Analiza rastera omogućuje vam da izvršite analizu velikih skupova podataka rastera s pomoću programa ArcGIS Image Server. To vam omogućuje da brže analizirate više podataka s pomoću snage poslužitelja. Skupovi alata koji su trenutačno dostupni putem korisničkog iskustva Portal for ArcGIS na jesu Sažmi podatke, Analiziraj uzorke, Upotrijebi blizinu, Analiziraj sliku, Analiziraj teren, Upravljaj podacima i Duboko učenje.
Ovaj skup alata sadrži alat za izračun statistike za sloj rastera unutar granica koje odredite.
Sažmi raster unutar |
Izračunava statistike sažetka za ćelije rastera unutar definiranih područja.
Neki primjeri primjena su sljedeći:
Ovi vam alati pomažu identificirati, kvantificirati i vizualizirati prostorne uzorke u vašim podacima.
Izračunaj gustoću |
Analiza gustoće uzima poznate količine nekog fenomena i stvara kartu gustoće tako da raširi te količine po karti. Primjerice, možete upotrijebiti ovaj alat kako biste prikazali koncentracije udara munje ili tornada, pristup ustanovama zdravstvene skrbi i gustoće populacije.
Interpoliraj točke |
Ovaj vam alat omogućuje predviđanje vrijednosti na novim lokacijama na temelju mjera dobivenih iz skupa točaka. Alat uzima podatke o točkama s vrijednostima na svakoj točki i vraća poligone klasificirane prema predviđenim vrijednostima. Primjerice, možete upotrijebiti ovaj alat za predviđanje razina oborina diljem sliva na temelju mjerenja prikupljenih na pojedinim mjeračima kiše.
Ovi vam alati pomažu odgovoriti na najčešće pitanje u prostornoj analizi: „Što je kraj čega?”
Izračunaj udaljenost |
Izračunava euklidsku udaljenost, smjer i dodjelu iz jednog skupa izvora. Možete upotrijebiti ovaj alat za određivanje koliko je daleko određena lokacija od ceste, zgrade ili parka. Također možete odrediti smjer u kojem trebate putovati od lokacije da biste se najizravnije vratili do izvora. Za svaku lokaciju u vašem radnom području možete vidjeti koji je najbliži izvor.
Utvrdi mrežu optimalnih putnih troškova |
Izračunava mrežu optimalnih troškova iz skupa ulaznih regija.
Utvrdi putanju putnih troškova kao poliliniju |
Izračunava putanju polilinije s najmanjim troškom između izvora i poznatih odredišta.
Sljedeći alat pomaže vam u analiziranju slika.
Primjena predloška funkcije rastera |
Obrađuje vašu snimku lancem funkcija kako je navedeno u predlošku funkcije rastera.
Praćenje vegetacije |
Izvršava računske operacije nad kanalima u sloju višekanalnog rastera kako bi se otkrile informacije o pokrivenosti vegetacije na radnom području.
Ti vam alati pomažu pri analizi površina rastera.
Izračunaj nagib |
Određuje površinu koja prikazuje nagib unesenih podataka o visini terena. Nagib predstavlja stopu promjene visine terena za svaku ćeliju digitalnog modela terena (DEM).
Deriviraj ekspoziciju |
Određuje smjer padine maksimalne stope promjene vrijednosti od pojedine do susjednih ćelija. Ekspozicija se može smatrati smjerom nagiba.
Stvori vidljivost |
Određuje lokacije na površini rastera koje su vidljive skupu promatrača.
Sliv |
Određuje uzvodno područje iznad skupa ćelija u rasteru.
Ovi se alati upotrebljavaju za svakodnevno upravljanje geografskim podacima i kombiniranje podataka prije analize.
Izdvoji raster |
Izdvojite ćelije iz rastera na temelju vrijednosti, oblika ili obuhvata različitih skupova podataka.
Ponovno kartiraj vrijednosti |
Promijenite pojedinačne vrijednosti ćelija ili raspone vrijednosti ćelija u nove vrijednosti.
Pretvori geoobjekt u raster |
Stvorite novi skup podataka rastera iz postojećeg skupa podataka geoobjekta.
Pretvori raster u geoobjekt |
Stvorite novi skup podataka geoobjekta iz postojećeg skupa podataka rastera.
Ti se alati upotreblajvaju za otkrivanje specifičnih geoobjekata na slici ili za klasificiranje piksela u skupu podataka rastera. Duboko učenje vrsta je metode učenja umjetne inteligencije koja otkriva geoobjekte u snimkama pomoću više slojeva u neuronskim mrežama gdje je svaki sloj sposoban izdvojiti jedan ili više jedinstvenih geoobjekata na slici. Ovi alati upotrebljavaju modele koji su obučeni za otkrivanje specifičnih geoobjekata u okvirima dubokog učenja treće strane – kao što su TensorFlow, CNTK i Keras – te izlaznim geoobjektima ili kartama razreda.
Klasificiranje piksela pomoću dubokog učenja |
Pokreće obučeni model dubokog učenja na ulaznom rasteru kako bi proizveo klasificirani raster, a svaki važeći piksel ima dodijeljenu oznaku razreda.
Otkrivanje objekata pomoću dubokog učenja |
pokreće obučeni model dubokog učenja na ulaznom rasteru kako bi proizveo razred geoobjekata koji sadrži objekte koje pronađe. Geoobjekti mogu biti granični okviri ili poligoni oko pronađenih objekata ili točaka u središtima objekata.