Python ArcGIS predict_using_trend_raster用法及代码示例

本文简要介绍 python 语言中 arcgis.raster.analytics.predict_using_trend_raster 的用法。

用法:

arcgis.raster.analytics.predict_using_trend_raster(input_multidimensional_raster, variables=None, dimension_definition='BY_VALUE', dimension_values=None, start=None, end=None, interval_value=1, interval_unit=None, output_name=None, context=None, *, gis=None, future=False, **kwargs)

返回：

output_raster：影像图层项目

估计多维栅格中给定变量的维度上每个像素的趋势。 ArcGIS Image Server 10.8 及更高版本中可用的函数。

Parameter	Description
input_multidimensional_raster	必需的 ImageryLayer 对象。输入多维栅格。传送门物品可以通过。
variables	可选列表。将在分析中预测的一个或多个变量。如果未指定变量，则将使用所有变量。
dimension_definition	必需的字符串。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 dimension_values 参数定义的维度值列表计算预测。这是默认设置。 例如，您想要预测 2050、2100 和 2150 年的年降水量。 BY_INTERVAL - 将针对由开始值和结束值定义的维度间隔计算预测。例如，您想要预测 2050 年到 2150 年间每年的年降水量。
dimension_values	可选列表。要在预测中使用的维度值。 当dimension_def参数设置为BY_VALUE时需要该参数。
start	可选字符串。要在预测中使用的维度间隔的开始日期、高度或深度。
end	可选字符串。要在预测中使用的维度间隔的结束日期、高度或深度。
interval_value	可选浮点数。要包含在预测中的两个维度值之间的步数。默认值为 1 例如，要每五年预测一次温度值，请使用值 5。
interval_unit	可选字符串。指定将用于值区间的单位。此参数仅适用于分析维度为时间维度的情况。 HOURS - 将在 start、end 和 interval_value 参数说明的时间范围内为每个小时计算预测。 DAYS - 将在 start、end 和 interval_value 参数说明的时间范围内为每一天计算预测。 WEEKS - 将在 start、end 和 interval_value 参数说明的时间范围内计算每周的预测。 MONTHS - 将在 start、end 和 interval_value 参数说明的时间范围内为每个月计算预测。 YEARS - 将在 start、end 和 interval_value 参数说明的时间范围内计算每年的预测。
output_name	可选字符串。如果未提供，则由该方法创建影像服务并将其用作输出栅格。您可以从 GIS 中传入现有的影像服务项目来使用它。 或者，您可以传入应通过此方法创建的输出图像服务的名称，以用作工具的输出。 如果该名称的服务已经存在，则会引发 RuntimeError
context	context 包含影响任务执行的其他设置。 context 参数覆盖通过arcgis.env 参数设置的值 此函数具有以下设置： Extent(范围)：定义分析区域的边界框。 例子： {“extent”: {“xmin”: -122.68, “ymin”: 45.53, “xmax”: -122.45, “ymax”: 45.6, “spatialReference”: {“wkid”: 4326}}} 输出空间参考 (outSR)：输出栅格将投影到输出空间参考中。 例子： {“outSR”: {spatial reference}} 捕捉栅格 (snapRaster)：输出栅格的像元将与指定的捕捉栅格对齐。 例子： {‘snapRaster’: {‘url’: ‘<image_service_url>’}} 像元大小(cellSize)：输出栅格将具有由像元大小指定的分辨率。 例子： {‘cellSize’: 11} or {‘cellSize’: {‘url’: <image_service_url>}} or {‘cellSize’: ‘MaxOfIn’} 并行处理因子(parallelProcessingFactor)：控制光栅处理(CPU)服务实例。 例子： 具有指定数量的处理实例的语法示例： {“parallelProcessingFactor”: “2”} 具有指定百分比的总处理实例的语法示例： {“parallelProcessingFactor”: “60%”}
gis	仅关键字参数。可选的 GIS 对象。运行该工具的 GIS。如果未指定，则使用活动 GIS。
future	仅关键字参数。可选布尔值。如果为 True，则结果将是一个 GPJob 对象，并且结果将异步返回。
folder	仅关键字参数。可选的 str 或 dict。使用给定的文件夹名称在门户中创建一个文件夹(如果不存在)，并将输出保留在此文件夹中。 create_folder() 返回的字典也可以作为输入传入。 例子： {‘username’: ‘user1’, ‘id’: ‘6a3b77c187514ef7873ba73338cf1af8’, ‘title’: ‘trial’}
tiles_only	仅关键字参数。可选的布尔值。在ArcGIS Online 中，此函数的默认输出影像服务将是平铺影像图层。 要在 ArcGIS Online 上创建动态影像图层作为输出，请将 tiles_only 参数设置为 False。 函数将不支持ArcGIS Enterprise 中的tiles_only 参数，默认情况下会生成动态影像图层。

示例 1：

# Usage Example 1: This example generates the forecasted precipitation and temperature for January 1, 2050, and January 1, 2100.

predict_output = predict_using_trend_raster(input_multidimensional_raster=multidimensional_lyr_input,
                                            variables=["temp","precip"],
                                            dimension_definition='BY_VALUE',
                                            dimension_values=["2050-01-01T00:00:00","2100-01-01T00:00:00"],
                                            output_name="predicted_temp_precip",
                                            gis=gis.
                                            folder="predict_trend")

示例 2：

# Usage Example 2: This example generates the forecasted NDVI values for each month in year 2025.

predict_output = predict_using_trend_raster(input_multidimensional_raster=multidimensional_lyr_input,
                                            variables=["NDVI"],
                                            dimension_definition='BY_INTERVAL',
                                            start="2025-01-01T00:00:00",
                                            end="2025-12-31T00:00:00",
                                            interval_value=1,
                                            interval_unit="MONTHS",
                                            output_name="predict_using_trend_raster",
                                            gis=gis,
                                            folder={'username': 'user1', 'id': '6a3b77c187514ef7873ba73338cf1af8', 'title': 'trial'})