instruction stringclasses 31
values | input stringclasses 19
values | output stringlengths 8 3.05k |
|---|---|---|
Geostatistical Analyst 工具箱 | 概述 | 利用 Geostatistical Analyst，可通过存储于点要素图层或栅格图层或多边形质心的测量值创建连续表面或地图。采样点可以是高程、地下水位深度或污染等级等测量值。Geostatistical Analyst 可提供一组功能全面的工具，以创建可用于显示、分析和了解空间现象的表面。
| 工具集 | 描述 |
| --- | --- |
| 插值分析 | 预测无测量值位置的值工具。 |
| 采样网络设计 | 包含放置新采样点的辅助工具。增密采样网络工具也可用于确定不再需要的采样点。 |
| 模拟 | 该工具集中的工具用于执行地统计模拟以及辅助结果的分析。 |
| 实用工具 | 使用 Geostatistical Analys... |
Geostatisical Analyst工具条 | Geostatistical Analyst 包含用于探索性空间数据分析的工具，以及可引导您完成创建在统计学上有效的表面的过程的地统计向导。这些工具并不是地理处理工具的一部分；但是，它们得出的结果可以在地理处理工具中使用。
| 工具 | 描述 |
| --- | --- |
| 探索性空间数据分析 (ESDA) | 以不同的方式检查数据，可以在创建表面之前了解数据，以便更深入地了解调查的现象，以及就数据相关的问题做出更好的决断。 |
| 向导 | Geostatistical Analyst 向导可指导您完成统计意义上有效表面的创建过程。 |
| 子集要素 | 将原始数据集分为两部分：一部分用于建立空间结构模型和生成表面，另一... | |
插值工具集 | 概述 | 预测无测量值位置的值工具。
| 工具 | 摘要 |
| --- | --- |
| 含障碍的扩散插值法 | 使用基于热方程的核插值表面，并且允许使用栅格和要素障碍重新定义输入点间的距离。 |
| 经验贝叶斯克里金法 | 经验贝叶斯克里金法是一种插值方法，可通过反复模拟，对基础半变异函数估算中的错误进行说明。 |
| 全局多项式插值法 | 将使用数学函数（多项式）定义的平滑表面与输入采样点拟合。 |
| IDW | 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。 |
| 含障碍的核插值法 | 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... |
含障碍的扩散插值 | 描述 | 使用基于热方程的核插值表面，并且允许使用栅格和要素障碍重新定义输入点间的距离。
了解有关“含障碍的扩散插值”工作原理的详细信息 |
含障碍的扩散插值 | 使用方法 | - 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。
- 对于**输入附加障碍栅格**参数，其值必须大于或等于 1。值 1 表示没有障碍。
- **输入累积障碍栅格**参数中值的单位应该与 x，y 坐标单位相同。如果相邻单元的值相同，则表示该位置没有障碍。
- **输入流动障碍栅格**中值的单位应该与 x，y 坐标单位相同。如果相邻像元的值相同，则表示该位置没有... |
含障碍的扩散插值 | 语法 | arcpy.ga.DiffusionInterpolationWithBarriers(in_features, z_field, {out_ga_layer}, {out_raster}, {cell_size}, {in_barrier_features}, {bandwidth}, {number_iterations}, {weight_field}, {in_additive_barrier_raster}, {in_cumulative_barrier_raster}, {in_flow_barrier_raster})
| 参数 | 说明 | 数据类型 |
| --- | --- | --- |
| in_fea... |
含障碍的扩散插值 | 代码示例 - Python 窗口 | ```python
import arcpy
arcpy.env.workspace = "C:/gapyexamples/data"
arcpy.DiffusionInterpolationWithBarriers_ga("ca_ozone_pts", "OZONE", "outDIWB",
"C:/gapyexamples/output/diwbout", "2000",
"ca_outline", "", "10", "", "", "", "")
