Med rasteranalyse kan du udføre analyse af store rasterdatasæt ved hjælp af ArcGIS Image Server. Dette gør dig i stand til at analysere flere data hurtigere ved at udnytte serverens styrke.De værktøjssæt, der på nuværende tidspunkt er tilgængelige via Portal for ArcGIS er Summér data, Analysér mønstre, Anvend nærhed, Analysér billede, Analysér terræn, Administrér data, Deep Learning og Flerdimensionel analyse.
Summér data
Disse værktøjer bruges til at beregne statistik for et rasterlag inden for de områdegrænser (zoner), som du har defineret.
- Summér raster inden for beregner statistik for rasterceller, der ligger inden for definerede områdegrænser.
- Zonestatistik som tabel opsummerer værdierne for en raster i zonerne i et andet datasæt og rapporterer resultaterne til en tabel.
Summér raster inden for |
|
Dette værktøj giver en oversigt over værdierne for en raster inden for et andet datasæts zoner.
Zonestatistik som tabel |
|
Dette værktøj opsummerer værdierne for en raster i zonerne i et andet datasæt og rapporterer resultaterne til en tabel.
Analysér mønstre
Disse værktøjer hjælper dig med at identificere, kvantificere og visualisere geografiske mønstre i dine data.
- Beregn tæthed tager kendte mængder af visse fænomener og opretter et tæthedskort ved at sprede disse mængder på tværs af kortet.
- Interpolér punkter forudsiger værdier på nye placeringer baseret på målinger fundet i en samling af punkter.
Beregn tæthed |
|
Tæthedsanalyse tager kendte mængder af visse fænomener og opretter et tæthedskort ved at sprede disse mængder på tværs af kortet. Du kan f.eks. bruge dette værktøj til at vise koncentrationer af lynnedslag eller tornadoer, adgang til sundhedscentre og befolkningstætheder.
Interpolér punkter |
|
Dette værktøj giver dig mulighed for at forudsige værdier på nye placeringer baseret på målinger fundet i en samling af punkter. Værktøjet tager punktdata med værdier for hvert punkt og returnerer områder klassificeret vha. forudsagte værdier. Du kan f.eks. bruge dette værktøj til at forudsige nedbørsmængder over et afvandingsområde baseret på målinger foretaget ved individuelle regnmålere.
Anvend nærhed
Disse værktøjer hjælper dig med at besvare nogle af de mest almindelige spørgsmål, der stilles i forbindelse med geografisk analyse: Hvad ligger i nærheden af hvad? og Hvad er den optimale rute?
- Beregn afstand beregner den euklidiske afstand, retning og allokering ud fra en enkelt kilde eller et sæt af kilder.
- Beregn optimale rejseomkostninger-netværk beregner det optimale omkostningsnetværk ud fra et sæt af input-regioner.
- Beregn rejseomkostninger som polylinje beregner polylinjeruten med de laveste omkostninger mellem kendte destinationer og kilder.
- Afstandsakkumulering beregner den akkumulerede afstand fra hver celle til kilderne, hvilket tager højde for ligelinje-afstand, omkostningsafstand, virkelig overfladeafstand samt vandrette og lodrette omkostningsfaktorer.
- Afstandsallokering beregner afstandsallokeringen fra hver celle til de angivne kilder, baseret på ligelinje-afstand, omkostningsafstand, virkelig overfladeafstand samt vandrette og lodrette omkostningsfaktorer.
- Optimal rute som linje beregner den optimale rute fra destinationer til kilder som en linje.
- Optimal rute som raster beregner den optimale rute fra destinationer til kilder som en raster.
- Optimal Region-forbindelser beregner det optimale forbindelsesnetværk mellem to eller flere input-regioner.
Beregn afstand |
|
Dette værktøj beregner euklidisk afstand, retning og allokering ud fra en enkelt kilde eller et sæt af kilder.
Beregn optimale rejseomkostninger-netværk |
|
Dette værktøj beregner det optimale omkostningsnetværk ud fra et sæt af input-regioner.
