Lista de herramientas de geoprocesamiento de ArcGIS Image Analyst—ArcGIS Pro

La extensión ArcGIS Image Analyst proporciona un amplio conjunto de herramientas de geoprocesamiento en ArcGIS Pro.

Herramientas de geoprocesamiento

Con la extensión Image Analyst se proporcionan una gran cantidad de herramientas de geoprocesamiento. Estas herramientas se agrupan en categorías de funcionalidades relacionadas en la siguiente tabla y en los conjuntos de herramientas asociados.

Detección de cambio

El conjunto de herramientas Detección de cambios contiene la siguiente herramienta que realiza la detección de cambios entre dos datasets ráster.

Herramientas del conjunto de herramientas Detección de cambios
Herramienta	Descripción
Analizar cambios usando CCDC	Evalúa los cambios en los valores de píxel a lo largo del tiempo utilizando el método Clasificación y detección de cambios continuas (CCDC) y genera un ráster de análisis de cambios que contiene los resultados del modelo.
Analizar cambios usando LandTrendr	Evalúa los cambios en los valores de píxel a lo largo del tiempo utilizando el método de detección de tendencias de perturbación y recuperación basado en Landsat (LandTrendr) y genera un ráster de análisis de cambios que contiene los resultados del modelo.
Calcular cambio de ráster	Calcula la diferencia absoluta, relativa, categórica o espectral entre dos datasets ráster.
Detectar cambios con ráster de análisis de cambios	Genera un ráster que contiene información de cambios de píxel utilizando el ráster de análisis de cambios de salida de la herramienta Analizar cambios usando CCDC o la herramienta Analizar cambios usando LandTrendr.

Clasificación y reconocimiento de patrones

Las herramientas Clasificación y Reconocimiento de patrones buscan, identifican y cuantifican patrones en los datos de imágenes. Puede realizar un análisis estadístico clásico y de clasificación y regresión de imágenes con aprendizaje automatizado en datasets ráster segmentados y basados en píxeles. Se proporcionan herramientas adicionales para realizar conjuntos de entrenamiento y precisión de clasificación y refinamiento de los mapas de clase. En la siguiente tabla se muestra una lista de las herramientas de clasificación y reconocimiento de patrones disponibles y se proporciona una breve descripción de cada una de ellas.

