A raszterelemzés lehetővé teszi nagy méretű raszteres adathalmazok elemzését az ArcGIS Image Server segítségével. Így a szerver erejét kihasználva több adatot elemezhet gyorsabban.A Portal for ArcGIS portálon keresztül jelenleg a következő eszközkészletek érhetők el: Adatok összegzése, Mintázatok elemzése, Közelség használata, Kép elemzése, Felszínelemzés, Adatok kezelése, Deep Learning és Többdimenziós elemzés.
Adatok összegzése
Ezek az eszközök az Ön által meghatározott területeken (zónákon) belül lévő raszterréteg statisztikájának kiszámításához használhatók.
- A Raszter területen belüli összegzése a kijelölt határvonalakkal meghatározott területen belül eső raszteres cellák statisztikáit számítja ki.
- A Zónastatisztikák táblázatként eszköz egy raszter értékeinek statisztikáját számítja ki egy másik adathalmaz zónáiban, és táblázatban jeleníti meg az eredményeket.
Raszter területen belüli összegzése |
|
Ez az eszköz egy raszter értékeit összegzi egy másik adathalmaz zónáiban.
Zónastatisztikák táblázatként |
|
Ez az eszköz egy raszter értékeit összegzi egy másik adathalmaz zónáiban, és táblázatban jeleníti meg az eredményeket.
Mintázatok elemzése
Az alábbi eszközök segítenek azonosítani, mennyiségileg meghatározni és megjeleníteni az adatok térbeli mintázatait.
- A Sűrűség számítása sűrűségtérképet hoz létre bizonyos jelenségek ismert mennyiségeit szétterítve a térképen.
- A Pontok interpolálása pontgyűjteményekben talált mért értékek alapján előre jelzi az értékeket az új helyeken.
Sűrűség számítása |
|
A sűrűségvizsgálat sűrűségtérképet hoz létre bizonyos jelenségek ismert mennyiségeit szétterítve a térképen. Az eszköz használatával kimutathatja például villámcsapások vagy tornádók koncentrációját, egészségügyi intézmények elérhetőségét és a népesség sűrűségét.
Pontok interpolálása |
|
Ezzel az eszközzel pontgyűjteményekben talált mutatók alapján értékeket jelezhet előre új helyeken. Az eszköz egyes értékkel rendelkező pont adatok alapján előre jelzett értékek szerint kategorizált területeket ad eredményül. Az eszköz használatával például csapadékmérők adatai alapján előre jelezheti a csapadék mennyiségét egy vízgyűjtő területen.
Közelség használata
Ezek az eszközök segítenek választ adni a térbeli elemzésnél leggyakrabban feltett kérdésekre: Mi mihez van közel? Melyik az optimális útvonal?
- A Távolság kiszámítása az euklideszi távolságot, irányt és allokációt számítja ki egyetlen forrásból vagy egy forráshalmazból.
- Az Optimális útiköltséghez tartozó hálózat meghatározása az optimális költséghálózatot számítja ki bemeneti régiók halmazából.
- Az Útiköltség-útvonal meghatározása polyline-ként a legkisebb költséggel járó polyline-útvonalat határozza meg az ismert kiindulópontok és célpontok között.
- A Távolságakkumuláció az egyes cellák forrástól vett kumulatív távolságát számítja ki, megengedve az egyenes vonalú távolság, a költségtávolság, a valódi felszíni távolság, valamint a függőleges és vízszintes tényezők használatát.
- A Távolság-hozzárendelés az egyes cellák távolság-hozzárendelését számítja ki a megadott forrásokhoz egyenes vonalú távolság, költségtávolság, valódi felszíni távolság, valamint a függőleges és vízszintes tényezők alapján.
- Az Optimális útvonal vonalként az optimális útvonalat vonalként határozza meg a célpontok és a kiindulópontok között.
- Az Optimális útvonal raszterként az optimális útvonalat raszterként határozza meg a célpontok és a kiindulópontok között.
- Az Optimális régiókapcsolatok az optimális hálózati csatlakozást határozza meg két vagy több bemeneti régió között.
Távolság kiszámítása |
|
Ez az eszköz az euklideszi távolságot, irányt és allokációt számítja ki egyetlen forrásból vagy egy forráshalmazból.
Optimális útiköltséghez tartozó hálózat meghatározása |
|
Ez az eszköz az optimális költséghálózatot számítja ki bemeneti régiók halmazából.
Útiköltség-útvonal meghatározása vonalláncként |
|
Ez az eszköz a legkisebb költséggel járó polyline-útvonalat számítja ki célpontok és kiindulópontok között.