``` |
含障碍的扩散插值 | 代码示例 - 独立 Python 脚本 | ```python
# Name: DiffusionInterpolationWithBarriers_Example_02.py
# Description: Diffusion Interpolation with Barriers uses a kernel which is
# based upon the heat equation and describes the variation in
# temperature with time in a homogeneous medium.
# Requirements: Geostatistical Analyst Extension
# Import system m... |
含障碍的扩散插值 | 环境 | - 像元大小
- 重合点
- 当前工作空间
- 范围
- 地理变换
- 掩膜
- 输出坐标系
- 捕捉栅格 |
含障碍的扩散插值 | 许可信息 | - Basic: 需要 Geostatistical Analyst
- Standard: 需要 Geostatistical Analyst
- Advanced: 需要 Geostatistical Analyst |
经验贝叶斯克里金法 | 描述 | 经验贝叶斯克里金法是一种插值方法，可通过反复模拟，对基础半变异函数估算中的错误进行说明。 |
经验贝叶斯克里金法 | 使用方法 | - 该克里金法可处理一般程度上不稳定的输入数据。
- 此插值方法仅允许标准圆形和平滑圆形**搜索邻域**。
- **搜索邻域**的**平滑圆形**选项将显著增加执行时间。
- **每个本地模型中的最大点数值**和**本地模型重叠系数**值越大，执行时间就越长。应用**数据变换**也会显著增加执行时间。
- 为避免内存用尽，软件可以限制能够用于并行处理的 CPU 核数量。可用的最大内核数量将根据子集大小、半变异函数模型类型、计算机操作系统以及工具使用 32 位还是 64 位处理来确定。通过安装后台地理处理（64 位）产品以及启用后台地理处理，即可能成功运行该工具。
- 如果输入数据位于地理坐标系中，将使用弦距离来计算所有距离。有关... |
经验贝叶斯克里金法 | 语法 | arcpy.ga.EmpiricalBayesianKriging(in_features, z_field, {out_ga_layer}, {out_raster}, {cell_size}, {transformation_type}, {max_local_points}, {overlap_factor}, {number_semivariograms}, {search_neighborhood}, {output_type}, {quantile_value}, {threshold_type}, {probability_threshold}, {semivariogram_model_type})
| 参数 |... |
经验贝叶斯克里金法 | 代码示例 - EmpiricalBayesianKriging 示例 1（Python 窗口） | ```python
import arcpy
arcpy.EmpiricalBayesianKriging_ga("ca_ozone_pts", "OZONE", "outEBK", "C:/gapyexamples/output/ebkout",
10000, "NONE", 50, 0.5, 100,
arcpy.SearchNeighborhoodStandardCircular(300000, 0, 15, 10, "ONE_SECTOR"),
"PREDICTION", "", "", "", "LINEAR")
``` |
经验贝叶斯克里金法 | 代码示例 - EmpiricalBayesianKriging 示例 2（独立脚本） | ```python
# Name: EmpiricalBayesianKriging_Example_02.py
# Description: Bayesian kriging approach whereby many models created around the
# semivariogram model estimated by the restricted maximum likelihood algorithm is used.
# Requirements: Geostatistical Analyst Extension
# Author: Esri
# Import system modules
import ... |
经验贝叶斯克里金法 | 环境 | - 像元大小
- 重合点
- 当前工作空间
- 范围
- 地理变换
- 掩膜
- 输出坐标系
- 捕捉栅格 |
经验贝叶斯克里金法 | 许可信息 | - Basic: 需要 Geostatistical Analyst
- Standard: 需要 Geostatistical Analyst
- Advanced: 需要 Geostatistical Analyst |
全局多项式插值法 | 描述 | 将使用数学函数（多项式）定义的平滑表面与输入采样点拟合。 |
全局多项式插值法 | 使用方法 | - 使用此工具可获得表示感兴趣区域表面渐进趋势的平滑表面。
- 当数据中存在短程变化时，应使用局部多项式插值法工具。 |
全局多项式插值法 | 语法 | arcpy.ga.GlobalPolynomialInterpolation(in_features, z_field, {out_ga_layer}, {out_raster}, {cell_size}, {power}, {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<br>... |
全局多项式插值法 | 代码示例 - Python 窗口 | ```python
import arcpy
arcpy.env.workspace = "C:/gapysamples/data"
arcpy.GlobalPolynomialInterpolation_ga("ca_ozone_pts", "OZONE", "outGPI",
"C:/gapyexamples/output/gpiout", "2000", "2", "")
``` |
全局多项式插值法 | 代码示例 - 独立脚本 | ```python