Herramientas del conjunto de herramientas Clasificación y reconocimiento de patrones
Herramienta	Descripción
Clasificar ráster	Clasifica un dataset ráster según un archivo de definición de clasificador de Esri (.ecd) y las entradas del dataset ráster. El archivo .ecd contiene toda la información necesaria para realizar un tipo concreto de clasificación admitida por Esri. Las entradas de esta herramienta deben coincidir con las entradas utilizadas para generar el archivo .ecd necesario.
Clasificar ráster utilizando espectros	Clasificar un dataset ráster multibanda con técnicas de coincidencia espectral. Los datos espectrales de entrada se pueden proporcionar como una clase de entidad de punto o un archivo .json.
Calcular matriz de confusión	Calcula una matriz de confusión con errores de omisión y comisión y deriva un índice de acuerdo kappa, una intersección sobre combinación (IoU) y una precisión global entre el mapa clasificado y los datos de referencia.
Calcular atributos de segmento	Calcula un conjunto de atributos asociados con la imagen segmentada. El ráster de entrada puede ser una imagen segmentada de 8 bits, de una sola banda o de 3 bandas.
Crear puntos de evaluación de precisión	Crea puntos de muestra de forma aleatoria para la evaluación de exactitud posterior a la clasificación.
Generar muestras de entrenamiento a partir de puntos de semillas	Genera automáticamente muestras de entrenamiento a partir de puntos de semilla como, por ejemplo, puntos de evaluación de la precisión o puntos de muestras de entrenamiento. Un caso de uso típico es la generación de muestras de entrenamiento a partir de una fuente existente como, por ejemplo, un ráster temático o una clase de entidad.
Inspeccionar muestras de entrenamiento	Estima la precisión de muestras de entrenamiento individuales. La precisión de la validación cruzada se calcula utilizando el resultado de entrenamiento de clasificación generado previamente en un archivo .ecd y las muestras de entrenamiento. Las salidas incluyen un dataset ráster que contiene los valores de clase mal clasificados y un dataset de muestras de entrenamiento con la puntuación de la exactitud para cada muestra de entrenamiento.
Espectral lineal sin mezclas	Realiza la clasificación por subpíxeles y calcula la abundancia fraccionaria de los diferentes tipos de cobertura de suelo de los píxeles individuales.
Predecir con modelo de regresión	Predice valores de datos con la salida de la herramienta Entrenar modelo de regresión de árboles aleatorios.
Eliminar artefactos de teselas de segmento de ráster	Corrige segmentos u objetos cortados por límites de teselas durante el proceso de segmentación realizado como función ráster. Esta herramienta resulta útil en ciertos procesos regionales, como la segmentación de imágenes, presentan incoherencias cerca de los límites de las teselas de imagen. Este paso de procesamiento se incluye en la herramienta Segmentación (desplazamiento medio). Solo se debe utilizar en imágenes segmentadas que no se hayan creado con esa herramienta.
Segmentación (desplazamiento medio)	Agrupa los píxeles adyacentes que tienen características espectrales similares en segmentos.
Preparar clasificador de clúster ISO	Genera un archivo de definición de clasificador de Esri (.ecd) utilizando la definición de clasificación de Clúster ISO.
Entrenar clasificador de los K vecinos más cercanos	Genera un archivo de definición de clasificador de Esri (.ecd) utilizando el método de clasificación de los K vecinos más cercanos.
Preparar clasificador de máxima verosimilitud	Genera un archivo de definición de clasificador de Esri (.ecd) utilizando la definición de clasificación del Clasificador de máxima verosimilitud (MLC).
Preparar clasificador de árboles aleatorios	Genera un archivo de definición de clasificador de Esri (.ecd) utilizando el método de clasificación de árboles aleatorios.
Entrenar modelo de regresión de árboles aleatorios	Modela la relación entre las variables explicativas y un dataset objetivo mediante un análisis de árboles aleatorios.
Preparar clasificador de máquina de vectores de soporte	Genera un archivo de definición de clasificador de Esri (.ecd) utilizando la definición de clasificación de Máquina de vectores de soporte (SVM).
Actualizar puntos de evaluación de la precisión	Actualiza el campo Target en la tabla de atributos para comparar los puntos de referencia con la imagen clasificada.

Aprendizaje profundo

Las herramientas de aprendizaje profundo detectan entidades en imágenes empleando varias capas de redes neuronales artificiales, en las que cada capa es capaz de extraer una o varias entidades únicas de la imagen. En la siguiente tabla se enumeran las herramientas de aprendizaje profundo y se proporciona una breve descripción de cada una:

Herramientas del conjunto de herramientas Aprendizaje profundo
Herramienta	Descripción
Clasificar objetos con aprendizaje profundo	Ejecuta un modelo de aprendizaje profundo entrenado en un ráster de entrada y una clase de entidad opcional para generar una clase de entidad o tabla en la que cada objeto o entidad de entrada tenga asignada una etiqueta de clase o categoría.
Clasificar píxeles con aprendizaje profundo	Ejecuta un modelo de aprendizaje profundo entrenado en un ráster de entrada para generar un ráster clasificado, donde cada píxel válido tiene una etiqueta de clase asignada.
Calcular precisión para la detección de objetos	Calcula la precisión de un modelo de aprendizaje profundo comparando los objetos detectados por la herramienta Detectar objetos con aprendizaje profundo con los datos de la realidad del terreno.
Detectar cambio utilizando aprendizaje profundo	Ejecuta un modelo de aprendizaje profundo entrenado para detectar cambios entre dos rásteres.
Detectar objetos con aprendizaje profundo	Ejecuta un modelo de aprendizaje profundo entrenado en un ráster de entrada para generar una clase de entidad con los objetos que encuentre. Las entidades pueden ser cuadros o polígonos de delimitación alrededor de los objetos encontrados o puntos en el centro de los objetos.
Exportar datos de formación para aprendizaje profundo	Convierte datos de vectores o datos ráster etiquetados en datasets de entrenamiento de aprendizaje profundo utilizando imágenes de teledetección. La salida es una carpeta de chips de imagen y una carpeta de archivos de metadatos en el formato especificado.
Extraer entidades mediante modelos de IA	Ejecuta uno o varios modelos de aprendizaje profundo preentrenados en un ráster de entrada para extraer entidades y automatizar el procesamiento posterior de las salidas con inferencias.
Supresión no máxima	Identifica entidades duplicadas de la salida de la herramienta Detectar objetos con aprendizaje profundo como un paso posterior al procesamiento, y genera una nueva salida en donde se han eliminado las entidades duplicadas.
Entrenar un modelo de aprendizaje profundo	Entrena un modelo de aprendizaje profundo utilizando la salida de la herramienta Exportar datos de entrenamiento para aprendizaje profundo.
Entrenar con AutoDL	Entrena un modelo de aprendizaje profundo creando tuberías de entrenamiento y automatizando gran parte del proceso de entrenamiento, incluido el aumento de datos, la selección de modelos, el ajuste de hiperparámetros y la deducción del tamaño del lote.

