Mit Trend-Raster vorhersagen (Image Analyst Tools)
Zusammenfassung
Berechnet ein prognostiziertes multidimensionales Raster mithilfe des Ausgabe-Trend-Rasters aus dem Werkzeug Trend-Raster generieren.
Verwendung
Dieses Werkzeug verwendet die Ausgabe des Werkzeugs Trend-Raster generieren als multidimensionales Trend-Raster.
Dieses Werkzeug generiert ein multidimensionales Raster-Dataset im Cloud-Raster-Format (CRF). Aktuell werden keine anderen Ausgabeformate unterstützt.
Standardmäßig wird die multidimensionale Raster-Ausgabe mit dem Komprimierungstyp LZ77 komprimiert. Es wird jedoch empfohlen, stattdessen den Komprimierungstyp LERC festzulegen und den Maximalfehlerwert entsprechend Ihren Daten anzupassen. Wenn Sie zum Beispiel Analyseergebnisse mit einer Genauigkeit von drei Dezimalstellen erwarten, dann sollten Sie den Wert 0,001 als Maximalfehlerwert verwenden. Vermeiden Sie unnötige Anforderungen an die Genauigkeit, da andernfalls Verarbeitungszeit und Speichergröße zu sehr ansteigen würden.
Ein oder mehrere Variablen, die in der Analyse vorhergesagt werden. Wenn keine Variablen angegeben sind, werden alle Variablen verwendet.
String
Dimensionsdefinition
(Optional)
Gibt die Methode an, die zum Bereitstellen von Vorhersagedimensionswerten verwendet wird.
Nach Wert—Die Vorhersage wird für einen einzelnen Dimensionswert oder eine Liste von Dimensionswerten berechnet, die durch den Parameter Werte (dimension_values in Python) definiert sind. Dies ist die Standardeinstellung. Dies ist der Fall, wenn Sie beispielsweise die jährlichen Niederschläge für die Jahre 2050, 2100 und 2150 vorhersagen möchten.
Nach Intervall—Die Vorhersage wird für ein Intervall der Dimension berechnet, die durch einen Anfangs- und einen Endwert definiert ist. Dies ist der Fall, wenn Sie beispielsweise die jährlichen Niederschläge für alle Jahre zwischen 2050 und 2150 vorhersagen möchten.
String
Werte
(Optional)
Der Dimensionswert, der in der Vorhersage verwendet werden soll.
Das Format der Werte für Uhrzeit, Tiefe und Höhe muss mit dem Format der Dimensionswerte übereinstimmen, die zum Generieren des Trend-Rasters verwendet wurden. Wenn das Trend-Raster für die Dimension StdTime generiert wurde, wird das Format JJJJ-MM-TTThh:mm:ss, also z. B. 2050-01-01T00:00:00, verwendet. Mehrere Werte werden durch Semikolons getrennt angegeben.
Dieser Parameter ist erforderlich, wenn für den Parameter Dimensionsdefinition die Option Nach Wert festgelegt wurde.
String
Start
(Optional)
Die Werte für Startdatum, Höhe oder Tiefe des Dimensionsintervalls, die in der Vorhersage verwendet werden sollen.
String
Ende
(Optional)
Die Werte für Enddatum, Höhe oder Tiefe des Dimensionsintervalls, die in der Vorhersage verwendet werden sollen.
String
Wertintervall
(Optional)
Die Anzahl der Schritte zwischen zwei Dimensionswerten, die in die Vorhersage einbezogen werden sollen. Der Standardwert ist 1.
Um z. B. die Temperaturwerte alle fünf Jahre vorherzusagen, verwenden Sie den Wert 5.
Double
Raum
(Optional)
Gibt die für den Intervallwert verwendete Einheit an. Dieser Parameter wird nur angewendet, wenn es sich bei der Analysedimension um eine Zeitdimension handelt.
Hours—Die Vorhersage wird für jede Stunde im dem durch die Parameter Start, Ende und Wertintervall definierten Zeitraum berechnet.
Tage—Die Vorhersage wird für jeden Tag im dem durch die Parameter Start, Ende und Wertintervall definierten Zeitraum berechnet.
Wochen—Die Vorhersage wird für jede Woche im dem durch die Parameter Start, Ende und Wertintervall definierten Zeitraum berechnet.
Monate—Die Vorhersage wird für jeden Monat im dem durch die Parameter Start, Ende und Wertintervall definierten Zeitraum berechnet.
Jahre—Die Vorhersage wird für jedes Jahr im dem durch die Parameter Start, Ende und Wertintervall definierten Zeitraum berechnet.
String
Rückgabewert
Beschriftung
Erläuterung
Datentyp
Multidimensionales Ausgabe-Raster
Das multidimensionale Ausgabe-Raster-Dataset im Cloud Raster Format (CRF).
