Raster zu gewichteten Punkten (Spatial Analyst Tools)

Zusammenfassung

Generiert repräsentative, wertproportionale Punkte aus kontinuierlichen Oberflächen, wodurch räumliche Muster und Gesamtmagnituden erhalten bleiben.

Weitere Informationen zur Funktionsweise des Werkzeugs "Raster zu gewichteten Punkten"

Abbildung

Beispiele für Ausgabepunkte, gewichtet basierend auf Dichtewerten einer Eingabefläche.

Verwendung

• Es stehen mehrere Parameter zur Verfügung, die die Gesamtzahl der Ausgangspunkte und deren Verteilung auf der Eingabeoberfläche steuern. Der Parameter Maximale Anzahl der Punkte (max_number_of_points in Python) definiert die maximale Anzahl der Ausgabepunkte. Der Parameter Auf einen Punkt pro Zelle begrenzen (single_point_per_cell in Python) beschränkt die Zuweisung auf höchstens einen Punkt pro Zelle. Der Parameter Punktverteilungsmethode (point_distribution_method in Python) bestimmt, wie mehrere Punkte innerhalb von Zellen positioniert werden.

• Der Parameter Maximale Anzahl der Punkte gibt die Gesamtzahl der Punkte an, die aus dem gesamten Raster generiert werden. Die Anzahl der Punkte, die jeder Zelle zugewiesen werden, ist proportional zu den Zellenwerten. Zellen mit höheren Werten tragen mehr Punkte bei, und Zellen mit niedrigeren Werten tragen weniger Punkte bei. Dadurch wird ermöglicht, das räumliche Muster und die relative Magnitude der Eingabeoberfläche in der Ausgabe zu erhalten.

• Verwenden Sie den Parameter Auf einen Punkt pro Zelle begrenzen, um zu verhindern, dass derselben Zelle mehr als ein Punkt zugewiesen wird. Dies ist nützlich, wenn eine räumliche Gleichverteilung erforderlich ist. Die Verwendung dieses Parameters kann zu einer geringeren Anzahl an Punkten führen als die angegebene maximale Anzahl an Punkten.

  Wenn der Parameter deaktiviert ist (single_point_per_cell = 'DO_NOT_LIMIT' in Python), können mehrere Punkte zu einer einzelnen Zelle zugewiesen werden, wenn der Wert der Zelle eine zusätzliche Repräsentation rechtfertigt.

  Wenn er aktiviert ist (single_point_per_cell = 'LIMIT' in Python), wird der Ausgabepunkt im Zellenmittelpunkt platziert.

• Das Verteilungsmuster der Ausgabepunkte wird durch den Parameter Punktverteilungsmethode bestimmt. Die Platzierung kann im Zellenmittelpunkt, zufällig innerhalb der Zelle oder in einer gleichmäßigen Anordnung erfolgen, wenn mehrere Punkte vorhanden sind. Die zufällige Platzierung ist nützlich für Simulations-Workflows, die Bewertung der Unsicherheit und das Generieren anonymisierter Darstellungen für sensible Oberflächen. Deterministische Platzierungsmethoden liefern konsistente Punktpositionen über wiederholte Ausführungen hinweg und sind für reproduzierbare räumliche Analysen geeignet.

  • Die Methode Kreisförmig platziert mehrere Punkte in einer radialen Anordnung um den Zellenmittelpunkt herum. Der größte Abstand vom Zellenmittelpunkt sollte weniger als die Hälfte des Zellenradius betragen, um eine genaue Platzierung zu gewährleisten.

  • Die Methode Flächentreue Voronoi-Diagramme teilt die Zelle in Bereiche mit gleicher Fläche ein und platziert einen Punkt pro Region, um die räumliche Trennung zu maximieren.

  • Die Methode Zufällig platziert Punkte zufällig innerhalb des Zellen-Footprints.

  • Die Methode Fibonacci-Linienraster verteilt mehrere Punkte in einem isotropen Muster, das für eine konstante Abtastung geeignet ist.

  • Bei der Methode Fibonacci-Spirale werden die Punkte entlang einer deterministischen Spirale angeordnet, wodurch ein gleichmäßiger Abstand erzeugt wird.

• Wenn der Parameter Multipoint-Ausgabe erstellen (create_multipoint_output = `MULTIPART`` in Python) aktiviert ist, werden alle aus einer einzelnen Zelle generierten Punkte als Multipoint-Feature-Geometrie gespeichert. Diese Option reduziert die Anzahl der Ausgabedatensätze und ist nützlich für eine kompakte Geometriespeicherung. Die Ausgabe-Multipoint-Features können in nachgelagerten Workflows verwendet werden, die jede Zelle als eine einzelne logische Einheit behandeln.

• Wenn der Wert des Parameters Normalisierungsmethode auf Keine festgelegt ist, wird keine Normalisierung angewendet, und die ursprünglichen Werte der Eingabe werden direkt für die Punktzuordnung verwendet. Dies ist für Flächen geeignet, bei denen die Magnitude der Werte bereits eine semantische Bedeutung hat, wie z. B. Schätzungen der Kerndichte oder physikalisch gemessene Umweltflächen.