Extracción

El conjunto de herramientas Extracción permite extraer un subconjunto de píxeles de un ráster mediante los atributos de píxel o su ubicación espacial.

Herramientas del conjunto de herramientas Extracción
Herramienta	Descripción
Muestra	Crea una tabla o una clase de entidad de punto que muestrea los valores de las celdas de un ráster, o conjunto de rásteres, para detectar ubicaciones definidas. Las ubicaciones se definen por celdas ráster, puntos, polilíneas o polígonos.

Interpolación

El conjunto de herramientas de interpolación permite interpolar distintos tipos de datos.

Herramientas del conjunto de herramientas Interpolación
Herramienta	Descripción
Interpolar a partir de puntos espaciotemporales	Interpola datos puntuales temporales en un ráster multidimensional.
Interpolación óptima	Asimila estadísticamente datos combinados de múltiples fuentes para producir un ráster de salida interpolado.

Álgebra de mapas

El álgebra de mapas es una forma de realizar un análisis espacial mediante la creación de expresiones en un lenguaje algebraico. Las expresiones se crean con la herramienta Calculadora ráster, que permite escribir expresiones que generan como salida un dataset ráster. La calculadora ráster crea y ejecuta una expresión de álgebra de mapas única válida en Python.

Para obtener más información sobre la calculadora ráster, consulte Vista general del conjunto de herramientas Álgebra de mapas

Matemática

Se proporcionan más de 60 herramientas matemáticas para realizar operaciones matemáticas en datasets ráster. Estas herramientas están agrupadas en áreas funcionales:

General
Condicional
Lógica
- Bit a bit
- Booleano
- Combinatoria
- Lógica
- Relacional
Trigonométrica

Matemática (general)

Las herramientas de Matemática general aplican una función matemática a la entrada. Estas herramientas se dividen en varias categorías. Las herramientas aritméticas realizan operaciones matemáticas básicas, como adición y multiplicación. Existen herramientas que realizan varios tipos de operaciones de potenciación, incluidas las operaciones exponenciales y logarítmicas además de las operaciones de potencia básicas. Las herramientas restantes se utilizan para la conversión de signos o para la conversión entre tipos de datos enteros y de punto flotante. En la siguiente tabla figuran las herramientas de matemática general disponibles y una breve descripción de cada una:

Herramientas del conjunto de herramientas de matemática general
Herramienta	Descripción
Valor absoluto	Calcula el valor absoluto de las celdas en un ráster.
Dividir	Divide los valores de dos rásteres celda por celda.
Exponencial en base e (Exp)	Calcula el exponencial en base e de las celdas de un ráster.
Exponencial en base 10 (Exp10)	Calcula el exponencial en base 10 de las celdas de un ráster.
Exponencial en base 2 (Exp2)	Calcula el exponencial en base 2 de las celdas de un ráster.
Flotante	Convierte el valor de cada celda de un ráster en una representación de punto flotante.
Entero	Convierte cada valor de celda de un ráster a un entero mediante truncamiento.
Logaritmo neperiano (Ln)	Calcula el logaritmo natural (base e) de las celdas en un ráster.
Logaritmo en base 10 (Log10)	Calcula el logaritmo base 10 de las celdas en un ráster.
Logaritmo en base 2 (Log2)	Calcula el logaritmo base 2 de las celdas en un ráster.
Menos	Sustrae el valor del segundo ráster de entrada del valor del primer ráster de entrada celda por celda.
Módulo	Encuentra el resto (módulo) del primer ráster cuando se divide por el segundo ráster celda por celda.
Cambio de signo	Cambia el signo (se multiplica por -1) de los valores de celda del ráster de entrada celda por celda.
Más	Agrega (suma) los valores de dos rásteres celda por celda.
Potencia	Eleva los valores de celda en un ráster a la potencia de los valores encontrados en otro ráster.
Redondeo hacia abajo	Devuelve el valor entero inmediatamente más bajo, representado como un punto flotante, con cada celda de un ráster.
Redondeo hacia arriba	Devuelve el valor entero inmediatamente más alto, representado como un punto flotante, con cada celda de un ráster.
Cuadrado	Calcula el cuadrado de los valores de celda en un ráster.
Raíz cuadrada	Calcula la raíz cuadrada de los valores de celda de un ráster.
Multiplicación	Multiplica los valores de dos rásteres celda por celda.

