पैटर्न का विश्लेषण करें

इन उपकरणों से आपके आंकड़ों में स्पेशियल बनावटों का पता लगाने, गणना करने, एवं अनुमान लगाने में सहायता मिलती है।

• घनत्व की गणना करें कुछ घटक की ज्ञात मात्राएं लेकर उन्हें मानचित्र पर फैला कर घनत्व मानचित्र बनाता है।
• बिंदुएँ अंतर्वेशित करना बिंदुओं के किसी संग्रह में पाए गए मापनों के आधार पर नये स्थानों पर मानों का पूर्वानुमान लगाता है।

घनत्व की गणना करें

घनत्व विश्लेषण कुछ घटक की ज्ञात मात्राएं लेकर उन्हें मानचित्र पर फैला कर घनत्व मानचित्र बनाता है। आप इस उपकरण का उपयोग, उदाहरण के लिए, बिजली कड़कने या चक्रवातों का संकेंद्रण दर्शाने, स्वास्थ्य देखभाल सुविधाओं, एवं जनसंख्या घनत्वों के लिए कर सकते हैं।

बिन्दुओं को इंटरपोलेट करें

इस उपकरण से आप बिंदुओं के किसी संग्रह में पाए गए मापनों के आधार पर नये स्थानों के मानों का पूर्वानुमान लगा सकते हैं। यह उपकरण हरेक बिंदु पर मानों सहित बिंदु आंकड़े लेकर अनुमानित मानों द्वारा वर्गीकृत क्षेत्र लौटाता है। आप इस उपकरण का उपयोग, उदाहरण के लिए, किन्हीं अलग वर्षा मापयंत्रों पर लिए गए मापनों के आधार पर किसी जलविभाजक पर वर्षा स्तरों का पूर्वानुमान लगाने हेतु कर सकते हैं।

सामीप्य का उपयोग करें

ये उपकरण स्थानिक विश्लेषण में आनेवाले सर्वाधिक सामान्य प्रश्नों में से एक का उत्तर देने में आपकी मदद करते हैं: "किसके पास में क्या है?"

• दूरी का परिकलन करें किसी एक स्रोत या स्रोतों के समूह से युक्लिडियन दूरी, दिशा और आवंटन का परिकलन करता है।
• ऑप्टिमम यात्रा लागत नेटवर्क इनपुट क्षेत्रों से ऑप्टिमम लागत नेटवर्क का परिकलन करता है।
• पॉलीलाइन के रूप में यात्रा लागत पथ निर्धारित करें स्रोत और ज्ञात गंतव्यों के बीच सबसे कम लागत पॉलीलाइन पथ का परिकलन करता है।

दूरी की गणना करें

किसी एक स्रोत या स्रोतों के समूह से युक्लिडियन दूरी, दिशा और आवंटन का परिकलन करता है। आप यह ज्ञात करने के लिए उपकरण का उपयोग कर सकते हैं कि कोई स्थान, सड़क, किसी भवन या पार्क से कितनी दूर है। आप यह भी निर्धारित कर सकते हैं कि आपको किसी स्थान से स्रोत पर सबसे सीधे रास्ते से वापस लौटने के लिए किस दिशा में यात्रा करनी चाहिए। आप अपने अध्ययन के क्षेत्र में हर स्थान के लिए यह देख सकते हैं कि कौन सा स्थान, स्रोत से सबसे नज़दीकी है।

पॉलीलाइन के रूप में यात्रा लागत पथ निर्धारित करें

स्रोत और ज्ञात गंतव्यों के बीच सबसे कम लागत पॉलीलाइन पथ का परिकलन करता है।

वनस्पतियों की निगरानी करें

अध्ययन क्षेत्र की वनस्पति कवरेज जानकारी को प्रकट करने के लिए मल्टीबैंड रास्टर लेयर के बैंडों पर अंकगणित के प्रचालन करता है।

