Summarize Data

The Summarize Data toolset contains tools that calculate total counts, lengths, areas, and basic descriptive statistics of features and their attributes within areas or near other features.

• Aggregate Points calculates statistics about points that fall within specified areas or bins.
• Build Multi-Variable Grid generates a grid of square or hexagonal bins and calculates values for each bin based on the proximity of each input layer.
• Describe Dataset calculates a summary of your input, and can optionally generate a sample of your input layer.
• Join Features calculates statistics about features that share a spatial, temporal, or attribute relationship with other features.
• Reconstruct Tracks calculates statistics about points or polygons that belong to the same track and reconstructs inputs into tracks.
• Summarize Attributes calculates statistics about feature or tabular data that share attributes.
• Summarize Within calculates statistics for area features and attributes that overlap each other.

Agreguj punkty

Przy użyciu warstwy obiektów punktowych i warstw obiektów powierzchniowych lub koszy zdefiniowanych dla podanej odległości to narzędzie ustala, które punkty znajdują się w danym obszarze lub koszu i oblicza statystyki dotyczące wszystkich punktów w każdym obszarze lub koszu. Opcjonalnie w tym narzędziu można zastosować okna czasowe.

Poniżej podano przykłady:

• Na podstawie miejsc wystąpienia przestępstw oblicz liczbę przestępstw w danym powiecie lub innej jednostce podziału administracyjnego.
• Wyszukaj najwyższe i najniższe miesięczne dochody placówek franczyzowych przy użyciu koszy obejmujących 100 km.

Buduj siatkę wielu wartości

Narzędzie Buduj siatkę wielu zmiennych generuje siatkę kwadratowych lub sześciokątnych koszy i oblicza zmienne dla dowolnego kosza w oparciu o bliskość jednej lub kilku warstw wejściowych.

Poniżej podano przykłady:

• Korzystając z różnych warstw infrastruktury transportu określ, która część miasta jest najsłabiej dostępna dla osób korzystających z transportu publicznego.
• Korzystając z warstw dróg wodnych, takich jak jeziora i rzeki, określ nazwę akwenu najbliższego względem dowolnej lokalizacji na terenie Stanów Zjednoczonych.
• Korzystając z warstwy dochodów gospodarstw domowych określ te obszary na terenie Stanów Zjednoczonych, dla których zróżnicowanie dochodów w promieniu 80 km jest największe.

Opisz zestaw danych

Umożliwia podsumowanie obiektów wejściowych z użyciem statystyk, przykładowych warstw i wizualizacji. Można wybrać opcję wyświetlania warstwy przykładowej lub warstwy zasięgu.

Przykłady:

• Do obliczonej statystyki sumarycznej można odwołać się w celu objaśnienia wartości zawartych w zestawie danych.
• Zamiast wyświetlać cały zestaw danych, można utworzyć warstwę podzbioru, aby wizualizować obiekty i ich atrybuty po dodaniu do mapy.
• Pozwala to oszczędzić czas i zasoby oraz przeprowadzić analizę na warstwie przykładowej przed wykonaniem analizy dotyczącej całego zestawu danych.

Połącz obiekty

Używając warstw obiektowych lub danych tabelarycznych, można połączyć obiekty i rekordy na podstawie określonych relacji między warstwami i tabelami wejściowymi. Połączenia będą ustalane na podstawie relacji przestrzennych, czasowych lub atrybutowych. Opcjonalnie można obliczyć statystyki zbiorcze.

Poniżej podano przykłady:

• Na podstawie miejsc wystąpienia przestępstw z podanym czasem połącz ze sobą dane o przestępczości, określając przestrzenną relację przestępczości w obrębie 1 kilometra, które wystąpiły w ciągu 1 godziny, aby określić, czy istnieje sekwencja przestępstw zbliżonych do siebie w czasie i przestrzeni.
• Na podstawie tabeli kodów pocztowych z danymi demograficznymi oraz obiektów powierzchniowych reprezentujących budynki mieszkalne połącz dane demograficzne z budynkami, tak aby informacja demograficzna była przypisana do każdego budynku.

Rekonstruuj ścieżki

Korzystając z zawierającej dane czasowe warstwy obiektów punktowych lub poligonowych reprezentujących moment czasu, to narzędzie określa, które obiekty wejściowe należą do ścieżki i sekwencyjnie porządkuje dane wejściowe w czasie. Opcjonalnie obliczane są statystyki dotyczące obiektów wejściowych w każdej ścieżce.

