克里金法 (Spatial Analyst)

需要 Spatial Analyst 许可。

需要 3D Analyst 许可。

摘要

使用克里金法将点插值成栅格表面。

经验贝叶斯克里金法工具提供了增强的功能或性能。

了解有关克里金法工作原理的详细信息

使用情况

• 克里金法是一个占用大量处理器资源的过程。 执行速度取决于输入数据集中点的数量和搜索窗口的大小。

• 预测栅格可选输出方差中的低值指示预测值的高置信度。 高值可能表示需要更多数据点。

• 泛克里金法类型假定存在结构成分，并且局部趋势在不同的位置有所不同。

• 半变异函数属性可控制克里金法所使用的半变异函数。 步长大小的默认值初始设置为默认输出像元大小。 对于主要范围、偏基台和块金来说，如果未进行任何设置，将会内部计算默认值。

• 预测栅格的可选输出方差在每个输出栅格像元中都含有克里金方差。 假设克里金误差是正态分布的，则像元中实际 z 值等于预测栅格值加上或减去方差栅格中值的平方根 2 倍的可能性为 95.5%。

• 输出像元大小参数可以通过数值进行定义，也可以从现有栅格数据集获取。 如果没有将像元大小明确指定为参数值，则将从像元大小环境获取相应值（前提是已指定环境）。 如果未指定参数像元大小或环境像元大小，但已设置了捕捉栅格环境，则将使用捕捉栅格的像元大小。 如果未任何内容，则像元大小会通过使用范围的宽度或高度中的较小值除以 250 来计算，其中范围位于在环境中指定的输出坐标系内。

• 如果使用数值指定了像元大小，工具将直接将其用于输出栅格。

  如果使用栅格数据集指定了像元大小，则参数将显示栅格数据集的路径而不是像元大小值。 该栅格数据集的像元大小将直接用于分析，前提是数据集的空间参考与输出空间参考相同。 如果数据集的空间参考与输出空间参考不同，将根据指定的像元大小方法值进行投影。

• 某些输入数据集可能包含多个具有相同 x,y 坐标的点。如果共有位置处的点的值相同，则将其视为重复项，但并不影响输出。如果值不同，则将这些点视为重合点。

  各种插值工具可在不同条件下以不同方式处理此数据。例如，在某些情况下，使用遇到的第一个重合点进行计算；而在其他情况下，则使用遇到的最后一个点进行计算。这可能导致输出栅格中某些位置的值与预期值不同。解决办法就是在准备数据时移除这些重合点。“空间统计”工具箱中的收集事件工具用于识别数据中所有的重合点。

