ניתוח רסטר מאפשר לך לבצע ניתוח של סטי נתוני רסטר גדולים תוך שימוש ב- ArcGIS Image Server. הדבר מאפשר לך לנתח יותר נתונים מהר יותר על ידי ניצול העוצמה של השרת.ערכות הכלים שזמינות כעת דרך חוויית השימוש באינטרנט Portal for ArcGIS הן סיכום נתונים, ניתוח דפוסים, שימוש בקרבה, ניתוח תמונה, ניתוח פני שטח, ניהול נתונים, למידה עמוקה ו ניתוח רב-ממדי.
כלים אלה משמשים לחישוב נתונים סטטיסטיים עבור שכבת רסטר בתוך גבולות אזור (אזורים) שאתה מגדיר.
סכם רסטר בתוך |
![]() |
כלי זה מסכם את הערכים של רסטר באזורים של סט נתונים אחר.
סטטיסטיקה אזורית כטבלה |
![]() |
כלי זה מסכם את הערכים של הרסטר בתוך האזורים של סט נתונים אחר ומדווח על התוצאות לטבלה.
כלים אלה עוזרים לזהות, לכמת ולהציג דפוסים מרחביים בנתונים.
חשב צפיפות |
![]() |
ניתוח צפיפות לוקח כמויות ידועות של תופעה מסוימת ויוצר מפת צפיפות על ידי פיזור כמויות אלה על פני המפה. באפשרותך להשתמש בכלי זה, לדוגמה, כדי להציג ריכוזים של פגיעות ברק או סופות טורנדו, גישה למתקנים רפואיים וצפיפויות אוכלוסין.
בצע אינטרפולציה לנקודות |
![]() |
כלי זה מאפשרת לחזות ערכים במיקומים חדשים בהתבסס על מדידות שנמצאו באוסף של נקודות. הכלי נוטל נתוני נקודות עם ערכים בכל נקודה ומחזיר אזורים שמסווגים על ידי ערכים חזויים. ניתן להשתמש בכלי זה, לדוגמה, כדי לחזות מפלסי משקעים על פני קו פרשת מים בהתבסס על מדידות שנלקחו במודדי משקעים בודדים.
כלים אלה עוזרים לענות על כמה מהשאלות הנפוצות ביותר בניתוח מרחבי: מה נמצא ליד מה? ומה הנתיב המיטבי ביותר?
חשב מרחק |
![]() |
כלי זה מחשב מרחק אוקלידי, כיוון והקצאה ממקור אחד או מקבוצת מקורות.
קבע רשת עלויות נסיעה מיטבית |
![]() |
כלי זה מחשב את רשת העלות המיטבית מקבוצה של אזורי קלט.
קבע מסלול עלות נסיעה בתור קו |
![]() |
כלי זה מחשב את נתיב הפולי-קו עם העלות הנמוכה ביותר בין יעדים ומקורות.
הצטברות מרחק |
![]() |
כלי זה מחשב מחשב את המרחק המצטבר עבור כל תא למקורות, ומאפשר מרחק בקו ישר, מרחק עלות, מרחק פני שטח אמיתי וגורמים אנכיים ואופקיים.
הקצאת מרחק |
![]() |
כלי זה מחשב הקצאת מרחק עבור כל תא למקורות שצוינו, על בסיס מרחק בקו ישר, מרחק עלות, מרחק פני שטח אמיתי וגורמים אנכיים ואופקיים.
נתיב מיטבי בתור קו |
![]() |
כלי זה מחשב את הנתיב המיטבי מיעדים למקורות כקו.
נתיב מיטבי בתור רסטר |
![]() |
כלי זה מחשב את הניתב המיטבי מיעדים למקורות כרסטר.
חיבורי אזור מיטביים |
![]() |
כלי זה מחשב את רשת הקישוריות המיטבית בין שני אזורי קלט או יותר.
הכלי הבא בקטגוריית הכלים ניתוח תמונה עוזר לך לנתח תמונות:
ניטור צמחייה |
![]() |
מבצע פעולת חישוב על הערוצים של שכבת רסטר מרובה-ערוצים כדי לחשוף מידע על כיסוי צמחייה.
כלים אלה עוזרים לך לנתח משטח רסטר.
חישוב שיפוע |
![]() |
מזהה פני שטח שמראים את השיפוע של נתוני גובה של הקלט. השיפוע מייצג את שיעור השינוי בגובה לכל תא במודל הגובה הדיגיטלי (DEM).
גזירת מפנה |
![]() |
מזהה את כיוון השיפוע של שינוי בערך, בהיקף המקסימלי, בכל תא ביחס לתאים הסמוכים לו אפשר לחשוב על היבט כעל כיוון השיפוע.