Poniżej podano przykłady:

• Na podstawie lokalizacji punktowych i czasu pomiarów huraganu oblicz średnią prędkość wiatru i maksymalny napór wiatru dla danego huraganu.
• Korzystając z odczytów GPS statków, odtwórz trasy statków w postaci linii.

Sumuj atrybuty

To narzędzie podsumowuje statystyki dla podanych pól przy użyciu danych obiektowych lub tabelarycznych.

Poniżej podano przykłady:

• Na podstawie lokalizacji sklepów spożywczych z polem COMPANY_NAME (nazwa firmy) podsumuj sklepy według nazwy firmy w celu określenia statystyk dla każdej firmy.
• Na podstawie lokalizacji sklepów spożywczych z polami COMPANY_NAME (nazwa firmy) i COUNTY (powiat) zsumuj dane sklepów według nazwy firmy i powiatu, aby określić statystyki dla każdej firmy w każdym powiecie.

Sumuj w obrębie

Umożliwia wyszukiwanie obszarów (i części obszarów) nakładających się na siebie dwóch warstw i obliczenie statystyk dotyczących ich pokrycia.

Poniżej podano przykłady:

• Mając warstwę zlewni i warstwę obszarów użytkowania terenu według typu użytkowania terenu, oblicz całkowity areał typów użytkowania terenu dla każdej zlewni.
• Podsumuj średnią wartość działek na sprzedaż w obrębie każdego miasta na podstawie warstwy z działkami w danym powiecie oraz warstwy z granicami miejskimi.

Wykryj zdarzenia

To narzędzie działa z zawierającą dane czasowe warstwą punktów, linii, obszarów lub tabel reprezentujących momenty w czasie. Za pomocą uporządkowanych sekwencyjnie obiektów nazywanych ścieżkami narzędzie to wskazuje obiekty będące interesującymi zdarzeniami. Zdarzenia są określane na podstawie podanych warunków.

Poniżej podano przykłady:

• Wykryj pomiary huraganów kategorii 4 na podstawie atrybutu prędkości wiatru.
• Korzystając z odczytów GPS dotyczących ruchu statku oraz pola określającego jego prędkość, znajdź pomiary, które są większe niż 1,5 razy średnia z poprzednich pięciu pomiarów.

Analiza zależności przestrzennych

Narzędzia te pomagają w identyfikacji, ocenie ilościowej oraz wizualizacji wzorców przestrzennych w istniejących w danych.

• Oblicz Zagęszczenie to narzędzie wykorzystujące dane ilościowe dotyczących danego zjawiska i rozmieszczające te wartości liczbowe na mapie.
• Narzędzie Znajdź lokalizacje hot spot identyfikuje statystycznie istotne zgrupowania w zależnościach przestrzennych Twoich danych.
• Narzędzie Znajdź klastry punktów znajduje klastry obiektów punktowych wśród otaczającego szumu w oparciu o ich rozkład przestrzenny.
• Narzędzie Klasyfikacja i regresja oparta na zespołach drzew decyzyjnych modeluje i generuje prognozy z użyciem dostosowanego algorytmu losowych zespołów drzew decyzyjnych (lasów) — opracowanego przez Leo Breimana — będącego przykładem metody nadzorowanego samouczenia się maszyn.
• Narzędzie Generalizowana regresja liniowa służy do generowania prognoz lub modelowania zmiennej zależnej w kontekście jej relacji z zestawem zmiennych objaśniających.

Oblicz zagęszczenie

Narzędzie Oblicz zagęszczenie tworzy mapę zagęszczenia z obiektów punktowych poprzez odpowiednie rozmieszczenie na powierzchni mapy znanych wartości wyrażających dane zjawisko (reprezentowane przez atrybuty punktów). W wyniku powstaje warstwa obszarów reprezentujących zagęszczenie.

Poniżej podano przykłady:

• Obliczanie liczby szpitali w określonym powiecie. Warstwa wynikowa będzie przedstawiać obszary o dużej i niskiej dostępności szpitali — informacja ta może zostać wykorzystana w procesie podejmowania decyzji o budowie nowych szpitali.
• Identyfikacja obszarów wysokiego zagrożenia pożarami lasów na podstawie lokalizacji wcześniejszych pożarów lasów
• Lokalizacja społeczności zamieszkujących tereny oddalone od głównych dróg w celu wyznaczenia przebiegu nowych dróg

Znajdź klastry punktów

Narzędzie Znajdź klastry punktów znajduje klastry obiektów punktowych wśród otaczającego szumu w oparciu o ich rozkład przestrzenny.

