Die Toolbox "Raster-Analyse" ermöglicht Ihnen die Analyse großer Raster-Datasets mit ArcGIS Image Server. Dadurch können größere Datenmengen schneller analysiert werden, indem das Potenzial des Servers genutzt wird.Zu den Toolsets, die derzeit über die Web-Benutzeroberfläche von Portal for ArcGIS verfügbar sind, gehören Daten zusammenfassen, Muster analysieren, Nachbarschaftsanalyse verwenden, Bild analysieren, Terrain analysieren, Daten verwalten, Deep Learning und Multidimensionale Analyse.
Daten zusammenfassen
Mit diesen Werkzeugen werden Statistiken für einen Raster-Layer innerhalb der festgelegten Flächengrenzen (Zonen) berechnet:<
- Zusammenfassen (innerhalb) berechnet Statistiken für Raster-Zellen, die in definierten Flächengrenzen liegen.
- Mit Zonale Statistiken als Tabelle werden die Werte eines Rasters innerhalb der Zonen eines anderen Datasets zusammengefasst und die Ergebnisse in einer Tabelle ausgegeben.
Raster zusammenfassen (innerhalb) |
|
Mit diesem Werkzeug werden die Werte eines Rasters innerhalb der Zonen eines anderen Datasets zusammengefasst.
Zonale Statistiken als Tabelle |
|
Dieses Werkzeug fasst die Werte eines Rasters innerhalb der Zonen eines anderen Datasets zusammen und zeigt die Ergebnisse in einer Tabelle an.
Muster analysieren
Mit diesen Werkzeugen können Sie räumliche Muster in Daten identifizieren, quantifizieren und visualisieren.
- Das Werkzeug Dichte berechnen stellt bekannte Mengen eines Phänomens als Dichtekarte auf der Karte dar. Hierzu werden die Mengen auf der Karte verteilt.
- Mit dem Werkzeug Punkte interpolieren können Sie Werte an neuen Positionen basierend auf Messwerten aus einer Sammlung von Punkten vorhersagen.
Dichte berechnen |
|
Bei der Dichteanalyse werden bekannte Mengen eines Phänomens als Dichtekarte auf der Karte dargestellt. Hierzu werden die Mengen auf der Karte verteilt. Mit diesem Werkzeug können beispielsweise Konzentrationen von Blitzeinschlägen oder Tornados, die Erreichbarkeit von Gesundheitseinrichtungen und Bevölkerungsdichten angezeigt werden.
Punkte interpolieren |
|
Mit dem Werkzeug können Sie Werte an neuen Positionen basierend auf Messwerten aus einer Sammlung von Punkten vorhersagen. Das Werkzeug verwendet Punktdaten mit Werten an jedem Punkt und gibt Flächen zurück, die nach vorhergesagten Werten klassifiziert werden. Mit diesem Werkzeug können Sie beispielsweise Niederschlagsmengen in einem Abflussgebiet basierend auf den Messwerten einzelner Niederschlagsmesser vorhersagen.
Nachbarschaftsanalyse verwenden
Mit diesen Werkzeugen können Sie einige der am häufigsten gestellten Fragen im Zusammenhang mit räumlichen Analysen beantworten: Welche Elemente befinden sich in räumlicher Nähe zueinander? Welcher Pfad ist optimal?
- Entfernung berechnen berechnet die euklidische Entfernung, Richtung und Zuordnung von einer einzelnen oder verschiedenen Quellen.
- Optimales Reisekosten-Netzwerk ermitteln berechnet das optimale Kostennetzwerk von verschiedenen Eingaberegionen.
- Reisekostenpfad als Polylinie ermitteln berechnet den kostengünstigsten Pfad zwischen bekannten Zielen und Quellen.
- Entfernungsakkumulation berechnet die akkumulative Entfernung von jeder Zelle zu den Quellen. Dabei werden geradlinige Entfernung, Kostenentfernung, tatsächliche Oberflächenentfernung sowie vertikale und horizontale Faktoren berücksichtigt.
- Entfernungsallokation berechnet die Entfernungsallokation für jede Zelle zu den angegebenen Quellen auf Grundlage von geradliniger Entfernung, Kostenentfernung, tatsächlicher Oberflächenentfernung sowie vertikalen und horizontalen Faktoren.
- Optimaler Pfad als Linie berechnet den optimalen Pfad von Zielen zu Quellen als Linie.
- Optimaler Pfad als Raster berechnet den optimalen Pfad von Zielen zu Quellen als Raster.
- Optimale Regionsverbindungen berechnet das optimale Konnektivitätsnetzwerk zwischen mindestens zwei Eingaberegionen.
Entfernung berechnen |
|
Dieses Werkzeug berechnet die euklidische Entfernung, Richtung und Zuordnung von einer einzelnen oder verschiedenen Quellen.
Optimales Reisekosten-Netzwerk ermitteln |
|
Dieses Werkzeug berechnet das optimale Kostennetzwerk von verschiedenen Eingaberegionen.
