Densifier le réseau d’échantillonnage (Outils Geostatistical Analyst)

Résumé

Utilise une couche géostatistique de krigeage prédéfinie pour déterminer où implanter de nouvelles stations de surveillance. Il permet également de déterminer quelles stations de surveillance doivent être retirées d’un réseau existant.

Utilisation

La couche géostatistique en entrée doit être une couche de krigeage.
Il peut arriver qu’une seule nouvelle localisation soit générée alors que plusieurs étaient demandées. Cela se produit lorsque la même nouvelle localisation reste sélectionnée d’après les critères de sélection. Pour éviter cette situation, spécifiez une valeur pour le paramètre Inhibition distance (Distance d’inhibition). L’utilisation d’une distance d’inhibition est particulièrement importante lorsqu’on utilise Lower quartile threshold (Seuil de quartile inférieur) ou Upper quartile threshold (Seuil de quartile supérieur) (en Python, QUARTILE_THRESHOLD ou QUARTILE_THRESHOLD_UPPER) comme critères de sélection.
Pour choisir les localisations qui ont le moins d’influence sur la surface de prévision, vous pouvez utiliser la classe d’entités qui a été utilisée pour créer la couche de krigeage pour le paramètre Input candidate point features (Entités ponctuelles candidates en entrée). Si certaines stations de surveillance doivent être désactivées, vous pouvez supprimer les localisations les moins influentes.

Etiqueter	Explication	Type de données
Couche géostatistique en entrée	Couche géostatistique en entrée issue d’un modèle de krigeage.	Geostatistical Layer
Number of output points (Nombre de points en sortie)	Spécifiez le nombre de localisations d’échantillonnage à générer.	Long
Classe d’entités ponctuelles en sortie	Nom de la classe d’entités en sortie.	Feature Class
Critères de sélection (Facultatif)	Méthodes de densification d’un réseau d’échantillonnage L’option Standard error of prediction (Erreur standard de prévision) donne une pondération supplémentaire aux localisations dont l’erreur standard de prévision est importante. Les options Standard error threshold (Seuil d’erreur standard), Lower quartile threshold (Seuil de quartile inférieur) et Upper quartile threshold (Seuil de quartile supérieur )sont utiles lorsque la variable étudiée dispose d’une valeur de seuil critique (par exemple le niveau d’ozone le plus élevé admissible). L’option Standard error threshold (Seuil d’erreur standard) donne une pondération supplémentaire aux localisations dont les valeurs sont proches du seuil. L’option Lower quartile threshold (Seuil de quartile inférieur) donne une pondération supplémentaire aux localisations qui sont les moins susceptibles de dépasser le seuil critique. L’option Upper quartile threshold (Seuil de quartile supérieur) donne une pondération supplémentaire aux localisations qui sont les plus susceptibles de dépasser le seuil critique. Lorsque le paramètre Selection criteria (Critères de sélection) est défini sur Standard error threshold (Seuil d’erreur standard), Lower quartile threshold (Seuil de quartile inférieur) ou Upper quartile threshold (Seuil de quartile supérieur), le paramètre Threshold value (Valeur de seuil) devient disponible, ce qui vous permet de spécifier le seuil d’intérêt. Les équations pour chaque option sont les suivantes : <!--```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">Erreur standard de prévision</span>—<span data-desc="STDERR">Critère d’erreur standard de prédiction</span> - <span data-name="STDERR_THRESHOLD">Seuil d’erreur standard</span>—<span data-desc="STDERR_THRESHOLD">Critère de seuil d’erreur standard</span> - <span data-name="QUARTILE_THRESHOLD">Seuil de quartile inférieur</span>—<span data-desc="QUARTILE_THRESHOLD">Critère de seuil de quartile inférieur</span> - <span data-name="QUARTILE_THRESHOLD_UPPER">Seuil de quartile supérieur</span>—<span data-desc="QUARTILE_THRESHOLD_UPPER">Critère de seuil de quartile supérieur</span> </div>	String
Seuil (Facultatif)	Valeur de seuil utilisée pour densifier le réseau d’échantillonnage Ce paramètre est applicable uniquement si le critère de sélection Standard error threshold (Seuil d’erreur standard), Lower quartile threshold (Seuil de quartile inférieur) ou Upper quartile threshold (Seuil de quartile supérieur) est utilisé.	Double
Raster de pondération en entrée (Facultatif)	Raster qui permet de déterminer les localisations privilégiées à pondérer.	Raster Layer
Entités ponctuelles candidates en entrée (Facultatif)	Localisations d’échantillonnage à sélectionner.	Feature Layer
Distance d’inhibition (Facultatif)	Permet d’empêcher le positionnement des échantillons à cette distance les uns des autres.	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})