• Die folgenden Normalisierungsmethoden sind verfügbar:

  • Min.–Max.: Die Werte werden linear zwischen 0 und 1 skaliert, wobei relative Unterschiede erhalten bleiben.

  • Logarithmisch: Große numerische Bereiche werden komprimiert, um den Einfluss extrem hoher Werte zu verringern und gleichzeitig die Unterscheidung zwischen niedrigen Werten zu verbessern.

  • Sigmoid: Eine logistische Transformation wird angewendet, um Unterschiede im mittleren Bereich hervorzuheben und Extremwerte zu komprimieren.

  • Softmax: Das Raster wird in eine Wahrscheinlichkeitsverteilung konvertiert, bei der der normalisierte Wert jeder Zelle ihre relative Magnitude im Vergleich zu allen anderen Zellen darstellt.

  • Zu 1 summieren: Alle Werte werden so skaliert, dass ihre Summe genau 1 entspricht, was wahrscheinlichkeitsbasierte Stichproben-Workflows ermöglicht.

  • Z-Wert: Die Werte werden standardisiert, indem der Mittelwert subtrahiert und durch die Standardabweichung dividiert wird.

  • Keine: Die ursprünglichen Rasterwerte werden ohne Änderungen verwendet.

• Wenn der Parameter Vor Punktgenerierung normalisieren (normalize_before_point_generation = `NORMALIZE`` in Python) für die Werte aktiviert ist, werden die Rasterwerte vor der Allokation mit der gewählten Normalisierungsmethode transformiert. Die Normalisierung passt den numerischen Maßstab und die Verteilung des Rasters an, während dessen räumliche Struktur erhalten bleibt. Dies ist nützlich, wenn Rasterwerte große numerische Bereiche abdecken, extreme Ausreißer enthalten oder eine Verschiebung aufweisen, die sonst die Allokation dominieren könnte. Wenn keine Normalisierung angewendet wird, werden die unverarbeiteten Rasterwerte direkt in der Punktzuordnung verwendet.

• Alle Transformations-, Normalisierungs-, Allokations- und Punktverteilungsvorgänge finden im Speicher statt.

• Für NoData-Zellen aus der Eingabeoberfläche werden keine Punkte erzeugt.

• Die Ausgabe-Feature-Class enthält Attribute für den ursprünglichen Zellenwert, einen normalisierten Wert (wenn eine Normalisierungsmethode verwendet wird) und einen verteilten Wert, wenn mehrere Punkte aus derselben Zelle stammen.

• Weitere Informationen zu den Geoverarbeitungsumgebungen für dieses Werkzeug finden Sie unter Analyseumgebungen und Spatial Analyst.