Poniżej podano przykłady:

• Znajdź klastry gospodarstw domowych zaatakowanych przez szkodniki w celu ich zwalczania.
• Powiadamiaj o zagrożeniach i podejmuj działania ratunkowe oraz ewakuacyjne w oparciu o rozmiar i lokalizację klastrów używających ulokowanych przestrzennie wpisów z serwisu Twitter powiązanych z zagrożeniami naturalnymi lub atakami terrorystycznymi.

Znajdź lokalizacje hot spot

Narzędzie Znajdź lokalizacje hot spot ustala, czy w relacjach przestrzennych danych użytkownika istnieją statystycznie istotne klastry.

• Czy Twoje punkty (reprezentujące przestępstwa, drzewa, wypadki drogowe) rzeczywiście są zgrupowane? Masz absolutną pewność?
• Czy naprawdę udało Ci się ustalić, jakie są statystycznie istotne lokalizacje hot spot (wydatki, umieralność noworodków, systematycznie wysokie wyniki testów) czy może Twoja mapa przedstawiałaby zupełnie inne zależności, gdyby zmienione zostały użyte symbole?

Klasyfikacja i regresja oparta na zespołach drzew decyzyjnych

Narzędzie Klasyfikacja i regresja oparta na zespołach drzew decyzyjnych modeluje i generuje prognozy z użyciem dostosowanego algorytmu losowych zespołów drzew decyzyjnych (lasów) — opracowanego przez Leo Breimana — będącego przykładem metody nadzorowanego samouczenia się maszyn.

Przykłady:

• Mając dane dotyczące występowania trawy morskiej oraz pewną liczbę środowiskowych zmiennych objaśniających, które są reprezentowane w postaci wzbogaconych przy użyciu siatki wielu zmiennych atrybutów do obliczania odległości do fabryk znajdujących się w górnym biegu rzeki oraz do głównych portów, można prognozować przyszłe występowanie trawy morskiej na podstawie przewidywanych w przyszłości wartości tych samych środowiskowych zmiennych objaśniających.
• Można rozważyć sytuację, gdy dostępne są dane o wysokości plonów w setkach gospodarstw rolnych na terenie całego kraju oraz inne atrybuty opisujące poszczególne gospodarstwa (liczba pracowników, areał itd.). Korzystając z tych danych, można określić zestaw obiektów reprezentujących gospodarstwa rolne, dla których dane dotyczące wysokości plonów nie są dostępne (znane są jednak wartości wszystkich pozostałych zmiennych), i wygenerować prognozę wielkości zbiorów.
• Wartości danych dotyczących mieszkalnictwa można prognozować na podstawie cen domów, które zostały sprzedane w bieżącym roku. Ceny sprzedaży domów wraz z informacjami o liczbie sypialni, odległości do szkoły, bliskości do głównych dróg, średnim dochodzie i liczbie przestępstw umożliwiają prognozowanie wartości cen sprzedaży podobnych domów.

Generalizowana regresja liniowa

Narzędzie Generalizowana regresja liniowa służy do generowania prognoz lub modelowania zmiennej zależnej w kontekście jej relacji z zestawem zmiennych objaśniających. To narzędzie umożliwia dopasowywanie modeli ciągłych (OLS), binarnych (logistycznych) i dyskretnych (Poissona).

Przykłady:

• Jakie informacje demograficzne przyczyniają się do wysokiego wskaźnika wykorzystania transportu publicznego?
• Czy istnieje dodatni związek między aktami wandalizmu a kradzieżami?
• Które zmienne pozwalają skutecznie prognozować liczbę zgłoszeń na telefon alarmowy? Jakie jest oczekiwane zapotrzebowanie na zasoby związane z reagowaniem w sytuacjach kryzysowych, biorąc pod uwagę prognozy?
• Które zmienne mają wpływ na niskie wskaźniki urodzeń?

Utwórz bufory

Bufor jest obszarem obejmującym swym zasięgiem obszar w określonej odległości od obiektu punktowego, liniowego lub poligonowego.

Poniżej podano przykłady:

• Korzystając z liniowych obiektów rzeki, utwórz bufor dla każdej rzeki o szerokości wynoszącej 50-krotność jej szerokości, aby określić proponowane granice obszaru przybrzeżnego.
• Na podstawie obszarów reprezentujących kraje utwórz bufor dla każdego kraju na 200 mil morskich, aby określić granicę morską.

