Summarize Data

The Summarize Data toolset contains tools that calculate total counts, lengths, areas, and basic descriptive statistics of features and their attributes within areas or near other features.

• Aggregate Points calculates statistics about points that fall within specified areas or bins.
• Build Multi-Variable Grid generates a grid of square or hexagonal bins and calculates values for each bin based on the proximity of each input layer.
• Describe Dataset calculates a summary of your input, and can optionally generate a sample of your input layer.
• Join Features calculates statistics about features that share a spatial, temporal, or attribute relationship with other features.
• Reconstruct Tracks calculates statistics about points or polygons that belong to the same track and reconstructs inputs into tracks.
• Summarize Attributes calculates statistics about feature or tabular data that share attributes.
• Summarize Within calculates statistics for area features and attributes that overlap each other.

Aggregér punkter

Ved hjælp af et lag af punktobjekter og et lag bestående af enten områdeobjekter eller beholdere, der er defineret af en bestemt afstand, afgør dette værktøj, hvilke punkter der falder inden for hvert område eller beholder og beregner statistik om alle punkterne inden for hvert område eller beholder. Du kan vælge at benytte tidsintervaller sammen med dette værktøj.

Følgende er eksempler:

• Ved angivelse af punkt-lokationer for forbrydelser kan der f.eks. beregnes antal forbrydelser pr. amt eller andet administrativt distrikt.
• Find højeste og laveste månedlige omsætning for franchise-lokationer ved hjælp af 100-kilometer-beholdere.

Opret multivariabel-gitter

Værktøjet Opret multivariabel-gitter genererer et gitter med kvadratiske eller sekskantede beholdere og beregner variabler for hver beholder baseret på nærheden af et eller flere inputlag.

Følgende ereksempler:

• Ved flere lag af offentlig transportinfrastruktur, hvilken del af byen er så mindst tilgængelig med offentlig transport?
• Ved lag af vandveje, såsom søer og floder, hvad hedder vandlegemet tættest på hvert sted i USA?
• Ved et lag af husstandsindkomst, hvor i USA er variationen af ​​indkomst i de omkringliggende 50 miles størst?

Beskriv datasæt

Opsummér input-objekter med statistik, eksempellag og visualisering. Du kan vælge et eksempellag eller udstrækningslag som output.

Følgende er eksempler:

• Referer til beregnede oversigtsstatistikker for at se, hvilke værdier dit datasæt indeholder.
• I stedet for at tegne hele datasættet, kan du oprette et undersæt-lag for at visualisere objekter og deres attributter, når de tilføjes til et kort.
• Spar tid og ressourcer og kør analyse på et eksempellag, før du kører analyse på hele datasættet.

Forbind objekter

Ved at benytte enten vektorlag eller tabeldata kan du forbinde objekter og poster baseret på specifikke relationer mellem inputlagene eller tabellerne. Forbindelserne bestemmes af de spatiale og tidsbestemte relationer samt attributrelationerne, og du kan vælge at beregne oversigtsstatistikker.

Følgende er eksempler:

• Ved angivelse af punktpositioner for kriminelle handlinger sammen med et klokkeslæt kan du forbinde kriminalitetsdataene med sig selv ved at angive en spatial relation mellem forbrydelser begået inden for 1 kilometer fra hinanden og begået inden for 1 time i forhold til hinanden med henblik på at bestemme, om der er en sekvens af kriminelle handlinger, der ligger tæt på hinanden i tid og rum.
• Ved angivelse af postnumre med demografiske oplysninger samt områdeobjekter, der repræsenterer boliger, kan du forbinde de demografiske oplysninger med boligerne, så hver bolig nu har disse oplysninger.

Rekonstruér spor

Ved at benytte et et tidsafhængigt lag bestående af enten punkt- eller polygonobjekter, der repræsenterer et øjeblik i tiden, bestemmer dette værktøj, hvilke objekter der tilhører et spor, og det arrangerer inputtene i rækkefølge i tiden. Du kan efter eget valg beregne statistik for inputobjekterne i hvert spor.

Følgende ereksempler:

• Ved angivelse af punktpositioner og tidspunkt for målinger af orkaner kan du beregne orkanens middel- og maksimumvindhastighed.
• Brug GPS-målinger for skibe med henblik på at rekonstruere skibsruter som linjer.

Summér attributter

Ved at benytte enten vektordata eller tabeldata beregner dette værktøj statistik for angivne felter.

Følgende ereksempler:

• Ved angivelse af placeringer for dagligvarebutikker med feltet COMPANY_NAME summeres butikkerne efter butiksnavn med henblik på at beregne statistik for hver butik.
• Ved angivelse af en tabel for dagligvarebutikker med felterne COMPANY_NAME og COUNTY summeres butikkerne efter butiksnavn og region med henblik på at beregne statistik for hver enkelt butik i hver region.

Summér inden for

Finder områder (og dele af områder), hvor to områder overlapper og beregner statistik om overlap-området.

