Met Rasteranalyse kunt u de analyse uitvoeren van grote rasterdatasets met behulp van ArcGIS Image Server. Hiermee kunt u sneller data analyseren door gebruik te maken van de kracht van de server.De toolsets die momenteel beschikbaar zijn via de Portal for ArcGIS webgebruikerservaring zijn Data samenvatten, Patronen analyseren, Nabijheid gebruiken, Beeld analyseren, Terrein analyseren, Gegevens beheren, Deep Learning, en Multidimensionale analyse.
Deze tools worden gebruikt voor het berekenen van statistieken voor een rasterlaag binnen de door u gedefinieerde gebiedsgrenzen (zones).
Raster samenvatten in |
![]() |
Deze tool vat de waarden van een raster samen binnen de zones van een andere dataset.
Gebiedstatistieken als tabel |
![]() |
Deze tool vat de waarden van een raster samen binnen de zones van een andere dataset en rapporteert de resultaten aan een tabel.
Deze tools helpen u ruimtelijke patronen in uw gegevens te identificeren, kwantificeren en visualiseren.
Dichtheid berekenen |
![]() |
Dichtheidsanalyse gebruikt bekende hoeveelheden van een bepaald fenomeen en maakt een dichtheidskaart door deze hoeveelheden over de kaart te verspreiden. U kunt deze tool bijvoorbeeld gebruik om concentraties van blikseminslagen of tornado's, de toegang tot gezondheidszorgfaciliteiten en bevolkingsdichtheden weer te geven.
Punten interpoleren |
![]() |
Deze tool voorspelt waarden op nieuwe locaties op basis van metingen die worden gevonden in een verzameling van punten. De tool neemt puntgegevens met waarden op elk punt en retourneert gebieden die worden geclassificeerd op voorspelde waarden. U kunt deze tool bijvoorbeeld gebruiken om neerslagniveaus in een rioleringsgebied te voorspellen op basis van metingen die worden uitgevoerd op afzonderlijke regenmeters.
Deze tools helpen u een aantal van de meest gestelde vragen op het gebied van ruimtelijke analyse te beantwoorden: "Wat is er in de buurt van wat?" en Wat is het meest optimale pad?
Afstand berekenen |
![]() |
Deze tool berekent de Euclidese afstand, richting en toewijzing uit één bron of verzameling bronnen.
Optimale loopkosten van het netwerk bepalen |
![]() |
Deze tool berekent het optimale kostennetwerk uit een reeks invoergebieden.
Reiskostenpad als polylijn bepalen |
![]() |
Deze tool berekent het goedkoopste polylijnpad tussen bronnen en bestemmingen.
Afstandsaccumulatie |
![]() |
Deze tool berekent de verzamelde afstand voor elke cel naar de bronnen met mogelijkheid tot lineaire afstand, kostenafstand, afstand daadwerkelijk oppervlak alsmede verticale en horizontale kostenfactoren.
Afstandtoewijzing |
![]() |
Deze tool berekent de afstandstoewijzing voor elke cel tot de gegeven bronnen op basis van de lineaire afstand, kostenafstand, daadwerkelijke oppervlakte-afstand en verticale en horizontale kostenfactoren.
Optimale pad als lijn |
![]() |
Deze tool berekent het optimale pad van bestemmingen naar bronnen als een lijn.
Optimaal pad als raster |
![]() |
Deze tool berekent het optimale pad van bestemmingen naar bronnen als een raster.
Optimale regioverbindingen |
![]() |
Deze tool berekent het optimale connectiviteitsnetwerk tussen twee of meer invoergebieden.
De volgende tool in de toolcategorie Afbeelding analyseren helpt u afbeeldingen te analyseren:
Vegetatie controleren |
![]() |
Voert een rekenkundige bewerking uit op de banden van een multiband rasterlaag om informatie over de vegetatiedekking te onthullen.
Deze tools helpen u bij het analyseren van rasteroppervlakken.
Helling berekenen |
![]() |
Identificeert een oppervlak dat de helling toont van de invoerhoogtedata. Helling geeft de mate van verandering in de hoogte weer voor elke cel van het digitaal elevatiemodel (DEM).