Matemática (condicional)

Las herramientas de Matemática condicional permiten controlar los valores de salida según las condiciones establecidas en los valores de entrada. Las condiciones que se pueden aplicar son de dos tipos, consultas sobre los atributos o una condición basada en la posición de la declaración condicional en una lista. La siguiente tabla enumera las herramientas de Matemática condicional disponibles y proporciona una breve descripción de cada una:

Herramientas del conjunto de herramientas de matemática condicional
Herramienta	Descripción
Evaluación Condicional	Realiza una evaluación condicional if/else en cada una de las celdas de entrada de un ráster de entrada.
Elección	El valor de un ráster de posición se utiliza para determinar desde qué ráster de una lista de rásteres de entrada se obtendrá el valor de la celda de salida.
Establecer nulos	Cambia las ubicaciones de píxeles identificadas a NoData según los criterios especificados. Devuelve NoData si una evaluación condicional es verdadera y devuelve un valor especificado por otro ráster si es falsa.

Matemática (lógica)

Las herramientas de Matemática lógica evalúan los valores de las entradas y determinan los valores de salida según la lógica booleana. Estas herramientas procesan datasets ráster en cinco categorías principales: bit a bit, booleana, combinatoria, lógica y relacional. La siguiente tabla enumera las herramientas de Matemática lógica disponibles y proporciona una breve descripción de cada una:

Herramientas de matemática bit a bit
Herramienta	Descripción
Bitwise And	Ejecuta la operación Bitwise And (Y bit a bit) sobre los valores binarios de dos rásteres de entrada.
Bitwise Left Shift	Ejecuta una operación del método Bitwise cambio izquierda sobre los valores binarios de dos rásteres de entrada.
Bitwise Not	Lleva a cabo una operación Bitwise Not (complemento) sobre el valor binario de un ráster de entrada.
Bitwise Or	Lleva a cabo una operación Bitwise Or sobre los valores binarios de dos rásteres de entrada.
Bitwise Right Shift	Ejecuta una operación Bitwise cambio derecha sobre los valores binarios de dos rásteres de entrada.
Bitwise XOr	Lleva a cabo una operación Bitwise eXclusive Or sobre los valores binarios de dos rásteres de entrada.

Herramientas de matemática booleana
Herramienta	Descripción
Booleana And	Realiza una operación Booleana And sobre los valores de celda de dos rásteres de entrada. Si los dos valores de entrada son verdaderos (distintos de cero), el valor de salida es 1. Si una o ambas entradas son falsas (cero), la salida es 0.
Booleana Not	Realiza una operación booleana Not (complementario) sobre los valores de celda del ráster de entrada. Si los valores de entrada son verdaderos (distintos de cero), el valor de salida es 0. Si los valores de entrada son falsos (cero), la salida es 1.
Booleana Or	Realiza una operación booleana Or sobre los valores de celda de dos rásteres de entrada. Si uno o ambos valores de entrada son verdaderos (distintos de cero), el valor de salida es 1. Si los dos valores de entrada son falsos (cero), la salida es 0.
Booleana XOr	Ejecuta una operación booleana Or exclusiva sobre los valores de celda de dos rásteres de entrada. Si un valor de entrada es verdadero (distinto de cero) y el otro es falso (cero), la salida es 1. Si los dos valores de entrada son verdaderos o los dos son falsos, la salida es 0.