# Name: GlobalPolynomialInterpolation_Example_02.py
# Description: Global Polynomial interpolation fits a smooth surface that is
# defined by a mathematical function (a polynomial) to the input
# sample points. The Global Polynomial surface changes gradually
# and captures coarse-scale pattern in the data. Gl... |
全局多项式插值法 | 环境 | - 像元大小
- 重合点
- 当前工作空间
- 范围
- 地理变换
- 掩膜
- 输出坐标系
- 捕捉栅格 |
全局多项式插值法 | 许可信息 | - Basic: 需要 Geostatistical Analyst
- Standard: 需要 Geostatistical Analyst
- Advanced: 需要 Geostatistical Analyst |
反距离权重法 | 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 |
反距离权重法 | 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。 |
反距离权重法 | 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<br><br... |
反距离权重法 | 代码示例 - Python 窗口 | ```python
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"), "")
``` |
反距离权重法 | 代码示例 - 独立脚本 | ```python
# 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:/ga... |
反距离权重法 | 环境 | - 像元大小
- 重合点
- 当前工作空间
- 范围
- 地理变换
- 掩膜
- 输出坐标系
- 捕捉栅格 |
反距离权重法 | 许可信息 | - Basic: 需要 Geostatistical Analyst
- Standard: 需要 Geostatistical Analyst
- Advanced: 需要 Geostatistical Analyst |
含障碍的核插值法 | 描述 | 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 | 使用方法 | - 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**和**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**）。 |
含障碍的核插值法 | 语法 | arcpy.ga.KernelInterpolationWithBarriers(in_features, z_field, {out_ga_layer}, {out_raster}, {cell_size}, {in_barrier_features}, {kernel_function}, {bandwidth}, {power}, {ridge}, {output_type})
| 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... |
含障碍的核插值法 | 代码示例 - Python 窗口 | ```python
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")
``` |
含障碍的核插值法 | 代码示例 - 独立 Python 脚本 | ```python
# 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:/g... |
含障碍的核插值法 | 环境 | - 像元大小
- 重合点
- 当前工作空间
- 范围
- 地理变换
- 掩膜
- 输出坐标系
- 捕捉栅格 |
含障碍的核插值法 | 许可信息 | - Basic: 需要 Geostatistical Analyst
- Standard: 需要 Geostatistical Analyst
- Advanced: 需要 Geostatistical Analyst |
局部多项式插值法 | 描述 | 拟合处于指定重叠邻域内的指定阶（零阶、一阶、二阶、三阶等）多项式以生成输出表面。 |
局部多项式插值法 | 使用方法 | - 当数据集显示短程变化时，可使用局部多项式插值法。
- 全局多项式插值法适用于在数据集中创建平滑表面以及确定长期趋势。然而，在地球科学中，除了长期趋势之外，感兴趣的变量通常还具有短程变化。当数据集显示出短程变化时，局部多项式插值法地图可捕获这种变化。 |
局部多项式插值法 | 语法 | arcpy.ga.LocalPolynomialInterpolation(in_features, z_field, {out_ga_layer}, {out_raster}, {cell_size}, {power}, {search_neighborhood}, {kernel_function}, {bandwidth}, {use_condition_number}, {condition_number}, {weight_field}, {output_type})
| 参数 | 说明 | 数据类型 |
| --- | --- | --- |
| in_features | 包含要插入的 z 值的输入点要素。 | ... |
局部多项式插值法 | 代码示例 - Python 窗口 | ```python
import arcpy
arcpy.env.workspace = "C:/gapyexamples/data"
arcpy.LocalPolynomialInterpolation_ga(
"ca_ozone_pts", "OZONE", "outLPI", "C:/gapyexamples/output/lpiout", "2000",
"2", arcpy.SearchNeighborhoodSmooth(300000, 300000, 0, 0.5), "QUARTIC",
"", "", "", "", "PREDICTION")
