點陣分析可讓您使用 ArcGIS Image Server 來執行大點陣資料集分析。 這能讓您運用伺服器的功能以更快地分析更多資料。目前可透過 Portal for ArcGIS Web 使用者體驗所使用的工具集為摘要資料、 分析模式、 使用鄰域分析、 分析影像、 分析地形、 管理資料、 深度學習和 多維分析。
摘要資料
這些工具可用於計算您所定義的地區邊界 (區域) 內某個點陣圖層的統計資料。
- 摘要點陣範圍可計算定義的區域邊界內之點陣儲存格的統計資料。
- 作為表格的地區統計資料可摘要其他資料集之地區中的點陣值，並向表格報告結果。
摘要點陣範圍 |
|
此工具摘要其他資料集之地區中的點陣值。
作為表格的地區統計資料 |
|
此工具摘要其他資料集之地區中的點陣值，並向表格報告結果。
分析模式
這些工具可幫助您辨識、量化並可視化數據的空間模式。
- 計算密度取某一現象的已知數量，並將這些量散佈到整個地圖以建立密度地圖。
- 插值點工具可根據一組點的測量結果預測新位置上的值。
計算密度 |
|
密度分析取某一現象的已知數量，並將這些量散佈到整個地圖以建立密度地圖。例如，您可以使用此工具顯示發生雷擊或龍捲風的機率、醫療設施的利用率以及人口密度。
插值點 |
|
該工具用於根據一組點的測量結果預測新位置上的值。該工具對具有數值的點資料進行處理，並傳回按預測值分類的區域。例如，借助該工具，您可以根據各個雨量計的測量結果預測某一分水嶺內的降雨量級別。
使用鄰域分析
這些工具可以協助您回答在空間分析中，最常提出的一些問題：什麼在什麼附近？以及什麼是最佳路徑？
- 計算距離可從單一或一組來源計算歐幾里德距離、方向和分配。
- 決定最佳的行進成本網路可計算一組輸入地區的最佳成本網路。
- 判定行進成本路徑為折線可計算已知目的地與來源之間的最低成本折線路徑。
- 距離累積可計算每個儲存格到來源的累積距離，允許直線距離、成本距離、真實表面距離，以及垂直和水平係數。
- 距離分配可根據直線距離、成本距離、真實表面距離，以及垂直和水平係數，計算每個儲存格到提供的來源之間的距離分配。
- 最佳路徑為線可計算目的地到來源的最佳路徑作為線。
- 將路徑最佳化成點陣可計算目的地到來源的最佳路徑作為點陣。
- 最佳地區連線可計算兩個或多個輸入地區之間的最佳連接線網路。
計算距離 |
|
此工具可從單一來源或一組來源計算歐幾里德距離、方向和分配。
決定最佳的行進成本網路 |
|
此工具可計算一組輸入地區的最佳成本網路。
判定行進成本路徑為折線 |
|
此工具計算目的地與來源之間的最低成本折線路徑。
距離累積 |
|
此工具計算每個儲存格到來源的累積距離，允許直線距離、成本距離、真實表面距離，以及垂直和水平係數。
距離分配 |
|
此工具根據直線距離、成本距離、真實表面距離，以及垂直和水平係數，計算每個儲存格到提供的來源之間的距離分配。
最佳路徑為線 |
|
此工具計算目的地到來源的最佳路徑作為線。
將路徑最佳化成點陣 |
|
此工具計算目的地到來源的最佳路徑作為點陣。
最佳地區連線 |
|
此工具計算兩個或多個輸入地區之間的最佳連接線網路。
分析圖片
分析影像工具類別中的下列工具可協助您分析影像：
- 監控植被可根據頻段上的算術運算來偵測影像內的相對植被涵蓋範圍。 有數個植被索引可用於影像分析。
監控植被 |
|
在多頻段點陣圖層的頻段上執行算術運算，以透露植被涵蓋範圍資訊。
分析地形
這些工具可協助您分析點陣表面。
- 計算坡度可計算地形的陡度。
- 衍生部分可計算每個位置最陡峭的坡度方向。
- 建立視域可識別從景觀上的任何點可看到的景物。
- 流域可計算表面上的識別位置上方的貢獻區域。
計算坡度 |
|
識別表面，其顯示輸入高程資料的坡度。坡度表示每一個數值高程模型 (DEM) 儲存格的高程變更比率。
衍生部份 |
|