Herramientas de matemática combinatoria
Herramienta	Descripción
Combinatoria And	Ejecuta una operación Combinatoria And (y) sobre los valores de celda de dos rásteres de entrada. Si ambos valores de entrada son verdaderos (distintos de cero), la salida es un valor diferente para cada combinación única de los valores de entrada. Si una o ambas entradas son falsas (cero), el valor de salida es 0.
Combinatoria Or	Ejecuta una operación Combinatoria Or (o) sobre los valores de celda de dos rásteres de entrada. Si alguno de los valores de entrada es verdadero (distintos de cero), la salida es un valor diferente para cada combinación única de los valores de entrada. Si ambas entradas son falsas (cero), el valor de salida es 0.
Combinatoria XOr	Ejecuta una operación Combinatoria Exclusiva Or (o) sobre los valores de celda de dos rásteres de entrada. Si uno de los valores de entrada es verdadero (distinto de cero) y el otro es falso (cero), la salida es un valor diferente para cada combinación única de valores de entrada. Si ambas entradas son verdaderas o si ambas son falsas, el valor de salida es 0.

Herramientas de matemática relacional
Herramienta	Descripción
Igual que	Realiza una operación relacional de igualdad sobre dos entradas en una base de celda a celda. Devuelve un 1 para las celdas donde el primer ráster es igual al segundo ráster y un 0 para las celdas donde no lo es.
Mayor que	Realiza una operación relacional mayor que sobre dos entradas en una base de celda a celda. Devuelve 1 para las celdas donde el primer ráster es mayor que el segundo ráster y 0 para las celdas si no lo es.
Mayor o Igual que	Realiza una operación relacional mayor o igual que sobre dos entradas en una base de celda a celda. Devuelve 1 para las celdas donde el primer ráster es mayor o igual que el segundo ráster y 0 si no lo es.
Menor que	Realiza una operación relacional menor que sobre dos entradas en una base de celda a celda. Devuelve 1 para las celdas donde el primer ráster es menor que el segundo ráster y 0 si no lo es.
Menor o igual que	Realiza una operación relacional menor o igual que sobre dos entradas en una base de celda a celda. Devuelve 1 para las celdas donde el primer ráster es menor o igual que el segundo ráster y 0 donde no lo es.
No igual	Realiza una operación relacional de desigualdad sobre dos entradas a través de cada celda individual. Devuelve 1 para las celdas donde el primer ráster no es igual al segundo ráster y 0 para las celdas donde es igual.

Herramientas de matemática lógica
Herramienta	Descripción
Diff	Determina qué valores de la primera entrada son lógicamente diferentes de los valores de la segunda entrada en una base celda a celda. Si los valores en las dos entradas son diferentes, el valor de la primera entrada es la salida. Si los valores en las dos entradas son iguales, la salida es 0.
InList	Determina qué valores de la primera entrada se incluyen en un conjunto de otras entradas, a través de cada celda individual. Para cada celda, si el valor del primer ráster de entrada se encuentra en alguna de las listas de las otras entradas, ese valor se asignará al ráster de salida. Si no se encuentra, la celda de salida será NoData.
Es nulo	Determina qué valores del ráster de entrada son NoData a través de cada celda individual. Devuelve un valor de 1 si el valor de entrada es NoData y 0 para las celdas que no lo son.
Sobre	Para los valores de celda en la primera entrada que no son 0, el valor de salida será el de la primera entrada. Donde los valores de celda son 0, la salida será la del segundo ráster de entrada.
Probar	Ejecuta una evaluación booleana del ráster de entrada con una expresión lógica. Cuando la expresión da resultado true, el valor de celda es 1. Si la expresión es false, el valor de la celda de salida es 0.

Matemática (trigonométrica)

Las herramientas de Matemática trigonométrica realizan varios cálculos trigonométricos en los valores en un ráster de entrada. La siguiente tabla enumera las herramientas de Matemática trigonométrica disponibles y proporciona una breve descripción de cada una.

