Nombre | Explicación | Tipo de datos |
in_table | La tabla o entidades que contienen las variables que se combinarán en el índice. | Table View |
in_variables [[var1, reverse1],[var2, reverse2],...] | Una lista de campos numéricos que representan las variables que se combinarán como un índice. La columna Invertir dirección invierte los valores de las variables. Significa que la entidad o registro que tenía originalmente el valor más alto tendrá el valor más bajo, y viceversa. Los valores se invertirán después del escalado.
| Value Table |
append_to_input (Opcional) | Especifica si los resultados se incorporarán a los datos de entrada o se proporcionarán como una tabla o clase de entidad de salida. - APPEND_TO_INPUT—Los resultados se incorporarán a los datos de entrada. Esta opción modifica los datos de entrada.
- NEW_FEATURES—Se creará una tabla o clase de entidad de salida con los resultados. Esta es la opción predeterminada.
| Boolean |
out_table (Opcional) | La tabla o entidades de salida que incluirán los resultados. | Table; Feature Class |
index_preset (Opcional) | Especifica el flujo de trabajo que se utilizará al crear el índice. Las opciones representan flujos de trabajo comunes de creación de índices; cada opción establece valores predeterminados para los parámetros preprocessing y index_method. - MEAN_SCALED—Se creará un índice escalando las variables de entrada entre 0 y 1 y promediando los valores escalados. Este método resulta útil para crear un índice que sea fácil de interpretar. La forma de la distribución y los valores atípicos en las variables de entrada afectarán al índice. Esta es la opción predeterminada.
- MEAN_PCTL—Se creará un índice escalando las clasificaciones de las variables de entrada entre 0 y 1 y promediando las clasificaciones escaladas. Esta opción es útil cuando las clasificaciones de los valores de variable son más importantes que las diferencias entre los valores. La forma de la distribución y los valores atípicos en las variables de entrada no afectarán al índice.
- GEOMEAN_SCALED—Se creará un índice escalando las variables de entrada entre 0 y 1 y calculando el promedio geométrico de los valores escalados. Los valores altos no cancelarán los valores bajos, por lo que esta opción es útil para crear un índice en el que los valores de índice más altos se producirán solo cuando haya valores altos en varias variables.
- SUM_FLAGSPCTL—Se creará un índice que cuenta el número de variables de entrada con valores mayores o iguales que el 90.º percentil. Este método es útil para identificar las ubicaciones que se pueden considerar como las más extremas o las más necesarias.
- CUSTOM—Se creará un índice utilizando opciones personalizadas de escalado y combinación de variables.
| String |
preprocessing (Opcional) | Especifica el método que se utilizará para convertir las variables de entrada a una escala común. - MINMAX—Las variables se escalarán entre 0 y 1 utilizando los valores mínimo y máximo de cada variable. Esta es la opción predeterminada.
- CUST_MINMAX—Las variables se escalarán entre 0 y 1 utilizando los valores de mínimo y máximo posibles para cada variable especificada por el parámetro pre_min_max. Este método tiene muchos usos, incluida la especificación del mínimo y el máximo basado en un punto de referencia, en una estadística de referencia o en valores teóricos. Por ejemplo, si los registros de ozono de un solo día oscilan entre 5 y 27 partes por millón (ppm), puede utilizar el mínimo y máximo teóricos gracias a la observación previa y los conocimientos expertos del dominio para garantizar que el índice se pueda comparar a lo largo de varios días
- PERCENTILE—Las variables se convertirán a percentiles entre 0 y 1 calculando el porcentaje de valores de datos menores que el valor de datos. Esta opción es útil cuando desea ignorar las diferencias absolutas entre los valores de datos, como con valores atípicos o distribuciones sesgadas.
- RANK—Se clasificarán las variables. Al valor más bajo se le asigna el valor de clasificación 1, al siguiente valor se le asigna el valor de clasificación 2, y así sucesivamente. A los empates se les asigna la media de sus clasificaciones.
- ZSCORE—Cada variable se estandarizará restando el valor medio y dividiendo entre la desviación estándar (llamada puntuación z). La puntuación z es el número de desviaciones estándar por encima o por debajo del valor medio. Esta opción resulta útil cuando los valores medios de las variables son puntos de comparación importantes. Los valores por encima del valor medio recibirán puntuaciones z positivas, y los valores por debajo del valor medio recibirán puntuaciones z negativas.
- CUST_ZSCORE—Cada variable se estandarizará restando un valor medio personalizado y dividiendo entre una desviación estándar personalizada. Proporcione los valores personalizados en el parámetro pre_custom_zscore. Esta opción resulta útil cuando se conocen los valores medios y las desviaciones estándar de las variables gracias a una investigación anterior.
- BINARY—Las variables se identificarán cuando están por encima o por debajo de un umbral definido. El campo resultante contiene valores binarios (0 o 1) que indican si se ha superado el umbral. También puede utilizar el parámetro pre_threshold_scaling para escalar los valores de la variable de entrada antes de definir el umbral y utilizar el parámetro pre_thresholds para especificar los valores de umbral. Este método resulta útil cuando los valores de las variables son menos importantes que si superan un umbral determinado, como el límite de seguridad de un contaminante.
