トレンド ラスターを使用した予測 (Image Analyst ツール)
サマリー
トレンド ラスターの生成 ツールから生成された出力トレンド ラスターを使用して、予測される多次元ラスターを計算します。
使用法
このツールは、トレンド ラスターの生成 ツールからの出力を入力多次元トレンド ラスターとして使用します。
このツールは、多次元ラスター データセットをクラウド ラスター形式 (CRF) で生成します。 現在、これ以外の出力形式はサポートされていません。
デフォルトでは、多次元ラスター出力は LZ77 圧縮タイプで圧縮されます。 ただし、圧縮タイプを LERC に変更し、データに応じて最大誤差の値を調整することをおすすめします。 たとえば、小数点以下 3 桁まで正確な解析結果を生成したい場合は、最大誤差として 0.001 を使用します。 不要な精度要件は、処理時間およびストレージ サイズを増やすため、避けるようにしてください。
パラメーター
|
ラベル
|
説明
|
データ タイプ
|
|
入力トレンド ラスター
|
トレンド ラスターの生成 ツールからの入力多次元トレンド ラスター。
|
Raster Dataset; Raster Layer; Mosaic Dataset; Mosaic Layer; Image Service; File
|
|
変数 [ディメンション情報] (説明)
(オプション)
|
解析で予測する変数。 変数を指定しない場合は、すべての変数が使用されます。
|
String
|
|
ディメンション定義
(オプション)
|
予測ディメンション値の提供に使用する方法を指定します。
値を使用—値 パラメーター (Python では dimension_values) で定義した 1 つのディメンション値またはディメンション値のリストに対して予測が計算されます。 これがデフォルトです。たとえば、2050 年、2100 年、2150 年の年間降水量を予測したい場合があります。
間隔を使用—開始値と終了値で定義したディメンションの間隔に対して予測が計算されます。たとえば、2050 ～ 2150 年の各年の年間降水量を予測したい場合があります。
|
String
|
|
値
(オプション)
|
予測で使用するディメンション値。
時間、深さ、高さの値の形式は、トレンド ラスターの生成に使用したディメンション値の形式と一致する必要があります。 トレンド ラスターが [StdTime] ディメンションに対して生成された場合、この形式は YYYY-MM-DDTHH:MM:SS (たとえば、2050-01-01T00:00:00) になります。 複数の値はセミコロンで区切って指定します。
このパラメーターは、ディメンション定義 パラメーターが 値を使用 に設定されている場合に必須です。
|
String
|
|
始点
(オプション)
|
予測で使用するディメンション間隔の開始の日付、高さ、または深さ。
|
String
|
|
終点
(オプション)
|
予測で使用するディメンション間隔の終了の日付、高さ、または深さ。
|
String
|
|
値の間隔
(オプション)
|
予測に含める 2 つのディメンション値の間のステップ数。 デフォルト値は 1 です。
たとえば、5 年ごとの温度値を予測するには、値 5 を使用します。
|
Double
|
|
単位
(オプション)
|
間隔値に使用する単位を指定します。 このパラメーターは、解析のディメンションが時間ディメンションである場合にのみ適用されます。
時間—予測は、開始、終了、および 値の間隔 パラメーターで示された時間範囲内の時間ごとに計算されます。
日—予測は、開始、終了、および 値の間隔 パラメーターで示された時間範囲内の日ごとに計算されます。
週—予測は、開始、終了、および 値の間隔 パラメーターで示された時間範囲内の週ごとに計算されます。
月—予測は、開始、終了、および 値の間隔 パラメーターで示された時間範囲内の月ごとに計算されます。
年—予測は、開始、終了、および 値の間隔 パラメーターで示された時間範囲内の年ごとに計算されます。
|
String
|
戻り値
|
ラベル
|
説明
|
データ タイプ
|
|
出力多次元ラスター
|
出力クラウド ラスター形式 (CRF) の多次元ラスター データセット。
|
Raster
|
PredictUsingTrendRaster(in_multidimensional_raster, {variables}, {dimension_def}, {dimension_values}, {start}, {end}, {interval_value}, {interval_unit})
|
名前
|
説明
|
データ タイプ
|
|
in_multidimensional_raster
|
トレンド ラスターの生成 ツールからの入力多次元トレンド ラスター。
|
Raster Dataset; Raster Layer; Mosaic Dataset; Mosaic Layer; Image Service; File
|
|
variables
[variables,...]
