局部多项式插值法 (地统计分析)
用法
-
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。
语法
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 (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。 可在“环境设置”的“栅格分析”下显式设置此值。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) |
多项式的阶。 | Long |
search_neighborhood (可选) |
定义用于控制输出的周围点。“标准”为默认选项。 这是搜索邻域类:SearchNeighborhoodStandard、SearchNeighborhoodSmooth、SearchNeighborhoodStandardCircular 和 SearchNeighborhoodSmoothCircular。 标准
平滑
标准圆形
SmoothCircular
| Geostatistical Search Neighborhood |
kernel_function (可选) |
模拟中所使用的核函数。
| String |
use_condition_number (可选) |
对预测不稳定位置的预测和预测标准误差的创建进行控制的选项。此选项只可用于 1 阶、2 阶和 3 阶多项式。
| Boolean |
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 |
condition_number (可选) |
每个可逆方阵都具有一个条件数,用来表示矩阵系数发生微小变化时(可能由不精确的数据所致),线性方程组解的错误程度。如果条件数较大,则很小的矩阵系数变化便会导致解向量的较大变化。 | Double |
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 |
output_type (可选) |
用于存储插值结果的表面类型。
| String |
代码实例
将点要素插值成矩形栅格。
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")
将点要素插值成矩形栅格。
# 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:/gapyexamples/data"
# Set local variables
inPointFeatures = "ca_ozone_pts.shp"
zField = "ozone"
outLayer = "outLPI"
outRaster = "C:/gapyexamples/output/lpiout"
cellSize = 2000.0
power = 2
kernelFunction = "QUARTIC"
bandwidth = ""
useConNumber = ""
conNumber = ""
weightField = ""
outSurface = "PREDICTION"
# Set variables for search neighborhood
majSemiaxis = 300000
minSemiaxis = 300000
angle = 0
smoothFactor = 0.5
searchNeighbourhood = arcpy.SearchNeighborhoodSmooth(majSemiaxis, minSemiaxis,
angle, smoothFactor)
# Check out the ArcGIS Geostatistical Analyst extension license
arcpy.CheckOutExtension("GeoStats")
# Execute LocalPolynomialInterpolation
arcpy.LocalPolynomialInterpolation_ga(inPointFeatures, zField, outLayer, outRaster,
cellSize, power, searchNeighbourhood,
kernelFunction, bandwidth, useConNumber,
conNumber, weightField, outSurface)