भू-भाग का विश्लेषण करें

ये उपकरण रास्टर सतहों का विश्लेषण करने में आपकी सहायता करते हैं।

• ढलान की गणना करें भू-भाग के तिरछेपन की मात्रा की गणना करता है।
• आस्पेक्ट प्राप्त करें हर जगह के लिये सबसे तीव्र ढाल की गणना करता है।
• व्यूशेड बनाएं इस बात की पहचान करता है कि पूरे भूमि का कौन सा भाग हर जगह से देखा जा सकता है।
• वाटरशेड किसी सतह पर पहचाने गए स्थान(स्थानों) के ऊपर योगदान करने वाले क्षेत्रों का परिकलन करता है।

स्लोप की गणना करें

ऐसी सतह की पहचान करता है जो इनपुट उन्नयन डेटा के ढलान को दर्शाती है। ढलान प्रत्येक डिजिटल उन्नयन मॉडल (DEM) सेल के लिए उन्नयन की परिवर्तन दर को प्रदर्शित करता है।

आस्पेक्ट निकालें

प्रत्येक सेल से इसके समीपवर्ती स्थानों तक मान में अधिकतम परिवर्तन दर की ढलान दिशा की पहचान करता है। आस्पेक्ट को ढलान की दिशा के रूप में माना जा सकता है।

डेटा प्रबंधित करें

ये उपकरण भौगोलिक डेटा के दैनिक प्रबंधन और विश्लेषण से पहले डेटा मिलाने, दोनों के लिए उपयोग किया जाता है।

• रैस्टर निकालें आगे के विश्लेषण के लिए रैस्टर डेटासेट से भागों को क्लिप करें।
• मानों को रीमैप करें रैस्टर सेल्स के लिए भिन्न मानों को नियत करता है।
• रैस्टर के लिए फीचर्स को रूपांतरित करें वेक्टर डेटा को रैस्टरयुक्त करता है।
• रैस्टर को फीचर में रूपांतरित करें रैस्टर डेटा को बैक्टरयुक्त करता है।

टूलसेट गहन शिक्षण

इन टूल का उपयोग किसी चित्र के विशिष्ट फ़ीचर का पता लगाने या किसी रास्टर डेटासेट में पिक्सेल को वर्गीकृत करने के लिए किया जाता है। गहन शिक्षण एक प्रकार की कृत्रिम बुद्धिमत्तापूर्ण मशीन शिक्षण विधि है, जो न्यूरल नेटवर्क की मल्टिपल लेयर का उपयोग करके इमेजरी के फ़ीचर का पता लगाती है, जहां हर लेयर किसी चित्र के एक या अधिक ख़ास फ़ीचर को निष्कर्षित करने में सक्षम होती है। ये टूल ऐसे मॉडल का उपयोग करते हैं, जिन्हें तृतीय पक्ष गहन शिक्षण फ़्रेमवर्क जैसे TensorFlow, CNTK और Keras—तथा आउटपुट फीचर या श्रेणीगत मानचित्र में ख़ास फ़ीचर का पता लगाने के लिए प्रशिक्षित कर दिया गया है।

• गहन शिक्षण का उपयोग करके पिक्सेल का वर्गीकरण करें से प्रशिक्षित गहन शिक्षण मॉडल का उपयोग करके वर्गीकृत रास्टर बनाया जाता है।
• गहन शिक्षण का उपयोग करके ऑब्जेक्ट का पता लगाएं से प्रशिक्षित गहन शिक्षण मॉडल का उपयोग करके इनपुट रास्टर में मिलने वाले ऑब्जेक्ट की फ़ीचर श्रेणी तैयार होती है।

गहन शिक्षण का उपयोग कर पिक्सेल वर्गीकृत करें

यह आउटपुट रास्टर पर, वर्गीकृत रास्टर बनाने के लिए प्रशिक्षित गहन शिक्षण मॉडल संचालित करता है जिसमें प्रत्येक मान्य पिक्सेल में एक असाइन किया गया वर्ग लेबल होता है।

गहन शिक्षण का उपयोग कर वस्तुओं का पता लगाएं

यह इनपुट रास्टर पर प्रशिक्षित गहन शिक्षण मॉडल चलाता है ताकि वह इसे मिले ऑब्जेक्ट वाला एक फ़ीचर वर्ग बना सके। फ़ीचर, मिले ऑब्जेक्ट के बाउंडिंग बॉक्स या पॉलीगॉन हो सकते हैं या ऑब्जेक्ट के केंद्रों पर मौजूद पॉइंट हो सकते हैं।