``` |
局部多项式插值法 | 代码示例 - 独立脚本 | ```python
# Name: LocalPolynomialInterpolation_Example_02.py
# Description: Local Polynomial interpolation fits many polynomials, each
# within specified overlapping neighborhoods.
# Requirements: Geostatistical Analyst Extension
# Import system modules
import arcpy
# Set environment settings
arcpy.env.workspace = "C:/... |
局部多项式插值法 | 环境 | - 像元大小
- 重合点
- 当前工作空间
- 范围
- 地理变换
- 掩膜
- 输出坐标系
- 捕捉栅格 |
局部多项式插值法 | 许可信息 | - Basic: 需要 Geostatistical Analyst
- Standard: 需要 Geostatistical Analyst
- Advanced: 需要 Geostatistical Analyst |
移动窗口克里金法 | 描述 | 基于较小的邻域，经过所有位置点重新计算变程、块金和偏基台半变异函数参数。 |
移动窗口克里金法 | 使用方法 | - 地统计模型源是应用克里金模型，而非经验贝叶斯克里金模型地的统计图层或地统计模型 (XML)。
- 输入数据集必须至少包含 10 个点该工具才能执行。但是，该工具在处理含有非静态趋势的大型数据集时效果最佳。
- 在 Python 脚本中，**GeostatisticalDatasets** ArcPy 类将用于填充**输入数据集**参数。
- 对于支持空值的数据格式（如文件地理数据库要素类），使用空值表示无法对该位置做出预测或该值用作输入时应被忽略。对于不支持空值的数据格式（如 shapefile），使用值 -1.7976931348623158e+308（C++ 定义的常量 DBL_MAX 的负数）表示无法对该位置做出预测。 |
移动窗口克里金法 | 语法 | arcpy.ga.GAMovingWindowKriging(in_ga_model_source, in_datasets, in_locations, neighbors_max, out_featureclass, {cell_size}, {out_surface_grid})
| 参数 | 说明 | 数据类型 |
| --- | --- | --- |
| in_ga_model_source | 要分析的地统计模型源。 | File; Geostatistical Layer |
| in_datasets | **GeostatisticalDatasets** 对象。<br><br>也可以是以分号分隔的元素字... |
移动窗口克里金法 | 代码示例 - Python 窗口 | ```python
import arcpy
arcpy.env.workspace = "C:/gapyexamples/data"
arcpy.GAMovingWindowKriging_ga(
"C:/gapyexamples/data/kriging.lyr", "C:/gapyexamples/data/ca_ozone_pts.shp OZONE",
"C:/gapyexamples/data/obs_pts.shp", "10", "C:/gapyexamples/output/outMWK", "", "")
``` |
移动窗口克里金法 | 代码示例 - 独立脚本 | ```python
# Name: MovingWindowKriging_Example_02.py
# Description: The kriging model is automatically estimated for each neighborhood
# as the kriging interpolation moves through all the location points.
# Requirements: Geostatistical Analyst Extension
# Import system modules
import arcpy
# Set environment settings
arc... |
移动窗口克里金法 | 环境 | - 像元大小
- 重合点
- 当前工作空间
- 范围
- 地理变换
- 掩膜
- 输出坐标系
- 临时工作空间
- 捕捉栅格 |
移动窗口克里金法 | 许可信息 | - Basic: 需要 Geostatistical Analyst
- Standard: 需要 Geostatistical Analyst
- Advanced: 需要 Geostatistical Analyst |
径向基函数(RBF)插值法 | 描述 | 使用五种基函数之一对准确经过各输入点的表面进行插值。 |
径向基函数(RBF)插值法 | 使用方法 | - 平滑搜索邻域只可用于反高次曲面 (multiquadric) 函数。
- 对于除反高次曲面函数之外的所有方法，参数值越大，表面越平滑。而对于反高次曲面函数则正好相反。 |
径向基函数(RBF)插值法 | 语法 | arcpy.ga.RadialBasisFunctions(in_features, z_field, {out_ga_layer}, {out_raster}, {cell_size}, {search_neighborhood}, {radial_basis_functions}, {small_scale_parameter})
| 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... |
径向基函数(RBF)插值法 | 代码示例 - Python 窗口 | ```python
import arcpy
arcpy.env.workspace = "C:/gapyexamples/data"
arcpy.RadialBasisFunctions_ga(
"ca_ozone_pts", "OZONE", "outRBF", "C:/gapyexamples/output/rbfout", "2000",
arcpy.SearchNeighborhoodStandard(300000, 300000, 0, 15, 10, "ONE_SECTOR"),
"THIN_PLATE_SPLINE", "")