- RAW—Se utilizarán los valores originales de las variables. Utilice este método solo cuando todas las variables se miden en una escala comparable, como porcentajes o tasas, o cuando las variables se han estandarizado antes de utilizar esta herramienta.
| String |
pre_threshold_scaling (Opcional) | Especifica el método que se utilizará para convertir las variables de entrada a una escala común antes de establecer umbrales. - THRESHOLD_MINMAX—Las variables entre 0 y 1 se escalarán utilizando los valores mínimo y máximo de cada variable.
- THRESHOLD_CUST_MINMAX—Las variables entre 0 y 1 se escalarán utilizando los valores de mínimo y máximo posibles para cada variable especificada.
- THRESHOLD_PERCENTILE—Las variables se convertirán a percentiles entre 0 y 1.
- THRESHOLD_ZSCORE—Cada variable se estandarizará restando el valor medio y dividiendo entre la desviación estándar.
- THRESHOLD_CUST_ZSCORE—Cada variable se estandarizará restando un valor medio personalizado y dividiendo entre una desviación estándar personalizada.
- THRESHOLD_RAW—Los valores de las variables se utilizarán sin cambios. Esta es la opción predeterminada.
| String |
pre_custom_zscore [[field1, mean1, stdev1], [field2, mean2, stdev2],...] (Opcional) | El valor medio personalizado y la desviación estándar personalizada que se utilizarán al estandarizar cada variable de entrada. Para cada variable, proporcione el valor medio personalizado en la columna Valor medio y la desviación estándar personalizada en la columna Desviación estándar. | Value Table |
pre_min_max [[field1, min1, max1], [field2, min2, max2],...] (Opcional) | Los valores de mínimo y máximo posibles que se utilizarán en las unidades de las variables. Cada variable se escalará entre 0 y 1 según los valores mínimo y máximo posibles. | Value Table |
pre_thresholds [[field1, method1, threshold1], [field2, method2, threshold2],...] (Opcional) | Umbral que determina si una entidad se marcará. Especifique el valor en las unidades de las variables escaladas y especifique si se marcarán los valores por encima o por debajo del valor del umbral. | Value Table |
index_method (Opcional) | Especifica el método que se utilizará para combinar las variables escaladas en un solo valor. - SUM—Se agregarán los valores.
- MEAN—Se calculará el valor medio aritmético (aditivo) de los valores. Esta es la opción predeterminada.
- PRODUCT—Los valores se multiplicarán. Todos los valores escalados deben ser mayores o iguales que cero.
- GEOMETRIC_MEAN—Se calculará el valor medio geométrico (multiplicativo) de los valores. Todos los valores escalados deben ser mayores o iguales que cero.
No puede multiplicar ni calcular un valor medio geométrico cuando se escala alguna variable con puntuaciones z, puesto que las puntuaciones z siempre contienen valores negativos. | String |
index_weights [[field1, weight1], [field2, weight2],...] (Opcional) | Los pesos que establecerán la influencia relativa de cada variable de entrada en el índice. Cada peso tiene un valor predeterminado de 1, lo que significa que cada variable tiene la misma contribución. Aumente o disminuya los pesos para reflejar la importancia relativa de las variables. Por ejemplo, si una variable es dos veces más importante que otra, utilice un valor de peso de 2. Utilizar valores de peso mayores que 1 mientras se multiplican para combinar valores escalados puede dar lugar a índices con valores muy grandes. | Value Table |
out_index_name (Opcional) | El nombre del índice. El valor se usa en la visualización de las salidas, como los alias de campo y las etiquetas del gráfico. El valor no se utiliza cuando la salida (o entrada incorporada) es un shapefile. | String |
out_index_reverse (Opcional) | Especifica si se invertirá la dirección de los valores de índice de salida (por ejemplo, para tratar los valores de índice altos como valores bajos). - REVERSE—Se invertirá la dirección de los valores de índice.
- NO_REVERSE—No se invertirá la dirección de los valores de índice. Esta es la opción predeterminada.
| Boolean |
post_min_max [min, max] (Opcional) | El mínimo y el máximo de los valores del índice de salida. Esta escala se aplica después de combinar las variables escaladas. Si no se proporcionan valores, el índice de salida no se escala. | Value Table |
post_reclass [post_reclass,...] (Opcional) | Especifica el método que se utilizará para clasificar el índice de salida. Se proporcionará un campo de salida adicional para cada opción seleccionada. - EQINTERVAL—Las clases se crearán dividiendo el rango de valores en intervalos del mismo tamaño.
- QUANTILE—Se crearán clases en las que cada clase incluye el mismo número de registros.
- STDDEV—Se crearán clases que correspondan al número de desviaciones estándar por encima y por debajo del promedio del índice. Los valores resultantes estarán entre -3 y 3.
- CUST—Las rupturas de clase y los valores de clase se especificarán con el parámetro post_custom_classes.
| String |
post_num_classes (Opcional) | El número de clases que se utilizarán para los métodos de clasificación de intervalos iguales y cuantiles. | Long |
post_custom_classes [[min1, max1], [min2, max2],...] (Opcional) | Los límites superiores y los valores de clase del método de clasificación personalizado. Por ejemplo, puede utilizar esta variable para clasificar un índice que contenga valores entre 0 y 100 en clases que representen valores bajos, medios y altos según los valores de corte personalizados. | Value Table |