Aspect afleiden |
![]() |
Identificeert de richting bergafwaarts van de maximale mate van verandering in waarde van elke cel tot de buurcellen. Aspect kan worden gezien als de hellingrichting.
Viewshed maken |
![]() |
Bepaalt de locaties op een rasteroppervlak die zichtbaar zijn voor een aantal waarnemers.
Watershed |
![]() |
Bepaalt het bijdragende gebied boven een set cellen in een raster.
Deze tools worden gebruikt zowel voor het dagelijkse beheer van geografische gegevens als voor het combineren van gegevens vóór de analyse.
Raster extraheren |
![]() |
Haalt cellen uit een raster op basis van de waarde, de vorm of de omvang van een andere dataset.
Waarden opnieuw bepalen |
![]() |
Verandert de individuele of reeksen celwaarden in nieuwe waarden.
Object converteren naar raster |
![]() |
Maak een nieuw rasterdataset van een bestaande objectdataset.
Raster naar object converteren |
![]() |
Maak een nieuwe objectdataset van een bestaande rasterdataset.
Voorbeeld |
![]() |
Creëert een tabel- of puntobjectklasse met gegevenswaarden op gedefinieerde locaties die uit een raster of een set rasters worden gehaald.
Deze tools worden gebruikt om specifieke objecten in een afbeelding te detecteren of te classificeren om pixels in een rasterdataset te classificeren. Deep learning is een methode om kunstmatige intelligentie te leren, waarbij objecten in satellietbeelden worden gedetecteerd met behulp van meerdere lagen in neurale netwerken, waarbij elke laag in staat is om een of meer unieke objecten in de afbeelding te extraheren. Deze tools gebruiken de modellen die zijn getraind om specifieke objecten in deep learningkaders van derden te detecteren, zoals TensorFlow, CNTK en Keras, en uitvoerfeatures of klassekaarten.
Pixels classificeren met behulp van deep learning |
![]() |
Deze tool voert een getraind deep learningmodel uit op een invoerraster om een geclassificeerd raster te produceren en aan elke geldige pixel wordt een klasselabel toegewezen.
Objecten detecteren met behulp van deep learning |
![]() |
Deze tool voert een getraind deep learningmodel uit op een invoerraster om een featureklasse te produceren die de gevonden objecten bevat. De objecten kunnen selectiekaders of vlakken zijn rond de gevonden objecten of wijzen naar de middelpunten van de objecten.
Objecten classificeren met behulp van deep learning |
![]() |
Deze tool voert een getraind deep learningmodel uit op een invoerraster en een optionele objectklasse om een objectklasse of tabel te produceren waarin aan elk invoerobject een klasselabel wordt toegewezen.
De tools in de multidimensionale analyse-toolset zorgen ervoor dat u een analyse kunt uitvoeren op wetenschappelijke gegevens over meerdere variabelen en dimensies.
Multidimensionale gegevens representeren vastgelegde data op meerdere momenten, diepten en hoogten. Dit type gegevens wordt vaak gebruikt in atmosferische, oceanografische en aardwetenschappen. Met deze toolset kunt u multidimensionale rastergegevens in meerdere formaten analyseren, inclusief netCDF, HDF, GRIB, de multidimensionale mozaïek dataset en Esri's Cloud Raster Format (CRF).
De volgende tabel vermeldt de multidimensionale analysetools en biedt een korte beschrijving van elk van deze.
Multidimensionaal raster aggregeren |
![]() |
Deze tool genereert een multidimensionale rasterdataset door bestaande multidimensionale rastervariabelen langs een dimensie te aggregeren.
Argumentstatistieken zoeken |
![]() |
Deze tool extraheert de afmetingswaarde of bandindex waarin een gegeven statistiek wordt verworven voor elke pixel in een multidimensionaal of multibandraster.
Multidimensionale anomalie genereren |
![]() |
Deze tool berekent de anomalie voor elk stuk in een multidimensionaal raster om een multidimensionaal raster te genereren.
Trendraster genereren |
![]() |
Deze tool schat de trend voor elke pixel in een afmeting voor een of meerdere variabelen in een multidimensionaal raster.
Het gebruik van trendraster voorspellen |
![]() |
Deze tool berekent een voorspeld multidimensionaal raster met behulp van het uitgevoerde trendraster van de tool Trendraster genereren.