Skip To Content

Interpolazione punti (Map Viewer-analisi raster)

Disponibile con Image Server

Lo strumento Interpolazione punti acquisisce punti di dati con valori in ogni punto e utilizza un metodo di interpolazione che tiene conto dell'errore nella stima del semivariogramma sottostante tramite simulazioni ripetute per produrre raster di valori di errore previsti e di predizione.

Gli output sono layer immagini ospitati.

Scopri come funziona il kringing baynesiano empirico

Esempi

Esempi di applicazione di questo strumento:

  • Un distretto per la gestione della qualità dell'aria dispone di sensori in alcune posizioni che misurano i livelli di inquinamento. Questo strumento può essere utilizzato per predire i livelli di inquinamento in località sprovviste di sensori, ad esempio località con popolazioni a rischio quali ospedali o scuole.
  • È possibile prevedere le concentrazioni di metalli pesanti nei raccolti sulla base di campioni prelevati da singole piante.
  • Prevedere i livelli di nutrienti del suolo (azoto, fosforo, potassio e così via) e altri indicatori (come la conducibilità elettrica) per studiare le loro relazioni con la resa delle colture e prescrivere quantità precise di fertilizzanti per ogni posizione nel campo.
  • Le applicazioni meteorologiche includono la previsione delle temperature, delle precipitazioni e di variabili associate, come le piogge acide.

Note sull'utilizzo

Interpolazione punti include configurazioni per layer di input, impostazioni di interpolazione e layer di risultati.

Layer di input

Il gruppo Layer di input include i seguenti parametri:

  • Feature punto di input identifica le feature da interpolare.

  • Interpolazione campo contiene i valori dei dati da interpolare. Il campo deve essere numerico.

Impostazioni di interpolazione

Il gruppo Impostazioni interpolazione include i seguenti parametri:

  • Ottimizza per consente di specificare la preferenza tra predizioni accurate e velocità di calcolo.

    Questo strumento utilizza lo strumento di geoprocessing Kriging baynesiano empirico per eseguire l'interpolazione. I parametri che vengono forniti allo strumento Kriging Bayesiano empirico sono controllati dal parametro Ottimizza per. Predizioni più accurate richiedono tempi di calcolo più lunghi. Sono disponibili le seguenti opzioni:

    • Velocità: il modello di interpolazione verrà ottimizzato per calcoli più rapidi utilizzando il numero minore di simulazioni e impiegando le opzioni e le configurazioni più efficienti.
    • Bilanciamento: il modello di interpolazione bilancerà la velocità e la precisione utilizzando le opzioni e le configurazioni tipiche. Si tratta dell'impostazione predefinita.
    • Precisione: il modello di interpolazione verrà ottimizzato per calcoli accurati e precisi utilizzando il numero massimo di simulazioni e le opzioni e le configurazioni più complicate.

    La tabella seguente elenca i valori dei parametri utilizzati nello strumento Kriging baynesiano empirico per ogni opzione:

    ParametroVelocitàBilanciamentoPrecisione

    Tipo di trasformazione dati

    NESSUNO

    NESSUNO

    EMPIRICO

    Tipo del modello di semivariogramma

    POTENZA

    POTENZA

    K_BESSEL

    Numero massimo di punti in ogni modello locale

    50

    75

    200

    Fattore di sovrapposizione area modello locale

    1

    1,5

    3

    Numero di semivariogrammi simulati

    30

    100

    200

    Prossimità di ricerca (numero min di vicini)

    8

    10

    15

    Prossimità di ricerca (numero max di vicini)

    8

    10

    15

  • Dimensione cella di output specifica la dimensione della cella del raster di output.

    Le unità di misura disponibili sono piedi, miglia, metri e chilometri.

  • Trasforma dati trasforma i dati in una distribuzione normale prima di eseguire l'analisi. Se i valori dei dati non appaiono normalmente distribuiti (forma a campana), è preferibile eseguire una trasformazione.

    • Non selezionato: non verrà applicata alcuna trasformazione. Si tratta dell'impostazione predefinita
    • Selezionato: alla distribuzione normale verrà applicata una trasformazione.
  • Dimensione dei modelli locali specifica il numero di punti in ogni modello locale.