Parameter

• Dialog
• Python

Beschriftung	Erläuterung	Datentyp
Eingabe-Oberflächen-Raster	Das kontinuierliche Raster, für das proportionale Punkte generiert werden sollen. Jeder Eingabezellenwert stellt die relative Magnitude oder Intensität dar, die in einen oder mehrere Punkte konvertiert werden soll.	Raster Layer
Ausgabe-Punkt-Features	Die Ausgabe-Feature-Class, in der die generierten Punkte enthalten sein sollen.	Feature Layer
Maximale Anzahl der Punkte	Die maximale Anzahl der Punkte, die aus dem Eingabe-Raster generiert werden sollen. Verwenden Sie diesen Parameter, um die Ausgabedichte eines großen Rasters zu begrenzen.	Double
Auf einen Punkt pro Zelle begrenzen (Optional)	Gibt an, ob pro Raster-Zelle nur ein Punkt erstellt werden soll. Aktiviert—Für jede Raster-Zelle wird unabhängig von ihrem Wert maximal ein Punkt erstellt. Deaktiviert—Innerhalb einer Zelle können proportional zum Wert dieser Zelle mehrere Punkte generiert werden. Dies ist die Standardeinstellung.	Boolean
Multipoint-Ausgabe erstellen (Optional)	Gibt an, ob Punkte mit demselben Wert in der Ausgabe erhalten bleiben oder aggregiert werden sollen. Beim Generieren einer großen Anzahl verschiedener Punkte kann bei Verwendung einer aggregierten Ausgabe die Feature-Anzahl verringert und die Performance verbessert werden. Aktiviert—Punkte mit demselben Attributwert werden in einen einzelnen Geometrie-Datensatz im Ausgabe-Feature-Dataset aggregiert. Deaktiviert—Für jeden ausgewählten Punkt ist ein eigener Feature-Datensatz im Ausgabe-Multipoint-Dataset enthalten. Dies ist die Standardeinstellung.	Boolean
Punktverteilungsmethode (Optional)	Definiert, wie die Punkte in einer Raster-Zelle räumlich verteilt sein sollen. Standardmäßig wird ein Punkt im geometrischen Zentrum einer Zelle platziert. Dieser Parameter ist nur dann verfügbar, wenn der Parameter Auf einen Punkt pro Zelle begrenzen aktiviert ist. Kreisförmig—Die Punkte werden innerhalb einer kreisförmigen Fläche im Zentrum einer Zelle zufällig verteilt. Dies ist die Standardeinstellung. Flächentreue Voronoi-Diagramme—Die Punkte werden so positioniert, dass eine flächentreue Darstellung auf der Raster-Oberfläche bei minimaler Cluster-Bildung gewährleistet ist. Zufällig—Die Punkte werden innerhalb einer Zelle entsprechend der proportionalen Gewichtung des Wertes dieser Zelle zufällig platziert. Fibonacci-Linienraster—Die Punkte werden in einem nahezu gleichförmigen Muster innerhalb einer Zelle verteilt, wodurch eine gleichmäßige und natürlich aussehende Anordnung ohne sichtbare Gitternetzmuster entsteht. Fibonacci-Spirale—Die Punkte werden in einem ebenen Spiralmuster platziert, wodurch ein allmählicher Fluss vom Mittelpunkt jeder Zelle nach außen mit einer gleichmäßigen und visuell kontinuierlichen Verteilung entsteht.	String
Entfernung vom Zellenmittelpunkt (Optional)	Die maximale Entfernung (in Karteneinheiten) des möglichen Versatzes von Punkten vom Zellenmittelpunkt, wenn eine Methode, bei der die Platzierung nicht im Mittelpunkt erfolgt, verwendet wird. Dieser Parameter ist nur dann verfügbar, wenn der Parameter Punktverteilungsmethode auf die Optionen Kreisförmig oder Flächentreue Voronoi-Diagramme festgelegt wurde. Der zulässige Maximalwert ist 0,45. Wenn 0 verwendet wird, werden alle Ausgabepunkte im Zellenmittelpunkt platziert.	Double
Normalisierungsmethode (Optional)	Gibt an, wie vor der Generierung proportionaler Punkte die Raster-Werte skaliert oder transformiert werden sollen. Bei Skalierungmethoden werden nur die den Ausgabepunkten zugewiesenen Werte geändert, während Transformationsmethoden auch beeinflussen, wie viele Punkte in einer Zelle generiert werden, indem die relative Gewichtung der Zellenwerte geändert wird. Min.–Max.—Die Werte werden zwischen 0 und 1 linear normalisiert. Dabei bleiben die relativen Unterschiede und die Anzahl der Punkte pro Zelle unverändert erhalten. Protokoll—Es wird eine logarithmische Transformation angewendet, bei der große Bereiche komprimiert werden und der Effekt extrem hoher Werte verringert wird. Dies führt zu weniger Punkten in Flächen rund um den Spitzenwert und ansonsten zu einer ausgewogeneren Abdeckung. Sigmoid—Normalisiert die Werte nach Standard-Z-Wert und wendet dann eine logistische Sigmoid-Transformation an, um diese Werte in eine Wahrscheinlichkeitsgewichtung zwischen 0 und 1 zu konvertieren. Softmax—Die Werte werden normalisiert, indem eine exponentielle Skalierung angewendet und alle Werte in eine Wahrscheinlichkeitsverteilung konvertiert werden. Dies verstärkt Regionen hoher Intensität und gewährleistet zugleich, dass die Stichproben der relativen Wichtigkeit entsprechen. Zu 1 summieren—Alle Werte werden so skaliert, dass ihre Summe gleich 1 ist. Damit werden Punktwerte generiert, die Wahrscheinlichkeiten oder Proportionen darstellen, ohne dass sich die Punktdichtemuster ändern. Z-Score—Die Werte werden nach ihrem Mittelwert und ihrer Standardabweichung standardisiert (Mittelwert = 0, Standardabweichung = 1). Dies erhöht den Kontrast zwischen Flächen oberhalb und unterhalb des Durchschnitts und verschiebt die Punktdichte in Richtung der Zellen, die am stärksten vom Mittelwert abweichen. Keine—Es wird keine Normalisierung angewendet. Stattdessen werden die ursprünglichen Raster-Werte verwendet. Dies ist die Standardeinstellung.	String
Vor Punktgenerierung normalisieren (Optional)	Gibt an, ob vor der Punktzuordnung das Eingabe-Oberflächen-Raster unter Verwendung der ausgewählten Normalisierungsmethode transformiert werden soll. Dieser Parameter ist nur dann verfügbar, wenn der Parameter Normalisierungsmethode auf die Option Min.–Max., Logarithmisch, Sigmoid oder Softmax festgelegt wurde. Aktiviert—Die Punkte werden vor der Punktzuordnung normalisiert. Deaktiviert—Die Normalisierung hat keinen Einfluss auf die Punktzuordnung. Dies ist die Standardeinstellung.	Boolean

Umgebungen

Aktueller Workspace, Ausdehnung, Geographische Transformationen, Zufallszahlengenerator, Ausgabe-Koordinatensystem, Scratch-Workspace

Lizenzierungsinformationen

• Basic: Erfordert Spatial Analyst
• Standard: Erfordert Spatial Analyst
• Advanced: Erfordert Spatial Analyst

Verwandte Themen

• Überblick über das Toolset "Dichte"
• Suchen eines Geoverarbeitungswerkzeugs