(オプション)
|
解析で予測する変数。 変数を指定しない場合は、すべての変数が使用されます。
|
String
|
|
dimension_def
(オプション)
|
予測ディメンション値の提供に使用する方法を指定します。
BY_VALUE—値 パラメーター (Python では dimension_values) で定義した 1 つのディメンション値またはディメンション値のリストに対して予測が計算されます。 これがデフォルトです。たとえば、2050 年、2100 年、2150 年の年間降水量を予測したい場合があります。
BY_INTERVAL—開始値と終了値で定義したディメンションの間隔に対して予測が計算されます。たとえば、2050 ～ 2150 年の各年の年間降水量を予測したい場合があります。
|
String
|
|
dimension_values
[dimension_values,...]
(オプション)
|
予測で使用するディメンション値。
時間、深さ、高さの値の形式は、トレンド ラスターの生成に使用したディメンション値の形式と一致する必要があります。 トレンド ラスターが [StdTime] ディメンションに対して生成された場合、この形式は YYYY-MM-DDTHH:MM:SS (たとえば、2050-01-01T00:00:00) になります。 複数の値はセミコロンで区切って指定します。
このパラメーターは、dimension_def パラメーターが BY_VALUE に設定されている場合に必須です。
|
String
|
|
start
(オプション)
|
予測で使用するディメンション間隔の開始の日付、高さ、または深さ。
|
String
|
|
end
(オプション)
|
予測で使用するディメンション間隔の終了の日付、高さ、または深さ。
|
String
|
|
interval_value
(オプション)
|
予測に含める 2 つのディメンション値の間のステップ数。 デフォルト値は 1 です。
たとえば、5 年ごとの温度値を予測するには、値 5 を使用します。
|
Double
|
|
interval_unit
(オプション)
|
間隔値に使用する単位を指定します。 このパラメーターは、解析のディメンションが時間ディメンションである場合にのみ適用されます。
HOURS—予測は、start、end、および interval_value パラメーターで示された時間範囲内の時間ごとに計算されます。
DAYS—予測は、start、end、および interval_value パラメーターで示された時間範囲内の日ごとに計算されます。
WEEKS—予測は、start、end、および interval_value パラメーターで示された時間範囲内の週ごとに計算されます。
MONTHS—予測は、start、end、および interval_value パラメーターで示された時間範囲内の月ごとに計算されます。
YEARS—予測は、start、end、および interval_value パラメーターで示された時間範囲内の年ごとに計算されます。
|
String
|
戻り値
|
名前
|
説明
|
データ タイプ
|
|
out_multidimensional_raster
|
出力クラウド ラスター形式 (CRF) の多次元ラスター データセット。
|
Raster
|
コードのサンプル
PredictUsingTrendRaster の例 1 (Python ウィンドウ)
この例では、2050 年 1 月 1 日および 2100 年 1 月 1 日の予測される降水量と温度を生成します。
# 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 の例 2 (スタンドアロン スクリプト)
この例では、2025 年の各月の予測される NDVI 値を生成します。
# 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")
環境
セル サイズ, 圧縮, 現在のワークスペース, 地理座標系変換, NoData, 出力データのコンフィグレーション キーワード, 出力座標系, 範囲, 並列処理ファクター, ピラミッド, ラスター統計, リサンプリング方法, スクラッチ ワークスペース, スナップ対象ラスター, タイル サイズ
ライセンス情報
- Basic: Image Analyst が必要
- Standard: Image Analyst が必要
- Advanced: Image Analyst が必要