Mehr

Zwei Raster mit unterschiedlichen Zellengrößen mit ArcGIS for Desktop teilen?

Zwei Raster mit unterschiedlichen Zellengrößen mit ArcGIS for Desktop teilen?


Ich habe zwei Raster mit genau derselben Position (jedes Pixel in einem Raster entspricht also dem Pixel im anderen Raster).

Raster A hat eine Auflösung von 6 m pro Pixel. Raster B hat eine Auflösung von 12 m pro Pixel.

Ich möchte Raster A durch Raster B teilen und eine Ausgabe von 6 m pro Pixel erhalten (wie Raster A). Ich versuche dies über ArcMap zu tun und konnte keine Möglichkeit finden, dies zu tun. Jede Methode gibt mir eine Ausgabeauflösung von 12m.

Irgendwelche Ideen oder eine andere empfohlene Methode?


Sie müssen Ihr 12-m-Raster auf 6 m neu abtasten, damit die Aufteilung funktioniert. Die grundlegende Methode besteht darin, das Resample-Tool in der Data Management-Bibliothek zu verwenden.


Sie können auch die Umgebungseinstellungen (unten Ihres Werkzeugs) Ihres Werkzeugs ändern und eine Pixelgröße (Registerkarte Rasteranalyse) von 6 m einstellen oder "Minimum der Eingabe" auswählen (die Standardeinstellung ist die maximale Eingabe). Auf diese Weise müssen Sie kein neues Raster erstellen. Der Vorteil des Resampling selbst besteht natürlich darin, dass Sie die volle Kontrolle über die Resampling-Methode haben (innerhalb der Umgebungseinstellungen ist es der nächste Nachbar).


Arcgis.raster.functions-Modul¶

Mit Rasterfunktionen können Sie Verarbeitungsvorgänge definieren, die auf ein oder mehrere Raster angewendet werden. Diese Funktionen werden während des Zugriffs und der Anzeige der Daten auf die Rasterdaten angewendet. Sie können daher schnell angewendet werden, ohne die Zeit in Kauf nehmen zu müssen, die ansonsten für die Erstellung eines verarbeiteten Produkts auf der Festplatte benötigt würde, für die Rasteranalysetools wie arcgis .raster.analytics.generate_raster kann verwendet werden.

Funktionen können auf verschiedene Raster (oder Bilder) angewendet werden, einschließlich der folgenden:

Raster in Bildebenen

Die Argumente für diese Funktion lauten wie folgt:

Raster – Array von Rastern. Wenn für die Operation ein Skalar benötigt wird, kann der Skalar ein Double oder String sein

Umfang_Typ – einer von „FirstOf“, „IntersectionOf“, „UnionOf“, „LastOf“

cellsize_type – einer von „FirstOf“, „MinOf“, „MaxOf“, „MeanOf“, „LastOf“

astyp – Ausgabepixeltyp

Die Argumente für diese Funktion lauten wie folgt:

Raster – Array von Rastern. Wenn für die Operation ein Skalar benötigt wird, kann der Skalar ein Double oder String sein

Umfang_Typ – einer von „FirstOf“, „IntersectionOf“, „UnionOf“, „LastOf“

cellsize_type – einer von „FirstOf“, „MinOf“, „MaxOf“, „MeanOf“, „LastOf“

astyp – Ausgabepixeltyp


Wendet eine serverseitige Raster-Funktionsvorlage an, die vom Bilddaten-Layer (Image-Service) definiert wird. Der Name der Raster-Funktionsschablone ist in den Bilddaten-Layer-Eigenschaften.rasterFunctionInfos verfügbar.

Funktionsargumente sind optionale Argumentnamen und Standardwerte werden vom Autor der Raster-Funktionsvorlage erstellt und sind der API nicht bekannt. Ein Client kann einfach nur den Namen der Raster-Funktionsvorlage bereitstellen oder optional Argumente zum Überschreiben der Standardwerte bereitstellen. Weitere Informationen zum Erstellen von serverseitigen Rasterfunktionsvorlagen finden Sie unter <a href=“http://server.arcgis.com/en/server/latest/publish-services/windows/server-side-raster-functions.htm“>Server -seitige Rasterfunktionen</a>.

Raster – das Eingabe-Raster oder die Bildebene

fn_name – Name der serverseitigen Raster-Funktionsvorlage, Siehe Bilddaten-Layer-Eigenschaften.rasterFunctionInfos

Kwargs – Schlüsselwortargumente zum Überschreiben der Standardwerte der Rasterfunktionsvorlage, einschließlich astype


R - Wie genau funktioniert Resampling mit &ldquobilinearer Interpolation&rdquo bei unterschiedlichen Zellengrößen?

Nimmt die bilineare Interpolation von resample oder projectRaster bei Verwendung des Raster-Pakets immer die vier nächsten Schwerpunkte oder berücksichtigt sie Unterschiede in den Zellengrößen?

In der Erklärung zur bilinearen Interpolation beim Resampling unter http://desktop.arcgis.com/en/arcmap/latest/extensions/spatial-analyst/performing-analysis/cell-size-and-resampling-in-analysis.htm, es besagt, dass die vier nächsten Schwerpunkte verwendet werden. Im Beispiel hier sind die Zellengrößen ähnlich. Diese Erklärung bezieht sich nicht direkt auf das Raster-Paket in R, scheint jedoch die am besten zugängliche Erklärung dafür zu sein, wie die bilineare Interpolation in diesen Fällen funktionieren könnte.

Wird eine andere Anzahl von Schwerpunkten verwendet, wenn sich die Zellengrößen in einer (oder beiden) Dimensionen um mehr als den Faktor 2 unterscheiden?

Hier ist beispielsweise ein Raster mit einer höheren Auflösung als das, auf das es neu abgetastet wird:

Hier wird das Raster erstellt, für das projectRaster verwendet werden soll, und dann R1 nach projectRaster, um dem neuen Raster zu entsprechen:

Welche Zellen aus dem hochauflösenden Raster werden berücksichtigt, wenn projectRaster verwendet wird, um die weniger, größeren Zellen zu erstellen? Da die Zellen im hochauflösenden Raster mehr als viermal so klein sind wie die Zellen im niedrigauflösenden Raster, ist die bilineare Interpolation, wenn nur die vier nächstgelegenen Zentroide verwendet werden, möglicherweise nicht so genau repräsentativ, wie es sein könnte, wenn mehr Zellen verwendet würden in Betracht.


GIS-Datenstrukturtypen

ArcGIS speichert und verwaltet geografische Daten in einer Reihe von Formaten. Die drei grundlegenden Datenmodelle, die ArcGIS verwendet, sind Vektor, Raster und TIN. Sie können auch Tabellendaten in ArcGIS importieren.

Vektordatenmodelle repräsentieren geographische Phänomene mit Punkten, Linien und Polygonen.

Punkte sind Paare von XY-Koordinaten, Linien sind Sätze von Koordinatenpaaren, die eine Form definieren, und Polygone sind Sätze von Koordinatenpaaren, die Grenzen definieren, die Bereiche umschließen.

Koordinaten sind normalerweise Paare (x,y) oder Tripletts (x,y,z, wobei z einen Wert wie die Höhe darstellt). Die Koordinatenwerte hängen vom geographischen Koordinatensystem ab, in dem die Daten gespeichert sind.

