Кригинг (Kriging) (Spatial Analyst)
Краткая информация
Интерполирует поверхность растра по точкам с использованием метода кригинга.
Использование
-
Кригинг — это процесс, требующий интенсивной работы процессора. Скорость вычисления зависит от числа точек во входном наборе данных и от размера окна поиска.
-
Низкие значения дополнительной выходной дисперсии проинтерполированного растра указывают на высокую степень достоверности проинтерполированного значения. Высокие значения указывают на необходимость дополнительных опорных точек.
-
Виды универсального кригинга предполагают, что в данных существует структурная составляющая и что локальный тренд варьирует от одного местоположения к другому.
-
Контролировать (полу)вариограмму, используемую при выполнении интерполяции по методу кригинга, позволяют Дополнительные параметры. Значение, используемое по умолчанию для Размера лага, изначально устанавливается равным используемому по умолчанию выходному размеру ячейки. Если никаких значений не задано, для Главного диапазона (Major range), Частичного порога (Partial sill) и Самородка (Nugget)будут вычислены используемые по умолчанию значения.
-
Дополнительная выходная дисперсия проинтерполированного растра содержит дисперсию кригинга в каждой ячейке выходного растра. При допущении, что погрешности кригинга подчиняются закону нормального распределения, вероятность того, что действительное z-значение в ячейке равно проинтерполированному значению на растре, равна 95,5 процентам, плюс-минус двукратный размер корня квадратного значения на проинтерполированном растре.
-
Некоторые входные данные могут иметь несколько точек с одинаковыми x,y координатами. Если значения точек в одних и тех же местоположениях совпадают, такие точки считаются идентичными и предполагается, что они не влияют на выходные данные. Если значения различаются, такие точки рассматриваются как совпадающие.
Различные инструменты интерполяции могут использовать это условие для данных по-разному. Например, в некоторых случаях для вычисления используется первая встреченная совпадающая точка; в других случаях используется последняя точка. Такая ситуация может приводить к тому, что в некоторых точках выходного растра значения будут отличаться от ожидаемых. Решением этой проблемы может стать предварительная подготовка данных, при которой совпадающие точки будут удалены. Инструмент Собрать события (Collect Events) в наборе инструментов Пространственная статистика (Spatial Statistics) полезен для идентификации совпадающих точек в ваших данных.
Синтаксис
| Параметр | Объяснение | Тип данных |
in_point_features |
Входные точечные объекты, содержащие z-значения, с помощью которых будет построен растр поверхности. | Feature Layer |
z_field |
Поле, в котором хранится значение высоты или величины для каждой точки. Это может быть числовое поле или поле формы Shape, если входные точечные объекты содержат z-значения. | Field |
semiVariogram_props kriging_model |
Модель кригинга (KrigingModel) определяет, какая модель кригинга будет использоваться. Есть два типа классов кригинга. Метод Ординарной модели кригинга (KrigingModelOrdinary) обладает пятью доступными типами вариограмм. Метод Универсальной модели кригинга (KrigingModelUniversal) обладает двумя доступными типами вариограмм.
| KrigingModel |
cell_size (дополнительно) |
Размер ячейки, который будет использован при создании выходного растра. Будет использоваться значение в параметрах среды, если оно было явно задано; в противном случае, будет использован меньший из размеров ширины или высоты экстента входной пространственной привязки, деленный на 250. | Analysis Cell Size |
search_radius (дополнительно) |
Класс Радиус (Radius) определяет, какие из входных точек будут использоваться для интерполяции значения для каждой ячейки в выходном растре. Имеются два типа классов радиусов: Переменный радиус (RadiusVariable) и Фиксированный радиус (RadiusFixed). Переменный радиус поиска используется для нахождения определенного количества входных опорных точек для интерполяции. Фиксированный тип радиуса использует заданное фиксированное расстояние, в пределах которого все входные точки будут использоваться для интерполяции. По умолчанию используется тип Переменный.
| Radius |
out_variance_prediction_raster (дополнительно) |
Дополнительный выходной растр, где каждая ячейка содержит проинтерполированное значение полудисперсии в этом положении. | Raster Dataset |
Возвращено значение
| Имя | Объяснение | Тип данных |
| out_surface_raster |
Выходной растр интерполированной поверхности. | Raster |
Пример кода
В этом примере вводится точечный шейп-файл и интерполируется выходная поверхность в качестве растра Grid.
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")
В этом примере вводится точечный шейп-файл и интерполируется выходная поверхность в качестве растра Grid.
# 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)
# Check out the ArcGIS Spatial Analyst extension license
arcpy.CheckOutExtension("Spatial")
# Execute Kriging
outKriging = Kriging(inFeatures, field, kModelOrdinary, cellSize,
kRadius, outVarRaster)
# Save the output
outKriging.save("C:/sapyexamples/output/krigoutput02")