摘要資料

此工具集包含一個工具，可用於計算您定義的區域邊界內的點陣圖層的部分統計資料。

• 摘要點陣範圍可計算定義的區域邊界內之點陣儲存格的統計資料。

分析模式

這些工具可幫助您辨識、量化並可視化數據的空間模式。

• 計算密度取某一現象的已知數量，並將這些量散佈到整個地圖以建立密度地圖。
• 插值點工具可根據一組點的測量結果預測新位置上的值。

計算密度

密度分析取某一現象的已知數量，並將這些量散佈到整個地圖以建立密度地圖。例如，您可以使用此工具顯示發生雷擊或龍捲風的機率、醫療設施的利用率以及人口密度。

插值點

該工具用於根據一組點的測量結果預測新位置上的值。該工具對具有數值的點資料進行處理，並傳回按預測值分類的區域。例如，借助該工具，您可以根據各個雨量計的測量結果預測某一分水嶺內的降雨量級別。

使用鄰域分析

這些工具可以協助您回答在空間分析中，最常提出的一個問題：「什麼在什麼附近？」

• 計算距離可從單一或一組來源計算歐幾里德距離、方向和分配。
• 決定最佳的行進成本網路可計算一組輸入地區的最佳成本網路。
• 判定行進成本路徑為折線可計算來源與已知目的地之間的最低成本折線路徑。

計算距離

從單一或一組來源計算歐幾里德距離、方向和分配。您可以使用此工具來判定位置與道路、建築物或公園的距離。您也可以決定必須從位置的哪個方向行進，以便從最直線的路徑返回原點。您可以在研究區域中查看每個最近來源位置。

決定最佳的行進成本網路

計算一組輸入地區的最佳成本網路。

判定行進成本路徑為折線

計算來源與已知目的地之間的最低成本折線路徑。

分析圖片

下列工具可協助您分析圖片。

• 套用點陣函數樣板會使用點陣函數樣板指定的函數或函數鏈結來處理您的影像。
• 監控植被可根據頻段上的算術運算來偵測圖片內的植被。

套用點陣函數樣板

使用點陣函數樣板指定的函數鏈結來處理您的影像。

監控植被

在多頻段點陣圖層的頻段上執行算術運算，以透露研究區域的植被涵蓋範圍資訊。

分析地形

這些工具可協助您分析點陣表面。

• 計算坡度可計算地形的陡度。
• 衍生部分可計算每個位置最陡峭的坡度方向。
• 建立視域可識別從景觀上的任何點可看到的景物。
• 流域可計算表面上的識別位置上方的貢獻區域。

計算坡度

識別表面，其顯示輸入高程資料的坡度。坡度表示每一個數值高程模型 (DEM) 儲存格的高程變更比率。

衍生部份

識別每個儲存格至其鄰里值的最大變動比率的下波方向。可將「部份」想像成波度方向。

建立視域

決定一組觀察者可看見的點陣表面上位置。

分水嶺

可決定一個點陣中一組儲存格上方的貢獻區域。

管理數據

這些工具用於地理資料的日常管理，以及在分析之前合併資料。

• 擷取點陣可裁掉點陣資料集的部分以進一步分析。
• 重新製圖值可將不同值指派給點陣儲存格。
• 將圖徵轉換為點陣可點陣化向量資料。
• 將點陣轉換為圖徵可向量化點陣資料。

擷取點陣

根據值、形狀，或不同資料集的範圍來擷取儲存格。

重新製圖值

將個別儲存格值或儲存格值範圍儲存為新值。

將圖徵轉換為點陣

從現有的圖徵資料集建立新的點陣資料集。

將點陣轉換為圖徵

從現有的點陣資料集建立新的圖徵資料集。

工具集深度學習

這些工具是用來偵測圖片中的特定圖徵，或用來分類點陣資料集內的像素。深度學習是一種人工智慧機器學習方法，可在類神經網路中使用多個圖層來偵測影像的圖徵，其中的每個圖層可擷取圖片中一或多個唯一圖徵。這些工具利用經過培訓的模型，可用來偵測第三方深度學習架構（例如 TensorFlow、CNTK 和 Keras）中的特定圖徵，並輸出圖徵或類別地圖。

• 使用深度學習以分類像素可使用培訓的深度學習模型來產生分類的點陣。
• 使用深度學習以偵測物件可使用培訓的深度學習模型來產生圖徵類別，包含它在輸入點陣中找到的物件。

使用深度學習以分類像素

Runs a trained deep learning model on an input raster to produce a classified raster, with each valid pixel having a class label assigned.