Phân tích raster cho phép bạn tiến hành phân tích các bộ dữ liệu raster lớn bằng cách sử dụng ArcGIS Image Server. Điều này cho phép bạn phân tích lượng dữ liệu lớn hơn nhanh hơn bằng cách khai thác sức mạnh của máy chủ.Bộ công cụ hiện có sẵn cho nhiều trải nghiệm người dùng web Portal for ArcGIS bao gồm Tổng kết Dữ liệu, Phân tích Mô hình, Sử dụng Vùng lân cận, Phân tích Hình ảnh, Phân tích Địa hình, Quản lý Dữ liệu, Deep Learning và Phân tích Đa chiều.
Tóm tắt Dữ liệu
Các công cụ này được sử dụng để tính toán số liệu thống kê cho một lớp raster trong ranh giới khu vực (vùng) do bạn xác định.
- Tổng kết Raster Trong phạm vi tính toán số liệu thống kê cho các ô raster trong ranh giới vùng xác định.
- Thống kê Vùng dưới dạng Bảng tổng kết các giá trị của một raster trong các vùng của một bộ dữ liệu khác và báo cáo kết quả vào bảng.
Tổng hợp Raster Trong phạm vi |
|
Công cụ này tổng kết các giá trị của một raster trong các vùng của một bộ dữ liệu khác.
Thống kê Vùng dưới dạng Bảng |
|
Công cụ này tổng kết các giá trị của một raster trong các vùng của một bộ dữ liệu khác và báo cáo kết quả vào bảng.
Phân tích xu hướng
Các công cụ này giúp bạn xác định, định lượng, và trực quan hóa mô hình không gian trong dữ liệu của bạn.
- Tính toán mật độ lấy số lượng đã biết của một số hiện tượng và tạo bản đồ mật độ bằng cách trải rộng các số lượng này trên bản đồ.
- Nội suy Điểm dự đoán các giá trị tại các vị trí mới dựa trên đo lường từ một bộ sưu tập điểm.
Tính toán Mật độ |
|
Phân tích mật độ lấy số lượng đã biết của một số hiện tượng và tạo bản đồ mật độ bằng cách trải rộng các số lượng này trên bản đồ. Ví dụ, bạn có thể sử dụng công cụ này để hiển thị mật độ sét đánh hoặc lốc xoáy, truy cập vào các cơ sở chăm sóc sức khỏe, và mật độ dân số.
Nội suy Các điểm |
|
Công cụ này suy cho phép bạn dự đoán các giá trị tại vị trí mới dựa trên các phép đo từ một bộ sưu tập các điểm. Công cụ này lấy dữ liệu điểm với các giá trị tại từng điểm và trả về các khu vực được phân loại theo giá trị dự đoán. Ví dụ, bạn có thể sử dụng công cụ này để dự đoán lượng mưa trên một lưu vực dựa trên các phép đo thực hiện tại các đồng hồ đo lượng mưa riêng lẻ.
Sử dụng Vùng lân cận
Các công cụ này giúp bạn trả lời một trong các câu hỏi thường gặp nhất được đặt ra trong phân tích không gian: Cái gì gần cái gì? và Đường dẫn tối ưu là gì?
- Tính toán Khoảng cách tính toán khoảng cách Euclid, hướng và sự phân bổ từ một nguồn hoặc tập hợp nguồn.
- Xác định Mạng lưới Chi phí Đi lại Tối ưu tính toán mạng lưới chi phí tối ưu từ một tập hợp các khu vực đầu vào.
- Xác định Đường dẫn Chi phí Đi lại dưới dạng Đa tuyến tính toán đường dẫn đa tuyến cực tiểu về chi phí giữa các điểm đích và điểm nguồn đã biết.
- Tích lũy Khoảng cách tính toán khoảng cách tích lũy cho từng ô tới nguồn, bao gồm khoảng cách đường thẳng, khoảng cách chi phí, khoảng cách bề mặt thực, cũng như các hệ số dọc và ngang.
- Phân bổ Khoảng cách tính toán phân bổ khoảng cách cho từng ô tới nguồn được cung cấp dựa trên khoảng cách đường thẳng, khoảng cách chi phí và khoảng cách bề mặt thực, cũng như các hệ số dọc và ngang.
- Đường dẫn Tối ưu Dưới dạng Đường tính toán đường dẫn tối ưu từ đích đến nguồn dưới dạng một đường.
- Đường dẫn Tối ưu Dưới dạng Raster tính toán đường dẫn tối ưu từ đích đến nguồn dưới dạng một raster.
- Kết nối Vùng Tối ưu tính toán mạng lưới kết nối giữ hai hoặc nhiều vùng đầu vào.
Tính toán Khoảng cách |
|
Công cụ này xác định khoảng cách Euclid, hướng và sự phân bổ từ một nguồn hoặc tập hợp nguồn.
Xác định Mạng lưới Chi phí Đi lại Tối ưu |
|
Công cụ này tính toán mạng lưới chi phí tối ưu từ một tập hợp các khu vực đầu vào.
