Mit der Spatial Analyst-Lizenz verfügbar.
Die Erweiterung Spatial Analyst für ArcGIS Pro stellt ein Paket an Werkzeugen und Funktionen für eine umfassende, rasterbasierte räumliche Analyse bereit. Mit dieser Erweiterung können Sie viele verschiedene Datenformate verwenden, um Datasets zu kombinieren, neue Daten zu interpretieren und komplexe rasterbasierte Analysen durchzuführen. Beispiele für die Typen von Analysen, die Sie mit Spatial Analyst durchführen können: Terrain-Analyse, Oberflächenmodellierung, Oberflächeninterpolation, Eignungsmodellerstellung, hydrologische Analyse, statistische Analyse und Bildklassifizierung.
Nachfolgend finden Sie eine kurze Beschreibung der Hauptkomponenten von Spatial Analyst:
Für gewöhnlich erfolgt der Zugriff auf die Spatial Analyst-Funktionen über die Geoverarbeitungswerkzeuge. Diese funktionsreiche Umgebung ermöglicht Ihnen, die Werkzeuge zur Durchführung der Analyse-Tasks zu organisieren und auszuführen. Sie bietet auch einen Mechanismus, um Workflows zu automatisieren, zu dokumentieren und freizugeben.
In der Geoverarbeitungsumgebung können Sie Spatial Analyst-Operationen wie folgt durchführen:
- Ausführen einzelner Werkzeugdialogfelder
- Kombinieren von Werkzeugen mit ModelBuilder, um Workflows zu automatisieren und räumliche Modelle zu erstellen
- Automatisieren von Workflows und Erstellen von neuen Werkzeugen mit Python
Map Algebra ist eine leistungsfähige Algebra-Sprache zur Durchführung von Raster-Analysen. Map Algebra ist vollständig in die Python-Umgebung integriert.
Das Werkzeug Raster berechnen ermöglicht das einfache Erstellen von Map Algebra-Ausdrücken in einem Werkzeugdialogfeld oder in ModelBuilder.
Viele Analyseoperationen sind auch als Raster-Funktionen verfügbar. Lokale Operationen werden direkt auf die Pixel aus einem Raster-Dataset angewendet, die derzeit in der Karte angezeigt werden. Dadurch können Berechnungen on-the-fly durchgeführt werden, was eine sofortige Reaktion beim Zoomen und Schwenken der Daten ermöglicht. Bestimmte Operationstypen sind etwas komplexer oder müssen in mehr Zellen durchgeführt werden, als derzeit angezeigt werden, um sinnvolle Ergebnisse zu erhalten. Diese werden als globale Funktionen bezeichnet.
Der Suitability Modeler ist eine dynamische explorative Umgebung von interagierenden Bereichen, Plots und Karten, mit denen Sie ein besseres Eignungsmodell erstellen können.
Nachfolgend wird die Erläuterung dieser Komponenten von Spatial Analyst in ArcGIS Pro weiter vertieft.
Geoverarbeitungswerkzeuge
Spatial Analyst bietet zahlreiche Geoverarbeitungswerkzeuge zur Durchführung räumlicher Analysen. Zusätzlich zu den reinen Analysewerkzeugen umfassen die allgemeinen Kategorien dieser Werkzeuge auch die Werkzeuge, die grundlegende mathematische und logische Operationen ausführen oder zum Erstellen und Verarbeiten von Raster-Datasets dienen. Werkzeuge mit verwandter Funktionalität sind in Toolsets gruppiert.
Map Algebra und Python
Map Algebra ist vollständig in die Python-Umgebung integriert. Die Syntax für die Erstellung von Map Algebra-Ausdrücken in Python ähnelt der von Raster berechnen, mit der Sie bereits vertraut sind. Die Python-Umgebung in ArcGIS Pro ermöglicht die automatische Befehlsvervollständigung, Skriptfähigkeit und eine zurückgestellte Auswertung.
Raster-Funktionen
In ArcGIS Pro sind die Raster-Funktionen im Bereich "Raster-Funktionen" verfügbar. Mit dem Editor für Raster-Funktionen und den Raster-Funktionsvorlagen können einzelne Raster-Funktionen ähnlich wie bei Geoverarbeitungsmodellen zu einem benutzerdefinierten Verarbeitungs-Workflow miteinander verkettet werden.
Viele Raster-Funktionen sind direkt verfügbar. Einige Funktionen sind jedoch nur mit einer Lizenz für die Erweiterung Spatial Analyst oder Image Analyst verfügbar. Auf der Hilfeseite der jeweiligen Funktion ist angegeben, ob eine Lizenz erforderlich ist.
Suitability Modeler
Die Konstruktion eines Eignungsmodells ist ein nicht linearer, iterativer Prozess. Der Suitability Modeler stellt in allen Phasen der Eignungsmodellierung analytisches Feedback bereit und ermöglicht ein nahtloses Hin- und Herwechseln zwischen den einzelnen Phasen der Modellentwicklung. Die Erkenntnisse, die Sie in einer Phase des Prozesses gewinnen, können Ihre Entscheidungen in einer anderen Phase beeinflussen. Basierend auf dem unmittelbaren Feedback können Sie fundiertere Entscheidungen treffen, wenn Sie Modellparameter auswählen. Das Ergebnis ist ein größeres Vertrauen in die Modellausgabe, was zu besseren Entscheidungen führt.