``` |
径向基函数(RBF)插值法 | 代码示例 - 独立脚本 | ```python
# Name: RadialBasisFunctions_Example_02.py
# Description: RBF methods are a series of exact interpolation techniques;
# that is, the surface must go through each measured sample value.
# Requirements: Geostatistical Analyst Extension
# Import system modules
import arcpy
# Set environment settings
arcpy.env.wo... |
径向基函数(RBF)插值法 | 环境 | - 像元大小
- 重合点
- 当前工作空间
- 范围
- 地理变换
- 掩膜
- 输出坐标系
- 捕捉栅格 |
径向基函数(RBF)插值法 | 许可信息 | - Basic: 需要 Geostatistical Analyst
- Standard: 需要 Geostatistical Analyst
- Advanced: 需要 Geostatistical Analyst |
采样网络设计工具集 | 概述 | 包含放置新采样点的辅助工具。增密采样网络工具也可用于确定不再需要的采样点。
| 工具 | 说明 |
| --- | --- |
| 创建空间平衡点 | 基于包含概率生成一组采样点，进而获得空间平衡的采样设计。此工具通常用于通过对采样位置提出建议来设计监控网络，以及使用包含概率栅格定义特定位置的优先级。 |
| 增密采样网络 | 使用预定义的地统计克里金图层来确定新监测站的构建位置。也可用于确定哪些监测站应从现有网络中移除。 | |
创建空间平衡点 | 描述 | 基于包含概率生成一组采样点，进而获得空间平衡的采样设计。此工具通常用于通过对采样位置提出建议来设计监控网络，以及使用包含概率栅格定义特定位置的优先级。 |
创建空间平衡点 | 使用方法 | - 输入概率栅格只能包含 0 到 1 之间的值。值越大，采样设计中包含该像元的可能性就越大。
- 研究区域内所有值的包含概率都应 >= 0，而研究区域以外的所有区域的概率都应为空值。
- 包含概率栅格的像元大小将决定生成样本时的最佳分辨率。
- 将点、线或面要素转换为栅格时需考虑像元分辨率、要素呈现精度和GPS定位精度。
- 建议采样点数量不超过栅格像元数的1%以避免空间失衡。
- 使用随机数生成器环境控制种子值保证结果可复现。 |
创建空间平衡点 | 语法 | arcpy.ga.CreateSpatiallyBalancedPoints(in_probability_raster, number_output_points, out_feature_class)
| 参数 | 说明 | 数据类型 |
| --- | --- | --- |
| in_probability_raster | 定义包含概率的栅格（0-1） | Raster Layer; Mosaic Layer |
| number_output_points | 生成的采样点数量 | Long |
| out_feature_class | 输出包含位置和概率的要素类 | Feature Class | |
创建空间平衡点 | 代码示例 - Python 窗口 | ```python
import arcpy
arcpy.env.workspace = "C:/gapyexamples/data"
arcpy.CreateSpatiallyBalancedPoints_ga("ca_prob", "10", "C:/gapyexamples/output/csbp")
``` |
创建空间平衡点 | 代码示例 - 独立脚本 | ```python
# Name: CreateSpatiallyBalancedPoints_Example_02.py
# Description: 生成空间平衡采样点设计方案
import arcpy
arcpy.env.workspace = "C:/gapyexamples/data"
arcpy.CreateSpatiallyBalancedPoints_ga("ca_prob", 10, "C:/gapyexamples/output/csbp")
``` |
创建空间平衡点 | 环境 | - 当前工作空间
- 范围
- 地理变换
- 输出坐标系
- 随机数生成器
- 临时工作空间 |
创建空间平衡点 | 许可信息 | - Basic: 需要 Geostatistical Analyst
- Standard: 需要 Geostatistical Analyst
- Advanced: 需要 Geostatistical Analyst |
增密采样网络 | 描述 | 使用预定义的地统计克里金图层来确定新监测站的构建位置。也可用于确定哪些监测站应从现有网络中移除。 |
增密采样网络 | 使用方法 | - 输入地统计图层必须为克里金图层
- 可能因选择条件重复选中同一位置，建议使用限制性距离参数避免
- 移除影响最小的监测站时，应选择对预测面影响最小的候选点 |
增密采样网络 | 语法 | arcpy.ga.DensifySamplingNetwork(in_geostat_layer, number_output_points, out_feature_class, {selection_criteria}, {threshold}, {in_weight_raster}, {in_candidate_point_features}, {inhibition_distance})
| 参数 | 说明 | 数据类型 |
| --- | --- | --- |
| in_geostat_layer | 克里金模型生成的地统计图层 | Geostatistical Layer |