ArcGIS speichert Vektordaten in Feature-Classes und Sammlungen topologisch verwandter Feature-Classes. Die den Features zugeordneten Attribute werden in Datentabellen gespeichert.

ArcGIS verwendet drei verschiedene Implementierungen des Vektormodells, um Feature-Daten darzustellen: Coverages, Shapefiles und Geodatabases.

Vektordatenmodelle sind nützlich, um diskrete Features wie Gebäude, Rohrleitungen oder Flurstücksgrenzen darzustellen und zu speichern.

Ein Raster-Modell, auch als Raster-Dataset (Bild) bezeichnet, ist in seiner einfachsten Form eine Matrix (Gitter) von Zellen.

Zellengröße

Jede Zelle hat eine Breite und Höhe und ist ein Teil des gesamten Bereichs, der durch das Raster dargestellt wird. Die Abmessungen der Zellen können so groß oder klein wie nötig sein, um die Fläche und die Features innerhalb der Fläche darzustellen, z. B. Quadratkilometer, Quadratmeter oder sogar Quadratzentimeter. Die Zellengröße bestimmt, wie grob oder fein die Muster oder Features in Ihrer Ausdehnung erscheinen. Je kleiner die Zellengröße, desto detaillierter wird der Bereich sein. Je größer jedoch die Anzahl der Zellen ist, desto länger dauert die Verarbeitung und es wird mehr Speicherplatz benötigt. Wenn eine Zellengröße zu groß ist, können Informationen verloren gehen oder subtile Muster können verdeckt werden.

Die Auswahl einer geeigneten Zellengröße ist nicht immer einfach. Sie müssen den Auflösungsbedarf Ihrer Anwendung mit den praktischen Anforderungen an eine schnelle Anzeige, Verarbeitungszeit und Speicherung in Einklang bringen. Im Wesentlichen sind Ihre Ergebnisse in einem GIS nur so genau wie Ihr am wenigsten genaues Dataset. Wenn Sie ein klassifiziertes Dataset verwenden, das aus Landsat-Bildern mit einer Auflösung von 30 Metern abgeleitet wurde, ist die Erstellung eines digitalen Höhenmodells (DEM) oder anderer Zusatzdaten mit einer höheren Auflösung, z. B. 10 Meter, möglicherweise nicht erforderlich. Unten sehen Sie ein Beispiel für denselben räumlichen Bereich, der durch zwei unterschiedliche Zellengrößen dargestellt wird.

Auflösung vs. Maßstab
Die Auflösung eines Raster-Datasets bezieht sich auf die Zellengröße oder den vom Boden bedeckten Bereich, der durch eine einzelne Zelle dargestellt wird. Wenn die von einer Zelle abgedeckte Fläche also 5 x 5 Meter beträgt, beträgt die Auflösung 5 Meter. Je höher die Auflösung, desto kleiner die Zellengröße und desto mehr Details. Dies ist bei der Skalierung umgekehrt.

Zellenstandort

Die Position jeder Zelle wird durch ihre Zeilen- oder Spaltenposition innerhalb der Rastermatrix definiert. Im Wesentlichen wird die Matrix durch ein kartesisches Koordinatensystem dargestellt, wobei die Zeilen der Matrix parallel zur x-Achse und die Spalten zur y-Achse der kartesischen Ebene verlaufen. Die XY-Koordinaten von mindestens einer Ecke des Raster-Datasets müssen bekannt sein, damit es im geografischen Raum lokalisiert werden kann.

Die Georeferenzierung weist den Seitenkoordinaten eines Rasters (Bildes) oder einer planaren Karte Koordinaten aus einem bekannten Referenzsystem zu, z. B. Breiten-/Längengrad, Universal Transverse Mercator (UTM) oder State Plane. Die Georeferenzierung von Rasterdaten ermöglicht die Anzeige, Abfrage und Analyse mit anderen geografischen Daten.

Zellenwert

Jede Zelle hat einen Wert. Dieser Wert stellt das vom Raster-Dataset dargestellte Phänomen dar, z. B. eine Kategorie, eine Größe, eine Entfernung oder ein Spektralwert. Die Kategorie könnte sich auf eine Landnutzungsklasse beziehen, beispielsweise Grünland oder städtisch. Eine Größe kann Schwerkraft, Lärmbelästigung oder Prozent des Niederschlags darstellen. Die Entfernung könnte eine Höhe darstellen, die in eine Neigung umgewandelt oder zur Durchführung einer Sichtlinien- oder Wasserscheidenanalyse verwendet werden könnte. Spektralwerte oder Werte, die Farbe darstellen, existieren in Bildern und Fotografien, wie sie beispielsweise durch Satellitenbilder, Luftbilder oder eine tragbare Digitalkamera erhalten werden.

Zellenwerte können positiv oder negativ, ganzzahlig oder Gleitkommazahlen sein oder sogar einen NODATA-Wert haben, um das Fehlen von Daten darzustellen.
Unten sehen Sie ein Beispiel für ein Raster-Dataset-Bild (eine hochauflösende Spektralansicht von Washington, D.C.).

Vorteile des Rastermodells

  • Eine einfache Datenstruktur—eine Matrix aus Zellen mit Werten, die eine Koordinate darstellt und manchmal mit einer Attributtabelle verknüpft ist.
  • Ein leistungsstarkes Format für intensive statistische und räumliche Analysen.
  • Die Fähigkeit, kontinuierliche Oberflächen darzustellen und Oberflächenanalysen durchzuführen.
  • Die Möglichkeit, Punkte, Linien, Polygone und Flächen einheitlich zu speichern.
  • Fähigkeit, schnellere Überlagerungen (als Vektordatensätze) mit komplexen Daten durchzuführen.
  • Die gleiche zellenbasierte Struktur wird verwendet, um alle Feature-Typen darzustellen, daher können alle Feature-Typen gleich behandelt werden. Diese einheitliche Struktur ermöglicht es Ihnen, eine Vielzahl von geografischen Features in einem Geoverarbeitungsvorgang zu kombinieren (z. B. Abfrage, Überlagerung oder Ausdruck). Sie können eine Oberfläche (Höhe) mit Flächen-Features (Forstwirtschaft), linearen Features (Flüsse und Straßen) und Punkt-Features (Brunnen) in derselben Analyse kombinieren.
  • Die Möglichkeit, die Datensätze entweder mit einer verlustbehafteten oder verlustfreien Komprimierung zu komprimieren.

Nachteile des Rastermodells

  • Inhärente räumliche Ungenauigkeiten aufgrund der zellbasierten Feature-Repräsentation.
  • Datensätze können sehr groß sein.

ArcGIS kann Raster-Datasets in vielen verschiedenen Formaten erkennen und verwenden. Sie können Raster-Datasets wie Features zu einer Karte hinzufügen und diese mit ArcCatalog untersuchen und organisieren.

In einem Triangulated Irregular Network (TIN)-Modell wird die Welt als ein Netzwerk verbundener Dreiecke dargestellt, die zwischen unregelmäßig beabstandeten Punkten mit x-, y- und z-Werten gezeichnet werden. TINs sind eine effiziente Methode zum Speichern und Analysieren von Oberflächen.

