Прогнозировать, используя растр тренда (Инструменты Image Analyst)
Краткая информация
Вычисляет прогнозируемый многомерный растр, используя выходной растр тренда из инструмента Создать растр тренда.
Использование
Этот инструмент использует выходные данные инструмента Создать растр тренда как входной многомерный растр.
Этот инструмент создает многомерный набор растровых данных в формате Cloud Raster Format (CRF). В настоящее время другие форматы выхода не поддерживаются.
По умолчанию выходной многомерный растр будет сжиматься с использованием типа сжатия LZ77. Однако рекомендуется изменить тип сжатия на LERC и настроить максимальное значение ошибки на основе данных. Например, если вы ожидаете, что результаты анализа будут иметь точность до трех десятичных знаков, используйте 0,001 для максимального значения ошибки. Избейте излишних требований к точности, поскольку они увеличивают время обработки и размер хранилища.
Переменная или переменные, по которым в ходе анализа будет выполнено прогнозирование. Если переменные не указаны, будут использоваться все переменные.
String
Определение измерения
(Дополнительный)
Определяет метод, используемый для указания значений прогнозируемых измерений.
По значению–Прогноз будет рассчитываться для одного значения измерения или списка значений измерения, определенных параметром Значения (dimension_values в Python). Например, вы хотите спрогнозировать годовое количество осадков на 2050, 2100 и 2150 годы.
По интервалу–Прогноз будет вычислен для интервала измерения, задаваемого начальным и конечным значениями. Например, вы хотите прогнозировать годовое количество осадков на каждый год с 2050 по 2150.
String
Значения
(Дополнительный)
Значение или значения измерения, которые будут использоваться в прогнозе.
Формат значений времени, глубины и высоты должен соответствовать формату значений измерений, используемых для создания растра тренда. Если растр тренда был создан для измерений времени StdTime (Стандартное время), формат должен быть ГГГГ-ММ-ДДТЧЧ:ММ:СС, например, 2050-01-01T00:00:00. Несколько значений разделяются точкой с запятой.
Этот параметр необходим, если параметр Определение измерения установлен на По значению.
String
Начало
(Дополнительный)
Дата начала, начальная высота или глубина интервала измерения, используемого в прогнозе.
String
Окончание
(Дополнительный)
Дата окончания, конечная высота или глубина интервала измерения, используемого в прогнозе.
String
Значение интервала
(Дополнительный)
Количество шагов между двумя значениями измерений, которые должны быть включены в прогноз. Значение по умолчанию равно 1.
Например, для прогноза значений температуры на каждые пять лет используйте значение 5.
Double
Единицы измерения
(Дополнительный)
Определяет единицы измерения, которые будут применены к значению интервала. Этот параметр применяется только в том случае, если измерение, используемое в анализе, является измерением времени.
Часы–Прогноз будет рассчитываться для каждого часа в диапазоне времени, описываемом параметрами Начало, Окончание и Значение интервала.
Дни–Прогноз будет рассчитываться для каждого дня в диапазоне времени, описываемом параметрами Начало, Окончание и Значение интервала.
Недели–Прогноз будет рассчитываться для каждой недели в диапазоне времени, описываемом параметрами Начало, Окончание и Значение интервала.
Месяцы–Прогноз будет рассчитываться для каждого месяца в диапазоне времени, описываемом параметрами Начало, Окончание и Значение интервала.
Годы–Прогноз будет рассчитываться для каждого года в диапазоне времени, описываемом параметрами Начало, Окончание и Значение интервала.
String
Возвращаемое значение
Подпись
Объяснение
Тип данных
Выходной многомерный растр
Выходной многомерный набор растровых данных Cloud Raster Format (CRF).
Переменная или переменные, по которым в ходе анализа будет выполнено прогнозирование. Если переменные не указаны, будут использоваться все переменные.
String
dimension_def
(Дополнительный)
Определяет метод, используемый для указания значений прогнозируемых измерений.
BY_VALUE–Прогноз будет рассчитываться для одного значения измерения или списка значений измерения, определенных параметром Значения (dimension_values в Python). Например, вы хотите спрогнозировать годовое количество осадков на 2050, 2100 и 2150 годы.
BY_INTERVAL–Прогноз будет вычислен для интервала измерения, задаваемого начальным и конечным значениями. Например, вы хотите прогнозировать годовое количество осадков на каждый год с 2050 по 2150.
String
dimension_values[dimension_values,...]
(Дополнительный)
Значение или значения измерения, которые будут использоваться в прогнозе.
Формат значений времени, глубины и высоты должен соответствовать формату значений измерений, используемых для создания растра тренда. Если растр тренда был создан для измерений времени StdTime (Стандартное время), формат должен быть ГГГГ-ММ-ДДТЧЧ:ММ:СС, например, 2050-01-01T00:00:00. Несколько значений разделяются точкой с запятой.
Этот параметр необходим, если параметр dimension_def установлен на BY_VALUE.
String
start
(Дополнительный)
Дата начала, начальная высота или глубина интервала измерения, используемого в прогнозе.
String
end
(Дополнительный)
Дата окончания, конечная высота или глубина интервала измерения, используемого в прогнозе.
String
interval_value
(Дополнительный)
Количество шагов между двумя значениями измерений, которые должны быть включены в прогноз. Значение по умолчанию равно 1.
Например, для прогноза значений температуры на каждые пять лет используйте значение 5.
Double
interval_unit
(Дополнительный)
Определяет единицы измерения, которые будут применены к значению интервала. Этот параметр применяется только в том случае, если измерение, используемое в анализе, является измерением времени.
HOURS–Прогноз будет рассчитан для каждого часа в интервале времени, описываемом параметрами start, end и interval_value.
DAYS–Прогноз будет рассчитан для каждого дня в интервале времени, описанном параметрами start, end и interval_value.
WEEKS–Прогноз будет рассчитан для каждой недели в интервале времени, описанном аргументами start, end и interval_value.
MONTHS–Прогноз будет рассчитан для каждого месяца в интервале времени, описанном параметрами start, end и interval_value.
YEARS–Прогноз будет рассчитан для каждого года в интервале времени, описанном аргументами start, end и interval_value.
String
Возвращаемое значение
Имя
Объяснение
Тип данных
out_multidimensional_raster
Выходной многомерный набор растровых данных Cloud Raster Format (CRF).
Raster
Пример кода
PredictUsingTrendRaster, пример 1 (окно Python)
В этом примере прогнозируются осадки и температура воздуха на 1 января 2050 года и 1 января 2100 года.
# 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, пример 2 (stand-alone script)
В этом примере генерируются прогнозируемые значения NDVI для каждого месяца в 2025 году.
# 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")