คำนวณความหนาแน่น

การวิเคราะห์ความหนาแน่นของปริมาณข้อมูล และสร้างแผนที่ความหนาแน่นโดยการกระจายปริมาณเหล่านี้ในแผนที่ ตัวอย่างในการใช้เครื่องมือนี้ ได้แก่ การแสดงจำนวนการเกิดฟ้าผ่าหรือพายุทอร์นาโด การเข้าถึงการสิ่งอำนวยความสะดวกในการดูแลสุขภาพ และความหนาแน่นประชากร

คำนวณจุด

ด้วยเครื่องมือนี้ คุณสามารถคาดการณ์ข้อมูลที่จะเกิดขึ้นในตำแหน่งใหม่ๆ ได้ โดยอ้างอิงจากระยะข้อมูลที่พบในชุดข้อมูลที่สะสมไว้ โดยเครื่องมือนี้จะนำเอาข้อมูลจุดที่มีค่าตัวแปรแต่ละค่า และแก้ไขพื้นที่ให้เป็นไปตามกลุ่มที่มีการคาดการณ์ค่าตัวแปรไว้ ตัวอย่างในการใช้เครื่องมือนี้ ได้แก่ ใช้คาดการณ์ระดับปริมาณฝนในพื้นที่รับน้ำ โดยอ้างอิงจากปริมาณระดับน้ำฝนที่วัดได้ในแต่ละจุด

ใช้การหาด้วยระยะ

เครื่องมือเหล่านี้ช่วยให้คุณตอบคำถามที่พบมากที่สุดในการวิเคราะห์เชิงพื้นที่: “อะไรคือสิ่งที่อยู่ใกล้”

• คำนวณระยะทาง คำนวณระยะทาง Euclidean, ทิศทางและการจัดสรรจากต้นทางเดียวหรือชุดของต้นทาง
• กำหนดโครงข่ายต้นทุนการเดินทางที่ดีที่สุด คำนวณโครงข่ายต้นทุนที่ดีที่สุดจากชุดของส่วนอินพุต
• กำหนดเส้นทางของค่าเดินทางเป็นเส้นรอบ คำนวณเส้นทางเส้นรอบที่มีต้นทุนต่ำที่สุดระหว่างต้นทางและปลายทางที่รู้จัก

คำนวณระยะทาง

คำนวณระยะทาง Euclidean, ทิศทางและการจัดสรรจากต้นทางเดียวหรือชุดของต้นทาง คุณสามารถใช้เครื่องมือนี้เพื่อกำหนดระยะใกล้ไกลของตำแหน่งที่ตั้งไปยังถนน อาคารหรือสวนสาธารณะ คุณยังสามารถกำหนดว่าคุณต้องใช้ทิศทางใดเพื่อเดินทางจากตำแหน่งหนึ่งกลับไปยังต้นทางโดยใช้เส้นทางที่ตรงมากที่สุด คุณสามารถมองเห็นทุกตำแหน่งในพื้นที่ศึกษาของคุณซึ่งเป็นต้นทางที่ใกล้ที่สุด

วิเคราะห์ภูมิประเทศ

เครื่องมือเหล่านี้ช่วยให้คุณสามารถวิเคราะห์พื้นผิวแรสเตอร์

• คำนวนความลาดชัน คำนวณความสูงชันของภูมิประเทศ
• หาทิศทางความลาดชัน คำนวณทิศทางของความลาดชันสำหรับแต่ละสถานที่
• สร้างทัศนวิสัยการมอง ระบุสิ่งที่สามารถมองเห็นได้จากจุดบนภูมิทัศน์ใด ๆ
• ลุ่มน้ำ คำนวณพื้นที่การกระจายเหนือตำแหน่งที่ระบุบนพื้นผิว