    Un valore maggiore renderà l'interpolazione più globale e stabile, ma gli effetti in piccola scala potrebbero mancare. Valori maggiori renderanno l'interpolazione più locale, per cui è più probabile che vengano catturati effetti in piccola scala, ma l'interpolazione potrebbe essere instabile.

  • Numero di vicini specifica il numero di vicini che verranno utilizzati nel calcolo della predizione in una cella raster particolare.

Layer di risultati

Il gruppo Layer di risultati include i seguenti parametri:

  • Nome raster di output specifica il nome del layer raster di output che viene creato e aggiunto alla mappa.

    Il nome deve essere unico. Se un layer con lo stesso nome esiste già nell'organizzazione, lo strumento non funzionerà e verrà chiesto di utilizzare un nome diverso.

  • Errore predizione output specifica se verrà creato un raster di errori standard delle predizioni interpolate. Gli errori di predizione sono utili perché forniscono informazioni sull'affidabilità dei valori predetti. Questo parametro è opzionale.

    Se è necessario un raster di errori standard per le predizioni interpolate, avrà lo stesso nome del valore Raster di output ma con la parola Errori accodata.

  • Il parametro Salva nella cartella specifica il nome di una cartella in I miei contenuti in cui verrà salvato il risultato.

Ambienti

Le impostazioni degli ambienti di analisi sono parametri aggiuntivi che influiscono sui risultati dello strumento. È possibile accedere alle impostazioni dello strumento dal gruppo di parametri Impostazioni ambiente.

Questo strumento rispetta i seguenti ambienti di analisi:

Output

Questo strumento include i seguenti output:

  • Un layer raster di predizioni calcolate utilizzando una distribuzione di semivariogramma empirico generata tramite l'unione dei semivariogrammi singoli dalla distribuzione dei semivariogrammi nelle vicinanze del punto.

  • Un layer raster di errori standard delle predizioni interpolate.

    • Come regola comune, il valore vero ricadrà in due errori standard del valore predetto il 95% delle volte. Ad esempio, una nuova posizione ha un valore predetto pari a 50 e un errore standard pari a 5.
    • Ciò implica che la stima migliore del valore vero in tale posizione è 50, ma ragionevolmente potrebbe essere anche 40 o 60.
    • Per calcolare questo intervallo di valori ipotizzabili, moltiplicare per due il valore dell'errore standard, quindi sommarlo o sottrarlo dal valore previsto in modo da ottenere rispettivamente il valore massimo o il valore minimo dell'intervallo.

Requisiti per la licenza

Questo strumento richiede le seguenti configurazioni e licenze:

  • Tipo di utente Creator o GIS Professional
  • Ruolo Publisher o Amministratore, o un ruolo personalizzato equivalente
  • ArcGIS Image Server configurato per l'analisi raster

Riferimenti

  • Chilès J-P. e P. Delfiner (1999). Capitolo 4 di Geostatistics: Modeling Spatial Uncertainty. New York: John Wiley & Sons, Inc.
  • Krivoruchko K. (2012). "Empirical Bayesian Kriging", ArcUser autunno 2012.
  • Krivoruchko K. (2012). "Modeling Contamination Using Empirical Bayesian Kriging", ArcUser autunno 2012.
  • Krivoruchko K. e A. Gribov (2014). "Pragmatic Bayesian kriging for non-stationary and moderately non-Gaussian data", Mathematics of Planet Earth. Proceedings of the 15th Annual Conference of the International Association for Mathematical Geosciences, Springer 2014, pp. 61-64.
  • Krivoruchko K. e A. Gribov (2019). "Evaluation of empirical Bayesian kriging," Spatial Statistics Volume 32. https://doi.org/10.1016/j.spasta.2019.100368.
  • Pilz J. e G. Spöck (2007). "Why Do We Need and How Should We Implement Bayesian Kriging Methods", Stochastic Environmental Research and Risk Assessment 22 (5):621-632.

Risorse

Usare le seguenti risorse per saperne di più: