Ráster a puntos ponderados (Herramientas de Spatial Analyst)

Resumen

Genera puntos representativos y proporcionales al valor a partir de superficies continuas, preservando patrones espaciales y magnitudes totales.

Más información sobre cómo funciona Ráster a puntos ponderados

Ilustración

Ejemplos de puntos de salida ponderados en función de valores de densidad de una superficie de entrada.

Uso

• Existen varios parámetros que controlan el número total de puntos de salida y la forma en que dichos puntos se distribuirán por la superficie de entrada. El parámetro Número máximo de puntos (max_number_of_points en Python) define el número máximo de puntos de salida. El parámetro Limitar a un punto por celda (single_point_per_cell en Python) restringe la asignación a un máximo de un punto por celda. El parámetro Método de distribución de puntos (point_distribution_method en Python) determina cómo se colocan varios puntos dentro de las celdas.

• El parámetro Número máximo de puntos especifica el número total de puntos que se generarán a partir de todo el ráster. El número de puntos asignados a cada celda es proporcional a los valores de las celdas. Las celdas con valores más altos aportan más puntos y las celdas con valores más pequeños aportan menos puntos. De este modo, el resultado conserva el patrón espacial y la magnitud relativa de la superficie de entrada.

• Utilice el parámetro Limitar a un punto por celda para evitar que se asigne más de un punto a la misma celda. Esto es útil cuando se requiere una distribución espacial uniforme. El uso de este parámetro puede dar lugar a un número de puntos inferior al número máximo especificado.

  Cuando el parámetro está desactivado (single_point_per_cell = 'DO_NOT_LIMIT' en Python), es posible que se asignen varios puntos a una sola celda si el valor de esta justifica una representación más detallada.

  Si se marca (single_point_per_cell = 'LIMIT' en Python), el punto de salida se situará en el centro de la celda.

• El patrón de distribución de los puntos de salida está determinado por el parámetro Método de distribución de Puntos. Se pueden colocar en el centro de la celda, de forma aleatoria dentro de la celda o en una disposición uniforme cuando hay varios puntos. La ubicación aleatoria resulta útil para los flujos de trabajo de simulación, la evaluación de la incertidumbre y la generación de representaciones anonimizadas de superficies sensibles. Los métodos de ubicación determinísticos producen ubicaciones de puntos coherentes en ejecuciones repetidas y son apropiados para el análisis espacial reproducible.

  • El método Circular coloca varios puntos en una disposición radial alrededor del centro de la celda. Para garantizar una ubicación precisa, la distancia máxima desde el centro de la celda debe ser inferior a la mitad del radio de la celda.

  • El método Voronoi de área igual subdivide la celda en regiones de áreas equivalentes y coloca un punto por región para maximizar la separación espacial.

  • El método Aleatorio coloca los puntos aleatoriamente dentro de la huella de la celda.

  • El método Red de Fibonacci distribuye varios puntos siguiendo un patrón isotrópico de adecuada adecuación para el muestreo uniforme.

  • El método Espiral de Fibonacci dispone los puntos a lo largo de una espiral determinista que genera una distribución equidistante.

• Si se marca el parámetro Crear salida multipunto (create_multipoint_output = `MULTIPART`` en Python), todos los puntos generados a partir de una sola celda se almacenan como una geometría de entidad de punto. Esta opción reduce el número de registros de salida y resulta útil para almacenar geometría de forma compacta. Es posible utilizar las entidades de salida multipunto en flujos de trabajo posteriores que tratan cada celda como una única unidad lógica.

• Si el valor del parámetro Método de normalización se establece en Ninguno, no se aplicará ninguna normalización y los valores originales de la entrada se utilizarán directamente para la asignación de puntos. Esto es apropiado para las superficies en las que la magnitud de los valores ya tiene un significado semántico, como las estimaciones de densidad kernel o las superficies ambientales medidas físicamente.