| number_output_po... |
增密采样网络 | 代码示例 - Python 窗口 | ```python
import arcpy
arcpy.env.workspace = "C:/gapyexamples/data"
arcpy.DensifySamplingNetwork_ga("C:/gapyexamples/data/Kriging.lyr", 2,
"C:/gapyexamples/output/outDSN")
``` |
增密采样网络 | 代码示例 - 独立脚本 | ```python
# 增密采样网络独立脚本示例
import arcpy
arcpy.env.workspace = "C:/gapyexamples/data"
arcpy.DensifySamplingNetwork_ga("Kriging.lyr", 2, "outDSN")
``` |
增密采样网络 | 环境 | - 当前工作空间
- 范围
- 地理变换
- 输出坐标系
- 临时工作空间 |
增密采样网络 | 许可信息 | - Basic: 需要 Geostatistical Analyst
- Standard: 需要 Geostatistical Analyst
- Advanced: 需要 Geostatistical Analyst |
Geostatistical Analyst 模拟工具集 | 概述 | 该工具集中的工具用于执行地统计模拟以及辅助结果的分析。
| 工具 | 说明 |
| --- | --- |
| 提取值到表 | 基于点或面要素类将一组栅格中的单元值提取到表。 |
| 高斯地统计模拟 | 基于简单克里金模型执行条件或非条件地统计模拟。可将模拟栅格视为与克里金模型具有同等可能性的实现。 | |
提取值到表 | 描述 | 基于点或面要素类将一组栅格中的单元值提取到表。 |
提取值到表 | 使用方法 | - 主要用于分析高斯地统计模拟工具的输出
- 所有栅格需具有相同空间参考和像元大小
- 点要素类为每个栅格生成记录，面要素视为像元中心点
- 忽略栅格范围外的值
- 不支持多部分要素类
- 重合点/面仅处理最后一个要素 |
提取值到表 | 语法 | arcpy.ga.ExtractValuesToTable(in_features, in_rasters, out_table, {out_raster_names_table}, {add_warning_field})
| 参数 | 说明 | 数据类型 |
| --- | --- | --- |
| in_features | 输入点/面要素类 | Feature Layer |
| in_rasters | 相同范围/坐标系/像元大小的栅格 | Raster Layer; Mosaic Layer |
| out_table | 输出包含栅格值的表 | Table |
| out_raster_names_table<br... |
提取值到表 | 代码示例 - Python 窗口 | ```python
import arcpy
from arcpy import env
env.workspace = "C:/gapyexamples/data"
arcpy.ExtractValuesToTable_ga("ca_ozone_pts.shp", "inraster", "outEVFR.dbf")
``` |
提取值到表 | 代码示例 - 独立脚本 | ```python
# 独立脚本示例
import arcpy
arcpy.env.workspace = "C:/gapyexamples/data"
arcpy.ExtractValuesToTable_ga("ca_ozone_pts.shp", "inraster", "outEVFR.dbf")
``` |
提取值到表 | 环境 | - 当前工作空间
- 范围
- 临时工作空间 |
提取值到表 | 许可信息 | - Basic: 需要 Geostatistical Analyst
- Standard: 需要 Geostatistical Analyst
- Advanced: 需要 Geostatistical Analyst |
高斯地统计模拟 | 描述 | 基于简单克里金模型执行条件或非条件地统计模拟。可将模拟栅格视为与克里金模型具有同等可能性的实现。 |
高斯地统计模拟 | 使用方法 | - 输入地统计图层必须为简单克里金模型生成的结果
- 建议进行正态得分变换和去聚处理数据
- 条件模拟需使用与克里金模型相同的数据集
- 输出命名规则：模拟栅格使用前缀+s0~sN，后处理栅格使用统计类型后缀
- 面要素需完全包含在模拟范围内，否则统计结果无效
- 使用随机数种子控制结果复现性
- 最大支持2049x2049像元栅格，单次最多生成4500个实现
- 注意内存限制和特殊半变异函数模型限制 |
高斯地统计模拟 | 语法 | arcpy.ga.GaussianGeostatisticalSimulations(in_geostat_layer, number_of_realizations, output_workspace, output_simulation_prefix, {in_conditioning_features}, {conditioning_field}, {cell_size}, {in_bounding_dataset}, {save_simulated_rasters}, {quantile}, {threshold}, {in_stats_polygons}, {raster_stat_type}, {conditioning... |
高斯地统计模拟 | 派生输出 | | 名称 | 说明 | 数据类型 |
| --- | --- | --- |
| out_workspace | 包含结果的工作空间 | Workspace |