Távolságakkumuláció |
|
Ez az eszköz az egyes cellák forrástól vett kumulatív távolságát számítja ki, megengedve az egyenes vonalú távolság, a költségtávolság, a valódi felszíni távolság, valamint a függőleges és vízszintes tényezők használatát.
Távolság-hozzárendelés |
|
Ez az eszköz az egyes cellák távolság-hozzárendelését számítja ki a megadott forrásokhoz egyenes vonalú távolság, költségtávolság, valódi felszíni távolság, valamint a függőleges és vízszintes tényezők alapján.
Optimális útvonal vonalként |
|
Ez az eszköz az optimális útvonalat határozza meg vonalként a célpontok és a kiindulópontok között.
Optimális útvonal raszterként |
|
Ez az eszköz az optimális útvonalat raszterként határozza meg a célpontok és a kiindulópontok között.
Optimális régiókapcsolatok |
|
Ez az eszköz az optimális hálózati csatlakozást határozza meg két vagy több bemeneti régió között.
Kép elemzése
Az alábbi eszköz a Kép elemzése eszközkategóriában képek elemzésében nyújt segítséget:
- A Növényzeti monitoring a sávokon alkalmazott számtani műveletek alapján felismeri a relatív növényzeti fedettséget egy képen belül. Többféle növényzeti index áll rendelkezésre a képelemzéshez.
Növényzeti monitoring |
|
Számtani műveletet hajt végre egy többsávos raszteres réteg sávjain, és az adatok alapján feltárja a növényzeti borítottság mértékét.
Felszínelemzés
Ezek az eszközök raszteres felszínek elemzésében segítenek.
- A Lejtőszögszámítás a felszín meredekségét számítja ki.
- A Kitettségszámítás a legmeredekebb lejtő irányát számítja ki minden egyes helyhez.
- A Belátható terület létrehozása meghatározza, hogy mi látható a táj bármely adott pontjáról.
- A Vízgyűjtő terület kiszámítja az összefolyási területet a felszín egy adott pontja felett.
Lejtőszögszámítás |
|
Egy, a bemeneti magasságadatok lejtőszögét megjelenítő felszínt határoz meg. A lejtőszög a magasság változásának mértékét mutatja a digitális magasságmodell (DMM) minden egyes cellájához.
Kitettségszámítás |
|
A szomszédos cellák közötti, legnagyobb mértékű értékváltozáshoz tartozó lejtő irányát határozza meg. A kitettség felfogható lejtésirányként is.
Belátható terület létrehozása |
|
Azokat a helyeket határozza meg egy raszteres felszínen, amelyek egy megfigyelői csoport számára láthatók.
Vízgyűjtő Terület |
|
A lefolyási területet határozza meg egy adott raszteren.
Adatok kezelése
Ezek az eszközök földrajzi adatok napi kezelésére és az adatok elemzés előtti egyesítésére egyaránt használhatók.
- A Raszterkinyerés részeket vág ki egy raszteres adathalmazból további elemzés céljára.
- Az Újraleképezési értékek különböző értékeket rendel raszteres cellákhoz.
- A Vektoros elem átalakítása raszterré raszteressé alakít vektoros adatokat.
- A Raszter átalakítása vektoros elemmé vektorossá alakít raszteres adatokat.
- A Minta meghatározott helyeken nyer ki adatokat raszterből vagy raszterek halmazából.
Raszterkinyerés |
|
Cellákat nyer ki egy raszterből érték, alak vagy egy eltérő adathalmaz kiterjedése alapján.
Újraleképezési értékek |
|
Egy cellaértéket vagy cellaértékek egy tartományát új értékekké alakít.
Vektoros elem átalakítása raszterré |
|
Új raszteres adathalmazt hoz létre meglévő vektoros adathalmazból.
Raszter átalakítása vektoros elemmé |
|
Új vektoros adathalmazt hoz létre meglévő raszteres adathalmazból.
Minta |
|
Adatértékeket tartalmazó táblát vagy pontszerűvektoroselem-osztályt hoz létre meghatározott, raszterből vagy raszterek halmazából kinyert helyeken.
Mély Tanulás
Ezek az eszközök egy képben található bizonyos vektoros elemek észlelésére vagy osztályozására, illetve egy raszteres adathalmazban található pixelek osztályozására használhatók. A mély tanulás egy mesterséges intelligencia gépi tanulási módszer, amely felszíni jellegzetességeket ismer fel távérzékelési rétegben úgy, hogy több réteget alkalmaz a neurális hálózatban, ahol minden réteg egy vagy több vektoros elemet képes kinyerni a képből. Ezek az eszközök azokat a tanított modelleket használják fel, amelyek képesek bizonyos felszíni jellegzetességeket felismerni harmadik fél mély tanulás keretrendszereiben (pl. TensorFlow, CNTK és Keras), és kimenetként vektoros elemeket vagy osztálytérképeket hoznak létre.