Heterogene Oberflächen, die in einigen Bereichen stark und in anderen weniger stark variieren, können mit einer triangulierten Oberfläche in einer gegebenen Datenmenge genauer modelliert werden als mit einem Raster. Das liegt daran, dass viele Punkte dort platziert werden können, wo die Oberfläche stark variabel ist, und weniger Punkte können platziert werden, wo die Oberfläche weniger variabel ist. Da nur die erforderlichen Punkte verwendet werden, bieten TINs auch eine effizientere Methode zum Speichern von Daten. ArcGIS speichert triangulierte Oberflächen als TIN-Datasets. Wie bei Rastern können Sie einer Karte in ArcMap TIN-Datasets hinzufügen und sie mit ArcCatalog verwalten.

Sie können sich ein GIS als eine Datenbank vorstellen, die Geometrie versteht. Wie andere Datenbanken können Sie mit ArcGIS Datentabellen miteinander verknüpfen. Nahezu jede Datentabelle kann mit einer vorhandenen Feature-Class oder einem Raster-Dataset verknüpft werden, wenn sie ein gemeinsames Attribut haben. Beispielsweise können Sie ein Shapefile mit Volkszählungsbezirken mit einem Bezirksnummernfeld und eine Tabellendatei mit zusätzlichen Volkszählungsdaten haben, die auch ein Bezirksnummernfeld enthält. Sie können die Volkszählungsdaten mit der Attributtabelle des Shapefiles verknüpfen und die zusätzlichen Daten zuordnen.

Geokodierung ist ein weiteres Mittel, um tabellarische Daten auf einer Karte zu erhalten. Das vielleicht einfachste Beispiel für Geokodierung ist das Plotten von Punkten basierend auf Tabellen mit geografischen Koordinaten. Sie können beispielsweise die Positionen von Bodenproben basierend auf Breiten- und Längengradwerten grafisch darstellen, die von einem GPS-Empfänger (Global Positioning System) erhalten wurden. Sie können auch Punkte zeichnen, indem Sie Adresstabellen in einem vorhandenen Straßennetz geokodieren.


Zwei Raster mit unterschiedlichen Zellengrößen mit ArcGIS for Desktop teilen? - Geografisches Informationssystem

National Multi Order Hydrologic Position (MOHP – High Resolution) Prädiktordaten für Grundwasser und Grundwasserqualitätsmodellierung 1.0 digitale Rasterdaten

https://doi.org/10.5066/P9ST73KV Kenneth Belitz Richard Moore Terri L. Arnold Jennifer B. Sharpe Jeffrey J. Starn

Hydrologische Position mehrerer Ordnungen in den angrenzenden Vereinigten Staaten: Eine Reihe von Metriken zur Unterstützung der Grundwasserkartierung auf regionaler und nationaler Ebene Veröffentlichung Water Resources Research Volume 53, Issue 12, S. 11188-11207

Amerikanische Geophysikalische Union (AGU)

Diese Daten stehen für Tests als statistische Prädiktoren in regionalen und nationalen Grundwasserströmungs- und Grundwasserqualitätsmodellen zur Verfügung. DSD und LP können einzeln als Prädiktoren oder in Kombination miteinander getestet werden. Der Grund für diese Maßnahmen liegt darin, dass längere Fließwege des Grundwassers beispielsweise eine größere Chance für die Auflösung von Mineralien oder für das Auftreten geochemischer Reaktionen bieten. Auf diese Weise wird erwartet, dass DSD und LP, die je nach Standort und Bachordnung variieren, als potenzielle Prädiktoren für die Grundwasserqualität sowie für die Grundwasserspiegelflächen nützlich sind.

Nach Bedarf -127.857240873 -65.3748244399 51.5120922457 23.2443912389 USGS-Thesaurus Binnengewässer Grundwasser Hydrologische Position Nationale Raster Statistische Prädiktoren Wasserqualität NAWQA Zyklus 3 ISO 19115 Themenkategorie geowissenschaftlicheInformationen Binnengewässer Umgebung

Informationssystem für geografische Namen (GNIS)

Richard B. Moore U.S. Geological Survey Research Hydrologist Postanschrift 331 Commerce Way Pembroke NH

Vereinigte Staaten 603-226-7825 603-226-7894 [email protected]

https://water.usgs.gov/GIS/browse/MOHP_figure.jpg
Bild der Modelldomäne und des aktiven Bereichs des Modells
jpg Förderung durch das Projekt National Water-Quality Assessment (NAWQA). unklassifiziert öffentlich keine DSD- und LP-Raster sowie Feature-Class-Daten (Thiessener Teilung plus Eingabeströme und Wasserkörper) werden in Geodatabases von ArcGIS Version 10.4 gespeichert. Die Downloadzeiten können aufgrund großer Dateigrößen sehr lang sein. Die Dateigrößen reichen von 57 GB für Bestellung 1 bis 7,8 GB für Bestellung 9. U.S. Geological Survey

National Multi Order Hydrologic Position (MOHP) Prädiktordaten für Grundwasser und Grundwasserqualitätsmodellierungsdatensatz ScienceBase Catalog Archive https://www.sciencebase.gov/catalog/item/5b4e34dfe4b06a6dd180272e

Eine formale Genauigkeitsbewertung der horizontalen Positionsinformationen im Datensatz wurde nicht durchgeführt. Eine formale Genauigkeitsbewertung der vertikalen Positionsinformationen im Datensatz wurde entweder nicht durchgeführt oder ist nicht anwendbar.

Nährstoffzufuhr zum Lake Winnipeg aus dem Red-Assiniboine River Basin – Eine binationale Anwendung der SPARROW-Modellpublikation Canadian Water Resources Journal Volume 41, Issue 3 Empfohlene Zitierung: Benoy, GA, Jenkinson, RW, Robertson, DM, und Saad, DA, 2016, Nährstoffzufuhr zum Lake Winnipeg aus dem Red-Assiniboine River Basin – Eine binationale Anwendung des SPARROW-Modells: Canadian Water Resources Journal, Vol. 41, Ausgabe 3, S. 429-447, https://doi.org/10.1080/07011784.2016.1178601. https://doi.org/10.1080/07011784.2016.1178601 Digital und/oder Hardcopy 2016 Veröffentlichungsdatum IJC SPARROW Canada Reaches Supplemental flowlines in Canada (siehe Prozessschritt 2). Regierung von Kanada Natural Resources Canada Earth Sciences Sector

Seen und Flüsse in Kanada - CanVec – Hydro Features digitale Vektordaten https://open.canada.ca/data/en/dataset?organization=nrcan-rncan Digital und/oder Hardcopy 2017 Veröffentlichungsdatum Atlas of Canada Hydro Features Ergänzende Strömungslinien in Kanada (siehe Prozessschritt 2). Arthur N. Strahler

Quantitative Analyse der geomorphologischen Wasserscheiden-Veröffentlichung Eos, Transactions American Geophysical Union Volume 38, Number 6

Amerikanische Geophysikalische Union

Vorgeschlagenes Zitat: Strahler, A.N., 1957, Quantitative analysis of watershed geomorphology: Eos, Transactions American Geophysical Union, Vol. 2, No. 38, Nr. 6, https://doi.org/10.1029/TR038i006p00913. https://doi.org/10.1029/TR038i006p00913 Digital und/oder Hardcopy 195712 Veröffentlichungsdatum Strahler Stream Order Eine Modifikation der Strahler Stream-Bestellnummer (Strahler, 1957), bereitgestellt im NHDPlusV2 Stream Network Dataset, wurde verwendet, um die Streamgröße zu definieren (siehe Prozessschritt 2). Alfred H. Thiessen J. Cecil Alter

Klimatologische Daten für Juli 1911: Distrikt Nr. 10, Great Basin Veröffentlichung Monthly Weather Review Volume 39