Herramientas del conjunto de herramientas de Matemática trigonométrica
Herramienta	Descripción
Arcocoseno (ACos)	Calcula el coseno inverso de celdas en un ráster.
Arcocoseno hiperbólico (ACosH)	Calcula el coseno inverso hiperbólico de celdas en un ráster.
Arcoseno (ASin)	Calcula el seno inverso de celdas en un ráster.
Arcoseno hiperbólico (ASinH)	Calcula el seno inverso hiperbólico de celdas en un ráster.
Arcotangente (ATan)	Calcula la tangente inversa de celdas en un ráster.
Arcotangente (x/y) (ATan2)	Calcula la tangente inversa hiperbólica de celdas en un ráster.
Arcotangente hiperbólica (ATanH)	Calcula la tangente inversa hiperbólica de celdas en un ráster.
Coseno (Cos)	Calcula el coseno de celdas en un ráster.
Coseno hiperbólico (CosH)	Calcula el coseno hiperbólico de celdas en un ráster.
Seno (Sin)	Calcula el seno de celdas en un ráster.
Seno hiperbólico (SinH)	Calcula el seno hiperbólico de celdas en un ráster.
Tangente	Calcula la tangente de celdas en un ráster.
Tangente hiperbólica (TanH)	Calcula la tangente hiperbólica de celdas en un ráster.

Imágenes en movimiento

El conjunto de herramientas Imágenes en movimiento contiene herramientas para administrar, procesar y analizar imágenes en movimiento, incluidos datos de Full Motion Video. La siguiente tabla enumera las herramientas del conjunto de herramientas Imágenes en movimiento y proporciona una breve descripción de cada una.

Herramientas del conjunto de herramientas Imágenes en movimiento
Herramienta	Descripción
Extraer fotogramas de vídeo a imágenes	En este ejemplo se extraen fotogramas de vídeo y metadatos asociados de una transmisión de vídeo FMV y se guardan los datos en un directorio.
Metadatos de vídeo a clase de entidad	Extrae los metadatos de plataforma, centro de fotograma, contorno de fotograma y atributos de un vídeo FMV y los guarda en un directorio.
Video Multiplexer	Crea un archivo de vídeo que combine un archivo de transmisión de vídeo archivado y un archivo de metadatos asociado sincronizado por una marca de tiempo.

Análisis multidimensional

Las herramientas del conjunto de herramientas Análisis multidimensional permiten realizar análisis en datos científicos a través de varias dimensiones y variables. La siguiente tabla enumera las herramientas de Análisis multidimensional y proporciona una breve descripción de cada una.

Herramientas del conjunto de herramientas Análisis multidimensional
Herramienta	Descripción
Agregar ráster multidimensional	Genera un dataset ráster multidimensional al combinar variables de ráster multidimensional existentes a lo largo de una dimensión.
Estadísticas móviles dimensionales	Calcula las estadísticas en una ventana móvil de datos multidimensionales a lo largo de una dimensión especificada.
Hallar estadísticas de argumentos	Extrae el valor de dimensión o el índice de banda en el que se consigue una determinada estadística para cada píxel de un ráster multidimensional o multibanda.
Generar anomalía multidimensional	Calcula la anomalía de cada porción en un ráster multidimensional existente para generar un nuevo ráster multidimensional.
Generar ráster de tendencia	Estima la tendencia de cada píxel a lo largo de una dimensión para una o varias variables de un ráster multidimensional.
Componentes principales multidimensionales	Reduce el número de componentes que puede justificar la varianza del ráster multidimensional en su totalidad para que resulte fácil identificar los patrones espaciales y temporales.
Predecir con ráster de tendencia	Calcula un ráster multidimensional previsto utilizando el ráster de tendencia de salida de la herramienta Generar ráster de tendencia.
Resumir ráster de categorías	Genera una tabla que contiene el recuento de píxeles de cada clase, en cada porción de un ráster de categorías de entrada.

Superponer

La herramienta del conjunto de herramientas Superposición realiza varias operaciones en varios rásteres superpuestos. La siguiente tabla enumera las herramientas Superposición disponibles y proporciona una breve descripción de cada una:

Herramientas del conjunto de herramientas Superposición
Herramienta	Descripción
Suma ponderada	Superpone varios rásteres al multiplicar cada uno por su peso y sumar los resultados.

Estadísticas

Utilice estas funciones para realizar operaciones de ráster estadísticas por zonas, por vecindades o localmente. La siguiente tabla enumera las herramientas que realizan el análisis condicional y proporciona una breve descripción de cada una.