Reisekostenpfad als Polylinie ermitteln |
|
Dieses Werkzeug berechnet den kostengünstigsten Pfad zwischen Zielen und Quellen als Polylinie.
Entfernungsakkumulation |
|
Dieses Werkzeug berechnet die akkumulative Entfernung von jeder Zelle zu den Quellen. Dabei werden geradlinige Entfernung, Kostenentfernung, tatsächliche Oberflächenentfernung sowie vertikale und horizontale Faktoren berücksichtigt.
Entfernungsallokation |
|
Dieses Werkzeug berechnet die Entfernungsallokation für jede Zelle zu den angegebenen Quellen auf Grundlage von geradliniger Entfernung, Kostenentfernung, tatsächlicher Oberflächenentfernung sowie vertikalen und horizontalen Faktoren.
Optimaler Pfad als Linie |
|
Dieses Werkzeug berechnet den optimalen Pfad von Zielen zu Quellen als Linie.
Optimaler Pfad als Raster |
|
Dieses Werkzeug berechnet den optimalen Pfad von Zielen zu Quellen als Raster.
Optimale Regionsverbindungen |
|
Dieses Werkzeug berechnet das optimale Konnektivitätsnetzwerk zwischen mindestens zwei Eingabe-Regionen.
Bild analysieren
Das folgende Werkzeug aus der Kategorie Bild analysieren unterstützt Sie bei der Analyse von Bildern:
- Vegetation überwachen erkennt die relative Vegetationsabdeckung in einem Bild basierend auf arithmetischen Operationen für die Bänder. Für die Bildanalyse sind mehrere Vegetationsindizes verfügbar.
Vegetation überwachen |
|
Führt eine arithmetische Operation für die Bänder eines Multiband-Raster-Layers durch, um Informationen zur Vegetationsabdeckung aufzuzeigen.
Terrain analysieren
Diese Werkzeuge unterstützen Sie beim Analysieren von Raster-Oberflächen.
- Mit dem Werkzeug Neigung berechnen können Sie die Steilheit des Terrains berechnen.
- Das Werkzeug Ausrichtung ableiten berechnet die Richtung der steilsten Neigung für jede Position.
- Das Werkzeug Sichtfelder erstellen identifiziert, was von einem gegebenen Punkt in der Landschaft aus sichtbar ist.
- Abflussgebiet berechnet die relevante Fläche oberhalb der identifizierten Positionen auf einer Oberfläche.
Neigung berechnen |
|
Identifiziert eine Oberfläche, die die Neigung der Eingabehöhendaten anzeigt. Mit der Funktion "Neigung" wird die Änderungsrate der Höhe für jede digitale Höhenmodell (DEM)-Zelle dargestellt.
Ausrichtung ableiten |
|
Bestimmt die Neigungsrichtung der maximalen Änderungsrate des Wertes jeder einzelnen Zelle zur jeweiligen Nachbarzelle. Sie können sich die Ausrichtung also als Neigungsrichtung vorstellen.
Sichtfelder erstellen |
|
Bestimmt die Positionen auf einer Raster-Oberfläche, die für verschiedene Beobachter sichtbar sind.
Abflussgebiet |
|
Ermittelt die relevante Fläche über einer Gruppe von Zellen in einem Raster.
Daten verwalten
Diese Werkzeuge werden für die tägliche Verwaltung geographischer Daten und zum Kombinieren von Daten vor Analysen herangezogen.
- Raster extrahieren schneidet Teile aus einem Raster-Dataset zur späteren Analyse heraus.
- Neuzuordnungswerte weist Raster-Zellen verschiedene Werte zu.
- Feature in Raster konvertieren rastert Vektordaten.
- Raster in Feature konvertieren vektorisiert Raster-Daten.
- Stichprobe extrahiert Daten an definierten Positionen aus einem Raster oder einer Gruppe von Rastern.
Raster extrahieren |
|
Extrahiert Zellen aus einem Raster basierend auf dem Wert, der Form oder der Ausdehnung eines anderen Datasets.
Werte neu zuordnen |
|
Ändert die einzelnen oder Bereiche von Zellenwerten in neue Werte.
Feature in Raster konvertieren |
|
Erstellt ein neues Raster-Dataset aus einem vorhandenen Feature-Dataset.
Raster in Feature konvertieren |
|
Erstellt ein neues Feature-Dataset aus einem vorhandenen Raster-Dataset.
Stichprobe |
|
Erstellt eine Tabelle oder eine Point-Feature-Class mit Datenwerten, die an definierten Positionen aus einem Raster oder einer Gruppe von Rastern extrahiert wurden.
