Растерният анализ Ви позволява да извършвате анализ на големи набори от растерни данни, като използвате ArcGIS Image Server. Това Ви позволява по-бързо да анализирате повече данни, като използвате мощността на сървъра.Наборите от инструменти, налични в момента чрез Portal за ArcGIS уеб потребителски опит са Обобщаване на данни , Модели за анализ, Използване на близост, Изображение за анализ, Терен за анализ, Управление на данни, Изучаване в дълбочина и Многоизмерен анализ.
Данни за обобщение
Тези инструменти се използват за изчисляване на статистически данни за растерния слой в рамките на определените от Вас граници на областта (зони).
- Обобщаването на растер в рамките на изчислява статистически данни за растерни клетки, които попадат в определени граници на областта.
- Зоналните статистически данни като таблица обобщават стойностите на даден растер в зоните на друг набор от данни и отчитат резултатите в таблица.
Сумиране на растер в рамките на |
|
Този инструмент обобщава стойностите на даден растер в зоните на друг набор от данни.
Зонална статистика като таблица |
|
Този инструмент обобщава стойностите на даден растер в зоните на друг набор от данни и отчита резултатите в таблица.
Модели за анализ
Тези инструменти Ви помагат да идентифицирате, определите количествено и визуализирате пространствени модели във Вашите данни.
- Изчисляването на плътност взема известни количества от някакво явление и създава карта на плътността, като разпределя тези количества по картата.
- Интерполирането на точки прогнозира стойности на нови места въз основа на измервания, открити в набор от точки.
Изчисление на плътност |
|
Анализът на плътност взема известни количества от някакво явление и създава карта на плътността, като разпределя тези количества по картата. Можете да използвате този инструмент, например, за да покажете концентрацията на удари от мълнии или торнадо, достъпа до здравни заведения и гъстотата на населението.
Интерполиране на точки |
|
Този инструмент позволява прогнозиране на стойности на нови места въз основа на намерени измервания от колекция от точки. Инструментът взема точкови данни със стойности във всяка точка и връща области, класифицирани на базата на прогнозни стойности. Можете да използвате този инструмент, например, за прогнозиране на нивата на валежите в даден водосборен басейн въз основа на измервания, направени от отделни дъждомери.
Използване на близост в пространство и време
Тези инструменти Ви помагат да отговорите на някои от най-често срещаните въпроси, свързани с пространствения анализ: Кое е близо до кое? и Кой е най-оптималният път?
- Изчисляване на разстоянието изчислява евклидовото разстояние, посоката и разпределението от един източник или набор от източници.
- Определянето на оптимална мрежа за пътни разходи изчислява оптималната мрежа на разходите от набор от входни данни за региони.
- Определянето на път за разходи за пътуване като полилиния изчислява най-евтиния полилинеен път между познати дестинации и източници.
- Натрупано разстояние изчислява натрупаното разстояние за всяка клетка до източниците, като отчита праволинейното разстояние, разстоянието по цена и истинското разстояние до повърхност, както и вертикалните и хоризонталните фактори.
- Разпределянето на разстоянието изчислява разпределението на разстоянието за всяка клетка до предоставените източници въз основа на разстоянието по права линия, разстоянието на разходите, разстоянието до истинската повърхност, както и вертикалните и хоризонталните фактори на разходите.
- Оптимален път като линия изчислява оптималния път от дестинациите до източниците като линия.
- Оптималният път като растер изчислява оптималния път от дестинациите до източниците като растер.
- Оптималната регионна връзка изчислява оптималната мрежа на свързаност между две или повече входни области.
Изчисление на разстояние |
|
Този инструмент изчислява евклидовото разстояние, посоката и разпределението от един източник или набор от източници.
Определяне на мрежата за оптимални пътни разходи |
|
Този инструмент изчислява оптималната мрежа на разходите от набор от входни данни за региони.
