Kriging (Spatial Analyst)

Resumen

Interpola una superficie de ráster a partir de puntos utilizando kriging.

Learn more about how Kriging works

Uso

Sintaxis

Kriging (in_point_features, z_field, semiVariogram_props, {cell_size}, {search_radius}, {out_variance_prediction_raster})
ParámetroExplicaciónTipo de datos
in_point_features

Entidades de punto de entrada que contienen los valores z que se interpolarán en un ráster de superficie.

Feature Layer
z_field

Campo que contiene un valor de altura o magnitud para cada punto.

Puede ser un campo numérico o el campo Forma si las entidades de punto de entrada contienen valores z.

Field
semiVariogram_props
kriging_model

La clase KrigingModel define qué modelo kriging se utilizará.

Hay dos tipos de clases kriging. El método KrigingModelOrdinary tiene cinco tipos de semivariogramas disponibles. El método KrigingModelUniversal tiene dos tipos de semivariogramas disponibles.

  • KrigingModelOrdinary ({semivariogramType}, {lagSize}, {majorRange}, {partialSill}, {nugget})
    • semivariogramType: el modelo de semivariograma que se utilizará. Los modelos disponibles son:
      • SPHERICAL: modelo de semivariograma esférico. Esta es la opción predeterminada.
      • CIRCULAR: modelo de semivariograma circular.
      • EXPONENTIAL: modelo de semivariograma exponencial.
      • GAUSSIAN: modelo de semivariograma Gaussiano (o de distribución normal).
      • LINEAR: modelo de semivariograma lineal con una meseta.
  • KrigingModelUniversal ({semivariogramType}, {lagSize}, {majorRange}, {partialSill}, {nugget})
    • semivariogramType: el modelo de semivariograma que se utilizará. Los modelos disponibles son:
      • LINEARDRIFT: kriging universal con coeficiente de tendencia lineal.
      • QUADRATICDRIFT: kriging universal con coeficiente de tendencia cuadrática.
  • Después de {semivariogramType}, los demás parámetros son comunes entre kriging ordinario y universal.
    • lagSize: la opción predeterminada es el tamaño de celda ráster de salida.
    • majorRange: representa la distancia más allá de la cual hay poca o ninguna correlación.
    • partialSill: diferencia entre el nugget y la meseta.
    • nugget: representa el error y la variación a una escala espacial que es demasiado fina para ser detectada. El efecto nugget se ve como una discontinuidad del origen.
KrigingModel
cell_size
(Opcional)

El tamaño de celda con el que se creará el ráster de salida.

Este será el valor del entorno si se establece explícitamente; de lo contrario, será el valor más bajo del ancho o de la altura de la extensión de las entidades de punto de entrada, en la referencia espacial de entrada, dividido por 250.

Analysis Cell Size
search_radius
(Opcional)

La clase Radio define cuáles de los puntos de entrada se utilizarán para interpolar el valor para cada celda en el ráster de salida.

Hay dos tipos de clases de radio: RadiusVariable y RadiusFixed. Un radio de búsqueda variable se utiliza para encontrar una cantidad específica de puntos de muestra de entrada para la interpolación. El tipo fijo utiliza una distancia fija especificada dentro de la cual todos los puntos de entrada se utilizarán para la interpolación. El tipo variable es la opción predeterminada.

  • RadiusVariable ({numberofPoints}, {maxDistance})
    • {numberofPoints}: un valor entero que especifica la cantidad de puntos de muestra de entrada más próximos que se utilizarán para realizar la interpolación. El valor predeterminado es 12 puntos.
    • {maxDistance}: especifica la distancia, en unidades de mapa, mediante la cual se limitará la búsqueda de los puntos de muestra de entrada más próximos. El valor predeterminado es la longitud de la extensión de la diagonal.
  • RadiusFixed ({distance}, {minNumberofPoints})
    • {distance}: especifica la distancia como un radio dentro del cual los puntos de muestra de entrada se utilizarán para realizar la interpolación.

      El valor del radio se expresa en unidades de mapa. El radio predeterminado es cinco veces el tamaño de celda del ráster de salida.

    • {minNumberofPoints}: un entero que define la cantidad de puntos mínima que se utilizará para la interpolación. El valor predeterminado es 0.

      Si el número de puntos requerido no se encuentran dentro de la distancia especificada, la distancia de búsqueda aumentará hasta que se encuentre la cantidad mínima especificada de puntos.

      Cuando es necesario aumentar el radio de búsqueda esto se hace hasta que la {minNumberofPoints} cae dentro del radio, o la extensión del radio cruza la perceptibleextensión inferior (sur) o superior (norte)del ráster de salida. Se asigna NoData a todas las ubicaciones que no cumplen con las condiciones anteriores.

Radius
out_variance_prediction_raster
(Opcional)

Optional output raster where each cell contains the predicted semi-variance values for that location.

Raster Dataset

Valor de retorno

NombreExplicaciónTipo de datos
out_surface_raster

Ráster de superficie interpolado de salida.

Raster

Ejemplo de código

Kriging example 1 (Python window)

En este ejemplo se introduce un shapefile de punto y se interpola la superficie de salida como ráster de cuadrícula.

import arcpy
from arcpy import env
from arcpy.sa import *
env.workspace = "C:/sapyexamples/data"
outKrig = Kriging("ozone_pts.shp", "OZONE", KrigingModelOrdinary("CIRCULAR", 2000, 2.6, 542, 0), 2000, RadiusFixed(20000, 1))
outKrig.save("c:/sapyexamples/output/krigout")
Kriging example 2 (stand-alone script)

En este ejemplo se introduce un shapefile de punto y se interpola la superficie de salida como ráster de cuadrícula.

# Name: Kriging_Ex_02.py
# Description: Interpolates a surface from points using kriging.
# Requirements: Spatial Analyst Extension
# Import system modules

import arcpy
from arcpy import env
from arcpy.sa import *

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

# Set local variables
inFeatures = "ca_ozone_pts.shp"
field = "OZONE"
cellSize = 2000
outVarRaster = "C:/sapyexamples/output/outvariance"
lagSize = 2000
majorRange = 2.6
partialSill = 542
nugget = 0

# Set complex variables
kModelOrdinary = KrigingModelOrdinary("CIRCULAR", lagSize,
                                majorRange, partialSill, nugget)
kRadius = RadiusFixed(20000, 1)



# Check out the ArcGIS Spatial Analyst extension license
arcpy.CheckOutExtension("Spatial")

# Execute Kriging
outKriging = Kriging(inFeatures, field, kModelOrdinary, cellSize,
                     kRadius, outVarRaster)

# Save the output 
outKriging.save("C:/sapyexamples/output/krigoutput02")

Entornos

Temas relacionados

Información de licencia

ArcView: Requiere Spatial Analyst o 3D Analyst
ArcEditor: Requiere Spatial Analyst o 3D Analyst
ArcInfo: Requiere Spatial Analyst o 3D Analyst

7/11/2012