Stichprobennetzwerk verdichten (Geostatistical Analyst Tools)

Zusammenfassung

Verwendet einen vordefinierten geostatistischen Kriging-Layer, um zu ermitteln, wo neue Überwachungsstationen errichtet werden sollen. Das Werkzeug kann auch verwendet werden, um zu bestimmen, welche Überwachungsstationen aus einem bestehenden Netzwerk entfernt werden sollten.

Verwendung

Bei dem geostatistischen Eingabe-Layer muss es sich um einen Kriging-Layer handeln.
Es kann vorkommen, dass nur eine einzige neue Position generiert wird, obwohl mehrere angefordert wurden. Dies geschieht, wenn basierend auf den Auswahlkriterien immer wieder dieselbe neue Position ausgewählt wird. Dies kann verhindert werden, indem Sie einen Wert für den Parameter Sperrentfernung angeben. Die Anwendung einer Sperrentfernung ist besonders wichtig, wenn Schwellenwert unteres Quartil oder Schwellenwert oberes Quartil (in Python QUARTILE_THRESHOLD oder QUARTILE_THRESHOLD_UPPER) als Auswahlkriterien verwendet werden.
Um zu entscheiden, welche Positionen den geringsten Einfluss auf die vorhergesagte Oberfläche haben, können Sie die Feature-Class, mit welcher der Kriging-Layer erstellt wurde, für den Parameter Eingabe-Kandidaten-Punkt-Features verwenden. Wenn einige Überwachungsstationen außer Betrieb genommen werden müssen, sind die Positionen mit dem geringsten Einfluss gute Kandidaten für eine solche Entfernung.

Beschriftung	Erläuterung	Datentyp
Geostatistischer Eingabe-Layer	Geostatistischer Eingabe-Layer, der aus einem Kriging-Modell resultiert.	Geostatistical Layer
Anzahl von Ausgabepunkten	Gibt an, wie viele Stichprobenpositionen generiert werden.	Long
Ausgabe-Point-Feature-Class	Der Name der Ausgabe-Feature-Class.	Feature Class
Auswahlkriterien (Optional)	Methoden zum Verdichten eines Stichprobennetzwerks. Mit der Option Standardfehler der Vorhersage erhalten Positionen, an denen der Standardfehler der Vorhersage groß ist, zusätzliches Gewicht. Die Optionen Schwellenwert Standardfehler, Schwellenwert unteres Quartil und Schwellenwert oberes Quartil sind nützlich, wenn es einen kritischen Schwellenwert für die untersuchte Variable gibt (z. B. den höchsten zulässigen Ozonwert). Mit der Option Schwellenwert Standardfehler erhalten Positionen, deren Werte nah am Schwellenwert liegen, zusätzliches Gewicht. Mit der Option Schwellenwert unteres Quartil erhalten Positionen, an denen der kritische Schwellenwert mit der geringsten Wahrscheinlichkeit überschritten wird, zusätzliches Gewicht. Mit der Option Schwellenwert oberes Quartil erhalten Positionen, an denen der kritische Schwellenwert mit der höchsten Wahrscheinlichkeit überschritten wird, zusätzliches Gewicht. Wenn für die Auswahlkriterien die Optionen Schwellenwert Standardfehler, Schwellenwert unteres Quartil oder Schwellenwert oberes Quartil festgelegt sind, wird der Parameter Schwellenwert verfügbar, sodass Sie den gewünschten Schwellenwert festlegen können. Die Gleichungen für die einzelnen Optionen lauten: <!--```nohighlight Standard error of prediction = stderr Standard error threshold = stderr(s)(1 - 2 · abs(prob[Z(s) > threshold] - 0.5)) Lower quartile threshold = (Z_0.75(s) - Z_0.25(s)) · (prob[Z(s) < threshold]) Upper quartile threshold = (Z_0.75(s) - Z_0.25(s)) · (prob[Z(s) > threshold]) <div data-domains="selection_criteria"> - <span data-name="STDERR">Standardfehler der Vorhersage</span>—<span data-desc="STDERR">Kriterium "Standardfehler der Vorhersage"</span> - <span data-name="STDERR_THRESHOLD">Schwellenwert Standardfehler</span>—<span data-desc="STDERR_THRESHOLD">Kriterium "Schwellenwert Standardfehler"</span> - <span data-name="QUARTILE_THRESHOLD">Schwellenwert unteres Quartil</span>—<span data-desc="QUARTILE_THRESHOLD">Kriterium "Schwellenwert unteres Quartil"</span> - <span data-name="QUARTILE_THRESHOLD_UPPER">Schwellenwert oberes Quartil</span>—<span data-desc="QUARTILE_THRESHOLD_UPPER">Kriterium "Schwellenwert oberes Quartil"</span> </div>	String
Schwellenwert (Optional)	Der Schwellenwert, der zum Verdichten des Stichprobennetzwerks verwendet wird. Dieser Parameter ist nur anwendbar, wenn die Auswahlkriterien Schwellenwert Standardfehler, Schwellenwert unteres Quartil oder Schwellenwert oberes Quartil verwendet werden.	Double
Eingabe-Gewichtungs-Raster (Optional)	Ein Raster, mit dem bestimmt wird, welche Positionen bevorzugt gewichtet werden sollen.	Raster Layer
Eingabe-Kandidaten-Punkt-Features (Optional)	Stichprobenpositionen zum Auswählen.	Feature Layer
Sperrentfernung (Optional)	Wird verwendet, um zu vermeiden, dass Stichproben innerhalb dieser Entfernung zueinander platziert werden.	Linear Unit

arcpy.ga.DensifySamplingNetwork(in_geostat_layer, number_output_points, out_feature_class, {selection_criteria}, {threshold}, {in_weight_raster}, {in_candidate_point_features}, {inhibition_distance})