Amerikanische Meteorologische Gesellschaft

Zitiervorschlag: Thiessen, AH, und JC Alter, 1911, Klimatologische Daten für Juli 1911: Distrikt Nr. 10, Great Basin: Monthly Weather Review, Juli, 1082–1089, https://doi.org/10.1175/1520- 0493(1911)39%3C1082a:DNGB%3E2.0.CO2. https://doi.org/10.1175/1520-0493(1911)39%3C1082a:DNGB%3E2.0.CO2 Digital und/oder Hardcopy 191107 Erscheinungsdatum Thiessen Polygons Konstruktion modifizierter Thiessen Polygons (siehe Prozessschritt 4). U.S. Environmental Protection Agency (USEPA) U.S. Geological Survey (USGS)

NHDPlus (National Hydrography Dataset Plus) V2 tabellarische digitale Daten https://www.epa.gov/waterdata/nhdplus-national-hydrography-dataset-plus 100000 Digital und/oder Hardcopy 2012 Veröffentlichungsdatum NHDPlus Dataset Die NHDPlus BurnLineEvent-Funktionen (Ereignisbeschreibung) die Teile der NHDFlowline-Features, die für die Wasserkraftverstärkung des NHD-Höhendatensatzes verwendet wurden) waren die Grundlage für Fließwege.

