含障碍的核插值法 (地统计分析)

需要 Geostatistical Analyst 许可。

摘要

一个移动窗口预测器,它使用两点之间的最短距离,这样可以将线障碍任意一侧的点都连接起来。

含障碍的核插值法的工作原理

使用情况

  • 绝对要素障碍采用“非欧氏”距离方法而非“通视分析”方法。“通视分析”方法要求测量位置与需要预测的位置间的直线与障碍要素不相交。如果障碍周围的距离位于搜索邻域规范之内,则将对其使用“非欧氏”距离方法。

  • 处理时间取决于障碍要素类几何的复杂性。通过使用制图综合工具集中的工具对要素进行平滑处理或删除某些要素可创建新要素类。

  • 针对指数高斯函数常量核函数应用平滑系数,使核具有有限的半径(等于指定的带宽)。

参数

标注说明数据类型
输入要素

包含要插入的 z 值的输入点要素。

Feature Layer
Z 值字段

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
输出地统计图层
(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
输出栅格
(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
输出像元大小
(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
输入绝对障碍要素
(可选)

使用“非欧氏”距离而非“通视”距离的绝对障碍要素。

Feature Layer
核函数
(可选)

模拟中所使用的核函数。

  • 指数函数 函数按比例增长或衰减。
  • 高斯函数 朝正/负无穷方向快速跌落的钟形函数。
  • 四次式 四阶多项式函数。
  • Epanechnikov 不连续的抛物线函数。
  • 五阶多项式 五阶多项式函数。
  • 常量指示函数。
String
带宽
(可选)

用于指定预测所用数据点之间的最大距离。随着带宽的增加,预测偏差将增加,而预测方差会减少。

Double
多项式的阶
(可选)

设置多项式的阶数。

Long
山脊参数
(可选)

用于线性方程组解的数值稳定性。对于不含障碍的规则分布数据,它不会影响预测。对于数据位于要素障碍附近或被障碍隔离的区域,预测可能不稳定,而往往需要相对较大的山脊参数值。

Double
输出表面类型
(可选)

用于存储插值结果的表面类型。

  • 预测可通过内插值生成的预测表面。
  • 预测的标准误差 标准误差表面可通过内插值的标准误差生成。
String

arcpy.ga.KernelInterpolationWithBarriers(in_features, z_field, {out_ga_layer}, {out_raster}, {cell_size}, {in_barrier_features}, {kernel_function}, {bandwidth}, {power}, {ridge}, {output_type})
名称说明数据类型
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
in_barrier_features
(可选)

使用“非欧氏”距离而非“通视”距离的绝对障碍要素。

Feature Layer
kernel_function
(可选)

模拟中所使用的核函数。

  • EXPONENTIAL 函数按比例增长或衰减。
  • GAUSSIAN 朝正/负无穷方向快速跌落的钟形函数。
  • QUARTIC 四阶多项式函数。
  • EPANECHNIKOV 不连续的抛物线函数。
  • POLYNOMIAL5 五阶多项式函数。
  • CONSTANT指示函数。
String
bandwidth
(可选)

用于指定预测所用数据点之间的最大距离。随着带宽的增加,预测偏差将增加,而预测方差会减少。

Double
power
(可选)

设置多项式的阶数。

Long
ridge
(可选)

用于线性方程组解的数值稳定性。对于不含障碍的规则分布数据,它不会影响预测。对于数据位于要素障碍附近或被障碍隔离的区域,预测可能不稳定,而往往需要相对较大的山脊参数值。

Double
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?

  • PREDICTION可通过内插值生成的预测表面。
  • PREDICTION_STANDARD_ERROR 标准误差表面可通过内插值的标准误差生成。
String

代码示例

KernelInterpolationWithBarriers 示例 1(Python 窗口)

使用障碍要素类将点要素插值成矩形栅格。

import arcpy
arcpy.env.workspace = "C:/gapysamples/data"
arcpy.KernelInterpolationWithBarriers_ga("ca_ozone_pts", "OZONE", "outKIWB",
                                         "C:/gapyexamples/output/kiwbout", "2000",
                                         "ca_outline", "QUARTIC", "", "", "50", "PREDICTION")
KernelInterpolationWithBarriers 示例 2(独立 Python 脚本)

使用障碍要素类将点要素插值成矩形栅格。

# Name: KernelInterpolationWithBarriers_Example_02.py
# Description: Kernel Interpolation with Barriers is a moving window predictor
#   that uses non-Euclidean distances.
# 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 = "outKIWB"
outRaster = "C:/gapyexamples/output/kiwbout"
cellSize = 2000.0
inBarrier = "ca_outline.shp"
kernelFunction = "QUARTIC"
bandwidth = ""
power = ""
ridgeParam = "50"
outputType = "PREDICTION"

# Execute KernelInterpolationWithBarriers
arcpy.KernelInterpolationWithBarriers_ga(inPointFeatures, zField, outLayer, outRaster,
                                         cellSize, inBarrier, kernelFunction, bandwidth,
                                         power, ridgeParam, outputType)

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