Python ArcGIS predict_using_trend_raster用法及代碼示例

本文簡要介紹 python 語言中 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：影像圖層項目

估計多維柵格中給定變量的維度上每個像素的趨勢。 ArcGIS Image Server 10.8 及更高版本中可用的函數。

Parameter	Description
input_multidimensional_raster	必需的 ImageryLayer 對象。輸入多維柵格。傳送門物品可以通過。
variables	可選列表。將在分析中預測的一個或多個變量。如果未指定變量，則將使用所有變量。
dimension_definition	必需的字符串。指定用於提供預測維度值的方法。 BY_VALUE：將針對單個維度值或由 dimension_values 參數定義的維度值列表計算預測。這是默認設置。 例如，您想要預測 2050、2100 和 2150 年的年降水量。 BY_INTERVAL - 將針對由開始值和結束值定義的維度間隔計算預測。例如，您想要預測 2050 年到 2150 年間每年的年降水量。
dimension_values	可選列表。要在預測中使用的維度值。 當dimension_def參數設置為BY_VALUE時需要該參數。
start	可選字符串。要在預測中使用的維度間隔的開始日期、高度或深度。
end	可選字符串。要在預測中使用的維度間隔的結束日期、高度或深度。
interval_value	可選浮點數。要包含在預測中的兩個維度值之間的步數。默認值為 1 例如，要每五年預測一次溫度值，請使用值 5。
interval_unit	可選字符串。指定將用於值區間的單位。此參數僅適用於分析維度為時間維度的情況。 HOURS - 將在 start、end 和 interval_value 參數說明的時間範圍內為每個小時計算預測。 DAYS - 將在 start、end 和 interval_value 參數說明的時間範圍內為每一天計算預測。 WEEKS - 將在 start、end 和 interval_value 參數說明的時間範圍內計算每周的預測。 MONTHS - 將在 start、end 和 interval_value 參數說明的時間範圍內為每個月計算預測。 YEARS - 將在 start、end 和 interval_value 參數說明的時間範圍內計算每年的預測。
output_name	可選字符串。如果未提供，則由該方法創建影像服務並將其用作輸出柵格。您可以從 GIS 中傳入現有的影像服務項目來使用它。 或者，您可以傳入應通過此方法創建的輸出圖像服務的名稱，以用作工具的輸出。 如果該名稱的服務已經存在，則會引發 RuntimeError
context	context 包含影響任務執行的其他設置。 context 參數覆蓋通過arcgis.env 參數設置的值 此函數具有以下設置： Extent(範圍)：定義分析區域的邊界框。 例子： {“extent”: {“xmin”: -122.68, “ymin”: 45.53, “xmax”: -122.45, “ymax”: 45.6, “spatialReference”: {“wkid”: 4326}}} 輸出空間參考 (outSR)：輸出柵格將投影到輸出空間參考中。 例子： {“outSR”: {spatial reference}} 捕捉柵格 (snapRaster)：輸出柵格的像元將與指定的捕捉柵格對齊。 例子： {‘snapRaster’: {‘url’: ‘<image_service_url>’}} 像元大小(cellSize)：輸出柵格將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’} 並行處理因子(parallelProcessingFactor)：控製光柵處理(CPU)服務實例。 例子： 具有指定數量的處理實例的語法示例： {“parallelProcessingFactor”: “2”} 具有指定百分比的總處理實例的語法示例： {“parallelProcessingFactor”: “60%”}
gis	僅關鍵字參數。可選的 GIS 對象。運行該工具的 GIS。如果未指定，則使用活動 GIS。
future	僅關鍵字參數。可選布爾值。如果為 True，則結果將是一個 GPJob 對象，並且結果將異步返回。
folder	僅關鍵字參數。可選的 str 或 dict。使用給定的文件夾名稱在門戶中創建一個文件夾(如果不存在)，並將輸出保留在此文件夾中。 create_folder() 返回的字典也可以作為輸入傳入。 例子： {‘username’: ‘user1’, ‘id’: ‘6a3b77c187514ef7873ba73338cf1af8’, ‘title’: ‘trial’}
tiles_only	僅關鍵字參數。可選的布爾值。在ArcGIS Online 中，此函數的默認輸出影像服務將是平鋪影像圖層。 要在 ArcGIS Online 上創建動態影像圖層作為輸出，請將 tiles_only 參數設置為 False。 函數將不支持ArcGIS Enterprise 中的tiles_only 參數，默認情況下會生成動態影像圖層。

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'})