Følgende ereksempler:

• Ved angivelse af et lag med afvandingsområder og et lag med arealanvendelsestyper beregnes f.eks. det samlede areal for anvendelsestype pr. afvandingsområde.
• Ved angivelse af et lag med parceller i et amt og et lag med bygrænser opsummeres gennemsnitsværdien af ledige parceller i hver by.

Registrér hændelser

Dette værktøj arbejder med et tidsafhængigt lag bestående af punkter, linjer, områder eller tabeller, der repræsenterer et øjeblik i tiden. Ved at benytte objekter, der er ordnet i rækkefølge, også kaldet spor, bestemmer dette værktøj, hvilke objekter der repræsenterer hændelser af interesse. Hændelserne bestemmes ud fra de betingelser, du angiver.

Følgende ereksempler:

• Registrér orkanmålinger for kategori 4-orkaner baseret på attributten for vindhastighed.
• Ved at bruge GPS-målinger af skibsbevægelser med et felt, der repræsenterer skibshastighed, findes der målinger, der er 1,5 gange større end middelværdien for de forrige fem målinger.

Find lignende steder

Baseret på kriterier, du angiver, måler Find lignende steder ligheden mellem steder i dit kandidatsøgningslag og et eller flere referencesteder.

Følgende ereksempler:

• Find de ti butikker, der ligner hinanden mest, ved at undersøge antallet af medarbejdere og det årlige salg.
• Find de 100 byer, der ligner hinanden mest, ved at undersøge forholdet mellem befolkningstal, årlig vækst og skattebetaling.

Analysér mønstre

Disse værktøjer hjælper dig med at identificere, kvantificere og visualisere geografiske mønstre i dine data.

• Beregn tæthed tager kendte kvantiteter af visse fænomener og spreder dem på kortet.
• Find hotspots identificerer statistisk signifikante klynger i det geografiske mønster i dine data.
• Find punktklynger finder klynger af punktobjekter inden for omgivende støj baseret på deres spatiale distribution.
• Forest-baseret klassifikation og regression opretter modeller og genererer prognoser ved hjælp af en tilpasning af Leo Breiman's random forest-algoritme, som er en overvåget maskinlæringsmetode.
• Generaliseret lineær regression genererer prognoser eller modellerer en afhængig variabel med hensyn til dens relation til et sæt forklarende variabler.

Beregn tæthed

Værktøjet Beregn tæthed opretter et tæthedskort ud fra punktobjekter ved at sprede kendte kvantiteter af et fænomen (repræsenteret som punktattributter) på kortet. Resultatet er et lag med områder, der repræsenterer tætheden.

Følgende ereksempler:

• Beregning af tætheder af hospitaler inden for en landsdel. Resultatlaget vil vise områder med stor eller lille tilgængelighed til hospitaler, og disse oplysninger kan anvendes til at beslutte, hvor der skal bygges nye hospitaler.
• Identifikation af områder med høj risiko for skovbrande baseret på steder, hvor der historisk set har været skovbrande.
• Lokalisering af samfund, der ligger langt fra hovedveje, for at planlægge, hvor der skal anlægges nye veje.

Find punktklynger

Værktøjet Find punktklynger finder klynger af punktobjekter inden for omgivende støj baseret på deres spatiale distribution.

Følgende ereksempler:

• Find klynger af skadedyrsinficerede husstande for at hjælpe med at målrette indsatsen.
• Informér og reagér på rednings- og evakueringsbehov baseret på størrelsen og placeringen af klyngerne ved hjælp af geoplacerede tweets efter naturkatastrofer eller terrorangreb.

Find Hot Spots

Værktøjet Find hotspots kan bestemme, hvorvidt der er statistisk signifikante klyngedannelser i det rumlige mønster for dine data.

• Indgår dine punkter (forbrydelser, træer, trafikulykker) virkelig i en klyngedannelse? Hvordan kan du være sikker på det?
• Har du rent faktisk opdaget et statistisk signifikant hotspot (for forbrug, barnedødelighed, konsekvent høje testresultater) eller ville dit kort fortælle noget andet, hvis du ændrede symboliseringen?

Forest-baseret klassifikation og regression

Værktøjet Forest-baseret klassifikation og regression modellerer og genererer prognoser ved hjælp af en tilpasning af Leo Breiman's random forest-algoritme, som er en overvåget maskinlæringsmetode.

Følgende er eksempler:

• Hvis du har data om forekomster af søgræs samt en række miljøforklarende variabler, der er repræsenteret som både attributter, der er blevet beriget ved hjælp af en multivariabel-grid til beregning af afstande til fabrikker, og større havne, kan fremtidig forekomst af søgræs forudsiges ud fra fremskrivninger for de pågældende miljøforklarende variabler.
• Du har data om afgrødeudbytte for hundredvis af gårde over hele landet, samt andre attributter for hver af disse gårde (antal ansatte, areal osv.). Ved hjælp af disse data kan du give et skabe et sæt objekter, der repræsenterer gårde, hvor du ikke kender afgrødeudbyttet (men har alle de andre variabler), og oprette en prognose for afgrødeudbyttet.
• Boligværdier kan forudsiges ud fra prisen på huse, der er solgt i indeværende år. Salgsprisen på boliger, der er blevet solgt, samt oplysninger om antal værelser, afstand til skoler, afstand til vigtige hovedveje, gennemsnitsindkomst og kriminalitet kan bruges til at forudsige salgspriser for lignende boliger.

