A raszterelemzés lehetővé teszi nagy méretű raszteres adathalmazok elemzését az ArcGIS Image Server segítségével. Így a szerver erejét kihasználva több adatot elemezhet gyorsabban. A Portal for ArcGIS portálon keresztül jelenleg a következő eszközkészletek érhetők el: Adatok összegzése, Mintázatok elemzése, Közelség használata, Kép elemzése, Felszínelemzés, Adatok kezelése és deep learning.
Adatok összegzése
Ez az eszközkészlet egy, az Ön által kijelölt határvonalakkal meghatározott területen belül található raszteres réteg néhány statisztikájának kiszámításához használható eszközt tartalmaz.
- A Raszter területen belüli összegzése a kijelölt határvonalakkal meghatározott területen belül eső raszteres cellák statisztikáit számítja ki.
Raszter területen belüli összegzése |
|
Meghatározott területeken belül eső raszteres cellák néhány összefoglaló statisztikáját számítja ki.
Néhány példa az eszköz alkalmazására:
- Adott egy vízgyűjtő területeket tartalmazó réteg és egy raszteres magasságréteg – számítsa ki a magasságtartományt az egyes vízgyűjtő területeken belül, és ez alapján állapítsa meg, hogy melyikeknek lesz a legnagyobb energiájú vízáramlása.
- Adott egy adminisztratív igazgatási egységeket tartalmazó réteg és egy földhasználati kategóriákat tartalmazó raszteres réteg – számítsa ki a földhasználati értékek változatosságát az egyes igazgatási területeken belül, és állapítsa meg, hogy melyikeknél szükséges a legtöbb munka egy kezelési terv meghatározásához.
Mintázatok elemzése
Az alábbi eszközök segítenek azonosítani, mennyiségileg meghatározni és megjeleníteni az adatok térbeli mintázatait.
- A Sűrűség számítása sűrűségtérképet hoz létre bizonyos jelenségek ismert mennyiségeit szétterítve a térképen.
- A Pontok interpolálása pontgyűjteményekben talált mért értékek alapján előre jelzi az értékeket az új helyeken.
Sűrűség számítása |
|
A sűrűségvizsgálat sűrűségtérképet hoz létre bizonyos jelenségek ismert mennyiségeit szétterítve a térképen. Az eszköz használatával kimutathatja például villámcsapások vagy tornádók koncentrációját, egészségügyi intézmények elérhetőségét és a népesség sűrűségét.
Pontok interpolálása |
|
Ezzel az eszközzel pontgyűjteményekben talált mutatók alapján értékeket jelezhet előre új helyeken. Az eszköz egyes értékkel rendelkező pont adatok alapján előre jelzett értékek szerint kategorizált területeket ad eredményül. Az eszköz használatával például csapadékmérők adatai alapján előre jelezheti a csapadék mennyiségét egy vízgyűjtő területen.
Közelség használata
Ezek az eszközök segítenek választ adni a térbeli elemzésnél leggyakrabban feltett kérdések egyikére: „Mi mihez van közel?”
- A Távolság kiszámítása az euklideszi távolságot, irányt és allokációt számítja ki egyetlen forrásból vagy egy forráshalmazból.
- Az Optimális útiköltséghez tartozó hálózat meghatározása az optimális költséghálózatot számítja ki bemeneti régiók halmazából.
- Az Útiköltség-útvonal meghatározása polyline-ként a legkisebb költséggel járó polyline-útvonalat határozza meg kiindulópontok és ismert célpontok között.
Távolság kiszámítása |
|
Az euklideszi távolságot, irányt és allokációt számítja ki egyetlen forrásból vagy egy forráshalmazból. Az eszköz segítségével meghatározhatja, hogy milyen messze van egy hely egy úttól, egy épülettől vagy egy parktól. Azt is meghatározhatja, hogy melyik irányba kell mennie egy helyről ahhoz, hogy a legközvetlenebb úton jusson vissza a kiindulópontra. A vizsgált terület összes helyénél láthatja, hogy melyik a legközelebbi kiindulópont.
Optimális útiköltséghez tartozó hálózat meghatározása |
|
Az optimális költséghálózatot számítja ki bemeneti régiók halmazából.
Útiköltség-útvonal meghatározása polyline-ként |
|
A legkisebb költséggel járó polyline-útvonalat határozza meg kiindulópontok és ismert célpontok között.
Kép elemzése
Az alábbi eszköz képek elemzésében segít.
- A Raszterfunkció-sablon alkalmazása feldolgozza a távérzékelt felvételét a raszterfunkció-sablon által meghatározott funkciólánccal.
