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.
Aquestes eines es fan servir per calcular estadístiques per a una capa ràster dins dels límits d'una àrea (zona) que hàgiu definit.
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.
Aquestes eines us ajuden a identificar, quantificar i visualitzar els patrons espacials de les vostres dades.
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.
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 |
![]() |
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.
L'eina següent de la categoria d'eina Analitza la imatge us ajuda a analitzar imatges:
Supervisa la vegetació |
![]() |
Realitza una operació aritmètica sobre les bandes d'una capa ràster multibanda per revelar la informació de cobertura de vegetació.
Aquestes eines us ajuden a analitzar superfícies de ràster.
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.
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 |
![]() |
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.
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 |
![]() |
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.
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 |
![]() |
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.