栅格分析允许使用 ArcGIS Image Server 执行大型栅格数据集分析。 该工具允许通过整合服务器能力以更快地分析更多数据。当前可通过 Portal for ArcGIS web 用户体验获取的工具集包括：汇总数据、 分析模式、 邻近分析、 分析影像、 分析 Terrain、 管理数据、 深度学习和 多维分析。
汇总数据
这些工具可用于计算您定义的区域边界内栅格图层的统计数据。
- 汇总范围内的栅格会计算位于所定义区域边界内的栅格像元的统计数据。
- 以表格显示分区统计用于汇总另一个数据集区域内的栅格数据值并将结果报告到表中。
汇总范围内的栅格 |
|
该工具用于汇总另一个数据集区域内的栅格数据值。
以表格显示分区统计 |
|
该工具用于汇总另一个数据集区域内的栅格数据值并以表的形式报告结果。
分析模式
这些工具可帮助您确定、量化并显示数据的空间模式。
- 计算密度会对某一现象的已知量进行处理，并将这些量散布到整个地图上，以创建密度地图。
- 插值点会根据一组点的测量结果来预测新位置上的值。
计算密度 |
|
密度分析会对某一现象的已知量进行处理，并将这些量散布到整个地图上，以创建密度地图。例如，您可以使用此工具来显示发生雷击或龙卷风的概率、医疗设施的利用率以及人口密度。
插值点 |
|
该工具用于根据一组点的测量结果来预测新位置上的值。该工具对具有数值的点数据进行处理，并返回按预测值分类的区域。例如，借助该工具，您可以根据各个雨量计的测量结果来预测某一分水岭内的降雨量级别。
邻近分析
这些工具可帮助您回答在空间分析中提出的一些最普遍问题：什么在什么附近？以及什么是最佳路径？
- 计算距离用于计算距离单个源或一组源的欧氏距离、方向和分配。
- 确定最佳行程成本网络用于计算一组输入区域的最佳成本网络。
- 确定行程成本路径折线用于计算已知目的地和源之间的最低成本折线路径。
- 距离累积用于计算每个像元到源的累积距离，允许直线距离、成本距离和真实表面距离，以及垂直和水平因子。
- 距离分配可根据直线距离、成本距离、真实表面距离以及垂直和水平系数，计算每个像元到所提供的源的距离分配。
- 最佳路径为线用于以线形式计算从目的地到源的最佳路径。
- 最佳路径为栅格用于以栅格形式计算从目的地到源的最佳路径。
- 最佳区域连接用于在两个或多个输入区域之间计算最佳连通性网络。
计算距离 |
|
该工具用于根据单个源或一组源计算欧氏距离、方向和分配。
确定最佳行程成本网络 |
|
该工具用于根据一组输入区域计算最佳成本网络。
确定行程成本路径折线 |
|
该工具用于计算目的地和源之间的最低成本折线路径。
距离累积 |
|
该工具用于计算每个像元到源的累积距离，允许直线距离、成本距离、真实表面距离以及垂直和水平系数。
距离分配 |
|
该工具用于根据直线距离、成本距离、真实表面距离以及垂直和水平系数，计算每个像元到所提供的源的距离分配。
最佳路径为线 |
|
该工具用于以线形式计算从目的地到源的最佳路径。
最佳路径为栅格 |
|
该工具用于以栅格形式计算从目的地到源的最佳路径。
最佳区域连接 |
|
该工具用于在两个或多个输入区域之间计算最佳连通性网络。
分析影像
分析影像工具类别中的以下工具可帮助您分析影像：
- 监测植被会根据对波段执行的算术运算检测影像中的相对植被覆盖度。 可将多个植被指数用于影像分析。
监测植被 |
|
对多波段栅格图层的波段执行算术运算，以显示植被覆盖度信息。
分析 Terrain
这些工具会帮助您分析栅格表面。
- 计算坡度用于计算地形的陡度。
- 派生坡向用于计算每个位置坡度最陡的方向。
- 创建视域用于确定从景观上任何一点所能看到的内容。
- 集水区用于计算地表上标识位置上方的汇流区域。
计算坡度 |
|