צור שטחים נצפים |
![]() |
קובע את המיקומים על משטח רסטר שנראים לסט של צופים.
Watershed |
![]() |
קובע מהו האזור הרלוונטי מעל לסט תאים ברסטר.
כלים אלה משמשים הן עבור הניהול היום-יומי של נתונים גאוגרפיים והן עבור שילוב נתונים לפני ניתוח.
חילוץ רסטר |
![]() |
חלץ תאים מרסטר על בסיס ערך, צורה או התיחום של סט נתונים שונה.
מיפוי ערכים מחדש |
![]() |
שנה את הערכים של תאים בודדים או של טווח תאים לערכים חדשים.
המר ישות לרסטר |
![]() |
צור סט נתוני רסטר חדש מסט נתוני ישות קיימת.
המר רסטר לישות |
![]() |
צור סט נתוני ישויות חדש מסט נתוני רסטר קיים.
דוגמה |
![]() |
יוצר טבלה או קבוצת ישויות נקודה עם ערכי נתונים במיקומים מוגדרים שחולצו מרסטר או מערכת רסטרים.
כלים אלה משמשים לזיהוי או לסיווג של ישויות ספציפיות בתמונה או לסיווג פיקסלים בסט נתוני רסטר. למידה עמוקה (Deep Learning) היא סוג של שיטת למידת מכונה בבינה מלאכותית אשר מזהה ישויות בתמונה באמצעות שכבות מרובות ברשתות ניטרליות שבהן כל שכבה מסוגלת לחלץ ישות אחת או יותר בתמונה. כלים אלה צורכים את המודלים שאומנו לזהות ישויות ספציפיות במסגרות למידה עמוקה של צד שלישי - כגון TensorFlow, CNTK ו-Keras - וישויות פלט או מפות מחלקה.
סווג פיקסלים באמצעות למידה לעומק |
![]() |
כלי זה מריץ מודל למידה לעומק מאומן על רסטר קלט כדי להפיק רסטר מסווג, ולכל פיקסל תקף יש תווית מחלקה משויכת.
מזהה אובייקטים באמצעות למידה לעומק |
![]() |
כלי זה מריץ מודל למידה לעומק מאומן על רסטר קלט כדי להפיק קבוצת ישויות שמכילה את האובייקטים שנמצאו. הישויות יכולות להיות מלבנים תוחמים או פוליגונים סביב האובייקטים שנמצאו, או נקודות במרכזים של האובייקטים.
סווג אובייקטים באמצעות למידה עמוקה |
![]() |
כלי זה מריץ מודל למידה לעומק מאומן על רסטר קלט וקבוצת ישויות אופציונלית כדי להפיק קבוצת ישויות או טבלה שבה כל לכל אובייקט קלט יש תווית קבוצה משויכת.
הכלים בערכת הכלים 'ניתוח רב-ממדי' מאפשרים לך לבצע ניתוח של נתונים מדעיים על פני משתנים וממדים מרובים.
נתונים מרובי-ממדים מייצגים נתונים שנלכדו במגוון של זמנים, עומקים וגבהים. סוג נתונים זה בדרך משמש במדעי האטמוספרה, האוקיינוסים וכדור הארץ. עם ערכת כלים זו, באפשרותך לנתח נתוני רסטר מרובי-ממדים בתבניות שונות, כולל netCDF, HDF, GRIB, סט נתוני המוזאיקה הרב-ממדיים ו-Cloud Raster Format (CRF) של Esri.
טבלה הבאה מפרטתת את כלי הניתוח הרב-ממדי ומספקת תיאור קצר של כל אחד מהם.
צבירת רסטר רב-ממדי |
![]() |
הכלי מפיק סט נתוני רסטר מרובי-ממדים על ידי צבירת משתני רסטר מרובי-ממדים קיימים לאורך ממד.
מצב סטטיסטיקות של ארגומנט |
![]() |
כלי זה מחלץ את ערך הממד או אינדקס הערוץ שבו סטטיסטיקה נתונה מושגת עבור כל פקסל ברסטר רב-ממדי או רב-ערוצי.
הפק אנומליה רב-ממדית |
![]() |
כלי זה מחשב מחשב את האנומליה עבור כל פלח ברסטר רב-ממדי כדי להפיק רסטר רב-ממדי.
הפק רסטר מגמה |
![]() |
כלי זה אומד את המגמה עבור כל פיקסל לאורך ממד עבור משתנה אחד או יותר ברסטר רב-ממדי.
חיזוי באמצעות רסטר קו מגמה |
![]() |
כלי זה מחשב רסטר רב-ממדי חזוי תוך שימוש ברסטר המגמה של הפלט מהכלי צור קו מגמה.