Anàlisi del ràster us permet fer l'anàlisi de datasets ràster grans mitjançant l' ArcGIS Image Server. Això us permet analitzar dades més ràpid i aprofitar la potència del servidor.Els conjunts d'eines disponibles actualment a través de l'experiència d'usuari web del Portal for ArcGIS són Resumir les dades, Analitza els patrons, Utilitza la proximitat, Analitza la imatge, Analitza el terreny, Administra les dades, Aprenentatge profund i Anàlisi multidimensional.
Resumir dades
Aquestes eines es fan servir per calcular estadístiques per a una capa ràster dins dels límits d'una àrea (zona) que hàgiu definit.
- Resumir el ràster dins de calcula les estadístiques de les cel·les del ràster que queden dins de límits d'àrea definits.
- Estadístiques zonals com a taula resumeix els valors d'un ràster dins de les zones d'un altre dataset o informa dels resultats en una taula.
Resumir ráster dentro de |
|
Aquesta eina resumeix els valors d'un ràster dins de les zones d'un altre dataset.
Estadísticas zonales como tabla |
|
Aquesta eina resumeix els valors d'un ràster dins de les zones d'un altre dataset o informa dels resultats en una taula.
Analitza els patrons
Aquestes eines us ajuden a identificar, quantificar i visualitzar els patrons espacials de les vostres dades.
- Calcula la densitat pren quantitats conegudes d'algun fenomen i les dispersa pel mapa per crear un mapa de densitat.
- Interpola els punts prediu els valors en ubicacions noves en funció de les mesures d'una col·lecció de punts.
Calcular densidad |
|
L'anàlisi de densitat pren quantitats conegudes d'algun fenomen i les dispersa pel mapa per crear un mapa de densitat. Per exemple, podeu fer servir aquesta eina per mostrar concentracions de llamps o tornados, l'accés a instal·lacions mèdiques i densitats de població.
Interpola els punts |
|
Aquesta eina us permet predir els valors en ubicacions noves en funció de les mesures d'una col·lecció de punts. L'eina pren les dades de punts amb valors en cada punt i retorna àrees classificades pels valors predits. Per exemple, podeu fer servir aquesta eina per predir els nivells de precipitacions en una conca hidrogràfica a partir de les mesures de diversos pluviòmetres.
Utilitza la proximitat
Aquestes eines us ajuden a respondre a algunes de les preguntes més habituals de l'anàlisi espacial: "Què hi ha a prop de què?" i "Quina és la ruta més òptima?"
- Calcula la distància calcula la distància euclidiana, la direcció i l'assignació des d'un origen únic o un conjunt d'orígens.
- Determina la xarxa de cost de viatge òptima calcula la xarxa de cost òptima a partir d'un conjunt de regions d'entrada.
- Determina la ruta de cost de viatge com a polilínia calcula la ruta de polilínia de menor cost entre les destinacions conegudes i els orígens.
- Acumulació de distància calcula la distància acumulada per a cada cel·la als orígens, tenint en compte la distància en línia recta, el cost en pla i la distància de superfície real, així com els factors horitzontal i vertical.
- Assignació de distància calcula l'assignació de distància per a cada cel·la als orígens proporcionats, en funció de la distància en línia recta, el cost en pla i la distància de superfície real, així com els factors horitzontal i vertical.
- Ruta òptima com a línia calcula la ruta òptima de les destinacions als orígens com una línia.
- Ruta òptima com a ràster calcula la ruta òptima de les destinacions als orígens com un ràster.
- Connexions de regió òptimes calcula la xarxa de connectivitat òptima entre dues o més regions d'entrada.
Calcula la distància |
|
Aquesta eina calcula la distància euclidiana, la direcció i l'assignació des d'un origen únic o un conjunt d'orígens.
Determina la xarxa de cost de viatge òptima |
|
Aquesta eina calcula la xarxa de cost òptima a partir d'un conjunt de regions d'entrada.
Determina la ruta de cost de viatge com a polilínia |
|
Aquesta eina calcula la ruta de polilínia de menor cost entre les destinacions i els orígens.