Herramientas del conjunto de herramientas Estadísticas.
Herramienta	Descripción
Estadísticas de celdas	Calcula una estadística por celda de rásteres múltiples. Las estadísticas disponibles son Mayoría, Máximo, Valor medio, Mediana, Mínimo, Minoría, Percentil, Rango, Desviación estándar, Suma y Variedad.
Hallar estadísticas de argumentos	Extraiga el valor de dimensión (por ejemplo, la fecha, altura o profundidad) a la que se alcanza una estadística específica en la pila de rásteres en un dataset ráster multidimensional.
Estadísticas focalizadas	Para cada ubicación de celda de entrada, calcula una estadística de los valores dentro de una vecindad especificada alrededor de ella.
Estadísticas zonales	Resume el valor de un ráster dentro de las zonas de otro dataset.
Estadísticas zonales como tabla	Resume los valores de un ráster dentro de las zonas de otro dataset y reporta los resultados como una tabla.

Radar de apertura sintética

Conjunto de herramientas de geoprocesamiento de ArcGIS que contiene herramientas que corrigen, procesan y habilitan el análisis de datos de radar de apertura sintética (SAR). La siguiente tabla muestra las herramientas Rada de apertura sintética disponibles y proporciona una breve descripción de cada una de ellas.

Herramientas del conjunto de herramientas Radar de apertura sintética
Herramienta	Descripción
Aplicar corrección de terreno geométrica	Ortorrectifica los datos de radar de apertura sintética (SAR, por sus siglas en inglés) de entrada mediante un algoritmo de retrogeocodificación de rango Doppler.
Aplicar corrección de órbita	Actualiza la información orbital en el dataset de radar de apertura sintética (SAR) utilizando un archivo vectorial de estado de órbita (OSV) más preciso.
Aplicar calibración radiométrica	Convierte la reflectividad de radar de apertura sintética (SAR) de entrada en unidades físicas de retrodispersión normalizada normalizando la reflectividad con un plano de referencia.
Aplicar aplanamiento de terreno radiométrico	Corrige los datos de radar de apertura sintética (SAR) de entrada correspondientes a distorsiones radiométricas debido a la topografía.
Calcular índices SAR	Calcula varios índices SAR, como el índice de vegetación por radar (RVI), el índice de degradación forestal por radar (RFDI) y el índice de estructura del follaje (CSI).
Convertir unidades SAR	El conjunto de herramientas Radar de apertura sintética contiene herramientas que corrigen, procesan y habilitan el análisis de datos SAR.
Crear composición de color	Crea un dataset ráster de tres bandas a partir de un dataset ráster multibanda.
Eliminar ruido	Corrige los datos de radar de apertura sintética (SAR) de entrada correspondientes al moteado, que es el resultado de una iluminación coherente que tiene un aspecto similar a un efecto granulado o de sal y pimienta.
Detectar objetos oceánicos luminosos	Detecta posibles objetos brillantes fabricados por el hombre -como barcos, plataformas petrolíferas y molinos de viento- al tiempo que enmascara los datos del radar de apertura sintética (SAR) fuera de la región de interés.
Detectar áreas oceánicas oscuras	Identifica posibles píxeles oscuros pertenecientes a vertidos de petróleo o algas, y agrupa estos píxeles, al tiempo que enmascara los datos del radar de apertura sintética (SAR) fuera de la región de interés.
Descargar archivo de órbita	Descarga los archivos de órbita actualizados para los datos de radar de apertura sintética (SAR) de entrada.
Multiaspecto	Promedia los datos de entrada del radar de apertura sintética (SAR) por miradas en rango y acimut para aproximar píxeles cuadrados, eliminar motas y reducir el tiempo de procesamiento de la herramienta SAR.
Eliminar ruido térmico	Corrige alteraciones de retrodispersión ocasionadas por el ruido térmico en los datos de radar de apertura sintética SAR de entrada, lo que resulta en una imagen más fluida.

Utilidades

El conjunto de herramientas Utilidades contiene herramientas para el procesamiento previo y posterior de imágenes y productos derivados.

Herramientas del conjunto de herramientas Superposición
Herramienta	Descripción
Crear máscara binaria	El conjunto de herramientas Utilidades contiene herramientas para el procesamiento previo y posterior de imágenes y productos derivados.

Temas relacionados

¿Algún comentario sobre este tema?