คำนวณความลาดชัน

ระบุพื้นผิวแสดงให้เห็นความลาดเอียงของข้อมูลระดับความสูงอินพุต ความลาดชันหมายถึงอัตราการเปลี่ยนแปลงของระดับความสูงสำหรับแต่ละเซลล์ค่าความสูงในรูปแบบดิจิตอล (DEM)

หาทิศทางของความชัน

ระบุทิศทางของความชัน จากค่าที่มีอัตราการเปลี่ยนแปลงข้อมูลจากเซลล์หนึ่งไปยังเซลลด์ข้างเคียง ทิศทางความชัน อาจกล่าวได้ว่าเป็นทิศทางของความลาดชัน

จัดการข้อมูล

เครื่องมือเหล่านี้ใช้ได้กับทั้งการจัดการข้อมูลทางภูมิศาสตร์แบบวันต่อวันและแบบรวบรวมข้อมูลก่อนที่จะนำไปวิเคราะห์

• ตัดราสเตอร์คลิปออกมาบางส่วนจากชุดข้อมูลเชิงภาพสำหรับการวิเคราะห์ต่อไป
• ค่าแผนที่ใหม่กำหนดค่าต่างกันให้กับเซลล์ราสเตอร์
• แปลงฟีเจอร์เป็นราสเตอร์กระบวนการราสเตอร์จากข้อมูลเวกเตอร์
• แปลงราสเตอร์เป็นฟีเจอร์กระบวนการเวกเตอร์จากข้อมูลราสเตอร์

ชุดเครื่องมือการเรียนรู้เชิงลึก

เครื่องมือเหล่านี้ใช้เพื่อตรวจจับฟีเจอร์เฉพาะในภาพหรือเพื่อจำแนกพิกเซลในชุดข้อมูลแบบแรสเตอร์ การเรียนรู้เชิงลึกเป็นวิธีการเรียนรู้ของเครื่องประดิษฐ์อัจฉริยะที่ตรวจจับฟีเจอร์ในภาพโดยใช้หลายชั้นข้อมูลในเครือข่ายประสาทซึ่งแต่ละชั้นสามารถแยกคุณลักษณะเฉพาะอย่างน้อยหนึ่งอย่างในภาพ เครื่องมือเหล่านี้ใช้โมเดลที่ได้รับการฝึกอบรมเพื่อตรวจสอบคุณลักษณะเฉพาะในกรอบการเรียนรู้เชิงลึกของบุคคลที่สามเช่น TensorFlow, CNTK และ Keras และฟีเจอร์เอาท์พุทหรือแผนที่คลาส

• จำแนกพิกเซลโดยใช้การเรียนรู้เชิงลึก สร้างแรสเตอร์ที่จำแนกประเภทโดยใช้โมเดลการเรียนรู้เชิงลึกที่ฝึก
• ตรวจหาวัตถุโดยใช้การเรียนรู้เชิงลึก สร้างคลาสฟีเจอร์ที่มีวัตถุที่ค้นพบแรสเตอร์อินพุตโดยใช้โมเดลการเรียนรู้เชิงลึกที่ฝึก

จำแนกพิกเซลโดยใช้การเรียนรู้เชิงลึก

เรียกใช้งานโมเดลการเรียนรู้เชิงลึกที่ได้รับการฝึกฝนบนแรสเตอร์อินพุตเพื่อสร้างแรสเตอร์แบบแยกประเภทโดยแต่ละพิกเซลที่ถูกต้องจะมีการกำหนดเลเบลของคลาส

ตรวจหาวัตถุโดยใช้การเรียนรู้เชิงลึก

สั่งงานโมเดลการเรียนรู้เชิงลึกที่ได้รับการฝึกฝนบนแรสเตอร์อินพุตเพื่อสร้างคลาสคุณลักษณะที่มีวัตถุที่พบ ฟีเจอร์ดังกล่าวอาจเป็นกล่องตีกรอบหรือรูปหลายเหลี่ยมรอบวัตถุที่พบหรือชี้ไปที่กึ่งกลางของวัตถุ