Deep Learning
Mit diesen Werkzeugen können bestimmte Features in einem Bild erkannt und klassifiziert oder Pixel in einem Raster-Dataset klassifiziert werden. Deep Learning ist eine Art maschinelles Lernverfahren der künstlichen Intelligenz, bei dem mehrere Layer in neuralen Netzwerken verwendet werden, in denen die einzelnen Layer in der Lage sind, mindestens ein eindeutiges Feature im Bild zu extrahieren. Diese Werkzeuge verwenden die Modelle, die für die Erkennung bestimmter Features in Deep-Learning-Frameworks von Drittanbietern, wie etwa TensorFlow, CNTK und Keras, sowie in Ausgabe-Features oder Klassenkarten trainiert wurden.
- Pixel mit Deep Learning klassifizieren erzeugt ein klassifiziertes Raster mithilfe eines trainierten Deep-Learning-Modells.
- Objekte mit Deep Learning ermitteln erzeugt eine Feature-Class mit Objekten, die mithilfe eines Deep-Learning-Modells in einem Eingabe-Raster gefunden werden.
- Objekte mit Deep Learning klassifizieren erstellt mithilfe eines trainierten Deep-Learning-Modells eine Feature-Class oder Tabelle, in der jedem Eingabeobjekt in einem Eingabe-Raster eine Klassenbeschriftung zugewiesen ist.
Pixel mit Deep Learning klassifizieren |
|
Dieses Werkzeug führt ein trainiertes Deep-Learning-Modell auf einem Eingabe-Raster zur Erstellung eines klassifizierten Rasters aus, wobei jedem gültigen Pixel eine Klassenbeschriftung zugewiesen ist.
Objekte mit Deep Learning erkennen |
|
Dieses Werkzeug führt ein trainiertes Deep-Learning-Modell auf einem Eingabe-Raster zur Erstellung einer Feature-Class aus, die die gefundenen Objekte enthält. Bei den Features kann es sich um Rahmen oder Polygone um die gefundenen Objekte oder um Punkte im Mittelpunkt der Objekte handeln.
Objekte mit Deep Learning klassifizieren |
|
Dieses Werkzeug führt ein trainiertes Deep-Learning-Modell in einem Eingabe-Raster und einer optionalen Feature-Class aus und erstellt eine Feature-Class oder Tabelle, in der jedes Eingabeobjekt über eine zugewiesene Klassenbeschriftung verfügt.
Multidimensionale Analyse
Mit den Werkzeugen im Toolset "Multidimensionale Analyse" können Sie Analysen wissenschaftlicher Daten für mehrere Variablen und Dimensionen durchführen.
Multidimensionale Daten stellen Daten dar, die zu mehreren Zeitpunkten und in mehreren Tiefen und Höhen erfasst werden. Dieser Typ von Daten wird im Allgemeinen in der Atmosphärenforschung, Ozeanografie und Geowissenschaft verwendet. Mit diesem Toolset können Sie multidimensionale Raster-Daten in mehreren Formaten analysieren. Dazu gehören netCDF, HDF, GRIB, das multidimensionale Mosaik-Dataset und das Esri Cloud-Raster-Format (CRF).
In der folgenden Tabelle werden die Analysewerkzeuge aufgeführt und kurz beschrieben.
- Multidimensionales Raster aggregieren erstellt ein multidimensionales Raster-Dataset durch Aggregieren vorhandener multidimensionaler Raster-Variablen entlang einer Dimension.
- Multidimensionale Abweichung generieren berechnet die Abweichung für jeden Ausschnitt in einem multidimensionalen Raster, um ein multidimensionales Raster zu generieren.
- Trend-Raster generieren schätzt den Trend für jedes Pixel entlang einer Dimension für eine oder mehrere Variablen in einem multidimensionalen Raster.
- Mit Trend-Raster vorhersagen berechnet ein prognostiziertes multidimensionales Raster mithilfe des Ausgabe-Trend-Rasters aus dem Werkzeug Trend-Raster generieren.
- Argumentstatistiken suchen extrahiert den Dimensionswert oder Bandindex, bei dem in einem multidimensionalen Raster oder einem Multiband-Raster ein bestimmter statistischer Wert für jedes Pixel erreicht wird.
Multidimensionales Raster aggregieren |
|
Dieses Werkzeug generiert ein multidimensionales Raster-Dataset durch Aggregieren vorhandener multidimensionaler Raster-Variablen entlang einer Dimension.
Argumentstatistiken suchen |
|
Dieses Werkzeug extrahiert den Dimensionswert oder Bandindex, bei dem in einem multidimensionalen Raster oder einem Multiband-Raster ein bestimmter statistischer Wert für jedes Pixel erreicht wird.
Multidimensionale Abweichung generieren |
|
Dieses Werkzeug berechnet die Abweichung für jeden Ausschnitt in einem multidimensionalen Raster, um ein multidimensionales Raster zu generieren.
Trend-Raster generieren |
|
Dieses Werkzeug schätzt den Trend für jedes Pixel entlang einer Dimension für eine oder mehrere Variablen in einem multidimensionalen Raster.
Mit Trend-Raster vorhersagen |
|
Dieses Werkzeug berechnet ein prognostiziertes multidimensionales Raster mithilfe des Ausgabe-Trend-Rasters aus dem Werkzeug Trend-Raster generieren.