Эмпирический байесовский кригинг (Инструменты Geostatistical Analyst)

Краткая информация

Эмпирический байесовский кригинг - это метод интерполяции, в котором учитывается ошибка при оценке базовой вариограммы путем повторной имитации.

Что такое Эмпирический байесовский кригинг?

Использование

Этот метод кригинга пригоден для обработки умеренно нестационарных входных данных.
С этим методом интерполяции могут использоваться только Стандартная круговая и Сглаженная круговая окрестностей поиска.
При использовании опции Сглаженная окружность для параметра Окрестность поиска время выполнения существенно увеличивается.
Чем больше значения Максимальное число точек в каждой локальной модели и Коэффициент перекрытия локальной модели, тем дольше время выполнения. При применении Преобразования данных время выполнения также существенно увеличится.
Для того, чтобы избежать недостатка памяти, программное обеспечение может ограничить количество ядер ЦПУ, которые могут использоваться при параллельной обработке.
Если входные данные в географической системе координат, все расстояния будут вычисляться с использованием хордовых расстояний. Для получения более подробных сведений о хордовых расстояниях, см. раздел Вычисление расстояний для данных в географических системах координат в главе справки Что такое эмпирический байесовский кригинг.

Подпись	Объяснение	Тип данных
Входные объекты	Входные точечные объекты, содержащие z-значения для интерполяции.	Feature Layer
Поле значений Z	Поле, в котором хранится значение высоты или величины для каждой точки. Это может быть числовое поле или поле Shape, если входные объекты содержат z-значения или m-значения.	Field
Выходной геостатистический слой (Дополнительный)	Создаваемый геостатистический слой. Этот слой является обязательными выходными данными, только если не запрошен выходной растр.	Geostatistical Layer
Выходной растр (Дополнительный)	Выходной растр. Этот растр является обязательными выходными данными, только если не запрошен выходной геостатистический слой.	Raster Dataset
Размер выходной ячейки (Дополнительный)	Размер ячейки, который будет использован при создании выходного растра. Это значение может быть явно задано в Параметрах среды с помощью параметра Размер ячейки. Если не задано иное, используется наименьшее значение из ширины и высоты экстента входных точечных объектов во входной пространственной привязке, деленное на 250.	Analysis Cell Size
Тип преобразования данных (Дополнительный)	Тип преобразования, применяемый к входным данным. Нет–Не применять преобразования. Используется по умолчанию. Эмпирическая–Преобразование по методу Мультипликативной асимметрии с Эмпирической базовой функцией. Логэмпирическая–Преобразование по методу Мультипликативной асимметрии с Логэмпирической базовой функцией. Все значения данных должны быть положительными. Если эта опция отмечена, все прогнозы будут положительны.	String
Максимальное число точек в каждой локальной модели (Дополнительный)	Входные данные будут автоматически разделены на группы, не содержащие больше заданного количества точек.	Long
Коэффициент перекрытия областей локальной модели (Дополнительный)	Коэффициент, который представляет уровень перекрытия между локальными моделями (также называемыми поднаборами). Каждая входная точка может попадать в несколько поднаборов, и коэффициент перекрытия определяет среднее число поднаборов, в которые попадает каждая точка. Высокое значение коэффициента перекрытия позволяет сгладить выходную поверхность, но при этом увеличивает время обработки. Типичные значения изменяются в пределах 0,01 и 5.	Double
Число моделируемых вариограмм (Дополнительный)	Число моделируемых вариограмм для каждой локальной модели.	Long
