使用趋势栅格预测 (Image Analyst)

获得 Image Analyst 许可后可用。

描述

使用来自生成趋势栅格工具的输出趋势栅格来计算预测多维栅格。

使用方法

  • 该工具可将生成趋势栅格工具的输入用作输入多维趋势栅格。

  • 此工具可生成采用云栅格格式 (CRF) 的多维栅格数据集。目前尚不支持其他输出格式。

  • 默认情况下,将使用 LZ77 压缩类型压缩多维栅格输出。但是,建议您将压缩类型更改为 LERC,并根据您的数据调整最大误差。例如,如果您希望将分析结果精确到三位小数,则请将最大误差值设置为 0.001。最好避免不必要的精度要求,因为这会导致处理时间和存储大小增加。

语法

PredictUsingTrendRaster(in_multidimensional_raster, {variables}, {dimension_def}, {dimension_values}, {start}, {end}, {interval_value}, {interval_unit})
参数说明数据类型
in_multidimensional_raster

来自生成趋势栅格工具的输入多维趋势栅格。

Raster Dataset; Raster Layer; Mosaic Dataset; Mosaic Layer; Image Service; File
variables
[variables,...]
(可选)

将在分析中预测的一个或多个变量。如果未指定任何变量,则将使用所有变量。

String
dimension_def
(可选)

指定用于提供预测维度值的方法。

  • BY_VALUE将针对单个维度值或由参数(在 Python 中为 dimension_values)定义的一系列维度值来计算预测。这是默认设置。例如,您要预测 2050、2100 和 2150 年的年降水量。
  • BY_INTERVAL将针对由起始值和结束值定义的维度间隔来计算预测。例如,您要预测 2050 年到 2150 年之间每年的年降水量。
String
dimension_values
[dimension_values,...]
(可选)

预测中要使用的一个或多个维度值。

时间、深度和高度值的格式必须与用于生成趋势栅格的维度值的格式相匹配。如果为 StdTime 维度生成了趋势栅格,则其格式应为 YYYY-MM-DDTHH:MM:SS,例如 2050-01-01T00:00:00。用分号分隔多个值。

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

String
start
(可选)

预测中要使用的维度间隔的开始日期、高度或深度。

String
end
(可选)

预测中要使用的维度间隔的结束日期、高度或深度。

String
interval_value
(可选)

要包含在预测中的两个维度值之间的步长数量。默认值为 1。

例如,要预测每五年的温度值,请使用值 5。

Double
interval_unit
(可选)

指定将用于间隔值的单位。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。
String

返回值

名称说明数据类型
out_multidimensional_raster

输出云栅格格式 (CRF) 多维栅格数据集。

Raster

代码示例

PredictUsingTrendRaster 示例 1(Python 窗口)

本示例将生成 2050 年 1 月 1 日和 2100 年 1 月 1 日的预测降水量和温度。

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

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

# Execute 
predictOutput = PredictUsingTrendRaster("C:/Data/LinearTrendCoefficients.crf",
	"temp;precip", "BY_VALUE", "2050-01-01T00:00:00;2100-01-01T00:00:00")
	
# Save output
predictOutput.save("C:/Data/Predicted_Temp_Precip.crf")
PredictUsingTrendRaster 示例 2(独立脚本)

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")

# Define input parameters
inFile = "C:/Data/HarmonicTrendCoefficients.crf"
variables = "NDVI"
dimension_definition = "BY_INTERVAL"
start = "2025-01-01T00:00:00"
end = "2025-12-31T00:00:00"
interval_value = 1
interval_unit = "MONTHS"

# Execute - predict the monthly NDVI in 2025 
predictOutput = PredictUsingTrendRaster(inFile, variables, 
	dimension_definition, '', start, end, interval_value, interval_unit)
	
# Save output
predictOutput.save("C:/data/predicted_ndvi.crf")

许可信息

  • Basic: 需要 Image Analyst
  • Standard: 需要 Image Analyst
  • Advanced: 需要 Image Analyst

相关主题