Acumulació de distància |
|
Aquesta eina calcula la distància acumulada per a cada cel·la als orígens, tenint en compte la distància en línia recta, el cost en pla, la distància de superfície real i els factors horitzontal i vertical.
Assignació de distància |
|
Aquesta eina calcula l'assignació de distància per a cada cel·la als orígens proporcionats, en funció de la distància en línia recta, el cost en pla, la distància de superfície real i els factors horitzontal i vertical.
Ruta òptima com a línia |
|
Aquesta eina calcula la ruta òptima de les destinacions als orígens com una línia.
Ruta òptima com a ràster |
|
Aquesta eina calcula la ruta òptima de les destinacions als orígens com un ràster.
Connexions de regió òptimes |
|
Aquesta eina calcula la xarxa de connectivitat òptima entre dues o més regions d'entrada.
Analitza la imatge
L'eina següent de la categoria d'eina Analitza la imatge us ajuda a analitzar imatges:
- Supervisa la vegetació detecta la cobertura de vegetació relativa en una imatge segons les operacions aritmètiques de les bandes. Hi ha diversos índexs disponibles per a l'anàlisi d'imatges.
Supervisa la vegetació |
|
Realitza una operació aritmètica sobre les bandes d'una capa ràster multibanda per revelar la informació de cobertura de vegetació.
Analitza el terreny
Aquestes eines us ajuden a analitzar superfícies de ràster.
- Calcula el pendent calcula la inclinació del terreny.
- Deriva l'orientació calcula la direcció del pendent més pronunciat de cada ubicació.
- Crea una conca visual identifica què es pot veure des de qualsevol punt del paisatge.
- Conca hidrogràfica calcula l'àrea de contribució sobre les ubicacions identificades en una superfície.
Calcula el pendent |
|
Identifica una superfície que mostra el pendent de les dades d'elevació d'entrada. El pendent representa la velocitat de canvi d'elevació de cada cel·la del model d'elevació digital (DEM).
Deriva l'orientació |
|
Identifica la direcció descendent de la velocitat màxima de canvi del valor des de cada cel·la a les cel·les veïnes. L'orientació es pot considerar la direcció del pendent.
Crea una conca visual |
|
Determina les ubicacions en una superfície de ràster que són visibles per a un conjunt d'observadors.
Cuenca hidrográfica |
|
Determina l'àrea de contribució sobre un conjunt de cel·les d'un ràster.
Administra dades
Aquestes eines es fan servir per a l'administració diària de les dades geogràfiques i per combinar dades abans de l'anàlisi.
- Extreu el ràster retalla parts un dataset ràster per fer-ne més anàlisis.
- Nova representació cartogràfica de valors assigna diferents valors a les cel·les del ràster.
- Converteix una entitat a ràster rasteritza dades vectorials.
- Converteix un ràster a entitat vectoritza dades de ràster.
- Mostra extreu dades en ubicacions definides d'un ràster o d'un conjunt de ràsters.
Extreu el ràster |
|
Extraieu cel·les d'un ràster d'acord amb el valor, la forma o l'extensió d'un dataset diferent.
Nova representació cartogràfica de valors |
|
Canvia valors de cel·la individuals o intervals de valors de cel·la per valors nous.
Converteix una entitat a ràster |
|
Creeu un nou dataset ràster a partir d'un dataset d'entitats existent.
Converteix un ràster a entitat |
|
Creeu un nou dataset d'entitats a partir d'un dataset ràster existent.
Muestra |
|
Crea una taula o una classe d'entitat de punt amb valors de dades en ubicacions definides extretes d'un ràster o d'un conjunt de ràsters.
Aprenentatge profund
Aquestes eines s'utilitzen per detectar o classificar entitats específiques en una imatge o per classificar els píxels en un dataset ràster. L'aprenentatge profund és un tipus de mètode d'aprenentatge automàtic d'intel·ligència artificial que detecta entitats a les imatges mitjançant diverses capes de xarxes neuronals, on cada capa és capaç d'extreure una o diverses entitats úniques de la imatge. Aquestes eines utilitzen els models que s'han format per detectar entitats específiques als marcs d'aprenentatge profund de tercers, com ara el TensorFlow, el CNTK i el Keras, i proporcionar entitats o mapes de classes.