Окрестность поиска (Дополнительный)	Определяет, какие точки будут использованы для управления выходными данными. По умолчанию используется Стандартная окружность. Стандартная окружность Макс. соседей—максимальное число соседей, которое используется для оценки значения в неизвестном местоположении. Мин. соседей—минимальное число соседей, которое используется для оценки значения в неизвестном местоположении. Тип сектора– геометрия окрестности. Один сектор–один эллипс. Четыре сектора–эллипс, разделенный на четыре сектора. Четыре сектора со смещением–эллипс, разделенный на четыре сектора и сдвинутый на 45 градусов. Восемь секторов–эллипс, разделенный на восемь секторов. Угол–угол поворота для оси (окружности) или большой полуоси (эллипса) движущегося окна. Радиус–длина радиуса окружности поиска. Сглаженная окружность Коэффициент сглаживания–опция Сглаженная интерполяция создает внешний эллипс и внутренний эллипс на расстоянии, равном Большой полуоси, умноженном на коэффициент сглаживания. Точки, располагающиеся за пределами наименьшего эллипса, но в пределах наибольшего эллипса, взвешиваются с помощью сигмоидальной функции со значением между нулем и единицей. Радиус–длина радиуса окружности поиска.	Geostatistical Search Neighborhood
Тип выходной поверхности (Дополнительный)	Тип поверхности для хранения результатов интерполяции. Интерполяция–Поверхности прогноза создаются на основе интерполированных значений. Среднеквадратическая ошибка прогнозирования–Поверхности стандартной ошибки создаются на основе стандартных ошибок интерполированных значений. Вероятность–Поверхность вероятности значений, превышающих или не превышающих определенный порог. Квантиль–Поверхность квантиля, показывающая распределение квантиля вероятности.	String
Значение квантиля (Дополнительный)	Значение квантиля, для которого будет создан выходной растр.	Double
Тип порога вероятности (Дополнительный)	Указывает, следует ли вычислять вероятность превышения или не превышения указанного порогового значения. Превышено–Значения вероятности превышают порог. Используется по умолчанию. Не превышено–Значения вероятности не превышают порог.	String
Порог вероятности (Дополнительный)	Пороговое значение вероятности. Если оставить это поле пустым, будет использована медиана (50^-й квантиль) входных данных.	Double
Тип модели вариограммы (Дополнительный)	Модель вариограммы, которая будет использована для интерполяции. Доступные варианты зависят от значения параметра Тип преобразования данных. Если тип преобразования данных установлен на Нет, доступны только первые три вариограммы. Если выбран тип Эмпирическая или Логэмпирическая, доступны последние шесть вариограмм. Для получения подробной информации о выборе подходящей вариограммы для ваших данных, см. раздел Что такое Эмпирический байесовский кригинг. Степень–Вариограмма Усиленный сплайн Линейная–Линейная вариограмма Плоский сплайн–Вариограмма плоского сплайна Экспоненциальная–Экспоненциальная вариограмма Экспоненциальная с исключенным трендом–Экспоненциальная вариограмма с удалением тренда первого порядка Распределение Уиттла–Вариограмма Уиттла Распределение Уиттла с исключенным трендом–Вариограмма Уиттла с удалением тренда первого порядка K-Бесселя–Вариограмма K-Бесселя Распределение K-Бесселя с исключенным трендом–Вариограмма K-Бесселя с удалением тренда первого порядка	String

arcpy.ga.EmpiricalBayesianKriging(in_features, z_field, {out_ga_layer}, {out_raster}, {cell_size}, {transformation_type}, {max_local_points}, {overlap_factor}, {number_semivariograms}, {search_neighborhood}, {output_type}, {quantile_value}, {threshold_type}, {probability_threshold}, {semivariogram_model_type})

