Análisis de ráster le permite realizar análisis de datasets ráster grandes utilizando el ArcGIS Image Server. Esto le permite analizar más datos con mayor rapidez aprovechando la potencia del servidor. Los conjuntos de herramientas que actualmente están disponibles mediante la experiencia de usuario web de Portal for ArcGIS son: Resumir datos, Analizar patrones, Utilizar proximidad, Analizar imagen, Analizar terreno, Administrar datos y Aprendizaje profundo.
Este conjunto de herramientas contiene una herramienta que permite calcular algunas estadísticas para una capa ráster dentro de los límites de área que haya definido.
Resumir ráster dentro de |
Calcula algunos resúmenes de estadísticas para celdas ráster que quedan dentro de áreas definidas.
A continuación se indican algunas aplicaciones de ejemplo:
Estas herramientas te ayudan a identificar, cuantificar y visualizar los patrones espaciales de tus datos.
Calcular densidad |
Análisis de densidad toma cantidades conocidas de un fenómeno y crea un mapa de densidad expandiendo estas cantidades por el mapa. Puedes usar esta herramienta, por ejemplo, para mostrar concentraciones de rayos o de tornados, acceso a las instalaciones médicas y densidades de población.
Interpolar puntos |
Esta herramienta te permite predecir los valores de nuevas ubicaciones en función de las mediciones encontradas en un conjunto de puntos. La herramienta toma los datos de puntos con valores en cada punto y devuelve áreas clasificadas por los valores predichos. Puedes usar esta herramienta, por ejemplo, para predecir los niveles de precipitaciones en una cuenca hidrográfica a partir de las mediciones realizadas en los distintos pluviómetros.
Estas herramientas le ayudan a responder a una de las preguntas más comunes del análisis espacial: "¿Qué está cerca de qué?"
Calcular distancia |
Calcula la distancia euclidiana, la dirección y la asignación desde un solo origen o un conjunto de orígenes. Puede usar esta herramienta para determinar la distancia que separa una ubicación de una carretera, un edificio o un parque. También puede determinar la dirección hacia la que viajar desde una ubicación para volver a un origen de la forma más directa. Puede ver cuál es el origen más cercano de cada ubicación de su área de estudio.
Determinar red de gastos de viaje óptimos |
Calcula la red con gastos óptimos a partir de un conjunto de regiones de entrada.
Determinar ruta de coste de viaje como polilínea |
Calcula la ruta de polilínea de mínimo coste entre orígenes y destinos conocidos.
La herramienta siguiente le ayuda a analizar imágenes.
Aplicar plantilla de función de ráster |
Procesa sus imágenes con la cadena de funciones como especifica la plantilla de función de ráster.
Supervisar vegetación |
Realiza una operación aritmética en las bandas de un dataset ráster multibanda para mostrar la información de la cobertura de vegetación del área de estudio.
Estas herramientas le ayudan a analizar superficies de ráster.
Calcular pendiente |
Identifica una superficie que muestra la pendiente de los datos de elevación de entrada. La pendiente representa la tasa de cambio de elevación para cada celda de modelo digital de elevación (DEM).
Derivar orientación |
Identifica la dirección descendente de la velocidad máxima de cambio en el valor desde cada celda a las celdas vecinas. La orientación puede pensarse como la dirección de la pendiente.
Crear cuenca visual |
Determina las ubicaciones en una superficie de ráster que están visibles para un conjunto de observadores.
Cuenca hidrográfica |
Determina el área de contribución por sobre un conjunto de celdas de un ráster.
Estas herramientas se usan para la administración diaria de los datos geográficos y para combinar datos antes del análisis.
Extraer ráster |
Extrae celdas de un ráster según el valor, la forma o la extensión de un dataset diferente.
Nueva representación cartográfica de valores |
Cambia valores individuales o rangos de valores de celda por valores nuevos.
Convertir entidad a ráster |
Crea un nuevo dataset ráster a partir de un dataset existente.
Convertir ráster a entidad |
Crea un nuevo dataset de entidades a partir de un dataset ráster existente.
Estas herramientas se utilizan para detectar entidades específicas en una imagen o clasificar píxeles en un dataset ráster. El aprendizaje profundo es un método de aprendizaje de máquina de inteligencia artificial que detecta entidades en imágenes con varias capas en redes neuronales, en las que cada capa puede extraer una o varias entidades únicas de la imagen. Estas herramientas utilizan modelos entrenados para detectar entidades específicas en marcos de aprendizaje profundo de terceros, tales como TensorFlow, CNTK y Keras, y generan entidades o mapas de clases.
Clasificar píxeles con aprendizaje profundo |
Ejecuta un modelo de aprendizaje profundo entrenado en un ráster de entrada para generar un ráster clasificado, donde cada píxel válido tiene asignada una etiqueta de clase.
Detectar objetos con aprendizaje profundo |
Ejecuta un modelo de aprendizaje profundo entrenado en un ráster de entrada para generar una clase de entidad con los objetos que encuentre. Las entidades pueden ser cuadros o polígonos de delimitación alrededor de los objetos encontrados o puntos en el centro de los objetos.