Generaliseret lineær regression

Værktøjet Generaliseret lineær regression genererer prognoser eller modellerer en afhængig variabel med hensyn til dens relation til et sæt forklarende variabler. Dette værktøj kan bruges til at tilpasse kontinuerlige (OLS), binære (logistiske) og tællemæssige (Poisson) modeller.

Følgende er eksempler:

• Hvilke demografiske egenskaber bidrager til høj grad af udnyttelse af offentlige transportmidler?
• Er der et positivt forhold mellem hærværk og indbrud?
• Hvilke variabler forudsiger effektivt mængden af opkald til alarmcentralen? Hvad er den forventede efterspørgsel efter nødhjælpsressourcer på baggrund af fremtidige projektioner?
• Hvilke variable påvirker lave fødselsrater?

Opret buffere

En buffer er et område, der dækker en given afstand fra et punkt, en linje eller et polygonobjekt.

Følgende ereksempler:

• Ved at benytte lineære objekter for floder kan du placere enhver flod i en buffer baseret på en værdi på 50 gange flodens bredde med henblik på at bestemme en foreslået riparisk grænse (området langs flodens bredder).
• Ved angivelse af områder, der repræsenterer lande, kan du placere hvert land i en buffer baseret på en værdi på 200 sømil med henblik på at bestemme den maritime 200-sømiles grænse.

Manage Data

These tools are used for the day-to-day management of geographic and tabular data.

• Append Data appends features to an existing hosted feature layer.
• Calculate Field creates a new field or modifies an existing field and creates a new layer in your contents.
• Clip Layer copies features that intersect a defined area of interest.
• Copy to Data Store copies data to your ArcGIS Data Store and creates a layer in your contents.
• Dissolve Boundaries merges areas that share a common boundary or attribute value.
• Merge Layers copies all features from two layers into a single result layer.
• Overlay Layers combines two or more layers into a single layer.

Beregn felt

Beregner værdier for et nyt felt eller et eksisterende felt samt opretter et lag i dit indhold i ArcGIS Enterprise.

Følgende ereksempler:

• Redigér et eksisterende felt med navnet total så det kommer til at repræsentere de samlede indtægter fra felterne total_2016, total_2017 og total_2018.
• Opret et nyt felt til kategorisering af fareniveauer baseret på feltværdier som windspeed og pollutant.

Opløs grænser

Fletter områdeobjekter, der skærer hinanden eller deler en feltværdi for at oprette tilstødende objekter eller objekter med flere dele.

Følgende er eksempler:

• Opret et enkelt objekt, der repræsenterer delstaten Hawaii, ved at opløse grænserne mellem øerne, der udgør Hawaii.
• Kombiner ensartede undersøgelsesområder baseret på jordtype for at få et output-datasæt af tilstødende jordtyper.

Overlay af lag

Kombinerer to eller flere lag til et enkelt lag. Overlay benyttes til at besvare et af de mest grundlæggende spørgsmål inden for geografien: Hvad ligger oven på hvad?

Følgende ereksempler:

• Hvilke parceller ligger inden for 100-årsoversvømmelsesområdet? (Inden for er bare en anden måde at sige på)
• Hvilken slags jordbrug ligger på hvilken slags jord?
• Hvilke brønde ligger på forladte militærbaser?

Tilknyt data

Tilføjer objekter til et eksisterende hosted lag i dit indhold i ArcGIS Enterprise.

Følgende ereksempler:

• Opdater dit 2018_Sales-vektorlag hver måned, efterhånden som dine rapporter bliver tilgængelige.
• Tilknyt datasæt med sporing af orkaner fra årene 2016 og 2017 til et masterdatasæt for orkaner.
• Saml og tilknyt datasæt fra flere kilder med forskellige skemaer ved hjælp af brugerdefineret felt-mapping.

Flet lag

Kombinerer to vektorlag for at oprette et enkelt resultatlag. Alle felter fra flettelaget vil som standard blive medtaget. Du kan også angive brugerdefinerede fletteregler for at definere resultatskemaet.

Følgende er eksempler:

• Flet tre lag, der indeholder demografiske oplysninger fra England, Wales og Skotland for at oprette et enkelt lag for Storbritannien.
• Kombiner to lag indeholdende oplysninger om parceller for sammenhængende byområder. Behold kun de felter, der har samme navn og type i de to lag.

Berig fra multivariabel-gitter

Forbinder effektivt attributter fra et multivariabel-gitter med et punktlag, så du hurtigt kan tilføje en stor og forskelligartet samling af oplysninger til punktdata til brug i yderligere spatial analyse.

Følgende er eksempler:

• Hvis du har et lag, der indeholder millioner af strømbrud, kan du berige hændelsesobjekterne med information om typisk brug, miljørisici og infrastrukturforhold for at studere forholdet mellem disse faktorer og frekvensen af strømbrud.