Med rasteranalyse kan du udføre analyse af store rasterdatasæt ved hjælp af ArcGIS Image Server. Dette gør dig i stand til at analysere flere data hurtigere ved at udnytte serverens styrke. De værktøjssæt, der på nuværende tidspunkt er tilgængelige via Portal for ArcGIS, er Summér data, Analysér mønstre, Anvend nærhed, Analysér billede, Analysér terræn, Administrér data og Deep Learning.
Summér data
Dette værktøjssæt indeholder et værktøj til beregning af nogle statistikker for et rasterlag inden for de områdegrænser, som du definerer.
- Summér raster inden for beregner statistik for rasterceller, der ligger inden for definerede områdegrænser.
Summér raster inden for |
|
Beregner nogle oversigtsstatistikker for rasterceller inden for definerede områder.
Her er nogle eksempelanvendelser:
- Ved angivelse af et lag med afvandingsområder og et højderasterlag beregnes højdeintervallerne inden for hvert afvandingsområde med henblik på at fastlægge, hvilke afvandingsområder der vil have den kraftigste vandgennemstrømning.
- Ved angivelse af et lag med administrative styringsenheder og et rasterlag med arealanvendelseskategorier beregnes variationen af arealanvendelsesværdier inden for hvert styringsområde med henblik på at identificere, hvilke områder der kræver mest arbejde for at få fastlagt en administrationsplan.
Analysér mønstre
Disse værktøjer hjælper dig med at identificere, kvantificere og visualisere geografiske mønstre i dine data.
- Beregn tæthed tager kendte mængder af visse fænomener og opretter et tæthedskort ved at sprede disse mængder på tværs af kortet.
- Interpolér punkter forudsiger værdier på nye placeringer baseret på målinger fundet i en samling af punkter.
Beregn tæthed |
|
Tæthedsanalyse tager kendte mængder af visse fænomener og opretter et tæthedskort ved at sprede disse mængder på tværs af kortet. Du kan f.eks. bruge dette værktøj til at vise koncentrationer af lynnedslag eller tornadoer, adgang til sundhedscentre og befolkningstætheder.
Interpolér punkter |
|
Dette værktøj giver dig mulighed for at forudsige værdier på nye placeringer baseret på målinger fundet i en samling af punkter. Værktøjet tager punktdata med værdier for hvert punkt og returnerer områder klassificeret vha. forudsagte værdier. Du kan f.eks. bruge dette værktøj til at forudsige nedbørsmængder over et afvandingsområde baseret på målinger foretaget ved individuelle regnmålere.
Anvend nærhed
Disse værktøjer hjælper dig med at besvare et af de mest almindelige spørgsmål i geografisk analyse: "Hvad ligger i nærheden af hvad?"
- Beregn afstand beregner euklidisk afstand, retning og allokering ud fra en enkelt kilde eller et sæt af kilder.
- Beregn optimale rejseomkostninger-netværk beregner det optimale omkostningsnetværk ud fra et sæt af input-regioner.
- Beregn rejseomkostninger som polylinje beregner polylinjeruten med de laveste omkostninger mellem kilder og kendte destinationer.
Beregn afstand |
|
Beregner den euklidiske afstand, retning og allokering ud fra en enkelt kilde eller et sæt af kilder. Du kan bruge dette værktøj til at afgøre, hvor langt en placering er fra en vej, en bygning eller en park. Du kan også afgøre, hvilken retning du skal rejse fra et sted for at vende tilbage til en kilde på den mest direkte måde. Du kan se for hver enkelt placering i dit undersøgelsesområde, hvilken kilde der er den nærmeste.
Beregn optimale rejseomkostninger-netværk |
|
Beregner det optimale omkostningsnetværk ud fra et sæt af input-regioner.
Beregn rejseomkostninger som polylinje |
|
Beregner polylinjeruten med de laveste omkostninger mellem kilder og kendte destinationer.
Analysér billede
Følgende værktøj hjælper dig med at analysere billeder.
