汇总数据

此工具集包含用于计算所定义区域边界内栅格图层的某些统计数据的工具。

• 汇总范围内的栅格会计算位于所定义区域边界内的栅格像元的统计数据。

分析模式

这些工具可帮助您确定、量化并显示数据的空间模式。

• 计算密度会对某一现象的已知量进行处理，并将这些量散布到整个地图上，以创建密度地图。
• 插值点会根据一组点的测量结果来预测新位置上的值。

计算密度

密度分析会对某一现象的已知量进行处理，并将这些量散布到整个地图上，以创建密度地图。例如，您可以使用此工具来显示发生雷击或龙卷风的概率、医疗设施的利用率以及人口密度。

插值点

该工具用于根据一组点的测量结果来预测新位置上的值。该工具对具有数值的点数据进行处理，并返回按预测值分类的区域。例如，借助该工具，您可以根据各个雨量计的测量结果来预测某一分水岭内的降雨量级别。

邻近分析

这些工具可帮助您回答在空间分析中提出的一个最普遍问题：“什么在什么附近？”

• 计算距离用于计算距离单个源或一组源的欧氏距离、方向和分配。
• 确定最佳行程成本网络用于计算一组输入区域的最佳成本网络。
• 确定行程成本路径折线用于计算源和已知目的地之间的最低成本折线路径。

计算距离

计算距离单个源或一组源的欧氏距离、方向和分配。可使用此工具确定某个位置距离道路、建筑物或公园的距离。还可以确定必须从某个位置的哪个方向行驶才能以最直接的方式返回源。可在研究区域中查看每个位置的最接近源。

确定最佳行程成本网络

计算一组输入区域的最佳成本网络。

确定行程成本路径折线

计算源和已知目的地之间的最低成本折线路径。

分析影像

以下工具可帮助您分析影像。

• 应用栅格函数模板通过栅格函数模板指定的函数链来处理影像。
• 监测植被会根据对波段执行的算术运算监测影像内的植被。

应用栅格函数模板

通过栅格函数模板指定的函数链来处理影像。

监测植被

对多波段栅格图层的波段执行算术运算，以显示研究区域的植被覆盖度信息。

分析 Terrain

这些工具会帮助您分析栅格表面。

• 计算坡度用于计算地形的陡度。
• 派生坡向用于计算每个位置坡度最陡的方向。
• 创建视域用于确定从景观上任何一点所能看到的内容。
• 集水区用于计算地表上标识位置上方的汇流区域。

计算坡度

确定显示输入高程数据的坡度的表面。坡度表示各数字高程模型 (DEM) 像元的高程变化率。

派生坡向

标识从每个像元到其相邻像元方向上值的变化率最大的下坡方向。坡向可以被视为坡度方向。

创建视域

确定栅格表面上对一组观察点可见的位置。

集水区

确定栅格中一组像元之上的汇流区域。

管理数据

这些工具用于地理数据的日常管理以及在分析之前合并数据。

• 提取栅格会裁剪掉栅格数据集的某些部分，以便进一步分析。
• 重映射值会将不同的值分配给栅格像元。
• 要素转栅格会栅格化矢量数据。
• 栅格转要素会矢量化栅格数据。

提取栅格

根据不同数据集的值、形状或范围从栅格中提取像元。

重映射值

将单个像元值或像元值范围更改为新值。

要素转栅格

根据现有要素数据集创建新栅格数据集。

栅格转要素

根据现有栅格数据集创建新要素数据集。

工具集深度学习

这些工具可用于检测影像中的特定要素或对栅格数据集中的像素进行分类。深度学习是一种人工智能机器学习方法，可以使用神经网络中的多个图层检测影像中的要素，其中每个图层都能提取影像中的一个或多个唯一要素。这些工具使用经过训练的模型检测第三方深度学习框架（例如 TensorFlow、CNTK 和 Keras）中的特定要素和输出要素或类地图。

• 使用深度学习对像素进行分类可以使用经过训练的深度学习模型生成分类栅格。
• 使用深度学习检测对象可以使用经过训练的深度学习模型生成要素类，该要素类包含输入栅格中的对象。

使用深度学习对像素进行分类

用于运行输入栅格上的训练深度学习模型，以生成分类栅格，其中每个有效像素都被分配了一个类标注。

使用深度学习检测对象

用于运行输入栅格上的训练深度学习模型，以生成包含其找到对象的要素类。这些要素可以是所找到对象周围的边界框或面，也可以是对象中心的点。