識別每個儲存格至其鄰里值的最大變動比率的下波方向。可將「部份」想像成波度方向。
建立視域 |
|
決定一組觀察者可看見的點陣表面上位置。
流域 |
|
可決定一個點陣中一組儲存格上方的貢獻區域。
管理資料
這些工具用於地理資料的日常管理，以及在分析之前合併資料。
- 擷取點陣可裁掉點陣資料集的部分以進一步分析。
- 重新製圖值可將不同值指派給點陣儲存格。
- 將圖徵轉換為點陣可點陣化向量資料。
- 將點陣轉換為圖徵可向量化點陣資料。
- 取樣可從一個或一組點陣中擷取定義之位置上的資料。
擷取點陣 |
|
根據值、形狀，或不同資料集的範圍來擷取儲存格。
重新製圖值 |
|
將個別儲存格值或儲存格值範圍儲存為新值。
將圖徵轉換為點陣 |
|
從現有的圖徵資料集建立新的點陣資料集。
將點陣轉換為圖徵 |
|
從現有的點陣資料集建立新的圖徵資料集。
樣本 |
|
建立表格或點圖徵類別，包含從一個或一組點陣中擷取之定義位置上的資料值。
深度學習
這些工具是用來偵測或分類圖片中的特定圖徵，或用來分類點陣資料集內的像素。深度學習是一種人工智慧機器學習方法，可在類神經網路中使用多個圖層來偵測影像的圖徵，其中的每個圖層可擷取圖片中一或多個唯一圖徵。這些工具利用經過培訓的模型，可用來偵測第三方深度學習架構（例如 TensorFlow、CNTK 和 Keras）中的特定圖徵，並輸出圖徵或類別地圖。
- 使用深度學習以分類像素可使用培訓的深度學習模型來產生分類的點陣。
- 使用深度學習以偵測物件可使用培訓的深度學習模型來產生圖徵類別，包含它在輸入點陣中找到的物件。
- 使用深度學習以分類物件可使用培訓的深度學習模型來產生圖徵類別或表格，會將一個類別標籤指派給一個輸入點陣的每個輸入物件。
使用深度學習以分類像素 |
|
此工具可在輸入點陣上執行經過培訓的深度學習模型來產生分類的點陣，並將一個類別標籤指派給每一個有效的像素。
使用深度學習以偵測物件 |
|
此工具可在輸入點陣上執行經過訓練的深度學習模型，以產生包含其發現之物件的圖徵類別。 圖徵可以是找到的物件周圍的方塊或多邊形，也可以是物件中心上的點。
使用深度學習以分類物件 |
|
此工具可在輸入點陣和選用的圖徵類別上，執行經過培訓的深度學習模型來產生圖徵類別或表格，其中的每個輸入物件都有一個指派的類別標籤。
多維分析
您可使用多維分析工具集的工具，跨多個變數和維度對科學資料執行分析。
多維資料表示在多個時間、深度和高度所擷取的資料。 此資料類型通常應用於大氣、海洋和地球科學。 您可以使用此工具集，以多種格式分析多維點陣資料，包括 netCDF、HDF、GRIB、多維鑲嵌資料集，及 Esri 的雲點陣格式 (CRF)。
下表列出了多維分析工具，並提供每個工具的簡要說明。
- 匯聚多維點陣將沿著某個維度匯聚現有的多維點陣變數，從而產生多維點陣資料集。
- 產生多維異常可計算多維點陣中每個切片的異常來產生多維點陣。
- 產生趨勢點陣可針對多維點陣中的一或多個變數，沿某個維度估計每個像素的趨勢。
- 使用趨勢點陣進行預測可使用 產生趨勢點陣工具中的輸出趨勢點陣，以計算預測的多維點陣。
- 尋找引數統計資料可擷取維度值或頻段索引，根據該維度值或波段索引，多維或多頻段點陣中的每個像素都將取得給定的統計資料。
匯聚多維點陣 |
|
此工具將沿著某個維度匯聚現有的多維點陣變數，從而產生多維點陣資料集。
尋找引數統計資料 |
|
此工具可擷取維度值或頻段索引，根據該維度值或波段索引，多維或多頻段點陣中的每個像素都將取得給定的統計資料。
產生多維異常 |
|
此工具可計算多維點陣中每個切片的異常來產生多維點陣。
產生趨勢點陣 |
|
此工具可針對多維點陣中的一或多個變數，沿某個維度估計每個像素的趨勢。
使用趨勢點陣進行預測 |
|
此工具可使用 產生趨勢點陣工具中的輸出趨勢點陣來計算預測的多維點陣。