| out_polygon_stat | 统计面要素类 | Feature Class |
| out_raster_simulation | 模拟栅格 | Raster Layer |
| out_raster_stat | 统计栅格 | Raster Layer |
| out_convergence_value | 收敛值 | Double | |
高斯地统计模拟 | 代码示例 - Python 窗口 | ```python
import arcpy
arcpy.env.workspace = "C:/gapyexamples/data"
arcpy.GaussianGeostatisticalSimulations_ga("kriging.lyr", 10, "C:/gapyexamples/output", "ggs", cell_size=2000, raster_stat_type="MEAN") |
高斯地统计模拟 | 代码示例 - 独立脚本 | ```python
# 非条件模拟独立脚本
import arcpy
arcpy.env.workspace = "C:/gapyexamples/data"
arcpy.GaussianGeostatisticalSimulations_ga("kriging.lyr", 10, "output", "ggs") |
高斯地统计模拟 | 环境 | - 像元大小
- 当前工作空间
- 范围
- 地理变换
- 掩膜
- 输出坐标系
- 随机数生成器
- 临时工作空间
- 捕捉栅格 |
高斯地统计模拟 | 许可信息 | - Basic: 需要 Geostatistical Analyst
- Standard: 需要 Geostatistical Analyst
- Advanced: 需要 Geostatistical Analyst |
Geostatistical Analyst 实用工具工具集 | 概述 | 使用 Geostatistical Analyst 开发插值模型时用于预处理和后处理的工具。
| 工具 | 说明 |
| --- | --- |
| 交叉验证 | 移除一个数据位置后预测关联数据，用于模型参数优化 |
| 邻域选择 | 基于用户定义邻域创建点图层 |
| 半变异函数灵敏度 | 通过调整模型参数分析预测值和标准误差的敏感性 |
| 子集要素 | 将数据集分为建模和验证两部分 | |
交叉验证 | 描述 | 先移除一个数据位置，然后使用其余位置处的数据预测关联数据。该工具的主要用途是，比较预测值与实测值以获取有关某些模型参数的有用信息。 |
交叉验证 | 使用方法 | - 输出结果对象包含要素类和CrossValidationResult属性：
• 计数 - 样本总数
• 平均误差 - 预测值与实测值平均差
• 均方根误差 - 模型预测精度指标
• 平均标准误差 - 预测标准误差均值
• 平均值标准化误差 - 应接近0
• 标准化均方根误差 - 应接近1
- 仅部分插值方法提供完整统计指标 |
交叉验证 | 语法 | arcpy.ga.CrossValidation(in_geostat_layer, {out_point_feature_class})
| 参数 | 说明 | 数据类型 |
| --- | --- | --- |
| in_geostat_layer | 输入地统计图层 | Geostatistical Layer |
| out_point_feature_class<br>（可选） | 存储交叉验证统计的要素类 | Feature Class | |
交叉验证 | 派生输出 | | 名称 | 说明 | 数据类型 |
| --- | --- | --- |
| count | 样本总数 | Long |
| mean_error | 平均误差 | Double |
| root_mean_square | 均方根误差 | Double |
| average_standard | 平均标准误差 | Double |
| mean_standardized | 平均值标准化误差 | Double |
| root_mean_square_standardized | 标准化均方根误差 | Double | |
交叉验证 | 代码示例 - Python 窗口 | ```python
import arcpy
arcpy.env.workspace = "C:/gapyexamples/data"
cvResult = arcpy.CrossValidation_ga("kriging.lyr")
print "Root Mean Square error = " + str(cvResult.rootMeanSquare)
``` |
交叉验证 | 代码示例 - 独立脚本 | ```python
# 交叉验证独立脚本示例
import arcpy
arcpy.env.workspace = "C:/gapyexamples/data"
cvResult = arcpy.CrossValidation_ga("kriging.lyr")
print "平均标准误差:", cvResult.average_standard
``` |
交叉验证 | 环境 | - 当前工作空间
- 地理变换
- 输出坐标系 |
交叉验证 | 许可信息 | - Basic: 需要 Geostatistical Analyst
- Standard: 需要 Geostatistical Analyst
- Advanced: 需要 Geostatistical Analyst |
邻域选择 | 描述 | 基于用户定义的邻域创建点图层。 |
End of preview. Expand in Data Studio
README.md exists but content is empty.
- Downloads last month
- 5