Уплотнить сеть выборки (Инструменты Geostatistical Analyst)

Краткая информация

Использует готовый геостатистический слой кригинга для определения мест постройки новых станций мониторинга. Он также может использоваться для определения того, какие станции мониторинга следует удалить из существующей сети.

Использование

Входной геостатистический слой должен быть слоем кригинга.
Может возникнуть ситуация, когда при запросе дополнительных местоположений будет создано только одно новое местоположение. Это происходит, когда одно и то же новое местоположение продолжает выбираться на основе критериев выборки. Этого можно предотвратить, задавая значение параметра расстояние подавления. Использование расстояния подавления особенно важно при использовании Порогового значения нижнего квартиля или Порогового значения верхнего квартиля (в Python QUARTILE_THRESHOLD или QUARTILE_THRESHOLD_UPPER) в качестве критерия выборки.
Чтобы определить, какие местоположения оказывают наименьшее влияние на поверхность прогноза, можно использовать класс объектов, который был использован для создания слоя кригинга для параметра Входные точечные объекты-кандидаты. Если некоторые станции мониторинга придётся вывести из эксплуатации, местоположения с наименьшим влиянием являются хорошими кандидатами для удаления.

Подпись	Объяснение	Тип данных
Входной геостатистический слой	Входной геостатистический слой, являющийся результатом модели Простого кригинга.	Geostatistical Layer
Число выходных точек	Укажите, сколько опорных точек следует создать.	Long
Выходной класс точечных объектов	Имя выходного класса пространственных объектов.	Feature Class
Критерии выборки (Дополнительный)	Методы уплотнения сети выборки. Опция Среднеквадратическая ошибка прогнозирования присваивает больший вес местоположениям с высокой стандартной ошибкой прогнозирования. Опции Пороговое значение среднеквадратической ошибки, Пороговое значение нижнего квартиля и Пороговое значение верхнего квартиля полезны, когда для исследуемой переменной существует критическое пороговое значение (например, максимально допустимый уровень озона). Опция Пороговое значение среднеквадратической ошибки присваивает больший вес местоположениям, значения которых близки к порогу. Параметр Пороговое значение нижнего квартиля присваивает больший вес местоположениям, которые с наименьшей вероятностью превысят критический порог. Параметр Пороговое значение верхнего квартиля присваивает больший вес местоположениям, которые с наибольшей вероятностью превысят критический порог. Когда в Критерии выборки выбран один из вариантов Пороговое значение среднеквадратической ошибки, Пороговое значение нижнего квартиля или Пороговое значение верхнего квартиля, становится доступен параметр Пороговое значение, позволяющий указать интересующий порог. Уравнения для каждого варианта: <!--```без выделения Среднеквадратическая ошибка прогнозирования = stderr Пороговое значение среднеквадратической ошибки = stderr(s)(1 - 2 · abs(prob[Z(s) > threshold] - 0.5)) Пороговое значение нижнего квартиля = (Z_0.75(s) - Z_0.25(s)) · (prob[Z(s) < threshold]) Пороговое значение верхнего квартиля = (Z_0.75(s) - Z_0.25(s)) · (prob[Z(s) > threshold]) <div data-domains="selection_criteria"> - <span data-name="STDERR">Среднеквадратическая ошибка прогнозирования</span>–<span data-desc="STDERR">Критерий среднеквадратической ошибки прогнозирования</span> - <span data-name="STDERR_THRESHOLD">Пороговое значение среднеквадратической ошибки</span>–<span data-desc="STDERR_THRESHOLD">Критерий порогового значения среднеквадратической ошибки</span> - <span data-name="QUARTILE_THRESHOLD">Пороговое значение нижнего квартиля</span>–<span data-desc="QUARTILE_THRESHOLD">Критерий порогового значения нижнего квартиля</span> - <span data-name="QUARTILE_THRESHOLD_UPPER">Пороговое значение верхнего квартиля</span>–<span data-desc="QUARTILE_THRESHOLD_UPPER">Критерий порогового значения верхнего квартиля</span> </div>	String
Пороговое значение (Дополнительный)	Пороговое значение, используемое для уплотнения сети выборки. Этот параметр применяется только при выборе критериев Пороговое значение среднеквадратической ошибки, Пороговое значение нижнего квартиля или Пороговое значение верхнего квартиля.	Double
Входной растр весов (Дополнительный)	Растр, используемый для определения положений с предпочтительным присвоением весов.	Raster Layer
Входные точечные объекты-кандидаты (Дополнительный)	Опорные точки для выборки.	Feature Layer
Расстояние подавления (Дополнительный)	Используется для предотвращения размещения опорных точек в пределах заданного расстояния друг от друга.	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})

