图表是一种重要的分析工具，它能够以图形的形式描述多个变量表格和栅格数据的特征。 ArcGIS Pro 中的制图功能可用于为这些变量选择地理数据。 此功能可使您对变量和地理关系进行深入了解。 例如，对于栅格数据，您可以按选定的感兴趣区域（如农田）探索变量，并探索不同作物类型在生长期内的影像光谱特征。
在探索矢量、栅格和影像数据时，绘图工具有许多相似之处。 您可以基于矢量数据可视化属性的散点图，并检查散点图中变量之间的相关性，就像您可以分析影像中光谱波段之间的相关性一样。
矢量和影像数据分析的图表使用方式通常是不同的，具体视数据类型而定。 例如，对于矢量数据，您可能有兴趣检查变量之间的相关性以建立和量化关系；而在影像中，您的兴趣在于减少要素提取操作使用的波段之间的相关性。 此外，表格数据和分类栅格数据是离散的，而影像数据是连续的。 数据类型的这种差异是有关每种类型在图表中处理和分析方式的基础。
关于影像和栅格图表
遥感影像和分析栅格数据包含有关其所表示的地理位置的可靠信息。 影像中的每个像素都是表示地理位置的光谱和空间测量。 通常有三个以上的信息波段表示所显示要素的光谱特征样本。 对于科学数据，它可能是多时间数据，允许您在特定位置的多个时间范围内调查多个变量。 将影像或科学数据视为栅格是可视化和了解数据的最常见方式；然而，与视觉地图视图不同的演示可以使事情变得更为清晰，尤其是在比较与两个或更多感兴趣要素相关的细节或在整个时间内检查模式时。
旨在探索多光谱影像中光谱要素特征的图表对于影像而言是独一无二的。 栅格图使用影像元数据来正确描绘波段的光谱波长，并使用此信息指定用于比较和分析的像素组。 此功能可基于遥感和图像处理方法的要素提取设计来派生栅格产品，例如植被健康和水质地图。 在对连续的影像数据进行处理以产生派生的分类数据产品之后，便可以使用基于矢量的图表进行进一步分析。
系统提供 5 种类型的影像和栅格图表：影像条形图、影像直方图、影像散点图、光谱图和时态图。
图像条形图
可以使用条形图来可视化分类栅格数据的分布。 例如，可以使用条形图来了解每个土地覆被类别中的像素数量，或者属于特定风险类的总面积。 借助影像条形图，可以可视化每个类别中专题栅格数据的分布。 栅格必须具有属性表，才能使用条形图。
影像直方图
使用影像时，通常需要了解图像中包含的信息类型。 波段中值的统计分布可使您深入了解传感器的工作状况以及采集图像时存在的条件。 它还提供了描述图像质量重要方面特征的指标。 借助影像直方图，可以可视化并分析该波段的像素分布。 影像直方图分析包括统计测量，如分布的偏度、平均值和中值图，以及用于显示标准差的条柱。
影像散点图
散点图描绘了要素数据的光谱信息，可用于对各图中信息的两个波段进行可视化。 由此可帮助了解波段信息的相关或不相关程度，并通知突出显示影像中感兴趣要素的不同波段组合选择。 如果不同波段中的像素高度相关，则图像分类可能仅需要几个波段。 如果波段散点图显示包含多个要素的像素是可分离的，则表示这些波段极有可能用于图像分类。
散点图对于分析变换影像数据中的特征（例如缨帽、主成分分析和各种指数）也很有用。 散点图分布内的要素位置可使您深入了解植被健康和作物成长期或火灾后的火伤严重性等现象。
光谱图
光谱图可用于选择影像上的区域或地面要素，并查看影像中所有波段的光谱信息。 由此可提供该区域中感兴趣要素的光谱指纹。 例如，如果您要对两块农田进行比较以确定其是否包含相同的作物，则可以从每块田地中选择一个区域并显示光谱图中各块田地每个波段的像素值汇总信息。 通过查看每个图表中的平均值、标准差须线及其在光谱中的位置，查看光谱特征的差异。 还可以绘制非光谱波段，这对于分析栅格数据集中指数或数据的可视化至关重要。 绘制此波段可以根据各个要素的波段信息来确定光谱特征是否相似或可分离。
光谱图对于了解要素的光谱特征、区分特征以及验证图像是否正确处理十分有用。 可用于协助设计执行大气校正的栅格函数，或预处理用于影像分类的影像。
时态图
时态图可用作时间序列中影像数据的分析工具。 利用时态图可视化随时间的变化，可以同时显示趋势，并与变量、波段或其他维度值进行比较。 例如，您可以对作物的植被活力在成长期的变化进行可视化，或者对多个年份内的作物的植被活力进行比较。
借助时态图图表中的功能，您可以执行趋势分析、深入了解给定位置的多维栅格数据，并以折线图的形式绘制随时间变化的值。 时态图采用交互式设计，选择时态图上的一个点会将地图显示无缝切换到提取点值的时间片，因此导航数据将会更加方便。 时态图可用于涉及栅格数据时间序列分析的各种科学应用。
像素时间序列变化浏览器
像素时间序列变化浏览器允许您使用连续变化检测和分类 (CCDC) 方法或基于 Landsat 的干扰和恢复趋势检测 (LandTrendr) 方法，以确定单个像素值随时间的变化。 这样，您可以在对整个数据集运行使用 CCDC 分析变化或使用 LandTrendr 分析变化之前，优化模型参数以关注特定的变化事件。 例如，您可以直观地看到林区中的像素随时间变化的方式，以及对火灾或严重干旱等环境影响进行响应的方式。
