使用趋势栅格预测 (Image Analyst)

获得 Image Analyst 许可后可用。

摘要

使用来自生成趋势栅格工具的输出趋势栅格来计算预测多维栅格。

使用情况

• 该工具可将生成趋势栅格工具的输入用作输入多维趋势栅格。

• 此工具可生成采用云栅格格式 (CRF) 的多维栅格数据集。 目前尚不支持其他输出格式。

• 默认情况下，将使用 LZ77 压缩类型压缩多维栅格输出。 但是，建议将压缩类型更改为 LERC 并根据数据来调整最大误差值。 例如，如果您希望将分析结果精确到三位小数，则请将最大误差值设置为 0.001。 避免不必要的精度要求，因为它们将增加处理时间和存储大小。

参数

对话框

标注	说明	数据类型
输入趋势栅格	来自生成趋势栅格工具的输入多维趋势栅格。	Raster Dataset; Raster Layer; Mosaic Dataset; Mosaic Layer; Image Service; File
变量 [维度信息]（描述） (可选)	将在分析中预测的一个或多个变量。如果未指定任何变量，则将使用所有变量。	String
维度定义 (可选)	指定用于提供预测维度值的方法。 按值—将针对单个维度值或由值参数（在 Python 中为 dimension_values）定义的一系列维度值来计算预测。这是默认设置。例如，您要预测 2050、2100 和 2150 年的年降水量。 按间隔—将针对由起始值和结束值定义的维度间隔来计算预测。例如，您要预测 2050 年到 2150 年之间每年的年降水量。	String
值 (可选)	预测中要使用的一个或多个维度值。 时间、深度和高度值的格式必须与用于生成趋势栅格的维度值的格式相匹配。如果为 StdTime 维度生成了趋势栅格，则其格式应为 YYYY-MM-DDTHH:MM:SS，例如 2050-01-01T00:00:00。用分号分隔多个值。 当维度定义参数设置为按值时，此参数为必需项。	String
起始 (可选)	预测中要使用的维度间隔的开始日期、高度或深度。	String
结束 (可选)	预测中要使用的维度间隔的结束日期、高度或深度。	String
值间隔 (可选)	要包含在预测中的两个维度值之间的步长数量。默认值为 1。 例如，要预测每五年的温度值，请使用值 5。	Double
单位 (可选)	指定将用于间隔值的单位。仅当分析的维度是时间维度时，此参数才适用。 小时—将在用开始、结束和值间隔参数描述的时间范围内计算每小时的预测。 天—将在用开始、结束和值间隔参数描述的时间范围内计算每天的预测。 周—将在用开始、结束和值间隔参数描述的时间范围内计算每周的预测。 月—将在用开始、结束和值间隔参数描述的时间范围内计算每月的预测。 年—将在用开始、结束和值间隔参数描述的时间范围内计算每年的预测。	String

返回值

标注	说明	数据类型
输出多维栅格	输出云栅格格式 (CRF) 多维栅格数据集。	Raster

Python

PredictUsingTrendRaster(in_multidimensional_raster, {variables}, {dimension_def}, {dimension_values}, {start}, {end}, {interval_value}, {interval_unit})

名称	说明	数据类型
in_multidimensional_raster	来自生成趋势栅格工具的输入多维趋势栅格。	Raster Dataset; Raster Layer; Mosaic Dataset; Mosaic Layer; Image Service; File
variables [variables,...] (可选)	将在分析中预测的一个或多个变量。如果未指定任何变量，则将使用所有变量。	String
dimension_def (可选)	指定用于提供预测维度值的方法。 BY_VALUE—将针对单个维度值或由值参数（在 Python 中为 dimension_values）定义的一系列维度值来计算预测。这是默认设置。例如，您要预测 2050、2100 和 2150 年的年降水量。 BY_INTERVAL—将针对由起始值和结束值定义的维度间隔来计算预测。例如，您要预测 2050 年到 2150 年之间每年的年降水量。	String
dimension_values [dimension_values,...] (可选)	预测中要使用的一个或多个维度值。 时间、深度和高度值的格式必须与用于生成趋势栅格的维度值的格式相匹配。如果为 StdTime 维度生成了趋势栅格，则其格式应为 YYYY-MM-DDTHH:MM:SS，例如 2050-01-01T00:00:00。用分号分隔多个值。 当将 dimension_def 参数设置为 BY_VALUE 时，此参数为必需项。	String
start (可选)	预测中要使用的维度间隔的开始日期、高度或深度。	String
end (可选)	预测中要使用的维度间隔的结束日期、高度或深度。	String
interval_value (可选)	要包含在预测中的两个维度值之间的步长数量。默认值为 1。 例如，要预测每五年的温度值，请使用值 5。	Double
interval_unit (可选)	指定将用于间隔值的单位。仅当分析的维度是时间维度时，此参数才适用。 HOURS—将在用 start、end 和 interval_value 参数描述的时间范围内计算每小时的预测。 DAYS—将在用 start、end 和 interval_value 参数描述的时间范围内计算每天的预测。 WEEKS—将在用 start、end 和 interval_value 参数描述的时间范围内计算每周的预测。 MONTHS—将在用 start、end 和 interval_value 参数描述的时间范围内计算每月的预测。 YEARS—将在用 start、end 和 interval_value 参数描述的时间范围内计算每年的预测。	String

返回值

名称	说明	数据类型
out_multidimensional_raster	输出云栅格格式 (CRF) 多维栅格数据集。	Raster

代码示例

PredictUsingTrendRaster 示例 1（Python 窗口）

本示例将生成 2050 年 1 月 1 日和 2100 年 1 月 1 日的预测降水量和温度。

# Import system modules
import arcpy
from arcpy.ia import *

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

# Execute 
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 示例 2（独立脚本）

本示例将生成 2025 年每个月的预测 NDVI 值。

# Import system modules
import arcpy
from arcpy.ia import *

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

# 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"

# Execute - 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")

环境

像元大小, 压缩, 当前工作空间, 地理变换, NoData, 输出配置关键字, 输出坐标系, 范围, 并行处理因子, 金字塔, 栅格统计, 重采样方法, 临时工作空间, 捕捉栅格, 切片大小