Analiza raster vă permite să efectuaţi analiza seturilor de date raster mari cu ajutorul ArcGIS Image Server. Aceasta vă permite să analizaţi mai multe date mai rapid prin folosirea puterii serverului. Setul de unelte disponibil în prezent prin experiența de utilizator web a Portal for ArcGIS sunt Sumar date, Modele de analiză, Utilizare proximitate, Analiză imagine, Analiză teren, Gestionare date, și Învățare aprofundată.
Acest set de instrumente conţine un instrument pentru a calcula statistici pentru un strat tematic raster aflat între limitele pe care le definiţi.
Rezumare raster în cadrul |
Calculează statistici rezumate pentru celule raster din suprafeţele definite.
Printre exemplele de aplicaţii se numără următoarele:
Aceste instrumente vă ajută să identificaţi, cuantificaţi şi vizualizaţi modele spaţiale din datele dvs.
Calcul densitate |
Analiza densităţii ia cantităţi cunoscute ale unui fenomen şi creează o hartă de densitate prin răspândirea acestor cantităţi pe hartă. Puteţi utiliza acest instrument, de exemplu, pentru a afişa concentraţiile de fulgere şi tornade, accesul la instituţii de sănătate, cât şi densităţile populaţiei.
Interpolare puncte |
Acest instrument vă permite să preziceţi valori în locaţii noi pe baza măsurătorilor găsite într-o colecţie de puncte. Instrumentul ia date punctuale cu valori în fiecare punct şi returnează suprafeţe clasificate în funcţie de valorile prezise. Puteţi utiliza acest instrument, de exemplu, pentru a prezice nivelurile precipitaţiilor dintr-un bazin hidrografic pe baza măsurătorilor efectuate în staţii individuale.
Aceste instrumente vă ajută să răspundeţi la una din cele mai frecvente întrebări puse în analiza spaţială: „Ce se află aproape de ce?”
Calculare distanţă |
Calculează distanța euclidiană, direcția și alocarea dintr-o singură sau un set de surse. Puteți folosi acest instrument pentru a stabili distanța dintre un amplasament și un drum, o clădire sau un parc. De asemenea, puteți stabili direcția în care trebuie să vă deplasați dintr-un amplasament pentru a reveni la o sursă pe cel mai scurt drum. Puteți vedea pentru fiecare amplasament din studiul dvs. care este sursa cea mai apropiată.
Stabilirea rețelei cu costuri optime de deplasare |
calculează rețeaua cu costuri optime dintr-un set de regiuni de introducere.
Determine Travel Cost Path As Polyline |
calculează traseul cu polilinie cu cel mai mic cost dintre surse și destinațiile cunoscute.
Instrumentul de mai jos vă ajută să analizaţi imagini.
Aplică şablon funcţie raster |
Procesează imaginile dvs. cu lanţul de funcţii specificate de şablonul pentru funcţia raster.
Monitorizare vegetaţie |
Efectuează o operaţie aritmetică a benzilor unui strat tematic raster cu benzi multiple pentru a afişa informaţiile privind acoperirea vegetaţiei în zona de studiu.
Aceste instrumente vă ajută să analizaţi suprafeţele raster.
Calculare pantă |
Identifică o suprafaţă care indică panta datelor de elevaţie de intrare. Panta reprezintă rata de modificare a elevaţiei pentru fiecare celulă a modelului digital de elevaţie (DEM).
Derivare aspect |
Identifică direcţia în pantă a ratei maxime de schimbare a valorii din fiecare celulă către vecinii săi. Aspectul poate fi considerat direcţia pantei.
Creare rază vizuală |
Determină locaţiile de pe o suprafaţă raster care sunt vizibile unui set de observatoare.
Bazin hidrografic |
Stabilește zona de contribuție de deasupra unui set de celule dintr-un raster.
Aceste instrumente sunt utilizate atât pentru administrarea de zi cu zi a datelor geografice, cât şi pentru combinarea datelor înainte de analiză.
Extragere raster |
Extrageţi celule dintr-un în baza valorii, formei sau extinderii unui set de date diferit.
Recartografiere valori |
Schimbaţi valorile de celule individuale sau intervalurile de valori de celule la valori noi.
Convertire obiect spaţial în raster |
Creaţi un nou set de date raster dintr-un set de date de obiecte spaţiale existent.
Convertire raster în obiect spaţial |
Creaţi un nou set de date de obiecte spaţiale dintr-un set de date raster existent.
Aceste instrumente sunt folosite pentru a detecta anumite obiecte spațiale dintr-o imagine sau pentru a clasifica pixeli într-un set de date raster. Învățarea profundă este un tip de metodă de învățare mecanică ce folosește inteligența artificială care detectează caracteristicile imaginilor utilizând mai multe straturi în rețele neuronale, unde fiecare strat este capabil să extragă una sau mai multe obiecte spațiale unice în imagine. Aceste instrumente folosesc modelele care au fost antrenate să detecteze anumite obiecte spațiale în cadre terțe de învățare aprofundată - cum ar fi TensorFlow, CNTK și Keras - și produc hărți de obiecte spațiale sau de clase.
Clasificare pixeli folosind învățare aprofundată |
Execută un model de învățare aprofundată antrenat pe un raster de intrare pentru a produce un raster clasificat, cu fiecare pixel valid având o etichetă de clasă atribuită.
Detectare obiecte folosind învățare aprofundată |
Execută un model de învățare aprofundată antrenat pe un raster de intrare pentru a produce o categorie de obiecte spațiale care conține obiectele pe care le găsește. Caracteristicile pot fi reprezentată de dreptunghiurille sau poligoanele de delimitare în jurul obiectelor găsite, sau puncte în centrele obiectelor.