Имя	Объяснение	Тип данных
in_features	Входные точечные объекты, содержащие z-значения для интерполяции.	Feature Layer
z_field	Поле, в котором хранится значение высоты или величины для каждой точки. Это может быть числовое поле или поле Shape, если входные объекты содержат z-значения или m-значения.	Field
out_ga_layer (Дополнительный)	Создаваемый геостатистический слой. Этот слой является обязательными выходными данными, только если не запрошен выходной растр.	Geostatistical Layer
out_raster (Дополнительный)	Выходной растр. Этот растр является обязательными выходными данными, только если не запрошен выходной геостатистический слой.	Raster Dataset
cell_size (Дополнительный)	Размер ячейки, который будет использован при создании выходного растра. Это значение может быть явно задано в Параметрах среды с помощью параметра Размер ячейки. Если не задано иное, используется наименьшее значение из ширины и высоты экстента входных точечных объектов во входной пространственной привязке, деленное на 250.	Analysis Cell Size
transformation_type (Дополнительный)	Тип преобразования, применяемый к входным данным. `NONE`–Не применять преобразования. Используется по умолчанию. `EMPIRICAL`–Преобразование по методу Мультипликативной асимметрии с Эмпирической базовой функцией. `LOGEMPIRICAL`–Преобразование по методу Мультипликативной асимметрии с Логэмпирической базовой функцией. Все значения данных должны быть положительными. Если эта опция отмечена, все прогнозы будут положительны.	String
max_local_points (Дополнительный)	Входные данные будут автоматически разделены на группы, не содержащие больше заданного количества точек.	Long
overlap_factor (Дополнительный)	Коэффициент, который представляет уровень перекрытия между локальными моделями (также называемыми поднаборами). Каждая входная точка может попадать в несколько поднаборов, и коэффициент перекрытия определяет среднее число поднаборов, в которые попадает каждая точка. Высокое значение коэффициента перекрытия позволяет сгладить выходную поверхность, но при этом увеличивает время обработки. Типичные значения изменяются в пределах 0,01 и 5.	Double
number_semivariograms (Дополнительный)	Число моделируемых вариограмм для каждой локальной модели.	Long
search_neighborhood (Дополнительный)	Определяет, какие точки будут использованы для управления выходными данными. По умолчанию используется Стандартная окружность. Имеются следующие классы функции Окрестность поиска: SearchNeighborhoodStandardCircular и SearchNeighborhoodSmoothCircular. Стандартная окружность `radius`—Длина радиуса окружности поиска. `angle`—Угол поворота для оси (окружности) или большой полуоси (эллипса) движущегося окна. `nbrMax`—Максимальное число соседей, которое используется для оценки значения в неизвестном местоположении. `nbrMin`—Минимальное число соседей, которое используется для оценки значения в неизвестном местоположении. `sectorType`—Геометрия окрестности. `ONE_SECTOR`—Один эллипс. `FOUR_SECTORS`—Эллипс, разделенный на четыре сектора. `FOUR_SECTORS_SHIFTED`—Эллипс, разделенный на четыре сектора и сдвинутый на 45 градусов. `EIGHT_SECTORS`—Эллипс, разделенный на восемь секторов. Сглаженная окружность `radius`—Длина радиуса окружности поиска. `smoothFactor`—Опция Сглаженная интерполяция создает внешний эллипс и внутренний эллипс на расстоянии, равном Большой полуоси, умноженном на коэффициент сглаживания. Точки, располагающиеся за пределами наименьшего эллипса, но в пределах наибольшего эллипса, взвешиваются с помощью сигмоидальной функции со значением между нулем и единицей.	Geostatistical Search Neighborhood
output_type (Дополнительный)	Тип поверхности для хранения результатов интерполяции. Дополнительные сведения о типах выходной поверхности см. в Какие типы выходных поверхностей могут генерировать модели интерполяции? `PREDICTION`–Поверхности прогноза создаются на основе интерполированных значений. `PREDICTION_STANDARD_ERROR`–Поверхности стандартной ошибки создаются на основе стандартных ошибок интерполированных значений. `PROBABILITY`–Поверхность вероятности значений, превышающих или не превышающих определенный порог. `QUANTILE`–Поверхность квантиля, показывающая распределение квантиля вероятности.	String
quantile_value (Дополнительный)	Значение квантиля, для которого будет создан выходной растр.	Double
threshold_type (Дополнительный)	Указывает, следует ли вычислять вероятность превышения или не превышения указанного порогового значения. `EXCEED`–Значения вероятности превышают порог. Используется по умолчанию. `NOT_EXCEED`–Значения вероятности не превышают порог.	String
probability_threshold (Дополнительный)	Пороговое значение вероятности. Если оставить это поле пустым, будет использована медиана (50^-й квантиль) входных данных.	Double
semivariogram_model_type (Дополнительный)	Модель вариограммы, которая будет использована для интерполяции. Доступные варианты зависят от значения параметра `transformation_type`. Если тип преобразования данных установлен на `NONE`, доступны только первые три вариограммы. Если выбран тип `EMPIRICAL` или `LOGEMPIRICAL`, доступны последние шесть вариограмм. Для получения подробной информации о выборе подходящей вариограммы для ваших данных, см. раздел Что такое Эмпирический байесовский кригинг. `POWER`–Вариограмма Усиленный сплайн `LINEAR`–Линейная вариограмма `THIN_PLATE_SPLINE`–Вариограмма плоского сплайна `EXPONENTIAL`–Экспоненциальная вариограмма `EXPONENTIAL_DETRENDED`–Экспоненциальная вариограмма с удалением тренда первого порядка `WHITTLE`–Вариограмма Уиттла `WHITTLE_DETRENDED`–Вариограмма Уиттла с удалением тренда первого порядка `K_BESSEL`–Вариограмма K-Бесселя `K_BESSEL_DETRENDED`–Вариограмма K-Бесселя с удалением тренда первого порядка	String

