Растр во взвешенные точки (Инструменты Spatial Analyst)

Краткая информация

Создает репрезентативные точки, пропорциональные величине, на непрерывных поверхностях, сохраняя пространственные структуры и общие величины.

Подробнее о том, как работает инструмент Растр во взвешенные точки

Иллюстрация

Примеры выходных точек, взвешенных на основе значений плотности из входной поверхности.

Использование

• Доступно несколько параметров, контролирующих общее количество выходных точек и то, как эти точки будут распределены по входной поверхности. Параметр Максимальное количество точек (max_number_of_points в Python) определяет максимальное количество выходных точек. Параметр Ограничить одной точкой на ячейку (single_point_per_cell в Python) ограничивает выделение не более одной точки на ячейку. Параметр Метод распределения точек (point_distribution_method в Python) определяет, как несколько точек расположены внутри ячеек.

• Параметр Максимальное количество точек указывает общее количество точек, которые будут созданы из всего растра. Количество очков, присвоенных каждой ячейке, пропорционально значениям ячеек. Ячейки с большими значениями привносят больше точек, а ячейки с меньшими значениями — меньше точек. Это позволяет на выходе сохранять пространственную структуру и относительную величину входной поверхности.

• Используйте параметр Ограничить одной точкой на ячейку, чтобы предотвратить назначение более одной точки на ячейку. Это полезно, когда требуется равномерное пространственное распределение. Использование этого параметра может привести к получению меньшего количества точек, чем указанное максимальное количество точек.

  Когда параметр не отмечен (single_point_per_cell = 'DO_NOT_LIMIT' в Python), одной ячейке может быть назначено несколько точек, если её значение оправдывает дополнительное представление.

  Если отмечено (single_point_per_cell = 'LIMIT' в Python), выходная точка будет размещена в центре ячейки.

• Схема распределения выходных точек определяется параметром Метод распределения точек. Размещение может происходить в центре ячейки, случайным образом внутри ячейки или равномерно, если присутствует несколько точек. Случайное размещение полезно для рабочих процессов моделирования, оценки неопределенности и создания анонимных представлений чувствительных поверхностей. Методы детерминированного размещения обеспечивают согласованное расположение точек при повторных запусках и подходят для воспроизводимого пространственного анализа.

  • Круговой метод размещает несколько точек в радиальной конфигурации вокруг центра ячейки. Максимальное расстояние от центра ячейки должно быть менее половины радиуса ячейки для точного размещения.

  • Метод Равновеликие ячейки Вороного разделяет ячейку на области равной площади и размещает по одной точке на каждую область для максимизации пространственной дистанции.

  • Метод Произвольно случайным образом размещает точки внутри контура ячейки.

  • Метод Решетка Фибоначчи распределяет несколько точек по изотропной схеме, подходящей для равномерной выборки.

  • Метод Спираль Фибоначчи размещает точки вдоль детерминированной спирали, обеспечивая равномерное расстояние между ними.

• Если параметр Построить выходные данные Мультиточки отмечен (create_multipoint_output = MULTIPART' в Python), все точки, полученные из одной ячейки, сохраняются в виде мультиточечной геометрии. Эта опция уменьшает количество выходных записей и полезна для компактного хранения геометрии. Выходные мультиточечные объекты могут использоваться в последующих рабочих процессах, которые рассматривают каждую ячейку как единую логическую единицу.

• Если значение параметра Метод нормализации задано как Нет, нормализация не применяется, и исходные значения входных данных используются непосредственно для распределения точек. Это подходит для поверхностей, где величина значений уже имеет семантическое значение, например, для оценок плотности ядра или физически измеренных поверхностей окружающей среды.

• Доступные методы нормализации:

  • Мин-Макс — значения будут масштабироваться линейно от 0 до 1, сохраняя относительные различия.

  • Log — большие числовые диапазоны будут сжаты, чтобы уменьшить влияние экстремально высоких значений и в то же время усилить различия между низкими значениями.

  • Sigmoid — будет применено логистическое преобразование, чтобы подчеркнуть различия в средних значениях и сжать крайние значения.

  • Softmax — растр будет преобразован в вероятностное распределение, где нормализованное значение каждой ячейки отражает её относительную величину по сравнению со всеми остальными ячейками.

  • Сумма, равная 1 — все значения будут масштабированы так, чтобы их сумма была равна ровно 1, что позволит использовать рабочие процессы выборки, основанные на вероятности.

  • Z-оценка — значения будут стандартизированы путем вычитания среднего значения и деления на среднеквадратическое отклонение.

  • Нет — исходные значения растра будут использоваться без изменений.

• Если параметр Нормализовать перед генерацией точек отмечен (normalize_before_point_generation = NORMALIZE' в Python), перед распределением растровые значения преобразуются с помощью выбранного метода нормализации. Нормализация корректирует числовой масштаб и распределение растра, сохраняя при этом его пространственную структуру. Это полезно, когда растровые значения охватывают широкие числовые диапазоны, содержат экстремальные выбросы или демонстрируют смещение, которое могло бы доминировать в распределении. Когда нормализация не применяется, исходные значения растра используются непосредственно в процессе распределения точек.

• Все операции преобразования, нормализации, выделения и распределения точек выполняются в памяти.

• Точки не создаются для ячеек NoData с входной поверхности.

• Выходной класс объектов будет включать атрибуты исходного значения ячейки, нормированное значение (если используется Метод нормализации) и распределённое значение, когда несколько точек исходят из одной ячейки.