Определяне на пътя за пътни разходи като полилиния |
|
Този инструмент изчислява най-евтиния път между дестинациите и източниците.
Натрупване на разстояние |
|
Този инструмент изчислява натрупаното разстояние за всяка клетка до източниците, като дава възможност за определяне на разстоянието по права линия, разстоянието на разходите, разстоянието до истинската повърхност, както и на вертикалните и хоризонталните коефициенти на разходите.
Разпределение на разстояние |
|
Този инструмент изчислява разпределението на разстоянието за всяка клетка до предоставените източници въз основа на разстоянието по права линия, разстоянието на разходите, разстоянието до истинската повърхност, както и вертикалните и хоризонталните коефициенти на разходите.
Оптимален път като линия |
|
Този инструмент изчислява оптималния път от дестинациите до източниците като линия.
Оптималнен път като растер |
|
Този инструмент изчислява оптималния път от дестинациите до източниците като растер.
Оптимални регионални връзки |
|
Този инструмент изчислява оптималната мрежа на свързаност между две или повече входни области.
Анализиране на изображение
Следващият инструмент в категорията Анализиране на изображението Ви помага да анализирате изображения.
- Мониторинг на растителността открива относителното покритие на растителността в дадено изображение, въз основа на аритметични операции върху лентите. На разположение са няколко растителни индекса за анализ на изображения.
Наблюдение на растителност |
|
Извършва аритметична операция върху лентите на многолентов растерен слой, за да разкрие информация за растителното покритие.
Анализиране на терен
Тези инструменти Ви помагат да анализирате растерни повърхности.
- Изчисляването на наклон изчислява стръмността на терена.
- Получаването на аспект изчислява посоката на стръмността на наклон за всяка локация.
- Създаването на зона на видимост определя какво може да се види от всяка точка на ландшафта.
- Вододелът изчислява площта с принос над определено(и) място(а) върху дадена повърхност.
Изчисление на наклон |
|
Идентифицира повърхност, която показва наклона на въведените данни за релефа. Наклонът представлява скоростта на промяна на височината за всяка клетка от цифровия височинен модел (DEM).
Получаване на аспект |
|
Определя посоката на намаляване на максималния темп на промяна на стойността от всяка клетка към нейните съседи. Аспектът може да се разглежда като посока на наклона.
Създаване на зона на видимост |
|
Определя местата върху растерна повърхност, които са видими за набор от наблюдатели.
Вододел |
|
Определя площта над набор от клетки в растер.
Управление на данни
Тези инструменти се използват както за ежедневното управление на географски данни, така и за комбиниране на данни преди анализ.
- Извличане на растер изрязва части от набор от растерни данни за по-нататъшен анализ.
- Преобразуване на стойностите на карта присвоява различни стойности на растерните клетки.
- Преобразуване на обект към растер растеризира векторните данни.
- Преобразуване на растер към обект векторизира растерните данни.
- Пример извлича данни на определени места от растер или набор от растери.
Извличане на растер |
|
Извличане на клетки от растер въз основа на стойност, форма или обхват на друг набор от данни.
Стойности за повторно картографиране |
|
Променете отделни стойности или диапазони от стойности на клетките с нови стойности.
Преобразуване на обект към растер |
|
Създайте нов набор от растерни данни от съществуващ набор от данни за обекти.
Преобразуване на растер към обект |
|
Създайте нов набор от данни за обекти от съществуващ набор от растерни данни.
Пример |
|
Създава таблица или клас точкови обекти със стойности на данни на определени места, извлечени от растер или набор от растери.
Изучаване в дълбочина
Тези инструменти се използват за откриване или класифициране на специфични обекти в изображение или за класифициране на пиксели в набор от растерни данни. Изучаването в дълбочина е вид метод за машинно обучение с изкуствен интелект, при който се откриват обекти в изображения, като се използват множество слоеве в невронни мрежи, където всеки слой може да извлече един или повече уникални обекти в изображението. Тези инструменти използват моделите, които са обучени да откриват конкретни обекти в рамки за изучаване в дълбочина на трети страни – като TensorFlow, CNTK и Keras – и извеждат обекти или карти на класовете.