• Los métodos de normalización disponibles son:

  • Mín.-Máx.: los valores se escalan linealmente entre 0 y 1, preservando las diferencias relativas.

  • Logarítmica: los rangos numéricos amplios se comprimirán para reducir la influencia de los valores extremadamente altos y, al mismo tiempo, mejorar la distinción entre los valores bajos.

  • Sigmoide: se aplicará una transformación logística para resaltar las diferencias en los valores intermedios y comprimir los extremos.

  • Softmax: el ráster se convertirá en una distribución de probabilidad en la que el valor normalizado de cada celda refleje su magnitud relativa en comparación con el resto de celdas.

  • Suma a 1: todos los valores se escalarán de modo que su suma sea exactamente igual a 1, lo que habilita los flujos de trabajo de muestreo basados en la probabilidad.

  • Puntuación Z: los valores se estandarizarán restando el valor medio y dividiendo entre la desviación estándar.

  • Ninguno: se utilizarán sin modificación los valores de ráster originales.

• Si se marca el parámetro Normalizar valores antes de la generación de puntos (normalize_before_point_generation = `NORMALIZE`` en Python), los valores ráster se transforman antes de la asignación utilizando el método de normalización seleccionado. La normalización ajusta la escala numérica y la distribución del ráster manteniendo su estructura espacial. Esto es útil cuando los valores de ráster abarcan amplios rangos numéricos, contienen valores extremos o presentan desfase que de otro modo podrían dominar la asignación. Cuando no se aplica la normalización, los valores ráster sin procesar se utilizan directamente en el proceso de asignación de puntos.

• Todas las operaciones de transformación, normalización, asignación y distribución de puntos se realizan en memoria.

• No se crean puntos para las celdas NoData de la superficie de entrada.

• La clase de entidad de salida incluirá atributos correspondientes al valor original de la celda, un valor normalizado (si se utiliza un método de normalización) y un valor distribuido cuando varios puntos tengan su origen en la misma celda.

• Consulte Entornos de análisis y Spatial Analyst para obtener detalles adicionales sobre los entornos de geoprocesamiento válidos para esta herramienta.