Имя	Объяснение	Тип данных
in_geostat_layer	Входной геостатистический слой, являющийся результатом модели Простого кригинга.	Geostatistical Layer
number_output_points	Укажите, сколько опорных точек следует создать.	Long
out_feature_class	Имя выходного класса пространственных объектов.	Feature Class
selection_criteria (Дополнительный)	Методы уплотнения сети выборки. Опция `STERR` присваивает больший вес местоположениям с высокой стандартной ошибкой прогнозирования. Опции `STDERR_THRESHOLD`, `QUARTILE_THRESHOLD` и `QUARTILE_THRESHOLD_UPPER` полезны, когда для исследуемой переменной существует критическое пороговое значение (например, максимально допустимый уровень озона). Опция `STDERR_THRESHOLD` присваивает больший вес местоположениям, значения которых близки к порогу. Параметр `QUARTILE_THRESHOLD` присваивает больший вес местоположениям, которые с наименьшей вероятностью превысят критический порог. Параметр `QUARTILE_THRESHOLD_UPPER` присваивает больший вес местоположениям, которые с наибольшей вероятностью превысят критический порог. Уравнения для каждого варианта: <!--```без выделения Среднеквадратическая ошибка прогнозирования = stderr Пороговое значение среднеквадратической ошибки = stderr(s)(1 - 2 · abs(prob[Z(s) > threshold] - 0.5)) Пороговое значение нижнего квартиля = (Z_0.75(s) - Z_0.25(s)) · (prob[Z(s) < threshold]) Пороговое значение верхнего квартиля = (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">Критерий среднеквадратической ошибки прогнозирования</span> - <span data-name="STDERR_THRESHOLD">`STDERR_THRESHOLD`</span>–<span data-desc="STDERR_THRESHOLD">Критерий порогового значения среднеквадратической ошибки</span> - <span data-name="QUARTILE_THRESHOLD">`QUARTILE_THRESHOLD`</span>–<span data-desc="QUARTILE_THRESHOLD">Критерий порогового значения нижнего квартиля</span> - <span data-name="QUARTILE_THRESHOLD_UPPER">`QUARTILE_THRESHOLD_UPPER`</span>–<span data-desc="QUARTILE_THRESHOLD_UPPER">Критерий порогового значения верхнего квартиля</span> </div>	String
threshold (Дополнительный)	Пороговое значение, используемое для уплотнения сети выборки. Этот параметр применяется только при выборе критериев Пороговое значение среднеквадратической ошибки, Пороговое значение нижнего квартиля или Пороговое значение верхнего квартиля.	Double
in_weight_raster (Дополнительный)	Растр, используемый для определения положений с предпочтительным присвоением весов.	Raster Layer
in_candidate_point_features (Дополнительный)	Опорные точки для выборки.	Feature Layer
inhibition_distance (Дополнительный)	Используется для предотвращения размещения опорных точек в пределах заданного расстояния друг от друга.	Linear Unit

Пример кода

DensifySamplingNetwork, пример 1 (окно Python)

Уплотнить сеть выборки на основе заранее определённого геостатистического слоя кригинга.

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

Пример DensifySamplingNetwork, пример 2 (автономный скрипт)

Уплотнить сеть выборки на основе заранее определённого геостатистического слоя кригинга.

# 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)

Параметры среды

Текущая рабочая область, Экстент, Географические преобразования, Выходная система координат, Коэффициент параллельной обработки, Временная рабочая область

Информация о лицензировании