- A Növényzeti monitoring a sávokon alkalmazott számtani műveletek alapján felismeri a növényzetet egy képen belül.
Raszterfunkció-sablon alkalmazása |
|
Feldolgozza a távérzékelt felvételét a raszterfunkció-sablon által meghatározott funkciólánccal.
Növényzeti monitoring |
|
Számtani műveletet hajt végre egy többsávos raszteres réteg sávjain, és az adatok alapján feltárja a mintaterület növényzeti borítottságának mértékét.
Felszínelemzés
Ezek az eszközök raszteres felszínek elemzésében segítenek.
- A Lejtőszögszámítás a felszín meredekségét számítja ki.
- A Kitettségszámítás a legmeredekebb lejtő irányát számítja ki minden egyes helyhez.
- A Belátható terület létrehozása meghatározza, hogy mi látható a táj bármely adott pontjáról.
- A Vízgyűjtő terület kiszámítja az összefolyási területet a felszín egy adott pontja felett.
Lejtőszögszámítás |
|
Egy, a bemeneti magasságadatok lejtőszögét megjelenítő felszínt határoz meg. A lejtőszög a magasság változásának mértékét mutatja a digitális magasságmodell (DMM) minden egyes cellájához.
Kitettségszámítás |
|
A szomszédos cellák közötti, legnagyobb mértékű értékváltozáshoz tartozó lejtő irányát határozza meg. A kitettség felfogható lejtésirányként is.
Belátható terület létrehozása |
|
Azokat a helyeket határozza meg egy raszteres felszínen, amelyek egy megfigyelői csoport számára láthatók.
Vízgyűjtő terület |
|
A lefolyási területet határozza meg egy adott raszteren.
Adatok kezelése
Ezek az eszközök földrajzi adatok napi kezelésére és az adatok elemzés előtti egyesítésére egyaránt használhatók.
- A Raszterkinyerés részeket vág ki egy raszteres adathalmazból további elemzés céljára.
- Az Újraleképezési értékek különböző értékeket rendel raszteres cellákhoz.
- A Vektoros elem átalakítása raszterré raszteressé alakít vektoros adatokat.
- A Raszter átalakítása vektoros elemmé vektorossá alakít raszteres adatokat.
Raszterkinyerés |
|
Cellákat nyer ki egy raszterből érték, alak vagy egy eltérő adathalmaz kiterjedése alapján.
Újraleképezési értékek |
|
Egy cellaértéket vagy cellaértékek egy tartományát új értékekké alakít.
Vektoros elem átalakítása raszterré |
|
Új raszteres adathalmazt hoz létre meglévő vektoros adathalmazból.
Raszter átalakítása vektoros elemmé |
|
Új vektoros adathalmazt hoz létre meglévő raszteres adathalmazból.
Deep learning eszközkészlet
Ezek az eszközök egy képben található bizonyos vektoros elemek észlelésére vagy egy raszteres adathalmazban található pixelek osztályozására használhatók. A deep learning egy mesterséges intelligencia gépi tanulási módszer, amely vektoros elemeket ismer fel távérzékelési rétegben úgy, hogy több réteget alkalmaz a neurális hálózatban, ahol minden réteg egy vagy több vektoros elemet képes kinyerni a képből. Ezek az eszközök azokat a tanított modelleket használják fel, amelyek képesek bizonyos vektoros elemeket felismerni harmadik fél deep learning keretrendszereiben (pl. TensorFlow, CNTK és Keras), és kimenetként vektoros elemeket vagy osztálytérképeket hoznak létre.
- A Pixelek osztályozása deep learning használatával eszköz tanított deep learningi modell használatával osztályozott rasztert hoz létre.
- A deep learninget alkalmazó objektumok felismerése eszköz vektoroselem-osztályt hoz létre, amely tartalmazza az eszköz által egy bemeneti raszterben talált, tanított deep learningi modellt alkalmazó objektumokat.
Pixelek osztályozása deep learning használatával |
|
Tanított deep learning modellt futtat egy bemeneti raszteren egy osztályozott raszter létrehozására, ahol minden érvényes pixelnek van hozzárendelt osztály felirata.
Objektumok felismerése deep learning használatával |
|
Deep learning modellt futtat egy bemeneti raszteren egy olyan vektoroselem-osztály létrehozására, amely tartalmazza a talált objektumokat. A vektoros elemek lehetnek az objektum körül található, határoló mezők vagy sokszögek, és lehetnek pontok az objektumok középpontjaiban.