• 对于支持空值的数据格式（例如文件地理数据库要素类），当用作输入时，空值将被忽略。

• 有关适用于此工具的地理处理环境的详细信息，请参阅分析环境和 Spatial Analyst。

参数

对话框

标注	说明	数据类型
输入点要素	包含要插值到表面栅格中的 z 值的输入点要素。	Feature Layer
Z 值字段	存放每个点的高度值或量级值的字段。 如果输入点要素包含 z 值，则该字段可以是数值型字段或者 Shape 字段。	Field
半变异函数属性	要使用的半变异函数模型。有两种克里金法：普通克里金法和泛克里金法。 普通克里金法可使用下列半变异函数模型： Spherical—球面半变异函数模型。这是默认设置。 Circular—圆半变异函数模型。 Exponential—指数半变异函数模型。 Gaussian—高斯（或正态分布）半变异函数模型。 Linear—采用基台的线性半变异函数模型。 泛克里金法可使用下列半变异函数模型： Linear with Linear drift—采用一次漂移函数的泛克里金法。 Linear with Quadratic drift—采用二次漂移函数的泛克里金法。 高级参数对话框中有一些选项可供使用。这些参数是： Lag size—默认值为输出栅格的像元大小。 Major range—表示距离，超出此距离即认定为不相关。 Partial sill—块金和基台之间的差值。 Nugget—表示在因过小而无法检测到的空间尺度下的误差和变差。块金效应被视为在原点处的不连续。	KrigingModel
输出像元大小 (可选)	将创建的输出栅格的像元大小。 该参数可以通过数值定义，也可以从现有的栅格数据集获取。 在像元大小未明确指定为参数值的情况下，如果指定了环境像元大小值，则将使用该值；否则，将使用附加规则，根据其他输入来计算该值。 有关详细信息，请参阅使用方法部分。	Analysis Cell Size
搜索半径 (可选)	定义要用来对输出栅格中各像元值进行插值的输入点。 有两个选项：可变和固定。“可变”是默认设置。 可变 使用可变搜索半径来查找用于插值的指定数量的输入采样点。 点数 - 指定要用于执行插值的最邻近输入采样点数量的整数值。默认值为 12 个点。 最大距离 - 使用地图单位指定距离，以此限制对最邻近输入采样点的搜索。默认值是范围的对角线长度。 固定 使用指定的固定距离，将利用此距离范围内的所有输入点进行插值。 距离 - 指定用作半径的距离，在该半径范围内的输入采样点将用于执行插值。 半径值使用地图单位来表示。默认半径是输出栅格像元大小的五倍。 最小点数 - 定义用于插值的最小点数的整数。默认值为 0。 如果在指定距离内没有找到所需点数，则将增加搜索距离，直至找到指定的最小点数。 搜索半径需要增加时就会增加，直到最小点数在该半径范围内，或者半径的范围越过输出栅格的下部（南）和/或上部（北）范围为止。NoData 会分配给不满足以上条件的所有位置。	Radius
预测栅格的输出方差 (可选)	可选的输出栅格，其中每个像元都包含该位置的预测方差值。	Raster Dataset

返回值

标注	说明	数据类型
输出表面栅格	输出插值后的表面栅格。 其总为浮点栅格。	Raster

Python

Kriging(in_point_features, z_field, semiVariogram_props, {cell_size}, {search_radius}, {out_variance_prediction_raster})

名称	说明	数据类型
in_point_features	包含要插值到表面栅格中的 z 值的输入点要素。	Feature Layer
z_field	存放每个点的高度值或量级值的字段。 如果输入点要素包含 z 值，则该字段可以是数值型字段或者 Shape 字段。	Field
semiVariogram_props kriging_model	KrigingModel 类定义要使用的克里金模型。 克里金类分为两种类型。KrigingModelOrdinary 方法具有五种可用的半变异函数。KrigingModelUniversal 方法具有两种可用的半变异函数。 KrigingModelOrdinary ({semivariogramType}, {lagSize}, {majorRange}, {partialSill}, {nugget}) semivariogramType - 要使用的半变异函数模型。可用模型如下： SPHERICAL - 球面半变异函数模型。这是默认设置。 CIRCULAR - 圆半变异函数模型。 EXPONENTIAL - 指数半变异函数模型。 GAUSSIAN - 高斯（或正态分布）半变异函数模型。 LINEAR - 采用基台的线性半变异函数模型。 KrigingModelUniversal ({semivariogramType}, {lagSize}, {majorRange}, {partialSill}, {nugget}) semivariogramType - 要使用的半变异函数模型。可用模型如下： LINEARDRIFT - 采用一次漂移函数的泛克里金法。 QUADRATICDRIFT - 采用二次漂移函数的泛克里金法。 {semivariogramType} 之后，其他参数均是普通克里金法和泛克里金法所共有的参数。 lagSize - 默认值为输出栅格的像元大小。 majorRange - 表示距离，超出此距离即认定为不相关。 partialSill - 块金和基台之间的差值。 nugget - 表示在因过小而无法检测到的空间尺度下的误差和变差。块金效应被视为在原点处的不连续。	KrigingModel
cell_size (可选)	将创建的输出栅格的像元大小。 该参数可以通过数值定义，也可以从现有的栅格数据集获取。 在像元大小未明确指定为参数值的情况下，如果指定了环境像元大小值，则将使用该值；否则，将使用附加规则，根据其他输入来计算该值。 有关详细信息，请参阅使用方法部分。	Analysis Cell Size
search_radius (可选)	Radius 类可定义要用来对输出栅格中各像元值进行插值的输入点。 半径类分为两种类型：RadiusVariable 和 RadiusFixed。使用“可变”搜索半径来查找用于插值的指定数量的输入采样点。“固定”类型使用指定的固定距离，将利用此距离范围内的所有输入点进行插值。“可变”类型是默认值。 RadiusVariable ({numberofPoints}, {maxDistance}) {numberofPoints} - 指定要用于执行插值的最邻近输入采样点数量的整数值。默认值为 12 个点。 {maxDistance} - 使用地图单位指定距离，以此限制对最邻近输入采样点的搜索。默认值是范围的对角线长度。 RadiusFixed ({distance}, {minNumberofPoints}) {distance} - 指定用作半径的距离，在该半径范围内的输入采样点将用于执行插值。 半径值使用地图单位来表示。默认半径是输出栅格像元大小的五倍。 {minNumberofPoints} - 定义用于插值的最小点数的整数。默认值为 0。 如果在指定距离内没有找到所需点数，则将增加搜索距离，直至找到指定的最小点数。 搜索半径需要增加时就会增加，直到 {minNumberofPoints} 在该半径范围内，或者半径的范围越过输出栅格的下部（南）和/或上部（北）范围为止。NoData 会分配给不满足以上条件的所有位置。	Radius
out_variance_prediction_raster (可选)	可选的输出栅格，其中每个像元都包含该位置的预测方差值。	Raster Dataset