- Classifica els píxels amb Aprenentatge profund produeix un ràster classificat mitjançant un model d'aprenentatge profund format.
- Detecta objectes amb Aprenentatge profund produeix una classe d'entitat que conté objectes que cerca en un ràster d'entrada mitjançant un model d'aprenentatge profund format.
- Classifica els objectes amb Aprenentatge profund produeix una classe d'entitat o una taula en què a cada objecte d'entrada en un ràster d'entrada se li assigna una etiqueta de classe mitjançant un model d'aprenentatge profund format.
Classifica els píxels amb Aprenentatge profund |
|
Aquesta eina executa un model d'aprenentatge profund format en un ràster d'entrada per produir un ràster classificat, i cada píxel vàlid té una etiqueta de classe assignada.
Detecta objectes amb Aprenentatge profund |
|
Aquesta eina executa un model d'aprenentatge profund format en un ràster d'entrada per produir una classe d'entitat que contingui els objectes que troba. Les entitats poden ser quadres de delimitació o polígons al voltant dels objectes trobats, o bé punts als centres dels objectes.
Classifica els objectes amb Aprenentatge profund |
|
Aquesta eina executa un model d'aprenentatge profund format en un ràster d'entrada i una classe d'entitat opcional per produir una classe d'entitat o una taula en què cada objecte d'entrada té una etiqueta de classe assignada.
Anàlisi multidimensional
Les eines del conjunt d'eines Anàlisi multidimensional permeten realitzar anàlisis de dades científiques en diverses variables i dimensions.
Les dades multidimensionals representen dades capturades en temps, profunditats i altures diferents. Aquest tipus de dades s'acostumen a utilitzar en ciències atmosfèriques, oceanogràfiques i terrestres. Amb aquest conjunt d'eines, podeu analitzar dades de ràster multidimensional en diversos formats, com ara netCDF, HDF, GRIB, el dataset de mosaic multidimensional i el format de ràster de núvol (CRF) d'Esri.
A la taula següent s'indiquen les eines d'anàlisi multidimensional i s'inclou una descripció breu de cadascuna.
- Consolida el ràster multidimensional genera un dataset ràster multidimensional mitjançant l'agregació de variables de ràster multidimensional existents en una dimensió.
- Genera l'anomalia multidimensional calcula l'anomalia de cada sector d'un ràster multidimensional per generar un ràster multidimensional.
- Genera el ràster de tendència estima la tendència de cada píxel en una dimensió per a una o diverses variables d'un ràster multidimensional.
- Prediu mitjançant el ràster de tendència calcula un ràster multidimensional previst mitjançant el ràster de tendència de sortida des de l'eina Genera el ràster de tendència.
- Cerca estadístiques d'argument: extreu el valor de la dimensió o l'índex de banda en què s'obté una estadística determinada de cada píxel en un ràster multidimensional o multibanda.
Consolida el ràster multidimensional |
|
Aquesta eina genera un dataset ràster multidimensional mitjançant l'agregació de variables de ràster multidimensional existents en una dimensió.
Cerca estadístiques d'argument |
|
Aquesta eina extreu el valor de la dimensió o l'índex de banda en què s'obté una estadística determinada de cada píxel en un ràster multidimensional o multibanda.
Genera l'anomalia multidimensional |
|
Aquesta eina calcula l'anomalia de cada sector d'un ràster multidimensional per generar un ràster multidimensional.
Genera el ràster de tendència |
|
Aquesta eina estima la tendència de cada píxel en una dimensió per a una o diverses variables d'un ràster multidimensional.
Predigueu l'ús del ràster de tendència |
|
Aquesta eina calcula un ràster multidimensional previst mitjançant el ràster de tendència de sortida des de l'eina Genera el ràster de tendència.