MOHP für die angrenzenden USA wurde in drei Phasen entwickelt: 1) Definition der Stromnetze 2) Abgrenzung der Thiessen-Wasserscheiden und 3) Berechnung von LP und DSD. Python, ArcGIS 10.4 und arcpy wurden verwendet, um die MOHP-Daten für jede dieser drei Phasen zu verarbeiten. Eingangsstromnetzdaten – Die ursprünglichen Eingangsdaten der Quelle stammen aus dem mittelauflösenden (Maßstab 100.000) National Hydrography Dataset Plus Version 2 (NHDPlus V2). Am 28. August 2019 war dieser Datensatz unter http://www.horizonsystems.com/NHDPlus/V2NationalData.php verfügbar. Dieser Datensatz wird in Zukunft verfügbar sein.Die NHDPlus-Daten entwickeln sich jedoch zu einer feineren Auflösung, die unabhängig vom Maßstab die gleichen Schlüsselattribute aufweist. Der MOHP-Produktionsprozess hat daher das Potenzial, mit NHDPlus High Resolution (NHDPlus HR) zu arbeiten (Moore und andere, 2019). Die Skalierung kann die Streamreihenfolge beeinflussen, und NHDPlus HR zeigt eine größere Streamdichte. Und bei größerer Stromdichte wird einigen Reichweiten eine höhere Stromordnung zugewiesen. Schritt 1a – Zusammenstellen von NHDPlusV2-Eingabedaten Flowlines, die den kontinentalen Teil der 48 zusammenhängenden Vereinigten Staaten umfassen, wurden aus der Feature-Class BurnLineEvent ausgewählt, die Teil des NHDPlusV2 im Maßstab 1:100.000 ist. Eine Fließlinie ist ein Segment eines Baches zwischen Zusammenflüssen oder zwischen Änderungen des Feature-Typs (z. B. ein Wechsel zwischen einem künstlichen Pfad innerhalb eines Flusssegments und dem innerhalb eines Teichs innerhalb desselben Pfads). Der Begriff „Flusslinie“ ist dem hydrologischen Begriff „Reichweite“ ähnlich. Wir folgen hier jedoch der Terminologie der NHD- und NHDPlus-Datensätze, bei denen eine Reichweite mehrere Flusslinien enthalten kann (die Reichweitenabgrenzung in NHD und NHDPlus erkennt einige der subtileren Unterschiede zwischen Flusslinien nicht und geht im Allgemeinen von Zusammenfluss zu Zusammenfluss). Der Begriff „vernetzte“ Fließlinien bezieht sich auf Fließlinien, bei denen die Fließrichtung innerhalb der NHDPlusV2-Daten definiert ist. Eine Möglichkeit, vernetzte Fließlinien zu identifizieren, ist das Attribut „Flowdir“ = „with digitalized“. Diese vernetzten Flusslinien bilden die funktionale Grundlage von NHDPlus, wobei Flussbeziehungen zwischen Flusslinien in der NHDPlus-Flusstabelle (PlusFlow) identifiziert und zahlreiche Attribute wie Stream Order berechnet und jeder vernetzten Flusslinie zugewiesen werden. Eine modifizierte Form der vernetzten Flowlines findet sich in der NHDPlusV2-Feature-Class BurnLineEvent. In der Feature-Class BurnLineEvent wurden Oberwasserflusslinien von ihrem ursprünglichen Oberwasserknoten in NHDFlowline (normalerweise 90 Meter, aber manchmal mehr) zurückgeschnitten, um Konflikte mit den Trennlinien (dem HU-12 Watershed Boundary Dataset) zu vermeiden. Es wird davon ausgegangen, dass der HU-12-Datensatz die endgültige Kluftstelle darstellt, und Oberwasserflusslinien sollten diese Kluft normalerweise nicht kreuzen. Aus diesem Grund wurde die BurnLineEvent-Version der vernetzten Flowlines für den Einsatz in der MOHP-Verarbeitung ausgewählt. Es gibt 2.676.996 Flowlines in BurnLineEvent, die sich auf dem kontinentalen Teil der 48 zusammenhängenden Vereinigten Staaten befinden. Dazu gehören 23.324 Flusslinien, die Küsten des Atlantischen oder Pazifischen Ozeans oder der Großen Seen darstellen. Aus dieser Sammlung von Flusslinien sind 104 von der Eingabe in den MOHP-Prozess ausgeschlossen, da sie Aquädukte darstellen (FCODE = 33601, Kanal-/Graben-Aquädukt 42801 oder 42816, Pipeline-Aquädukt oder 55800, nicht in NHDPlus definiert, aber von den Autoren als Teil davon bekannt das kalifornische Aquädukt). Die verbleibenden 2.676.892 Flusslinien wurden mit 110.779 nicht vernetzten Flusslinien mit dem NHDPlus-Attribut FYPE = „StreamRiver“ kombiniert und als Eingabe für die MOHP-Verarbeitung für Stromreihenfolge 1 verwendet. Die 110.779 nicht vernetzten Flusslinien waren von unbekannter Stromreihenfolge und typischerweise isoliert. Sie wurden daher nur als Teil des Inputs für Aufträge zur MOHP-Verarbeitung von Auftrag 1 (die die Fließlinien aller Stream-Aufträge einschließt) berücksichtigt. Kanadische (http://www.geobase.ca/) und mexikanische Gebiete, einschließlich Küstenlinien (digitalisiert für dieses Projekt), die das Potenzial haben, die MOHP-Werte innerhalb der USA für einen bestimmten Auftrag zu beeinflussen, wurden der „Stream“-Funktion des jeweiligen Auftrags hinzugefügt Klasse, die als Teil der Datenfreigabe enthalten ist. Die Daten für Kanada stammen aus veröffentlichten Quellen (Benoy et al., 2016 Government of Canada, 2017). Die digitale Hydrographie für Kanada umfasst das Äquivalent von Flusslinien und Stromreihenfolge. Daher wurden für jede gegebene hydrologische Ordnung geeignete Bäche in Kanada mit dem Stream-Netzwerk in den USA zusammengeführt, um die Thiessen-Wasserscheidenteilungen zu berechnen. Für Mexiko bietet das NHDPlusV2 digitale Darstellungen einiger weniger Bäche, die nahe der Grenze nach Mexiko fließen, aber zum größten Teil war die digitale Hydrographie für Mexiko nicht ohne weiteres verfügbar. So wurden Strom- oder Küstenlinien für Mexiko speziell für die Berechnung von MOHP-Daten digitalisiert. In diesem Prozess wurden die folgenden vereinfachenden Faktoren erkannt: 1. Wo die internationale Grenze durch einen Bach oder Fluss definiert wird, wie zum Beispiel der Rio Grande, kann die Thiessen-Teilung in den USA ohne Angabe von Bächen in Mexiko definiert werden. 2. Bäche, die entlang laufen, aber nicht die internationale Grenze definieren, werden ebenfalls in der NHDPlusV2-Datenbank dargestellt und werden wie oben als Bedingung 1 behandelt. 3. Wenn zwei Ströme die internationale Grenze orthogonal überqueren, wird die Trennung zwischen ihnen durch die Ausdehnung dieser Ströme auf der anderen Seite der internationalen Grenze nur geringfügig beeinflusst und daher wurde die Ausdehnung nach Mexiko ignoriert. Angesichts des Verfahrens zur Generierung der Thiessen-Kluft war es jedoch notwendig, die wichtigsten hydrographischen Merkmale in Mexiko zu digitalisieren, darunter: den Pazifischen Ozean, die Küsten des Golfs von Kalifornien und des Golfs von Mexiko sowie der Colorado River. Diese Zusätze sind besonders wichtig für die Berechnung der MOHP-Daten höherer Ordnung. Als Eingabe für den MOHP-Datenproduktionsprozess wurden auch die Feature-Classes NHDWaterbody und NHDArea aus der NHDPlusV2-Datenbank abgerufen und Features innerhalb des kontinentalen Teils der 48 zusammenhängenden Vereinigten Staaten wurden aus beiden Feature-Classes extrahiert. Die drei Datensätze, bestehend aus ausgewählten Fließlinien (wie in den vorherigen Absätzen beschrieben), Gewässerpolygonen (NHDWaterbody) und Flussgebieten (NHDArea) wurden auf eine USA_Contiguous_Albers_Equal_Area_Conic_USGS_version-Projektion projiziert. Eine einzelne Feature-Class von Seen, Teichen, Stauseen und besonders breiten Flussabschnitten (aus NHDPlusV2) wurde erstellt durch: zuerst Auswahl von FTYPE = See/Teich von NHDWaterbody (Hinweis: in NHDPlusV2 umfasst dies auch die Stauseen entlang von Flüssen) und Schreiben dieser in a separate temporäre Feature-Class, die die 123.017 ausgewählten Features enthält zweite Auswahl von Flussgebieten aus NHDArea, wo die durchschnittliche Breite des Flusses größer oder gleich 600 Meter ist und Schreiben in eine zweite Feature-Class, die diese 39 ausgewählten Features enthält, und dann Zusammenführen der zwei temporäre Feature-Classes zu einer einzigen Feature-Class mit 123.056 Polygon-Features, die als Eingabe für die MOHP-Verarbeitung für alle Aufträge verwendet werden. Das Programm wählt die erforderlichen Polygone zur Verwendung bei der Verarbeitung für jede gegebene Reihenfolge aus. Die Polygon-Feature-Class erhält in dieser Datenfreigabe für jede Stream-Reihenfolge den Namen „Lakes“. Schritt 1b – Weitere Aufbereitung der Eingabedaten für die 9 verschiedenen Ordnungen von MOHP Neun Sätze von Fließlinien werden aus der in Schritt 1 entwickelten Fließlinien-Feature-Class erstellt, um Bäche (oder künstliche Pfade durch Gewässer) darzustellen, die gleich oder höher als jede gegebene Fließgewässerordnung sind (1-9). Die Auswahl der Flusslinien basierte auf einer spezifischen Modifikation der Strahler-Stream-Ordnung (Strahler, 1957), die im NHDPlus-Feld „StreamCalc“ bereitgestellt wurde. Dieses Feld befindet sich unter den Attributen von „NHDFlowline_Network“ in der National Seamless Geodatabase-Version von NHDPlusV2 und kann mit den Attributen von „BurnLineEvent“ verknüpft werden. Hintergrund – Das Strahler-Ordnungssystem ist eine hierarchische Klassifikation, bei der Oberwasserbäche (dh Bäche ohne Nebenflüsse) als Ordnung 1 klassifiziert werden, wobei alle nachfolgenden Bäche der n-ten Ordnung stromabwärts des Zusammenflusses von zwei (n − 1)-ten Ordnungen liegen Ströme. Dieser ursprüngliche Strahler-Stream-Order-Algorithmus berücksichtigt jedoch keine Flussaufteilungen im Netzwerk. In der Natur treten jedoch an vielen Stellen divergente Pfade auf, und in NHDPlusV2 tritt ein definierter Nebenpfad bei einer Divergenz (DIVERGENCE = 2) 65.296 Mal innerhalb der 48 zusammenhängenden Vereinigten Staaten auf. Flusslinien, die diese sekundären Pfade darstellen (die immer noch in den Berechnungen der MOHP-Reihenfolge 1 verwendet werden) wird ein auf „0“ zurückgesetzter StreamCalc-Wert zugewiesen, während der Hauptpfad den Stream-Reihenfolgewert weiterleitet. StreamCalc ist das Attribut, das verwendet wird, um Bäche (oder künstliche Pfade durch Gewässer) auszuwählen, die einer bestimmten Bachreihenfolge gleich oder höher sind (StreamCalc-Werte 1-9). LevelPathID ist das andere kritische NHDPlusV2-Attribut, ebenfalls aus den Attributen von „NHDFlowline_Network“, das beim Erstellen von MOHP-Daten verwendet wird. Dem Mainstem jedes Streams wird eine eindeutige Kennung als Mehrwertattribut namens „LevelPathI“ zugewiesen, die für Level Path Identifier steht. Während der Produktion von NHDPlus wurde LevelPathI gleich dem HydroSeq-Wert der am weitesten stromabwärts gelegenen Flusslinie dieses Flusses gesetzt. Auf diese Weise dient LevelPathI als eindeutige Nummer für jeden Bach oder Fluss. (Hinweis: HydroSeq ist eine national eindeutige Sequenznummer, die die Fließlinien in hydrologische Reihenfolge bringt, in NHDPlusV2 von stromabwärts (niedrige HydroSeq-Zahlen) zu stromaufwärts zu (hohe HydroSeq-Zahlen)). Coastal Flowlines (23.324 Flowlines), die die Küstenlinien des Atlantischen und Pazifischen Ozeans und der Großen Seen darstellen, sind ebenfalls in allen MOHP-Flowline-Eingabedatensätzen enthalten.