- A Pixelek osztályozása mély tanulás használatával eszköz tanított mély tanulás modell használatával osztályozott rasztert hoz létre.
- A Mély Tanulást alkalmazó objektumok felismerése eszköz vektoroselem-osztályt hoz létre, amely tartalmazza az eszköz által egy bemeneti raszterben talált, tanított mély tanulás modellt alkalmazó objektumokat.
- Az Objektumok osztályozása mély tanulás használatával eszköz vektoroselem-osztályt vagy táblát hoz létre, amelyben minden bemeneti objektum osztálycímkét kap egy tanított mély tanulási modell használatával.
Pixelek osztályozása deep learning használatával |
|
Ez az eszköz tanított deep learning modellt futtat egy bemeneti raszteren egy osztályozott raszter létrehozására, és minden érvényes pixelnek lesz egy hozzárendelt osztálya.
Objektumok felismerése deep learning használatával |
|
Ez az eszköz tanított deep learning modellt futtat egy bemeneti raszteren egy olyan vektoroselem-osztály létrehozására, amely a tartalmazza a talált objektumokat. A vektoros elemek lehetnek az objektum körül található, határoló mezők vagy sokszögek, és lehetnek pontok az objektumok középpontjaiban.
Objektumok osztályozása mély tanulás használatával |
|
Ez az eszköz tanított mély tanulási modellt futtat egy bemeneti raszteren és egy opcionális vektoroselem-osztályon egy osztályozott raszter vagy táblázat létrehozására, amelyben minden bemeneti objektum rendelkezik hozzárendelt osztálycímkével.
Többdimenziós elemzés
A Többdimenziós elemzés eszközkészletben lévő eszközökkel különféle változókon és dimenziókon átnyúlóan végezheti el a tudományos adatok elemzését.
A többdimenziós adatok között több alkalommal, különböző mélységekben és magasságokban rögzített adatok szerepelnek. Ilyen típusú adatokat rendszerint a légköri, oceanográfiai és földtani tudományokban használnak fel. Ezzel az eszközkészlettel többféle formátumban – netCDF, HDF, GRIB, többdimenziós mozaik-adathalmaz formátumban, továbbá az Esri Cloud Raster Format (CRF) formátumában – elemezhet többdimenziós raszteradatokat.
A következő táblázat a többdimenziós elemzőeszközöket sorolja fel, és rövid áttekintéssel szolgál mindegyikükről.
- Az összesített többdimenziós raszter (Aggregate Multidimensional Raster) a meglévő többdimenziós raszterváltozók egyetlen dimenzió mentén való összesítésével generál többdimenziós raszteres adathalmazt.
- A többdimenziós anomália létrehozása (Generate Multidimensional Anomaly) egy többdimenziós raszterben lévő mindegyik szeletre nézve számítja ki az anomáliát a többdimenziós raszter létrehozásához.
- A Trendraszter létrehozása az egyes pixelek trendjét becsüli meg egy dimenzió mentén egy többdimenziós raszter egy vagy több változója esetén.
- Az Előrejelzés trendraszterrel művelet előre jelzett többdimenziós rasztert számol ki a Trendraszter létrehozása eszközből származó kimeneti trendraszter segítségével.
- Az Argumentumstatisztikák keresése azt a dimenzióértéket vagy hullámhossztartomány-indexet nyeri ki, amely mellett egy adott statisztika érhető el egy többdimenziós vagy több hullámhossztartománnyal rendelkező raszter minden egyes pixelénél.
Többdimenziós raszter összevonása |
|
Ez az eszköz a meglévő többdimenziós raszterváltozók egyetlen dimenzió mentén való összesítésével generál többdimenziós raszteres adathalmazt.
Argumentumstatisztikák keresése |
|
Ez az eszköz azt a dimenzióértéket vagy hullámhossztartomány-indexet nyeri ki, amely mellett egy adott statisztika érhető el egy többdimenziós vagy több hullámhossztartománnyal rendelkező raszter minden egyes pixelénél.
Többdimenziós anomália létrehozása |
|
Ez az eszköz egy többdimenziós raszterben lévő mindegyik szeletre nézve számítja ki az anomáliát a többdimenziós raszter létrehozásához.
Trendraszter létrehozása |
|
Ez az eszköz az egyes pixelek trendjét becsüli meg egy dimenzió mentén egy többdimenziós raszter egy vagy több változója esetén.
Előrejelzés trendraszterrel |
|
Ez az eszköz egy előre jelzett többdimenziós rasztert számol ki a Trendraszter létrehozása eszközből származó kimeneti trendraszter segítségével.