Пример кода

EmpiricalBayesianKriging, пример 1 (окно Python)

Интерполировать последовательность точечных объектов в растр.

import arcpy
arcpy.ga.EmpiricalBayesianKriging("ca_ozone_pts", "OZONE", "outEBK", "C:/gapyexamples/output/ebkout",
                                  10000, "NONE", 50, 0.5, 100,
                                  arcpy.SearchNeighborhoodStandardCircular(300000, 0, 15, 10, "ONE_SECTOR"),
                                  "PREDICTION", "", "", "", "LINEAR")

EmpiricalBayesianKriging, пример 2 (автономный скрипт)

Интерполировать последовательность точечных объектов в растр.

# Name: EmpiricalBayesianKriging_Example_02.py
# Description: Bayesian kriging approach whereby many models created around the
#   semivariogram model estimated by the restricted maximum likelihood algorithm is used.
# Requirements: Geostatistical Analyst extension

# Import system modules
import arcpy

# Set environment settings
arcpy.env.workspace = "C:/gapyexamples/data"

# Set local variables
inPointFeatures = "ca_ozone_pts.shp"
zField = "ozone"
outLayer = "outEBK"
outRaster = "C:/gapyexamples/output/ebkout"
cellSize = 10000.0
transformation = "EMPIRICAL"
maxLocalPoints = 50
overlapFactor = 0.5
numberSemivariograms = 100
# Set variables for search neighborhood
radius = 300000
smooth = 0.6
searchNeighbourhood = arcpy.SearchNeighborhoodSmoothCircular(radius, smooth)
outputType = "PREDICTION"
quantileValue = ""
thresholdType = ""
probabilityThreshold = ""
semivariogram = "K_BESSEL"

# Run EmpiricalBayesianKriging
arcpy.ga.EmpiricalBayesianKriging(inPointFeatures, zField, outLayer, outRaster,
                                  cellSize, transformation, maxLocalPoints, overlapFactor, numberSemivariograms,
                                  searchNeighbourhood, outputType, quantileValue, thresholdType, probabilityThreshold,
                                  semivariogram)

Параметры среды

Размер ячейки, Совпадающие точки, Текущая рабочая область, Экстент, Географические преобразования, Маска, Выходная система координат, Коэффициент параллельной обработки, Растр привязки

Информация о лицензировании