Nom	Explication	Type de données
in_geostat_layer	Couche géostatistique en entrée issue d’un modèle de krigeage.	Geostatistical Layer
number_output_points	Spécifiez le nombre de localisations d’échantillonnage à générer.	Long
out_feature_class	Nom de la classe d’entités en sortie.	Feature Class
selection_criteria (Facultatif)	Méthodes de densification d’un réseau d’échantillonnage L’option `STERR` donne une pondération supplémentaire aux localisations dont l’erreur standard de prévision est importante. Les options `STDERR_THRESHOLD`, `QUARTILE_THRESHOLD` et `QUARTILE_THRESHOLD_UPPER` sont utiles lorsque la variable étudiée dispose d’une valeur de seuil critique (par exemple le niveau d’ozone le plus élevé admissible). L’option `STDERR_THRESHOLD` donne une pondération supplémentaire aux localisations dont les valeurs sont proches du seuil. L’option `QUARTILE_THRESHOLD` donne une pondération supplémentaire aux localisations qui sont les moins susceptibles de dépasser le seuil critique. L’option `QUARTILE_THRESHOLD_UPPER` donne une pondération supplémentaire aux localisations qui sont les plus susceptibles de dépasser le seuil critique. Les équations pour chaque option sont les suivantes : <!--```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">Critère d’erreur standard de prédiction</span> - <span data-name="STDERR_THRESHOLD">`STDERR_THRESHOLD`</span>—<span data-desc="STDERR_THRESHOLD">Critère de seuil d’erreur standard</span> - <span data-name="QUARTILE_THRESHOLD">`QUARTILE_THRESHOLD`</span>—<span data-desc="QUARTILE_THRESHOLD">Critère de seuil de quartile inférieur</span> - <span data-name="QUARTILE_THRESHOLD_UPPER">`QUARTILE_THRESHOLD_UPPER`</span>—<span data-desc="QUARTILE_THRESHOLD_UPPER">Critère de seuil de quartile supérieur</span> </div>	String
threshold (Facultatif)	Valeur de seuil utilisée pour densifier le réseau d’échantillonnage Ce paramètre est applicable uniquement si le critère de sélection Standard error threshold (Seuil d’erreur standard), Lower quartile threshold (Seuil de quartile inférieur) ou Upper quartile threshold (Seuil de quartile supérieur) est utilisé.	Double
in_weight_raster (Facultatif)	Raster qui permet de déterminer les localisations privilégiées à pondérer.	Raster Layer
in_candidate_point_features (Facultatif)	Localisations d’échantillonnage à sélectionner.	Feature Layer
inhibition_distance (Facultatif)	Permet d’empêcher le positionnement des échantillons à cette distance les uns des autres.	Linear Unit

Exemple de code

Exemple 1 d’utilisation de la fonction DensifySamplingNetwork (fenêtre Python)

Densifiez un réseau d’échantillonnage en fonction d’une couche géostatistique de krigeage prédéfinie.

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

Exemple 2 d’utilisation de la fonction DensifySamplingNetwork (script autonome)

Densifiez un réseau d’échantillonnage en fonction d’une couche géostatistique de krigeage prédéfinie.

# 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)

Environnements

Espace de travail courant, Etendue, Transformations géographiques, Système de coordonnées en sortie, Facteur de traitement parallèle, Espace de travail temporaire

Informations de licence