Prévoir à l’aide du raster de tendance (Outils Image Analyst)
Résumé
Calculer un raster multidimensionnel prévu en utilisant le raster de tendance en sortie depuis l’outil Generate Trend Raster (Générer un raster de tendance).
Cet outil crée un jeu de données raster multidimensionnel au format Cloud Raster Format (CRF). Actuellement, aucun autre format en sortie n’est pris en charge.
Par défaut, le raster multidimensionnel en sortie sera compressé à l’aide du type de compression LZ77. Nous vous recommandons néanmoins de changer le type de compression de sorte à utiliser la compression LERC et d’ajuster la valeur d’erreur maximale en fonction des données. Par exemple, si vous voulez que la précision des résultats de l’analyse soit de trois décimales, utilisez la valeur d’erreur maximale 0,001. Évitez les exigences de précision inutiles, car elles ne feront qu’augmenter le temps de traitement et l’espace nécessaire au stockage.
La ou les variables à prévoir dans l’analyse. Si aucune variable n’est spécifiée, toutes les variables sont utilisées.
String
Dimension Definition (Définition de la dimension)
(Facultatif)
Spécifie la méthode utilisée pour fournir les valeurs de dimension de prévision.
Par valeur—La prévision est calculée pour une seule valeur de dimension ou pour une liste de valeurs de dimension définies par le paramètre Values (Valeurs) (dimension_values dans Python). Il s’agit de l’option par défaut. Par exemple, vous voulez prévoir les précipitations annuelles pour les années 2050, 2100 et 2150.
Par intervalle—La prévision est calculée pour un intervalle de la dimension définie par une valeur de début et de fin. Par exemple, vous souhaitez prévoir les précipitations annuelles pour toutes les années entre 2050 et 2150.
String
Valeurs
(Facultatif)
Valeur(s) de dimension à utiliser dans la prévision.
Le format des valeurs de temps, de profondeur et de hauteur doit correspondre au format des valeurs de dimension utilisées pour générer le raster de tendance. Si le raster de tendance a été généré pour la dimension StdTime, le format est AAAA-MM-JJTHH:MM:SS (par exemple, 2050-01-01T00:00:00). Les valeurs multiples sont séparées par des points-virgules.
Ce paramètre est requis lorsque le paramètre Dimension Definition (Définition de la dimension) est défini sur By value (Par valeur).
String
Départ
(Facultatif)
Date de début, hauteur ou profondeur de l’intervalle de dimensions à utiliser dans la prévision.
String
Fin
(Facultatif)
Date de fin, hauteur ou profondeur de l’intervalle de dimensions à utiliser dans la prévision.
String
Valeur de l’intervalle
(Facultatif)
Nombre d'étapes entre deux valeurs de dimension à inclure dans la prévision. La valeur par défaut est 1.
Par exemple, pour prévoir les valeurs de température tous les cinq ans, utilisez la valeur 5.
Double
Unité
(Facultatif)
Spécifie l’unité utilisée pour la valeur d’intervalle. Ce paramètre ne s’applique que si la dimension de l’analyse est une dimension de temps.
Heures—La prévision est calculée pour chaque heure de la plage de temps décrite par les paramètres Start (Début), End (Fin) et Value Interval (Intervalle de valeur).
Jours—La prévision est calculée pour chaque jour de la plage de temps décrite par les paramètres Start (Début), End (Fin) et Value Interval (Intervalle de valeur).
Semaines—La prévision est calculée pour chaque semaine de la plage de temps décrite par les paramètres Start (Début), End (Fin) et Value Interval (Intervalle de valeur).
Mois—La prévision est calculée pour chaque mois de la plage de temps décrite par les paramètres Start (Début), End (Fin) et Value Interval (Intervalle de valeur).
Années—La prévision est calculée pour chaque année de la plage de temps décrite par les paramètres Start (Début), End (Fin) et Value Interval (Intervalle de valeur).
String
Valeur de retour
Etiqueter
Explication
Type de données
Raster multidimensionnel en sortie
Jeu de données raster multidimensionnel CRF (Cloud Raster Format) en sortie.
La ou les variables à prévoir dans l’analyse. Si aucune variable n’est spécifiée, toutes les variables sont utilisées.
String
dimension_def
(Facultatif)
Spécifie la méthode utilisée pour fournir les valeurs de dimension de prévision.
BY_VALUE—La prévision est calculée pour une seule valeur de dimension ou pour une liste de valeurs de dimension définies par le paramètre Values (Valeurs) (dimension_values dans Python). Il s’agit de l’option par défaut. Par exemple, vous voulez prévoir les précipitations annuelles pour les années 2050, 2100 et 2150.
BY_INTERVAL—La prévision est calculée pour un intervalle de la dimension définie par une valeur de début et de fin. Par exemple, vous souhaitez prévoir les précipitations annuelles pour toutes les années entre 2050 et 2150.
String
dimension_values[dimension_values,...]
(Facultatif)
Valeur(s) de dimension à utiliser dans la prévision.
Le format des valeurs de temps, de profondeur et de hauteur doit correspondre au format des valeurs de dimension utilisées pour générer le raster de tendance. Si le raster de tendance a été généré pour la dimension StdTime, le format est AAAA-MM-JJTHH:MM:SS (par exemple, 2050-01-01T00:00:00). Les valeurs multiples sont séparées par des points-virgules.
Ce paramètre est requis lorsque le paramètre dimension_def est défini sur BY_VALUE.
String
start
(Facultatif)
Date de début, hauteur ou profondeur de l’intervalle de dimensions à utiliser dans la prévision.
String
end
(Facultatif)
Date de fin, hauteur ou profondeur de l’intervalle de dimensions à utiliser dans la prévision.
String
interval_value
(Facultatif)
Nombre d'étapes entre deux valeurs de dimension à inclure dans la prévision. La valeur par défaut est 1.
Par exemple, pour prévoir les valeurs de température tous les cinq ans, utilisez la valeur 5.
Double
interval_unit
(Facultatif)
Spécifie l’unité utilisée pour la valeur d’intervalle. Ce paramètre ne s’applique que si la dimension de l’analyse est une dimension de temps.
HOURS—La prévision est calculée pour chaque heure de la plage de temps décrite par les paramètres start, end et interval_value.
DAYS—La prévision est calculée pour chaque jour de la plage de temps décrite par les paramètres start, end et interval_value.
WEEKS—La prévision est calculée pour chaque semaine de la plage de temps décrite par les paramètres start, end et interval_value.
MONTHS—La prévision est calculée pour chaque mois de la plage de temps décrite par les paramètres start, end et interval_value.
YEARS—La prévision est calculée pour chaque année de la plage de temps décrite par les paramètres start, end et interval_value.
String
Valeur de retour
Nom
Explication
Type de données
out_multidimensional_raster
Jeu de données raster multidimensionnel CRF (Cloud Raster Format) en sortie.
Raster
Exemple de code
Exemple 1 d’utilisation de la fonction PredictUsingTrendRaster (fenêtre Python)
Cet exemple génère les précipitations et températures prévues pour le 1er janvier 2050 et le 1er janvier 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")
Exemple 2 d’utilisation de la fonction PredictUsingTrendRaster (script autonome)
Cet exemple génère les valeurs NDVI prévues pour chaque mois de l’année 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")