Benoy, G.A., Jenkinson, R.W., Robertson, D.M. und Saad, D.A., 2016, Nährstoffzufuhr zum Lake Winnipeg aus dem Red-Assiniboine River Basin – Eine binationale Anwendung des SPARROW-Modells: Canadian Water Resources Journal, Vol. 2, No. 41, Ausgabe 3, S. 429-447, https://doi.org/10.1080/07011784.2016.1178601. Government of Canada Natural Resources Canada Earth Sciences Sector, 2017, Seen und Flüsse in Kanada – CanVec – Hydro Features, https://open.canada.ca/data/en/dataset?organization=nrcan-rncan. McKay, L., Bondelid, T., Dewald, T., Johnston, J., Moore, R. und Rea, A., „NHDPlus Version 2: Benutzerhandbuch“, 2012, https://www.epa. gov/waterdata/basic-information Moore, Richard B. und Thomas G. Dewald, 2016. Der Weg zu NHDPlus – Fortschritte in digitalen Stromnetzen und zugehörigen Einzugsgebieten. Zeitschrift der American Water Resources Association (JAWRA) 52(4):890–900. DOI: 10.1111/1752-1688.12389 Moore, RB, McKay, LD, Rea, AH, Bondelid, TR, Price, CV, Dewald, TG und Johnston, CM, 2019, User Guide for the National Hydrology Dataset Plus – High Resolution : US Geological Survey Open-File Report 2018–XXXX, x p., https://doi.org/x Strahler, Arthur N, 1957. Quantitative Analysis of Watershed Geomorphology. Transaktionen der American Geophysical Union 38:913-920.

Für die Schritte 2 und 3 wurde für jede Stream-Reihenfolge separat ein Python-Programm ausgeführt. Die Programmverarbeitungsumgebung war Python 2.7 mit ArcGIS 10.4 und arcpy. Zu den Eingabedaten für dieses Programm gehören: 1) der in den Schritten 1a und 1b oben für jede Bestellung erstellte einzigartige Satz von Flusslinien (Reihenfolge 1 bis 9) 2) eine einzelne Feature-Class von Seen, Teichen, Stauseen und breiten Flusssegmenten (aus NHDPlusV2) für alle Stromreihenfolgen verwendet und 3) ein einzelnes Maskenraster (30-Meter-Zellengröße), das das Gebiet der Vereinigten Staaten (aneinandergrenzende 48 Bundesstaaten) definiert, das zum Trimmen der Ergebnisse verwendet wird. Schritt 2 – Der erste große Schritt des Programms schätzt die zugehörigen Thiessener Einzugsgebiete für die ausgeführte Stromreihenfolge. Ein Thiessen-Polygon-Ansatz wird verwendet, um Grundwasserspalten abzuschätzen. Der Name „Thiessen“ bezieht sich auf die Arbeit von Thiessen und Alter (1911), die Bereiche (Polygone) um Regenmesser definierte, deren Grenzen auf halbem Weg zwischen dem nächsten Regenmesser berechnet wurden. Thiessen-Polygone werden in unserer Anwendung mithilfe eines raster- oder gitterbasierten Ansatzes konstruiert, um die Grenzlinien auf halbem Weg zwischen Flusslinien (einschließlich Küstenlinien) für jeden Auftrag zu erzeugen. Dies wird bei einer Zellgrößenauflösung von 30 Metern wie folgt erreicht: Für jede hydrologische Ordnung und für jedes Pixel wurde die horizontale Entfernung zum nächsten Bach mit dem arcpy-Befehl „pathdistance“ bestimmt. Das resultierende Raster wird verwendet, um ein Flussrichtungs-Raster zu erstellen, das mit einer Zahl gefüllt wird, die einen Zeiger darstellt, der auf die benachbarte Zelle mit dem niedrigsten Wert zeigt, der ebenfalls niedriger sein muss als der Wert der Zelle selbst. Diese Richtung zeigt ungefähr in Richtung der nächsten Fließlinie. Das Programm erstellt auch eine Wasserkörperschicht, die für den bearbeiteten MOHP-Auftrag spezifisch ist. Es werden nur Gewässer aus den in Schritt 1 vorbereiteten Gewässern verwendet, die den Satz von Fließlinien für diese Flussreihenfolge schneiden. Gewässerbereiche werden gerastert und dem „Seed“ (der im Befehl arcpy Watershed verwendet wird) zum Erstellen von Thiessen-Wasserscheiden hinzugefügt und ihnen wird eine Nummer basierend auf der Level Path ID ihrer Auslassflusslinien zugewiesen. Der Seed ist ein Raster, das sowohl die Fließlinien als auch die Gewässer darstellt. Level Path Id (LevelPathI), eine eindeutige Zahl, die in leu eines Streamnamens verwendet wird, wird in einen komprimierten Satz von Zahlen umgewandelt, die zu den Seed-Werten werden, die das Seed-Raster füllen, das vom watershed-Befehl verwendet wird. Das Fließrichtungs-Raster und das Seed-Raster werden dann als Eingabe für den Befehl arcpy Watershed verwendet, der von den Seeds aufwärts verfolgt und die Thiessen-Einzugsgebiete identifiziert, die für jede Flusslinie identifiziert werden. Die aus dem Wasserscheidenbefehl resultierenden Rasterzonen werden in Polygone umgewandelt, und die Grenzen dieser Polygone sind die Thiessener Teilungen.

Thiessen, Alfred H. und Alter, J. Cecil, 1911: Niederschlagsmittelwerte für große Gebiete. Monatlicher Wetterbericht Juli 1911, Band 39, 1082–1089, ftp://ftp.library.noaa.gov/docs.lib/htdocs/rescue/mwr/039/mwr-039-07-1082b.pdf

Schritt 3 – Sobald die Thiessen-Divisionen erstellt sind, werden die MOHP-Metriken berechnet. Es werden zwei temporäre Raster erstellt, eines mit Werten für die kürzeste Entfernung von den Gewässern und Strömen zu jeder 30-Meter-Rasterzelle innerhalb der Wasserscheide (Distance_Out) und das andere von den Teilungen nach innen zu jeder Rasterzelle (Distance_In). Bei der Berechnung von Distance_In wird eine Einschränkung angewendet, bei der die Zelle und die zugehörige Teilung auf derselben Seite des Baches oder Flusses liegen müssen. Für jede Zelle wird die MOHP-Metrik „Distance from the Stream to Divide“ (DSD) in Metern als ganzzahliger Wert wie folgt berechnet: DSD = INT(Distance_Out + Distance_In). Außerdem wird für jede Zelle die MOHP-Metrik „Lateral Position“ (LP) berechnet. Der prozentuale Abstand für jede Zelle entlang des Fließwegs wird berechnet und dann mit 100 multipliziert und als Ganzzahl gespeichert. Dies geschieht, um Computerspeicherplatz zu sparen, während signifikante Ziffern beibehalten werden. LP = INT(((Distance_Out / DSD) * 100) * 100). Um Computerspeicherplatz und Internet-Übertragungszeit zu sparen, wird schließlich eine Version von LP- und DSD-Rastern mit einer Auflösung von 90 Metern Zellengröße berechnet. Dies wurde erreicht, indem die 30-m-Zellen aggregiert wurden und der Wert für die zentrale 30-m-Zelle der 90-m-Zelle zugewiesen wurde.


WARUM wurde bei Verwendung des Projekt-Raster-Geoprozessors in ArcEngine kein Ergebnis zurückgegeben?

Ich kann Project Raster in arctoolbox verwenden, um Rasterdaten korrekt zu projizieren, und eine Ergebnis-Rasterbilddatei wurde zurückgegeben. Die zugehörigen Parameter sind im folgenden Bild dargestellt.

ABER, ich programmiere C# in VS2008 mit den gleichen Parametern wie oben. Und versuchen Sie es auszuführen. Es werden keine Fehlerinformationen und kein Ergebnis zurückgegeben! Ich bin verwirrt! Die Details sind wie folgt


Vielen Dank, Johannes. Endlich finde ich das Problem in meinen Codes.