Xác định Đường dẫn Chi phí Đi lại dưới dạng Đa tuyến |
|
Công cụ này tính toán đường dẫn đa tuyến tối ưu giữa các điểm đích và điểm nguồn.
Distance Accumulation (Tích lũy Khoảng cách) |
|
Công cụ này tính toán khoảng cách tích lũy cho từng ô tới nguồn, bao gồm khoảng cách đường thẳng, khoảng cách chi phí, khoảng cách bề mặt thực, các hệ số dọc và ngang.
Distance Allocation (Phân bổ Khoảng cách) |
|
Công cụ này tính toán phân bổ khoảng cách cho từng ô tới nguồn được cung cấp dựa trên khoảng cách đường thẳng, khoảng cách chi phí, khoảng cách bề mặt thực, các hệ số dọc và ngang.
Optimal Path As Line (Đường dẫn Tối ưu Dưới dạng Đường) |
|
Công cụ này tính toán đường dẫn tối ưu từ đích đến nguồn dưới dạng một đường.
Optimal Path As Raster (Đường dẫn tối ưu dưới dạng Raster) |
|
Công cụ này tính toán đường dẫn tối ưu từ đích đến nguồn dưới dạng một raster.
Optimal Region Connections (Kết nối Vùng Tối ưu) |
|
Công cụ này tính toán mạng lưới kết nối giữ hai hoặc nhiều vùng đầu vào.
Phân tích Hình ảnh
Các công cụ trong danh mục công cụ Phân tích Hình ảnh giúp bạn phân tích hình ảnh:
- Theo dõi Thảm thực vật phát hiện độ bao phủ tương đối của thảm thực vật trong một ảnh, dựa trên phép toán số học trên các dải sóng. Một số chỉ số thảm thực vật được cung cấp để phân tích hình ảnh.
Theo dõi Thảm thực vật |
|
Thực hiện một phép toán số học trên các dải sóng của lớp raster đa băng tần để phát hiện thông tin về lượng bao phủ của thảm thực vật.
Phân tích Địa hình
Những công cụ này giúp bạn phân tích các bề mặt raster.
- Công cụ Tính toán Độ dốc giúp tính toán độ dốc của địa hình.
- Công cụ Nội suy hướng giúp tính toán hướng của đoạn dốc nhất cho từng vị trí.
- Công cụ Tạo Tầm nhìn giúp nhận biết những gì có thể nhìn thấy được từ bất kỳ điểm nào trong cảnh quan.
- Lưu vực sông tính toán khu vực hợp lưu phía trên (các) vị trí xác định trên một bề mặt.
Tính toán Độ dốc |
|
Nhận biết bề mặt có độ dốc của dữ liệu độ cao đầu vào. Độ dốc tượng trưng cho tỷ lệ thay đổi độ cao cho từng ô mô hình độ cao kỹ thuật số (DEM).
Suy ra Hướng |
|
Nhận biết hướng dốc xuống tốc độ thay đổi giá trị tối đa từ từng ô đến các vùng lân cận. Hướng có thể được coi là hướng dốc.
Tạo Tầm nhìn |
|
Xác định vị trí trên bề mặt raster hiển thị đối với nhiều người quan sát.
Watershed (Lưu vực sông) |
|
Xác định khu vực hợp lưu phía trên một tập hợp các ô trong một raster.
Quản lý Dữ liệu
Các công cụ này được dùng để quản lý dữ liệu địa lý hàng ngày và kết hợp dữ liệu trước khi phân tích.
- Trích xuất Raster cắt ra các phần từ tập dữ liệu raster để phân tích thêm.
- Gán lại Giá trị gán lại các giá trị khác nhau cho các ô raster.
- Chuyển đổi Đối tượng thành Raster sẽ raster hóa những dữ liệu dạng véc tơ.
- Chuyển đổi Raster thành Đối tượng sẽ véc tơ hóa dữ liệu raster.
- Mẫu trích xuất dữ liệu tại các vị trí xác định từ một raster hoặc tập hợp raster.
Trích xuất Raster |
|
Trích xuất các ô từ một raster dựa trên giá trị, hình dạng hoặc phạm vi của tập dữ liệu khác.
Gán lại Giá trị |
|
Thay đổi một hoặc một khoảng giá trị ô sang giá trị mới.
Chuyển đổi Đối tượng thành Raster |
|
Tạo một tập dữ liệu raster mới từ tập dữ liệu đối tượng hiện có.
Chuyển đổi Raster thành Đối tượng |
|
Tạo một tập dữ liệu đối tượng mới từ tập dữ liệu raster hiện có.
Mẫu |
|
Tạo một lớp đối tượng điểm hoặc bảng có giá trị dữ liệu tại các vị trí xác định được trích xuất từ một raster hoặc tập hợp raster.
