ArcMap

克里金法

需要 Spatial Analyst 许可。

需要 3D Analyst 许可。

描述

使用克里金法将点插值成栅格表面。

了解有关克里金法工作原理的详细信息

使用

  • 克里金法是一个占用大量处理器资源的过程。执行速度取决于输入数据集中点的数量和搜索窗口的大小。

  • 预测栅格可选输出方差中的低值指示预测值的高置信度。较高值可能表明需要使用更多的数据点。

  • 泛克里金法类型假定有结构组件存在，且局部趋势将随位置的变化而变化。

  • 高级参数可控制克里金法所使用的半变异函数。步长大小的默认值初始设置为默认输出像元大小。对于主要范围、偏基台和块金来说，如果未进行任何设置，将会内部计算默认值。

  • 预测栅格的可选输出方差在每个输出栅格像元中都含有克里金方差。假设克里金误差是正态分布的，则像元中实际 z 值等于预测栅格值加上或减去方差栅格中值的平方根的 2 倍的可能性为 95.5%。

  • 输出像元大小可以通过数值进行定义，也可以从现有栅格数据集获取。如果没有将像元大小明确指定为参数值，则将从像元大小环境获取相应值（前提是已指定环境）。如果未指定参数像元大小和环境像元大小，但已设置捕捉栅格环境，则将使用捕捉栅格的像元大小。如果未指定任何内容，则像元大小会通过使用范围的宽度或高度中的较小值除以 250 来计算，其中范围位于在环境中指定的输出坐标系内。

  • 如果使用数值指定像元大小，则工具会直接将其用于输出栅格。

    如果使用栅格数据集指定像元大小，则该参数将显示栅格数据集的路径而不是像元大小的值。如果数据集的空间参考与输出空间参考相同，则栅格数据集的像元大小将直接用于分析。如果数据集的空间参考与输出空间参考不同，则将基于所选的像元大小投影方法进行投影。

  • 某些输入数据集可能包含多个具有相同 x,y 坐标的点。如果共有位置处的点的值相同，则将其视为重复项，但并不影响输出。如果值不同，则将这些点视为重合点。

    各种插值工具可在不同条件下以不同方式处理此数据。例如，在某些情况下，使用遇到的第一个重合点进行计算；而在其他情况下，则使用遇到的最后一个点进行计算。这可能导致输出栅格中某些位置的值与预期值不同。解决办法就是在准备数据时移除这些重合点。“空间统计”工具箱中的收集事件工具用于识别数据中所有的重合点。

  • 有关适用于此工具的地理处理环境的详细信息，请参阅分析环境和 Spatial Analyst。

语法

Kriging(in_point_features, z_field, semiVariogram_props, {cell_size}, {search_radius}, {out_variance_prediction_raster})
参数说明数据类型
in_point_features

包含要插值到表面栅格中的 z 值的输入点要素。

Feature Layer
z_field

存放每个点的高度值或量级值的字段。

如果输入点要素包含 z 值，则该字段可以是数值型字段或者 Shape 字段。

Field
semiVariogram_props
kriging_model

KrigingModel 类定义要使用的克里金模型。

克里金类分为两种类型。KrigingModelOrdinary 方法具有五种可用的半变异函数。KrigingModelUniversal 方法具有两种可用的半变异函数。

  • KrigingModelOrdinary ({semivariogramType}, {lagSize}, {majorRange}, {partialSill}, {nugget})
    • semivariogramType - 要使用的半变异函数模型。可用模型如下：
      • SPHERICAL - 球面半变异函数模型。这是默认设置。
      • CIRCULAR - 圆半变异函数模型。
      • EXPONENTIAL - 指数半变异函数模型。
      • GAUSSIAN - 高斯（或正态分布）半变异函数模型。
      • LINEAR - 采用基台的线性半变异函数模型。
  • KrigingModelUniversal ({semivariogramType}, {lagSize}, {majorRange}, {partialSill}, {nugget})
    • semivariogramType - 要使用的半变异函数模型。可用模型如下：
      • LINEARDRIFT - 采用一次漂移函数的泛克里金法。
      • QUADRATICDRIFT - 采用二次漂移函数的泛克里金法。
  • {semivariogramType} 之后，其他参数均是普通克里金法和泛克里金法所共有的参数。
    • lagSize - 默认值为输出栅格的像元大小。
    • majorRange - 表示距离，超出此距离即认定为不相关。
    • partialSill - 块金和基台之间的差值。
    • nugget - 表示在因过小而无法检测到的空间尺度下的误差和变差。块金效应被视为在原点处的不连续。
KrigingModel
cell_size
（可选）

将创建的输出栅格的像元大小。

此参数可以通过数值进行定义，也可以从现有栅格数据集获取。如果未将像元大小明确指定为参数值，则将使用环境像元大小值（如果已指定）；否则，将使用其他规则通过其他输出计算像元大小。有关详细信息，请参阅用法。

Analysis Cell Size
search_radius
（可选）

Radius 类可定义要用来对输出栅格中各像元值进行插值的输入点。

半径类分为两种类型：RadiusVariable 和 RadiusFixed。使用“可变”搜索半径来查找用于插值的指定数量的输入采样点。“固定”类型使用指定的固定距离，将利用此距离范围内的所有输入点进行插值。“可变”类型是默认值。

  • RadiusVariable ({numberofPoints}, {maxDistance})
    • {numberofPoints} - 指定要用于执行插值的最邻近输入采样点数量的整数值。默认值为 12 个点。
    • {maxDistance} - 使用地图单位指定距离，以此限制对最邻近输入采样点的搜索。默认值是范围的对角线长度。
  • RadiusFixed ({distance}, {minNumberofPoints})
    • {distance} - 指定用作半径的距离，在该半径范围内的输入采样点将用于执行插值。

      半径值使用地图单位来表示。默认半径是输出栅格像元大小的五倍。

    • {minNumberofPoints} - 定义用于插值的最小点数的整数。默认值为 0。

      如果在指定距离内没有找到所需点数，则将增加搜索距离，直至找到指定的最小点数。

      搜索半径需要增加时就会增加，直到 {minNumberofPoints} 在该半径范围内，或者半径的范围越过输出栅格的下部（南）和/或上部（北）范围为止。NoData 会分配给不满足以上条件的所有位置。

Radius
out_variance_prediction_raster
（可选）

可选的输出栅格，其中每个像元都包含该位置的预测方差值。

Raster Dataset

返回值

名称说明数据类型
out_surface_raster

输出插值后的表面栅格。

其总为浮点栅格。

Raster

代码示例

Kriging 示例 1（Python 窗口）

该示例输入一个点 shapefile，然后通过对表面插值，输出得到 Grid 栅格。

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 示例 2（独立脚本）

该示例输入一个点 shapefile，然后通过对表面插值，输出得到 Grid 栅格。

# 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")

环境

许可信息

  • Basic: 需要 Spatial Analyst 或 3D Analyst
  • Standard: 需要 Spatial Analyst 或 3D Analyst
  • Advanced: 需要 Spatial Analyst 或 3D Analyst

相关主题