Der Parameter out_coor_system muss mit den Detailprojektionsparametern festgelegt werden.

Diese Methode kann die Konvertierung zwischen einem Koordinatensystem unter Verwendung desselben Datums implementieren. Manchmal haben die beiden bei der Konvertierung verwendeten Koordinatensysteme unterschiedliche Bezugspunkte. Die in AreGIS vordefinierten geografischen Transformationen reichen jedoch nicht aus. Manchmal müssen wir eine geografische Transformation erstellen, die in unseren Anwendungen verwendet werden soll. Könnten Sie mir bitte mitteilen, wie eine benutzerdefinierte geografische Transformation definiert wird? Vielen Dank.


Geospatial and Unmanned Aerial Systems Technology

Welche Arten von Daten werden für die volumetrische Analyse benötigt?
Bei der Durchführung einer volumetrischen Analyse benötigen Sie ein DSM, DTM, DEM usw., das mithilfe von GCPs geolokalisiert wird, um sicherzustellen, dass die Daten zwischen verschiedenen Daten konsistent sind.

So führen Sie eine volumetrische Analyse mit Pix4D durch:
Bevor man mit Pix4D volumetrische Analysen durchführen kann, muss man bereits einen Datensatz mit Pix4D verarbeitet haben. Wenn Sie sich nicht sicher sind, wie Sie dies tun sollen, folgen Sie den Schritten in meinen vorherigen beiden Beiträgen, um zu erfahren, wie Sie Daten in Pix4D mit GCPs verarbeiten.

Schritt 1:
Sobald die Datenverarbeitung abgeschlossen ist, klicken Sie auf RayCloudin der Seitenleiste und aktivieren Sie das Punktwolken (siehe Abbildung 2). *Beachten Sie, dass Pix4D möglicherweise eine Fehlerwarnung ausgibt, bestätigen Sie diese jedoch durch Klicken auf OK und lassen Sie es diesen Schritt verarbeiten.

Abbildung 2: Aktivieren von Punktwolken in Pix4D

Schritt 2:
Wenn Sie fertig sind, deaktivieren Sie Kamerasund Bindungspunktewie in Abbildung 3 gezeigt, um die Punktwolke besser sehen zu können.
Abbildung 10: Auffinden des Hillshade-Tools

Schritt 3:
Verschieben Sie die Karte in den gewünschten Bereich, indem Sie sie anklicken und ziehen und/oder mit dem Scrollrad der Maus nach Bedarf zoomen, um sie in den Rahmen zu bringen. In unserem Fall handelte es sich bei dem in Abbildung 4 gezeigten Bereich von Interesse um mehrere Lagerbestände, die sich in der nördlichen Ecke der Punktwolke befanden.
Abbildung 4: Lagerort

Inspizieren Sie dort den Bereich, indem Sie das Scrollrad gedrückt halten, um den Bereich zu umkreisen, um ein gutes Verständnis davon zu erhalten, was mit der volumetrischen Analyse analysiert wird.

Schritt 4:
Um das Volumen eines bestimmten Interessenbereichs zu berechnen, klicken Sie auf Volumenin der Seitenleiste und klicken Sie auf das Neuer BandWerkzeug Klicken Sie dann um den Umfang des interessierenden Bereichs herum und stellen Sie sicher, dass der Randfehler breit ist, damit das Messwerkzeug eine genaue Basismessung erhalten und das Volumen über dieser Basisebene genau bestimmen kann. *Hinweis: Verwenden Sie beim Klicken das Scrollrad, um den interessierenden Bereich zu umkreisen, um zu bestimmen, was darin enthalten sein soll.

Sobald der Interessenbereich eingeschlossen ist, klicken Sie mit der rechten Maustaste, um das Polygon zu schließen, und klicken Sie dann auf BerechnenTaste wie in Abbildung 5 gezeigt.

Abbildung 5: Berechnung des Volumens des Interessenbereichs

Nachdem Pix4D das Volumen berechnet hat, sollten die Werte dort angezeigt werden, wo die Berechnen Knopf befand.

*Hinweis: Sie können den Interessenbereich umbenennen, indem Sie auf ‘Volume 1’ klicken und den gewünschten Namen eingeben.

Schritt 5:
Sobald das Volumen berechnet ist, können Sie die angezeigten Informationen in eine Zwischenablage kopieren und an der gewünschten Stelle einfügen, indem Sie auf das unten in Abbildung 6 hervorgehobene Symbol klicken.

/>
Abbildung 6: In die Zwischenablage kopieren

So führen Sie eine volumetrische Analyse mit ArcMap durch:

Schritt 1:
Öffnen Sie ArcMap und klicken Sie auf das KatalogRegisterkarte in der rechten Seitenleiste, wie in Abbildung 7 gezeigt, und klicken Sie dann auf das Ordnerverbindungssymbol .
Abbildung 7: Such- und Katalogtools in der rechten Seitenleiste

Schritt 2:

Verbinden Sie sich mit dem Ordner, in dem die Daten aus dem Projekt gespeichert werden und klicken Sie auf OK(siehe Abbildung 8).
Abbildung 8:Einrichten einer Ordnerverbindung

Schritt 3:
Der nächste Schritt besteht darin, eine Geodatabase für das Projekt zu erstellen.Eine Geodatabase ist ein intelligenter Ordner, der alle verknüpften geografischen Informationen, Attribute, Tabellen, Raster-Datasets und Feature-Classes enthält, die während der Arbeit an einem Projekt erstellt wurden. Geodatabases verfügen über ein spezielles Informationsmodell, das es ihnen ermöglicht, diese verschiedenen Informationen miteinander zu verknüpfen, damit sie in der ESRI ArcGIS-Software effektiv verwendet werden können.

Um eine Geodatabase zu erstellen, klicken Sie auf das KatalogKlicken Sie in der rechten Seitenleiste des Bildschirms mit der rechten Maustaste auf den in Schritt 2 erstellten Ordner, klicken Sie auf Neudann klick File-Geodatabase. Abbildung 9 ist ein Bild, das zeigt, wie eine Geodatabase erstellt wird.

Abbildung 9: Erstellen einer Geodatabase

Schritt 4:
Drücke den Daten hinzufügen Symbol befindet sich in der ersten Reihe von Symbolen oben auf dem Bildschirm und fügen Sie das DSM hinzu, an dem Sie die volumetrische Analyse durchführen möchten.

Schritt 5:
Der nächste Schritt im Prozess besteht darin, eine Schummerungsoperation durchzuführen, damit der Benutzer Änderungen in der Topographie des DSM leichter erkennen kann.
Um eine Schummerungsoperation durchzuführen, klicken Sie auf das SucheRegisterkarte in der rechten Seitenleiste, wie in Abbildung 7 gezeigt. Klicken Sie anschließend auf Werkzeuge, geben Sie “hillshade” in die Suchleiste ein und wählen Sie das erste Werkzeug in der Liste aus. Abbildung 10 zeigt, wie Sie das richtige Schummerungswerkzeug finden.