Name	Erläuterung	Datentyp
in_geostat_layer	Geostatistischer Eingabe-Layer, der aus einem Kriging-Modell resultiert.	Geostatistical Layer
number_output_points	Gibt an, wie viele Stichprobenpositionen generiert werden.	Long
out_feature_class	Der Name der Ausgabe-Feature-Class.	Feature Class
selection_criteria (Optional)	Methoden zum Verdichten eines Stichprobennetzwerks. Mit der Option `STERR` erhalten Positionen, an denen der Standardfehler der Vorhersage groß ist, zusätzliches Gewicht. Die Optionen `STDERR_THRESHOLD`, `QUARTILE_THRESHOLD` und `QUARTILE_THRESHOLD_UPPER` sind nützlich, wenn es einen kritischen Schwellenwert für die untersuchte Variable gibt (z. B. den höchsten zulässigen Ozonwert). Mit der Option `STDERR_THRESHOLD` erhalten Positionen, deren Werte nah am Schwellenwert liegen, zusätzliches Gewicht. Mit der Option `QUARTILE_THRESHOLD` erhalten Positionen, an denen der kritische Schwellenwert mit der geringsten Wahrscheinlichkeit überschritten wird, zusätzliches Gewicht. Mit der Option `QUARTILE_THRESHOLD_UPPER` erhalten Positionen, an denen der kritische Schwellenwert mit der höchsten Wahrscheinlichkeit überschritten wird, zusätzliches Gewicht. Die Gleichungen für die einzelnen Optionen lauten: <!--```nohighlight Standard error of prediction = stderr Standard error threshold = stderr(s)(1 - 2 · abs(prob[Z(s) > threshold] - 0.5)) Lower quartile threshold = (Z_0.75(s) - Z_0.25(s)) · (prob[Z(s) < threshold]) Upper quartile threshold = (Z_0.75(s) - Z_0.25(s)) · (prob[Z(s) > threshold]) <div data-domains="selection_criteria"> - <span data-name="STDERR">`STDERR`</span>—<span data-desc="STDERR">Kriterium "Standardfehler der Vorhersage"</span> - <span data-name="STDERR_THRESHOLD">`STDERR_THRESHOLD`</span>—<span data-desc="STDERR_THRESHOLD">Kriterium "Schwellenwert Standardfehler"</span> - <span data-name="QUARTILE_THRESHOLD">`QUARTILE_THRESHOLD`</span>—<span data-desc="QUARTILE_THRESHOLD">Kriterium "Schwellenwert unteres Quartil"</span> - <span data-name="QUARTILE_THRESHOLD_UPPER">`QUARTILE_THRESHOLD_UPPER`</span>—<span data-desc="QUARTILE_THRESHOLD_UPPER">Kriterium "Schwellenwert oberes Quartil"</span> </div>	String
threshold (Optional)	Der Schwellenwert, der zum Verdichten des Stichprobennetzwerks verwendet wird. Dieser Parameter ist nur anwendbar, wenn die Auswahlkriterien Schwellenwert Standardfehler, Schwellenwert unteres Quartil oder Schwellenwert oberes Quartil verwendet werden.	Double
in_weight_raster (Optional)	Ein Raster, mit dem bestimmt wird, welche Positionen bevorzugt gewichtet werden sollen.	Raster Layer
in_candidate_point_features (Optional)	Stichprobenpositionen zum Auswählen.	Feature Layer
inhibition_distance (Optional)	Wird verwendet, um zu vermeiden, dass Stichproben innerhalb dieser Entfernung zueinander platziert werden.	Linear Unit

Codebeispiel

DensifySamplingNetwork: Beispiel 1 (Python-Fenster)

Ein Stichprobennetzwerk wird basierend auf einem vordefinierten geostatistischen Kriging-Layer verdichtet.

import arcpy
arcpy.env.workspace = "C:/gapyexamples/data"
arcpy.ga.DensifySamplingNetwork("C:/gapyexamples/data/Kriging.lyr", 2,
                                "C:/gapyexamples/output/outDSN")

DensifySamplingNetwork: Beispiel 2 (eigenständiges Skript)

Ein Stichprobennetzwerk wird basierend auf einem vordefinierten geostatistischen Kriging-Layer verdichtet.

# Name: DensifySamplingNetwork_Example_02.py
# Description: Densify a sampling network based on a predefined geostatistical
#              kriging layer. It uses, inter alia, the Standard Error of
#              Prediction map to determine where new locations are required.
# Requirements: Geostatistical Analyst extension

# Import system modules
import arcpy

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

# Set local variables
inLayer = "C:/gapyexamples/data/Kriging.lyr"
numberPoints = 2
outPoints = "C:/gapyexamples/output/outDSN"

# Run DensifySamplingNetworks
arcpy.ga.DensifySamplingNetwork(inLayer, numberPoints, outPoints)

Umgebungen

Aktueller Workspace, Ausdehnung, Geographische Transformationen, Ausgabe-Koordinatensystem, Faktor für parallele Verarbeitung, Scratch-Workspace

Lizenzierungsinformationen