Parámetros

• Dialog
• Python

Etiqueta	Explicación	Tipo de datos
Ráster de superficie de entrada	El ráster continuo a partir de la cual se generarán puntos proporcionales. Cada valor de celda de entrada representa la magnitud o intensidad relativa que se convertirá en uno o más puntos.	Raster Layer
Entidades de puntos de salida	La clase de entidad de salida que contendrá los puntos generados.	Feature Layer
Número máximo de puntos	El número máximo de puntos a generar a partir del ráster de entrada. Utilice este parámetro para limitar la densidad de salida de un ráster grande.	Double
Limitar a un punto por celda (Opcional)	Especifica si se generará un solo punto por celda ráster. Activado—Se creará un máximo de un punto por cada celda ráster, independientemente de su valor. Desactivado—Se pueden generar varios puntos dentro de una celda, proporcionales al valor de la celda. Esta es la opción predeterminada.	Boolean
Crear salida multipunto (Opcional)	Especifica si los puntos con el mismo valor se conservarán en la salida o se agregarán. Una salida agregada reduce el recuento de entidades y mejora el rendimiento al generar un gran número de puntos. Activado—Los puntos que compartan el mismo valor de atributo se agregarán en un único registro geométrico en el dataset de entidades de salida. Desactivado—Cada punto seleccionado contendrá su propio registro de entidades distintivo en el dataset multipunto de salida. Esta es la opción predeterminada.	Boolean
Método de distribución de puntos (Opcional)	Define cómo se distribuirán espacialmente los puntos dentro de cada celda ráster. De forma predeterminada, se coloca un punto en el centro geométrico de cada celda. Este parámetro no está disponible cuando la opción Limitar a un punto por celda está marcada. Circular—Los puntos se distribuirán aleatoriamente dentro de un área circular centrada en cada celda. Esta es la opción predeterminada. Voronoi de área igual—Los puntos se posicionarán para garantizar una representación de área igual en toda la superficie ráster, minimizando el clustering. Aleatorio—Los puntos se colocarán de forma aleatoria dentro de cada celda según la ponderación proporcional del valor de la celda. Red de Fibonacci—Los puntos se distribuirán de forma casi uniforme dentro de cada celda, creando una disposición homogénea y de aspecto natural, sin patrones de cuadrícula visibles. Espiral de Fibonacci—Los puntos se colocarán en un patrón de espiral suave que crea un flujo gradual hacia afuera desde el centro de cada celda, produciendo una distribución uniforme y visualmente continua.	String
Distancia desde el centro de la celda (Opcional)	La distancia máxima, en unidades de mapa, que pueden desplazarse los puntos desde el centro de la celda cuando se utiliza un método de posicionamiento no centrado. Este parámetro solo está disponible si el valor del parámetro Método de distribución de puntos está configurado en las opciones Circular o Voronoi de área igual. El valor máximo permitido es 0,45. Si se utiliza el valor 0, todos los puntos de salida se colocarán en el centro de la celda.	Double
Método de normalización (Opcional)	Especifica cómo se escalarán o transformarán los valores ráster antes de la generación de puntos proporcionales. Los métodos de escalado solo modifican los valores asignados a los puntos de salida, mientras que los métodos de transformación también afectan a la cantidad de puntos que se generan en cada celda al cambiar la ponderación relativa de los valores de las celdas. Mín.-Máx.—Los valores se normalizarán linealmente entre 0 y 1. Esto preserva las diferencias relativas y deja sin cambios el número de puntos por celda. Log—Se aplicará una transformación logarítmica que comprime los rangos amplios y reduce el efecto de los valores extremadamente altos. Esto produce menos puntos en las zonas pico y una cobertura más equilibrada en otros lugares. Sigmoideo—Normaliza los valores mediante la puntuación z estándar y luego aplica una transformación sigmoide logística para convertir esas puntuaciones en una ponderación de probabilidad entre 0 y 1. Softmax—Los valores se normalizarán aplicando un escalado exponencial y convirtiendo todos los valores en una distribución de probabilidad. Esto amplifica las regiones de alta intensidad al tiempo que garantiza que el muestreo refleje la importancia relativa. Sumar a 1—Todos los valores se escalarán de manera que su total sea igual a 1. Esto produce valores de punto que representan probabilidades o proporciones sin modificar los patrones de densidad de puntos. Puntuación z—Los valores se estandarizarán mediante su valor medio y desviación estándar (valor medio = 0, DE = 1). Esto aumenta el contraste entre las áreas por encima y por debajo de la media y desplaza la densidad de puntos hacia las celdas que difieren más del valor medio. Ninguno—No se aplicará ninguna normalización; se utilizarán los valores ráster originales. Esta es la opción predeterminada.	String
Normalizar antes de la generación de puntos (Opcional)	Especifica si el ráster de superficie de entrada se transformará utilizando el método de normalización elegido antes de la asignación de puntos. Este parámetro solo está disponible si el valor del parámetro Método de normalización está configurado en la opción Mín.-Máx., Logarítmica, Sigmoide o Softmax. Activado—Los puntos se normalizarán antes de la asignación de puntos. Desactivado—La normalización no influirá en la asignación de puntos. Esta es la opción predeterminada.	Boolean

Entornos

Espacio de trabajo actual, Extensión, Transformaciones geográficas, Generador de números aleatorios, Sistema de coordenadas de salida, Espacio de trabajo temporal

Información de licenciamiento

• Basic: Requiere Spatial Analyst
• Standard: Requiere Spatial Analyst
• Avanzado: Requiere Spatial Analyst

Temas relacionados

• Vista general del conjunto de herramientas de Densidad
• Buscar una herramienta de geoprocesamiento