Deep Learning
Các công cụ này được sử dụng để phát hiện hoặc phân loại đối tượng cụ thể trong hình ảnh hoặc để phân loại pixel trong bộ dữ liệu raster. Deep learning là một loại phương pháp machine learning về trí thông minh nhân tạo sử dụng nhiều lớp trong mạng lưới thần kinh nơi mà trong đó mỗi lớp có khả năng trích xuất một hoặc nhiều đối tượng duy nhất trong hình ảnh để phát hiện các đối tượng trong hình ảnh. Những công cụ này sử dụng các mô hình đã được đào tạo để phát hiện đối tượng cụ thể trong các deep learning framework của bên thứ ba—như TensorFlow, CNTK và Keras—và các đối tượng đầu ra hoặc bản đồ lớp.
- Phân loại Pixel sử dụng Deep Learning sử dụng một mô hình deep learning được đào tạo để tạo ra một raster được phân loại.
- Phát hiện Đối tượng sử dụng Deep Learning sử dụng một mô hình deep learning được đào tạo để tạo ra một lớp đối tượng chứa các đối tượng mà nó tìm thấy trong một raster đầu vào.
- Phân loại Đối tượng sử dụng Deep Learning tạo ra một lớp đối tượng hoặc bảng, trong đó mỗi đối tượng đầu vào trong một raster đầu vào sẽ được gán một nhãn loại bằng mô hình deep learning được đào tạo.
Phân loại pixel sử dụng Deep Learning |
|
Công cụ này chạy một mô hình deep learning được đào tạo trên một raster đầu vào để tạo ra một raster được phân loại, theo đó mỗi pixel hợp lệ được gán một nhãn loại.
Phát hiện đối tượng sử dụng Deep Learning |
|
Công cụ này chạy một mô hình deep learning được đào tạo trên một raster đầu vào để tạo ra một lớp đối tượng chứa các đối tượng mà nó tìm thấy. Đối tượng có thể là các vùng bao hoặc polygon quanh các đối tượng tìm thấy, hoặc các điểm ở tâm của đối tượng.
Phân loại Đối tượng sử dụng Deep Learning |
|
Công cụ này chạy một mô hình deep learning được đào tạo trên một raster đầu vào để tạo ra một lớp đối tượng tùy chọn từ đó tạo ra một lớp đối tượng hoặc bảng mà trong đó đối tượng đầu vào được gán một nhãn loại.
Phân tích Đa chiều
Các công cụ trong bộ công cụ Phân tích Đa chiều cho phép bạn thực hiện phân tích dữ liệu khoa học trên nhiều biến và nhiều chiều.
Dữ liệu đa chiều là các dữ liệu thu được tại nhiều thời điểm, độ sâu và chiều cao. Loại dữ liệu này thường được sử dụng trong khoa học khí quyển, hải dương học và khoa học trái đất. Có bộ công cụ này trong tay, bạn có thể phân tích dữ liệu raster đa chiều ở nhiều định dạng, gồm netCDF, HDF, GRIB, bộ dữ liệu mosaic đa chiều và Định dạng Cloud Raster của Esri (CRF).
Bảng sau giới thiệu các công cụ phân tích đa chiều và phần mô tả ngắn về từng công cụ.
- Tổng hợp Raster Đa chiều tạo ra một bộ dữ liệu raster đa chiều bằng cách tổng hợp các biến raster đa chiều hiện có theo một chiều.
- Tạo Bất thường Đa chiều tính toán sự bất thường của mỗi lát cắt trong một raster đa chiều để tạo ra một raster đa chiều.
- Tạo Raster Xu hướng ước tính xu hướng cho từng pixel theo một chiều cho một hoặc nhiều biến trong raster đa chiều.
- Dự đoán Sử dụng Raster Xu hướng tính toán một raster đa chiều được dự đoán bằng cách sử dụng raster xu hướng đầu ra từ công cụ Tạo Raster Xu hướng.
- Tìm Thống kê Đối số xuất giá trị chiều hoặc chỉ số dải mà tại đó thu được một số liệu thống kê nhất định cho mỗi pixel trong raster đa chiều hoặc đa dải.
Tổng hợp Raster Đa chiều |
|
Công cụ này tạo ra một bộ dữ liệu raster đa chiều bằng cách tổng hợp các biến raster đa chiều hiện có theo một chiều.
Tìm Thống kê Đối số |
|
Công cụ này xuất giá trị chiều hoặc chỉ số dải mà tại đó thu được một số liệu thống kê nhất định cho mỗi pixel trong raster đa chiều hoặc đa dải.
Tạo Bất thường Đa chiều |
|
Công cụ này tính toán sự bất thường của mỗi lát cắt trong một raster đa chiều để tạo ra một raster đa chiều.
Tạo Raster Xu hướng |
|
Công cụ này ước tính xu hướng cho từng pixel theo một chiều cho một hoặc nhiều biến trong raster đa chiều.
Dự đoán sử dụng Raster Xu hướng |
|
Công cụ này tính toán một raster đa chiều được dự đoán sử dụng raster xu hướng đầu ra từ công cụ Tạo Raster Xu hướng.