返回值

名称	说明	数据类型
out_surface_raster	输出插值后的表面栅格。 其总为浮点栅格。	Raster

代码示例

Kriging 示例 1（Python 窗口）

该示例输入一个点 shapefile，然后通过对表面插值，输出得到 Grid 栅格。

import arcpy
from arcpy import env
from arcpy.sa import *
env.workspace = "C:/sapyexamples/data"
outKrig = Kriging("ozone_pts.shp", "OZONE", KrigingModelOrdinary("CIRCULAR", 2000, 2.6, 542, 0), 2000, RadiusFixed(20000, 1))
outKrig.save("c:/sapyexamples/output/krigout")

Kriging 示例 2（独立脚本）

该示例输入一个点 shapefile，然后通过对表面插值，输出得到 Grid 栅格。

# Name: Kriging_Ex_02.py
# Description: Interpolates a surface from points using kriging.
# Requirements: Spatial Analyst Extension
# Import system modules

import arcpy
from arcpy import env
from arcpy.sa import *

# Set environment settings
env.workspace = "C:/sapyexamples/data"

# Set local variables
inFeatures = "ca_ozone_pts.shp"
field = "OZONE"
cellSize = 2000
outVarRaster = "C:/sapyexamples/output/outvariance"
lagSize = 2000
majorRange = 2.6
partialSill = 542
nugget = 0

# Set complex variables
kModelOrdinary = KrigingModelOrdinary("CIRCULAR", lagSize,
                                majorRange, partialSill, nugget)
kRadius = RadiusFixed(20000, 1)



# Execute Kriging
outKriging = Kriging(inFeatures, field, kModelOrdinary, cellSize,
                     kRadius, outVarRaster)

# Save the output 
outKriging.save("C:/sapyexamples/output/krigoutput02")

环境

自动提交, 像元大小, 像元大小投影方法, 当前工作空间, 范围, 地理变换, 掩膜, 输出配置关键字, 输出坐标系, 临时工作空间, 捕捉栅格, 切片大小

许可信息

• Basic: 需要 Spatial Analyst 或 3D Analyst
• Standard: 需要 Spatial Analyst 或 3D Analyst
• Advanced: 需要 Spatial Analyst 或 3D Analyst