• См. раздел Параметры среды анализа и Spatial Analyst для получения дополнительной информации о настройках среды геообработки, применяемые к данному инструменту.

Параметры

• Dialog
• Python

Подпись	Объяснение	Тип данных
Растр входной поверхности	Непрерывный растр, для которого будут созданы пропорциональные точки. Каждое значение ячейки входных данных представляет относительную величину или интенсивность, которая будет преобразована в одну или несколько точек.	Raster Layer
Выходные точечные объекты	Выходной класс пространственных объектов, который будет содержать созданные точки.	Feature Layer
Максимальное количество точек	Максимальное количество точек, которые необходимо создать на основе входного растра. Используйте этот параметр для ограничения плотности выходных данных большого растра.	Double
Ограничить одной точкой на ячейку (Дополнительный)	Указывает, будет ли создаваться только одна точка для каждой ячейки растра. Отмечено–Для каждой ячейки растра будет создана максимум одна точка, независимо от ее значения. Не отмечено–В пределах ячейки может быть создано несколько точек, пропорционально значению ячейки. Используется по умолчанию.	Boolean
Построить выходные данные мультиточек (Дополнительный)	Указывает, будут ли точки с одинаковым значением сохранены в выходных данных или агрегированы. Агрегированный результат сокращает количество объектов и повышает производительность при создании большого количества точек. Отмечено–Точки с одинаковым значением атрибута будут агрегированы в одну запись геометрии в выходном наборе классов объектов. Не отмечено–Каждая выбранная точка будет содержать свою собственную отдельную запись объекта в выходном наборе данных мультиточек. Используется по умолчанию.	Boolean
Метод распределения точек (Дополнительный)	Определяет способ пространственного распределения точек внутри каждой ячейки растра. По умолчанию точка размещается в геометрическом центре каждой ячейки. Этот параметр недоступен, если отмечен параметр Ограничить одной точкой на ячейку. Круговая–Точки будут случайным образом распределены внутри круговой области с центром в каждой ячейке. Используется по умолчанию. Равновеликие ячейки Вороного–Точки будут размещены так, чтобы обеспечить представление равной площади на поверхности растра, минимизируя их скопления. Произвольно–Точки будут размещены случайным образом в пределах каждой ячейки в соответствии с пропорциональным весом значения ячейки. Решетка Фибоначчи–Точки распределяются почти равномерно внутри каждой ячейки, создавая равномерное и естественное расположение без видимых сеточных структур. Спираль Фибоначчи–Точки будут размещены по плавной спирали, создающей постепенное распространение наружу из центра каждой ячейки, что обеспечивает их равномерное и визуально непрерывное распределение.	String
Расстояние от центра ячейки (Дополнительный)	Максимальное расстояние в единицах карты, на которое точки могут быть смещены от центра ячейки при использовании метода размещения, отличного от центрированного. Этот параметр доступен, только если для параметра Метод распределения точек установлено значение Круговой или Равновеликие ячейки Вороного. Максимальное допустимое значение составляет 0.45. Если используется значение 0, все выходные точки будут размещены в центре ячеек.	Double
Метод нормализации (Дополнительный)	Определяет, как значения растра будут масштабироваться или преобразовываться перед созданием пропорциональных точек. Методы масштабирования изменяют только значения, присвоенные выходным точкам, в то время как методы преобразования также влияют на количество точек, создаваемых в каждой ячейке, путем изменения относительного веса значений ячеек. Мин–Макс–Значения будут линейно нормализованы в диапазоне от 0 до 1. Это сохраняет относительные различия и оставляет количество точек на ячейку неизменным. Журнал–Будет применено логарифмическое преобразование, которое сжимает большие диапазоны и уменьшает влияние экстремально высоких значений. Это создает меньше точек в пиковых областях и более сбалансированное покрытие в остальных местах. Сигмовидный–Нормализует значения с помощью стандартного z-показателя, а затем применяет логистическое сигмоидное преобразование для конвертации этих показателей в вероятностный вес от 0 до 1. Softmax–Значения будут нормализованы путем применения экспоненциального масштабирования и преобразования всех значений в распределение вероятностей. Это усиливает области высокой интенсивности, при этом обеспечивается, что выборка отражает относительную важность. Сумма, равная 1–Все значения будут масштабированы так, чтобы их сумма была равна 1. Это создает точечные значения, которые представляют вероятности или пропорции, не изменяя закономерностей плотности точек. Z-Оценка–Значения будут стандартизированы по их среднему и среднеквадратическому отклонению (mean = 0, SD = 1). Это усиливает контраст между областями выше и ниже среднего и смещает плотность точек в сторону ячеек, которые наиболее сильно отличаются от среднего значения. Нет–Нормализация не применяется; используются исходные значения растра. Используется по умолчанию.	String
Нормализация перед генерацией точек (Дополнительный)	Определяет, будет ли входной растр поверхности преобразован с использованием выбранного метода нормализации перед распределением точек. Этот параметр доступен, только если для параметра Метод нормализации выбрана опция Мин-макс, Логарифмический, Sigmoid или Softmax. Отмечено–Точки будут нормализованы перед их распределением. Не отмечено–Нормализация не повлияет на распределение точек. Используется по умолчанию.	Boolean

Параметры среды

Текущая рабочая область, Экстент, Географические преобразования, Генератор случайных чисел, Выходная система координат, Временная рабочая область

Информация о лицензировании

• Basic: Требуется Spatial Analyst
• Standard: Требуется Spatial Analyst
• Advanced: Требуется Spatial Analyst

Связанные разделы

• Обзор группы инструментов Плотность
• Поиск инструмента геообработки