- Класифицирането на пиксели с помощта на изучаване в дълбочина създава класифициран растер с помощта на обучен модел за изучаване в дълбочина.
- Откриването на обекти с помощта на изучаване в дълбочина създава клас от обекти, съдържащ обекти, които намира във входния растер, като използва обучен модел за изучаване в дълбочина.
- Класифицирането на обекти с помощта на изучаване в дълбочина създава класове или таблици с обекти, в които на всеки обект във входния растер се присвоява етикет на клас с помощта на обучен модел за изучаване в дълбочина.
Класифициране на пиксели с помощта на изучаване в дълбочина |
|
Този инструмент изпълнява обучен модел за изучаване в дълбочина върху входящ растер, за да създаде класифициран растер, като на всеки валиден пиксел е присвоен етикет за клас.
Засичане на обекти с помощта на изучаване в дълбочина |
|
Този инструмент стартира обучен модел за изучаване в дълбочина върху входящ растер, за да създаде клас от обекти, съдържащ намерените обекти. Обектите могат да бъдат ограничителни полета или многоъгълници около намерените обекти или точки в центровете на обектите.
Класифициране на обекти с помощта на изучаване в дълбочина |
|
Този инструмент изпълнява обучен модел за дълбоко обучение върху входни растерни данни и незадължителен клас признаци, за да създаде клас или таблица с признаци, в която всеки входен обект има присвоен етикет на клас.
Многоизмерен анализ
Инструментите от набора инструменти за многоизмерен анализ Ви позволяват да извършвате анализ на научни данни по множество променливи и измерения.
Многоизмерните данни представляват данни, заснети в различни моменти, на различни дълбочини и височини. Този тип данни се използват често в атмосферните, океанографските и земните науки. С този набор от инструменти, можете да анализирате многоизмерни растерни данни в множество формати, включително netCDF, HDF, GRIB, многомерен набор от данни за мозайка и Cloud Raster Format (CRF) на Esri.
В следващата таблица са изброени инструментите за многоизмерен анализ и е дадено кратко описание на всеки от тях.
- Агрегиран многоизмерен растер генерира многоизмерен набор от растерни данни чрез агрегиране на съществуващи многоизмерни растерни променливи по едно измерение.
- Генериране на многоизмерна аномалия изчислява аномалията за всеки участък от многоизмерен растер, за да генерира многоизмерен растер.
- Генериране на тренд растер оценява тенденцията за всеки пиксел по протежение на едно измерение за една или повече променливи в многомерно растерно изображение.
- Прогнозиране с помощта на тренд растер изчислява прогнозен многоизмерен растер, като използва изходния тренд растер от инструмента Генериране на тренд растер.
- Намиране на статистически данни за аргументите извлича стойността на измерението или лентовия индекс, при който се постига дадена статистика за всеки пиксел в многоизмерен или многолентов растер.
Агрегиран многоизмерен растер |
|
Този инструмент генерира многоизмерен набор от растерни данни чрез агрегиране на съществуващи многоизмерни растерни променливи по едно измерение.
Намиране на статистика за аргумент |
|
Този инструмент извлича стойността на измерението или лентовия индекс, при който се постига дадена статистика за всеки пиксел в многоизмерен или многолентов растер.
Генериране на многоизмерна аномалия |
|
Този инструмент изчислява аномалията за всеки участък от многоизмерен растер, за да генерира нов многоизмерен растер.
Генериране на Тренд растер |
|
Този инструмент оценява тенденцията за всеки пиксел по протежение на едно измерение за една или повече променливи в многомерен растер.
Прогнозиране с помощта на тренд растер |
|
Този инструмент изчислява прогнозен многомерен растер, като използва изходния растер на тренда от инструмента Генериране на тренд растер.