Beregn rejseomkostninger som polylinje |
|
Dette værktøj beregner polylinjeruten med de laveste omkostninger mellem destinationer og kilder.
Afstandsakkumulering |
|
Dette værktøj beregner den akkumulerede afstand fra hver celle til kilderne, hvilket tager højde for ligelinje-afstand, omkostningsafstand, virkelig overfladeafstand samt vandrette og lodrette faktorer.
Afstandsallokering |
|
Dette værktøj beregner afstandsallokeringen fra hver celle til de angivne kilder, baseret på ligelinje-afstand, omkostningsafstand, virkelig overfladeafstand samt vandrette og lodrette faktorer.
Optimal rute som linje |
|
Dette værktøj beregner den optimale rute fra destinationer til kilder som en linje.
Optimal rute som raster |
|
Dette værktøj beregner den optimale rute fra destinationer til kilder som en raster.
Optimale regionsforbindelser |
|
Dette værktøj beregner det optimale forbindelsesnetværk mellem to eller flere input-regioner.
Analysér billede
Følgende værktøj i værktøjskategorien Analyser billede hjælper dig med at analysere billeder:
- Overvåg vegetation registrerer relativr vegetationsdække i et billede på grundlag af aritmetiske handlinger på båndene. Der findes flere vegetationsindekser til billedanalyse.
Overvåg vegetation |
|
Udfører en aritmetisk handling på båndene i et multiband-rasterlag med henblik på at afsløre oplysninger om vegetationsdække.
Analysér terræn
Disse værktøjer hjælper dig med at analysere rasteroverflader.
- Beregn stigning beregner terrænets stejlhed.
- Afledt aspekt beregner retningen for den stejleste stigning på hver position.
- Opret udsigtsområde identificerer, hvad der kan ses fra et hvilket som helst punkt i landskabet.
- Vandskel beregner afvandingsområdet over identificerede placeringer på en overflade.
Beregn stigning |
|
Identificerer en overflade, der viser stigningen for de indtastede højdedata. Stigningen repræsenterer ændringen af højden for hver celle i den digitale elevationsmodel (DEM).
Afledt aspekt |
|
Identificerer den nedadgående hældning ud fra den maksimale ændring af værdien af hver celle i forhold til dens naboceller. Man kan tænke på aspekt som en hældningsretning.
Opret udsigtsområde |
|
Bestemmer positioner på en rasteroverflade, der er synlige for et sæt observatører.
Vandskel |
|
Fastlægger afvandingsområdet over et sæt celler i en raster.
Håndtér data
Disse værktøjer bruges både til den daglige håndtering af geografiske data og til at kombinere data inden analyse.
- Udtræk raster klipper dele ud fra et rasterdatasæt med henblik på yderligere analyse.
- Genberegn værdier tildeler forskellige værdier til rasterceller.
- Konvertér objekt til raster konverterer vektordata til raster.
- Konvertér raster til objekt konverterer rasterdata til vektordata.
- Eksempel udtrækker data på definerede steder fra en raster eller et sæt rastere.
Udtræk raster |
|
Udtræk celler fra rasterdata baseret på værdi, form eller udstrækning af et andet datasæt.
Kortlæg værdier igen |
|
Redigér individuelle celleværdier eller intervaller med celleværdier til nye værdier.
Konvertér objekt til raster |
|
Opret et nyt rasterdatasæt ud fra et eksisterende vektordatasæt.
Konvertér raster til objekt |
|
Opret et nyt vektordatasæt ud fra et eksisterende rasterdatasæt.
Eksempel |
|
Opretter en tabel eller en punktobjektklasse med dataværdier på definerede steder, der er udtrukket fra en raster eller et sæt rastere.
Deep Learning
Disse værktøjer bruges til at registrere eller klassificere specifikke objekter i et billede eller til at klassificere pixels i et rasterdatasæt. Deep Learning er en maskinlæringsmetode, der benytter sig af kunstig intelligens. Den registrerer objekter i billeder ved hjælp af flere lag i neurale netværk, hvor hvert lag er i stand til at udtrække et eller flere unikke objekter i billedet. Disse værktøjer bruger de modeller, der er blevet trænet til at registrere specifikke objekter i tredjeparts Deep Learning-frameworks - f.eks. TensorFlow, CNTK og Keras - og output er objekter eller klassekort.
