椭圆内的点加权,加权值介于 0 和 1 之间。

标准圆

  • radius - 搜索圆的半径长度。
  • angle - 移动窗口的轴(圆)或长半轴(椭圆)的旋转角度。
  • nbrMax - 用于估计未知位置值的最大相邻数。
  • nbrMin - 用于估计未知位置值的最小相邻数。
  • sectorType - 邻域的几何。
    • ONE_SECTOR - 单个椭圆。
    • FOUR_SECTORS - 分为四个扇区的椭圆。
    • FOUR_SECTORS_SHIFTED - 分为四个扇区且偏移 45 度的椭圆。
    • EIGHT_SECTORS - 分为八个扇区的椭圆。

平滑圆

  • radius - 搜索圆的半径长度。
  • smoothFactor -“平滑插值”选项可在“长半轴”与“平滑系数”相乘所得的距离处创建一个外椭圆和一个内椭圆。使用反曲线函数可对位于最小椭圆外、最大椭圆内的点加权,加权值介于 0 和 1 之间。
Geostatistical Search Neighborhood
weight_field
(可选)

用于强调某个观测。权重越大,对预测的影响就越大。对于重合的观测,为最可靠的测量值分配最大权重。

Field

代码示例

IDW(Python 窗口)

将一系列点要素插值成栅格。

import arcpy
arcpy.env.workspace = "C:/gapyexamples/data"
arcpy.IDW_ga("ca_ozone_pts", "OZONE", "outIDW", "C:/gapyexamples/output/idwout", "2000", "2",
             arcpy.SearchNeighborhoodStandard(300000, 300000, 0, 15, 10, "ONE_SECTOR"), "")
IDW(独立脚本)

将一系列点要素插值成栅格。

# Name: InverseDistanceWeighting_Example_02.py
# Description: Interpolate a series of point features onto a rectangular raster
#              using Inverse Distance Weighting (IDW).
# Requirements: Geostatistical Analyst Extension

# 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 = "outIDW"
outRaster = "C:/gapyexamples/output/idwout"
cellSize = 2000.0
power = 2

# Set variables for search neighborhood
majSemiaxis = 300000
minSemiaxis = 300000
angle = 0
maxNeighbors = 15
minNeighbors = 10
sectorType = "ONE_SECTOR"
searchNeighbourhood = arcpy.SearchNeighborhoodStandard(majSemiaxis, minSemiaxis,
                                                       angle, maxNeighbors,
                                                       minNeighbors, sectorType)

# Execute IDW
arcpy.IDW_ga(inPointFeatures, zField, outLayer, outRaster, cellSize, 
             power, searchNeighbourhood)

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

相关主题