- Anvend rasterfunktionsskabelon behandler dine billeder vha. den kæde af funktioner, der er angivet i rasterfunktionsskabelonen.
- Overvåg vegetation registrerer vegetation inde i det billede på grundlag af aritmetiske handlinger på båndene.
Anvend rasterfunktionsskabelon |
|
Behandler dine billeder vha. den kæde af funktioner, der er angivet i rasterfunktionsskabelonen.
Overvåg vegetation |
|
Udfører en aritmetisk handling på båndene i et multiband-rasterlag med henblik på at afsløre oplysninger om vegetationsdækket i undersøgelsesområdet.
Analysér terræn
Disse værktøjer hjælper dig med at analysere rasteroverflader.
- Beregn stigning beregner terrænets stejlhed.
- Afledt aspekt beregner retningen for den stejleste stigning på hver position.
- Opret udsigtsområde identificerer, hvad der kan ses fra et hvilket som helst punkt i landskabet.
- Vandskel beregner afvandingsområdet over identificerede placeringer på en overflade.
Beregn stigning |
|
Identificerer en overflade, der viser stigningen for de indtastede højdedata. Stigningen repræsenterer ændringen af højden for hver celle i den digitale elevationsmodel (DEM).
Afledt aspekt |
|
Identificerer den nedadgående hældning ud fra den maksimale ændring af værdien af hver celle i forhold til dens naboceller. Man kan tænke på aspekt som en hældningsretning.
Opret udsigtsområde |
|
Bestemmer positioner på en rasteroverflade, der er synlige for et sæt observatører.
Vandskel |
|
Fastlægger afvandingsområdet over et sæt celler i en raster.
Håndtér data
Disse værktøjer bruges både til den daglige håndtering af geografiske data og til at kombinere data inden analyse.
- Udtræk raster klipper dele ud fra et rasterdatasæt med henblik på yderligere analyse.
- Genberegn værdier tildeler forskellige værdier til rasterceller.
- Konvertér objekt til raster konverterer vektordata til raster.
- Konvertér raster til objekt konverterer rasterdata til vektordata.
Udtræk raster |
|
Udtræk celler fra rasterdata baseret på værdi, form eller udstrækning af et andet datasæt.
Genberegn værdier |
|
Redigér individuelle celleværdier eller intervaller med celleværdier til nye værdier.
Konvertér objekt til raster |
|
Opret et nyt rasterdatasæt ud fra et eksisterende vektordatasæt.
Konvertér raster til objekt |
|
Opret et nyt vektordatasæt ud fra et eksisterende rasterdatasæt.
Værktøjer til Deep Learning
Disse værktøjer bruges til at registrere specifikke objekter i et billede eller til at klassificere pixels i et rasterdatasæt. Deep Learning er en maskinlæringsmetode, der benytter sig af kunstig intelligens. Den registrerer objekter i billeder ved hjælp af flere lag i neurale netværk, hvor hvert lag er i stand til at udtrække et eller flere unikke objekter i billedet. Disse værktøjer bruger de modeller, der er blevet trænet til at registrere specifikke objekter i tredjeparts Deep Learning-frameworks - f.eks. TensorFlow, CNTK og Keras - og output er objekter eller klassekort.
- Klassificer pixels ved hjælp af Deep Learning producerer en klassificeret raster ved hjælp af en trænet Deep Learning-model.
- Registrer objekter ved hjælp af Deep Learning producerer en objektklasse, der indeholder objekter, som den finder i en inputraster ved hjælp af en trænet Deep Learning-model.
Klassificer pixels ved hjælp af Deep Learning |
|
Kører en trænet Deep Learning-model på en inputraster for at frembringe en klassificeret raster, hvor hver gyldig pixel har fået tildelt en klasseetiket.
Registrer objekter ved hjælp af Deep Learning |
|
Kører en trænet Deep Learning-model på en inputraster for at frembringe en objektklasse, der indeholder de objekter, den finder. Objekterne kan være afgrænsende kasser eller polygoner rundt om de objekter, der findes, eller de kan pege på objekternes centrum.