Manage Data

These tools are used for the day-to-day management of geographic and tabular data.

• Append Data appends features to an existing hosted feature layer.
• Calculate Field creates a new field or modifies an existing field and creates a new layer in your contents.
• Clip Layer copies features that intersect a defined area of interest.
• Copy to Data Store copies data to your ArcGIS Data Store and creates a layer in your contents.
• Dissolve Boundaries merges areas that share a common boundary or attribute value.
• Merge Layers copies all features from two layers into a single result layer.
• Overlay Layers combines two or more layers into a single layer.

Kopiuj do magazynu danych

Kopiuje wejściową warstwę obiektową lub tabelę do aplikacji ArcGIS Data Store i tworzy warstwę w zasobach oprogramowania ArcGIS Enterprise.

Poniżej podano przykłady:

• Skopiuj zbiór plików .csv w udostępnionym pliku dużego zbioru danych do magazynu danych czasowo-przestrzennych w celu wizualizacji.
• Skopiuj obiekty znajdujące się w zasięgu bieżącej mapy przechowywane w magazynie danych czasowo-przestrzennych do relacyjnego magazynu danych.

Oblicz pole

Oblicza wartości dla nowych lub istniejących pól i tworzy warstwę w zasobach oprogramowania ArcGIS Enterprise.

Poniżej podano przykłady:

• Zmodyfikuj istniejące pole o nazwie total (suma) w taki sposób, aby zawierało sumę przychodów z pól total_2016, total_2017 i total_2018.
• Utwórz nowe pole umożliwiające klasyfikowanie poziomów ryzyka na podstawie wartości pól, takich jak windspeed (prędkość wiatru) i pollutant (zanieczyszczenie).

Nałóż warstwy

Łączy co najmniej dwie warstwy w jedną. Nakładanie służy do uzyskania odpowiedzi na jedno z najbardziej podstawowych pytań z dziedziny geografii: Jakie elementy leżą na obszarze czegoś?

Przykłady:

• Które działki znajdują się na obszarze zalewania przez powodzie występujące w ciągu ostatnich 100 lat? (Gdy coś znajduje się „w obrębie” czegoś to znaczy również, że leży na obszarze czegoś.)
• Na jakiego rodzaju glebach prowadzi się określone rodzaje upraw?
• Które studnie znajdują się w obrębie opuszczonych jednostek wojskowych?

Dołącz dane

Dołącza obiekty do istniejącej hostowanej warstwy w zasobach użytkownika platformy ArcGIS Enterprise.

Poniżej podano przykłady:

• Aktualizuj swoją warstwę obiektową Sprzedaż_2018 każdego miesiąca, gdy tylko będą dostępne raporty.
• Dołącz zestawy danych dotyczących śledzenia huraganów pochodzące z lat 2016 i 2017 do głównego zestawu danych dotyczących huraganów.
• Zbierz i dołącz zestawy danych pochodzących z różnych źródeł o odmiennych schematach używających niestandardowego przyporządkowania pól.

Połącz warstwy

Łączy dwie warstwy obiektowe, tworząc jedną warstwę wynikową. Domyślnie uwzględnione zostaną wszystkie pola z łączonych warstw. Można także określić niestandardowe reguły scalania definiujące schemat wynikowy.

Przykłady:

• Scalenie trzech warstw zawierających dane demograficzne dotyczące Anglii, Walii i Szkocji w jedną warstwę dotyczącą Wielkiej Brytanii.
• Połączenie dwóch warstw zawierających informacje o działkach w sąsiadujących powiatach z zachowaniem wyłącznie pól, które mają tę samą nazwę i typ w obu warstwach.

Wzbogać na podstawie siatki wielu zmiennych

Umożliwia efektywne łączenie atrybutów z siatki wielu zmiennych z warstwą punktową, dzięki czemu można szybko dodać duży i zróżnicowany zbiór informacji do danych punktowych na potrzeby dalszej analizy przestrzennej.

Przykłady:

• Mając dostępną warstwę zawierającą miliony przypadków przerw w zasilaniu, można wzbogacić obiekty zdarzeń informacjami na temat typowego użytkowania, negatywnego wpływu na środowisko oraz stanu infrastruktury w celu przeprowadzenia badania związku tych czynników z częstotliwością przerw w zasilaniu.