- Klassificer pixels ved hjælp af Deep Learning producerer en klassificeret raster ved hjælp af en trænet Deep Learning-model.
- Registrer objekter ved hjælp af Deep Learning producerer en objektklasse, der indeholder objekter, som den finder i en inputraster ved hjælp af en trænet Deep Learning-model.
- Klassificer objekter ved hjælp af Deep Learning producerer en objektklasse eller tabel, hvior hver enkelt input-objekt i en inputraster tildeles en klasse-etiket ved hjælp af en trænet Deep Learning-model.
Klassificer pixels ved hjælp af Deep Learning |
|
Dette værktøj kører en trænet Deep Learning-model på en inputraster for at frembringe en klassificeret raster, og hver gyldig pixel har en tildelt en klasseetiket.
Registrer objekter ved hjælp af Deep Learning |
|
Dette værktøj kører en trænet Deep Learning-model på en inputraster for at frembringe en objektklasse, der indeholder de objekter, den finder. Objekterne kan være afgrænsende kasser eller polygoner rundt om de objekter, der findes, eller de kan pege på objekternes centrum.
Klassificer objekter ved hjælp af Deep Learning |
|
Dette værktøj kører en trænet Deep Learning-model på en inputraster og en valgfri objektklasse for at frembringe en objektklasse eller tabel, hvor hvert objekt har en tildelt en klasseetiket.
Flerdimensional analyse
Værktøjerne i værktøjssættet Flerdimensional analyse giver dig mulighed for at udføre analyse af videnskabelige data på tværs af flere variabler og dimensioner.
Flerdimensionale data repræsenterer data, der er optaget ved flere tidspunkter, dybder og højder. Denne type data bruges normalt inden for atmosfærisk, oceanografisk og geovidenskab. Med dette værktøjssæt kan du analysere flerdimensionale rasterdata i flere formater, herunder netCDF, HDF, GRIB, det flerdimensionale mosaikdatasæt og Esris Cloud Raster Format (CRF).
Følgende tabel viser værktøjerne til flerdimensional analyse og indeholder en kort beskrivelse af dem.
- Aggregér flerdimensional raster genererer et flerdimensionalt rasterdatasæt ved at aggregere eksisterende flerdimensionale rastervariabler langs en dimension.
- Aggregér flerdimensional anomali beregner anomalien for hvert udsnit i en flerdimensional raster for at generere en flerdimensional raster.
- Generer tendensraster estimerer tendensen for hver pixel langs en dimension for en eller flere variabler i en flerdimensional raster.
- Forudsig ved brug af tendensraster beregner en forventet flerdimensional raster ved hjælp af output-tendensrasteren fra værktøjet Generer tendensraster.
- Find argument-statistik ekstraherer dimensionværdien eller båndindekset, hvor en given statistik opnås for hver pixel i en flerdimensional eller multibåndsraster.
Aggregér flerdimensional raster |
|
Dette værktøj genererer et flerdimensionalt rasterdatasæt ved at aggregere eksisterende flerdimensionale rastervariabler langs en dimension.
Find argument-statistik |
|
Dette værktøj ekstraherer dimensionværdien eller båndindekset, hvor en given statistik opnås for hver pixel i en flerdimensional eller multibåndsraster.
Generér flerdimensional anomali |
|
Dette værktøj beregner anomalien for hvert udsnit i en flerdimensional raster for at generere en flerdimensional raster.
Generer tendensraster |
|
Dette værktøj estimerer tendensen for hver pixel langs en dimension for en eller flere variabler i en flerdimensional raster.
Forudsig ved brug af tendensraster |
|
Dette værktøj beregner en forventet flerdimensional raster ved hjælp af output-tendensrasteren fra værktøjet Generer tendensraster.