Ein oder mehrere Variablen, die in der Analyse vorhergesagt werden. Wenn keine Variablen angegeben sind, werden alle Variablen verwendet.
String
dimension_def
(Optional)
Gibt die Methode an, die zum Bereitstellen von Vorhersagedimensionswerten verwendet wird.
BY_VALUE—Die Vorhersage wird für einen einzelnen Dimensionswert oder eine Liste von Dimensionswerten berechnet, die durch den Parameter Werte (dimension_values in Python) definiert sind. Dies ist die Standardeinstellung. Dies ist der Fall, wenn Sie beispielsweise die jährlichen Niederschläge für die Jahre 2050, 2100 und 2150 vorhersagen möchten.
BY_INTERVAL—Die Vorhersage wird für ein Intervall der Dimension berechnet, die durch einen Anfangs- und einen Endwert definiert ist. Dies ist der Fall, wenn Sie beispielsweise die jährlichen Niederschläge für alle Jahre zwischen 2050 und 2150 vorhersagen möchten.
String
dimension_values[dimension_values,...]
(Optional)
Der Dimensionswert, der in der Vorhersage verwendet werden soll.
Das Format der Werte für Uhrzeit, Tiefe und Höhe muss mit dem Format der Dimensionswerte übereinstimmen, die zum Generieren des Trend-Rasters verwendet wurden. Wenn das Trend-Raster für die Dimension StdTime generiert wurde, wird das Format JJJJ-MM-TTThh:mm:ss, also z. B. 2050-01-01T00:00:00, verwendet. Mehrere Werte werden durch Semikolons getrennt angegeben.
Dieser Parameter ist erforderlich, wenn der Parameter dimension_def auf BY_VALUE festgelegt wurde.
String
start
(Optional)
Die Werte für Startdatum, Höhe oder Tiefe des Dimensionsintervalls, die in der Vorhersage verwendet werden sollen.
String
end
(Optional)
Die Werte für Enddatum, Höhe oder Tiefe des Dimensionsintervalls, die in der Vorhersage verwendet werden sollen.
String
interval_value
(Optional)
Die Anzahl der Schritte zwischen zwei Dimensionswerten, die in die Vorhersage einbezogen werden sollen. Der Standardwert ist 1.
Um z. B. die Temperaturwerte alle fünf Jahre vorherzusagen, verwenden Sie den Wert 5.
Double
interval_unit
(Optional)
Gibt die für den Intervallwert verwendete Einheit an. Dieser Parameter wird nur angewendet, wenn es sich bei der Analysedimension um eine Zeitdimension handelt.
HOURS—Die Vorhersage wird für jede Stunde in dem durch die Parameter start, end und interval_value definierten Zeitraum berechnet.
DAYS—Die Vorhersage wird für jeden Tag in dem durch die Parameter start, end und interval_value definierten Zeitraum berechnet.
WEEKS—Die Vorhersage wird für jede Woche in dem durch start, end und interval_value definierten Zeitraum berechnet.
MONTHS—Die Vorhersage wird für jeden Monat in dem durch start, end und interval_value definierten Zeitraum berechnet.
YEARS—Die Vorhersage wird für jedes Jahr in dem durch start, end und interval_value definierten Zeitraum berechnet.
String
Rückgabewert
Name
Erläuterung
Datentyp
out_multidimensional_raster
Das multidimensionale Ausgabe-Raster-Dataset im Cloud Raster Format (CRF).
Raster
Codebeispiel
PredictUsingTrendRaster: Beispiel 1 (Python-Fenster)
Dieses Beispiel erzeugt die prognostizierten Niederschlags- und Temperaturwerte für den 1. Januar 2050 und den 1. Januar 2100.
# Import system modules
import arcpy
from arcpy.ia import *
# Run
predictOutput = PredictUsingTrendRaster("C:/Data/LinearTrendCoefficients.crf",
"temp;precip", "BY_VALUE", "2050-01-01T00:00:00;2100-01-01T00:00:00")
# Save output
predictOutput.save("C:/Data/Predicted_Temp_Precip.crf")
PredictUsingTrendRaster: Beispiel 2 (eigenständiges Skript)
Dieses Beispiel erzeugt die prognostizierten NDVI-Werte für jeden Monat im Jahr 2025.
# Import system modules
import arcpy
from arcpy.ia import *
# Define input parameters
inFile = "C:/Data/HarmonicTrendCoefficients.crf"
variables = "NDVI"
dimension_definition = "BY_INTERVAL"
start = "2025-01-01T00:00:00"
end = "2025-12-31T00:00:00"
interval_value = 1
interval_unit = "MONTHS"
# Run - predict the monthly NDVI in 2025
predictOutput = PredictUsingTrendRaster(inFile, variables,
dimension_definition, '', start, end, interval_value, interval_unit)
# Save output
predictOutput.save("C:/data/predicted_ndvi.crf")