确定显示输入高程数据的坡度的表面。坡度表示各数字高程模型 (DEM) 像元的高程变化率。
派生坡向 |
|
标识从每个像元到其相邻像元方向上值的变化率最大的下坡方向。坡向可以被视为坡度方向。
创建视域 |
|
确定栅格表面上对一组观察点可见的位置。
集水区 |
|
确定栅格中一组像元之上的汇流区域。
管理数据
这些工具用于地理数据的日常管理以及在分析之前合并数据。
- 提取栅格会裁剪掉栅格数据集的某些部分，以便进一步分析。
- 重映射值会将不同的值分配给栅格像元。
- 要素转栅格会栅格化矢量数据。
- 栅格转要素会矢量化栅格数据。
- 样本将从一个栅格或一组栅格中的已定义位置提取数据。
提取栅格 |
|
根据不同数据集的值、形状或范围从栅格中提取像元。
重映射值 |
|
将单个像元值或像元值范围更改为新值。
要素转栅格 |
|
根据现有要素数据集创建新栅格数据集。
栅格转要素 |
|
根据现有栅格数据集创建新要素数据集。
示例 |
|
用于创建表或点要素类，其中包含从一个栅格或一组栅格中提取的已定义位置处的数据值。
深度学习
这些工具可用于检测或分类影像中的特定要素或对栅格数据集中的像素进行分类。深度学习是一种人工智能机器学习方法，可以使用神经网络中的多个图层检测影像中的要素，其中每个图层都能提取影像中的一个或多个唯一要素。这些工具使用经过训练的模型检测第三方深度学习框架（例如 TensorFlow、CNTK 和 Keras）中的特定要素和输出要素或类地图。
- 使用深度学习对像素进行分类可以使用经过训练的深度学习模型生成分类栅格。
- 使用深度学习检测对象可以使用经过训练的深度学习模型生成要素类，该要素类包含输入栅格中的对象。
- 使用深度学习分类对象将生成要素类或表，其中系统将使用训练深度学习模型为输入栅格中的每个输入对象分配一个类标注。
使用深度学习分类像素 |
|
此工具用于运行输入栅格上的训练深度学习模型，以生成分类栅格，其中每个有效像素都被分配了一个类标注。
使用深度学习检测对象 |
|
此工具用于运行输入栅格上的训练深度学习模型，以生成包含其找到对象的要素类。 这些要素可以是所找到对象周围的边界框或面，也可以是对象中心的点。
使用深度学习分类对象 |
|
此工具用于运行输入栅格和可选要素类上的训练深度学习模型，以生成要素类或表，其中每个输入对象均分配一个类标注。
多维分析
“多维分析”工具集中的工具可用于对多个变量和维度的科学数据执行分析。
多维数据表示在多个时间、深度和高度捕获的数据。 这类数据通常用于大气、海洋和地球科学。 使用此工具集，您可以分析多种格式的多维栅格数据，包括 netCDF、HDF、GRIB、多维镶嵌数据集和 Esri 的云栅格格式 (CRF)。
下表列出了多维分析工具，并对每个工具进行了简要描述。
- 聚合多维栅格 - 通过沿维度聚合现有多维栅格变量来生成多维栅格数据集。
- 生成多维异常 - 计算多维栅格中每个剖切的异常，以生成多维栅格。
- 生成趋势栅格用于面向多维栅格中一个或多个变量估计每个像素沿维度的趋势。
- 使用趋势栅格预测使用来自 生成趋势栅格工具的输出趋势栅格来计算预测多维栅格。
- 查找参数统计信息为多维或多波段栅格中的每个像素提取达到给定统计量的维度值或波段指数。
聚合多维栅格 |
|
此工具通过沿维度聚合现有多维栅格变量来生成多维栅格数据集。
查找参数统计信息 |
|
此工具为多维或多波段栅格中的每个像素提取达到给定统计量的维度值或波段指数。
生成多维异常 |
|
此工具计算多维栅格中每个剖切片的异常，以生成多维栅格。
生成趋势栅格 |
|
此工具用于面向多维栅格中一个或多个变量估计每个像素沿维度的趋势。
使用趋势栅格预测 |
|
此工具使用来自 生成趋势栅格工具的输出趋势栅格来计算预测多维栅格。