ArcGIS Pro で Spatial Analyst をはじめよう

Spatial Analyst のライセンスで利用可能。

ArcGIS Pro 向けの Spatial Analyst エクステンションは、包括的なラスターベースの空間解析を実行するための一連のツールと機能を提供します。このエクステンションでは、さまざまな形式のデータを用いたデータセットの結合、新しいデータの解明、および複雑なラスター処理を実行できます。Spatial Analyst を使用して実行できる解析の例として、テレイン解析、サーフェス モデリング、サーフェスの内挿、適地選定モデリング、水文解析、統計解析、画像分類などがあります。

次に、Spatial Analyst の主なコンポーネントについて簡単な説明を示します。

  • Spatial Analyst の機能にアクセスする一般的な方法は、ジオプロセシング ツールを使用することです。この充実した環境は、解析タスクを実行するために必要なツールを編成して実行することができ、ワークフローの自動化やドキュメント化、共有をするためのメカニズムを提供します。

    ジオプロセシング フレームワークでは、Spatial Analyst の操作を次の方法で実行できます。

    • 個別のツール ダイアログでの実行
    • ModelBuilder を使用したツールの結合による、ワークフローの自動化と空間モデルの作成
    • Python の使用によるワークフローの自動化と新しいツールの作成

  • マップ代数演算は、ラスター解析を実行するための強力な代数演算の言語です。マップ代数演算は、Python 環境に完全に統合されています。

    また、[ラスター演算 (Raster Calculator)] ツールを使用すると、ModelBuilder もしくはツール ダイアログでマップ代数演算式を簡単に作成できます。

  • 多くの解析処理は、ラスター関数として実行できます。ローカルの操作は、現在マップに表示されているラスター データセットのピクセルに直接適用されます。これにより、計算をすぐに実行できるため、データのズームや移動を行うとすぐに応答します。特定の種類の処理は、さらに複雑であったり、意味のある結果を得るために現在表示されているセルよりも多くのセルで実行する必要があったりします。これらはグローバル関数と呼ばれます。

  • 適合性モデラーは、最適な適合性モデルの作成に役立つウィンドウ、散布図、マップを操作するダイナミックな探索的環境です。

ArcGIS Pro で利用できる Spatial Analyst の各コンポーネントを次で詳しく説明します。

ジオプロセシング ツール

Spatial Analyst は、空間解析処理を実行するための多くのジオプロセシング ツールを提供します。これらのツールの一般的なカテゴリには、解析を目的とするツールに加え、基本的な算術演算と論理演算を実行するツールや、ラスター データセットの作成と処理を実行するツールが含まれます。ツールは、関連する機能ごとにツールセットにグループ化されています。

Spatial Analyst ツールボックス
[Spatial Analyst] ツールボックスのツールセット

マップ代数演算と Python

マップ代数演算は、Python 環境に完全に統合されています。Python でマップ代数演算式を作成する構文は、ラスター演算での既知の構文とよく似ています。ArcGIS Pro の Python 環境は、コマンドのオートコンプリート、スクリプトの利用範囲の拡張、および遅延実行により、以前にも増して利便性が向上しています。

Python でのマップ代数演算の例
Python でのマップ代数演算の例

ラスター関数

ラスター関数は、ArcGIS Pro の[ラスター関数] ウィンドウからアクセスできます。ラスター関数エディターおよびラスター関数テンプレートを使用すると、ジオプロセシング モデルと同様に、個々のラスター関数を連結してカスタム処理ワークフローを作成できます。

多くのラスター関数は直接使用できますが、多数の関数は、使用のために Spatial Analyst または Image Analyst エクステンションのライセンスが必要です。各関数のヘルプ ページにライセンス要件の記載があります。

適合性モデラー

適合性モデルの構築は非線形の反復的なプロセスです。適合性モデラーは、適合性モデリング プロセスの各段階で解析のフィードバックを提供して、モデル開発の各段階間でのシームレスな前後の移動を可能にします。プロセスのある段階での理解が他の段階で行う決定に影響する場合があります。迅速なフィードバックにより、モデル パラメーターを選択する際に、豊富な情報に基づく決定を行うことができます。その結果、モデル出力に確信を持って、優れた決定を下すことができます。

関連トピック