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 |
幂 (可选) | 用于控制周围点对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 |
搜索邻域 (可选) | 定义用于控制输出的周围点。“标准”为默认选项。 标准
平滑
标准圆形
平滑圆
| Geostatistical Search Neighborhood |
权重字段 (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 |
需要 Geostatistical Analyst 许可。
使用情况
预测值将被限制在用于插值的值的范围内。 因为 IDW(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,如果尚未对这些极端值进行采样,则无法创建山脊或山谷。
反距离权重法可以在数据位置周围产生靶心效应。
与其他插值方法(例如克里金法)不同,反距离权重法不会对输入数据的统计属性做出明确的假设。 当输入数据不满足更高级插值方法的统计假设时,通常会使用反距离权重法。
此方法非常适合用于非常大的输入数据集。
参数
arcpy.ga.IDW(in_features, z_field, {out_ga_layer}, {out_raster}, {cell_size}, {power}, {search_neighborhood}, {weight_field})
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 |
power (可选) | 用于控制周围点对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:SearchNeighborhoodStandard、SearchNeighborhoodSmooth、SearchNeighborhoodStandardCircular 和 SearchNeighborhoodSmoothCircular。 标准
平滑
标准圆形
平滑圆
| 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
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"), "")
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 Geostatistical Analyst
- Standard: 需要 Geostatistical Analyst
- Advanced: 需要 Geostatistical Analyst