Abbildung 10: Auffinden des Hillshade-Tools

Nach der Auswahl erscheint ein Fenster mit der Bezeichnung “Schummerung” sollte erscheinen. In diesem Fenster, im in Eingabe-Raster Kästchen, wählen Sie den Abwärtspfeil und wählen Sie das DSM. Klicken Sie anschließend auf das Dateisymbol neben dem Ausgabe-Raster Kästchen, doppelklicken Sie auf Ordnerverbindungen, suchen Sie den Ordner, in dem sich die Geodatabase befindet, klicken Sie darauf, um ihn hervorzuheben, fügen Sie unten einen Namen mit weniger als 13 Zeichen hinzu und klicken Sie auf speichern. Abbildung 11 zeigt die oben aufgeführten Schritte in der Reihenfolge von 1 bis 5 und wo sie gespeichert werden können Ausgabe-Raster Schummerung, sobald sie erzeugt wurde.
Abbildung 11: Position des Ausgabe-Rasters

Nachdem Sie sich nun um die Eingabe- und Ausgabe-Raster gekümmert haben, klicken Sie auf OKunten im Schummerungsfenster, um mit der Verarbeitung zu beginnen.

Schritt 6:
Wenn Sie fertig sind, erstellen Sie a Feature-Class durch Öffnen Katalog Klicken Sie mit der rechten Maustaste auf die in Schritt 3 erstellte Geodatabase, klicken Sie auf Neu und dann auf Feature-Class. Eine Feature-Class ähnelt einem Shapefile darin, dass sie sowohl Features als auch Attributdaten enthalten. Eine Feature-Class ermöglicht es dem Benutzer jedoch, erweiterte Operationen durchzuführen, als es ein Shapefile zulassen würde. Siehe Abbildung 12 unten, um eine visuelle Darstellung zu sehen, wie Sie die Feature-Class.

Abbildung 12: So fügen Sie eine Feature-Class hinzu

Einmal Feature-Class angeklickt wird, sollte ein Fenster mit der Beschriftung . erscheinen Neue Feature-Class. Benennen Sie die Feature-Class und klicken Sie auf Nächsterunten im Fenster.

Klicken Sie auf der nächsten Seite auf den Abwärtspfeil neben dem Globussymbol dann klick Importieren . Ein neues Fenster sollte mit der Bezeichnung . erscheinen Nach Datensätzen oder Koordinatensystemen suchen . In diesem Fenster wird, wie der Name schon sagt, das Koordinatensystem für die Feature-Class so festgelegt, dass es mit dem des DSM übereinstimmt. Verwenden Sie dazu die ‘ Nachsehen in ’ Dropdown, um das entsprechende DSM zu finden und klicken Sie auf Hinzufügen wie in Abbildung 13 gezeigt.

Abbildung 13: Datenkoordinatensystem einstellen

Klicken Sie nach dem Hinzufügen unten im auf Weiter Neue Feature-Class Fenster dreimal, bis das folgende Fenster erscheint (siehe Abbildung 14).
/>
Abbildung 14: Attributfelder hinzufügen

Das obige Fenster ist eine Attributtabelle, die es ermöglicht, wichtige Informationen mit dem Gebiet, in diesem Fall einem Lagerbestand, zu verknüpfen, so dass bei der späteren Anzeige der Daten die Informationen darüber verknüpft und leicht zugänglich sind.

Um Attributinformationen in diese Tabelle einzugeben, klicken Sie auf die ersten verfügbaren Leerzeichen unter der Spalte Feldname und fügen Sie dann die folgenden Attributdaten hinzu: Stapel_ID, Volumen_m^3 und, Base_Pile_Elevation. *Hinweis: Sie können bei Bedarf weitere Felder hinzufügen, um die verschiedenen Attribute des Interessenbereichs zu beschreiben.

Einmal Feldnamen wurden hinzugefügt, in der Datentyp Spalte verwenden Sie die Dropdown-Liste, um den entsprechenden Datentyp für jede der of Feldnamen. Für unseren Datensatz stehen jedoch mehrere Optionen zur Auswahl Datentyp wie unten in Abbildung 15 gezeigt.

Abbildung 15: Einstellen des Datentyps
Sobald die Datentyp eingestellt ist, klicke Fertigam unteren Rand der Neue Feature-Class Fenster.

Schritt 7:
Klick auf das Editor-Symbolleiste befindet sich oben auf dem Bildschirm in der ersten Reihe von Symbolen, und klicken Sie dann auf Editor Dropdown wie in Abbildung 16 gezeigt und klicken Sie auf Beginnen Sie die Bearbeitung .

Abbildung 16: Bearbeiten starten

Einmal Beginnen Sie die Bearbeitung aktiviert wurde und die Tools in der Editor-Symbolleiste nicht mehr ausgegraut sind, klicken Sie auf das Funktionen erstellenSymbol . Wenn das Menü auf der rechten Seite des Bildschirms angezeigt wird, klicken Sie auf die angezeigte Funktion. Einmal ausgewählt, a Bauwerkzeuge Menü sollte erscheinen. Klicke auf Polygon Klicken Sie dann um die Basis des Features herum und stellen Sie sicher, dass um die Basis herum etwas Platz bleibt, damit das volumetrische Werkzeug das Volumen genau bestimmen kann. Wenn Sie mit der Verfolgung des Bereichs fertig sind, doppelklicken Sie, um den letzten Punkt zu erstellen und das Polygon zu schließen, dann klicken Sie auf Bearbeitung beenden . Abbildung 17 unten zeigt den Vorgang zum Erstellen des Polygons.

Abbildung 17: Erstellen eines Polygons

Schritt 8:
Der nächste Schritt in diesem Prozess ist die Verwendung eines Tools namens Auszug durch Maske. Dieses Werkzeug nimmt ein Basis-Raster und verwendet eine Maske, um einen interessierenden Bereich auszuschneiden, sodass die Analyse nur an diesem ausgeschnittenen Teil durchgeführt werden kann. Abbildung 18 der ArcGIS for Desktop-Website von ESRI zeigt den Prozess der Verwendung des Auszug durch Maske Funktion, um spezifische lokalisierte Analysen durchzuführen.
Abbildung 18: Anwenden der Funktion Extrahieren nach Maske

Um die Auszug durch Maske, Klick auf das SucheTab, geben Sie “ einmit Maske extrahieren” und auswählen Auszug nach Maske (Spatial Analyst). Es sollte ein Fenster mit dem entsprechenden Werkzeug erscheinen. In dem Eingabe-Raster Kästchen, wählen Sie den Abwärtspfeil und wählen Sie das DSM. Klicken Sie als Nächstes auf Eingabe von Raster- oder Feature-Maskendatenund wählen Sie die im vorherigen Schritt erstellte Polygondatei aus. Für die Ausgabe-Raster doppelklicken Sie auf Ordnerverbindungen, suchen Sie den Ordner, in dem sich die Geodatabase befindet, klicken Sie, um ihn hervorzuheben, fügen Sie unten einen Namen hinzu, der weniger als 13 Zeichen lang ist, klicken Sie auf speicherndann klick OKdie Extraktion zu erstellen. Abbildung 19 zeigt die oben aufgeführten Schritte zur Durchführung eines Auszug durch Maske.
Abbildung 19: Durchführen einer Extraktion nach Maske

Schritt 9:
Der nächste Schritt besteht darin, die abgeschnittene Extraktion zu nehmen und die Oberflächenvolumen (3D Analyst) um das Volumen des interessierenden Bereichs zu berechnen.
Bevor Sie dieses Werkzeug verwenden, müssen Sie zunächst die Grundhöhe des interessierenden Bereichs kennen. Klicken Sie dazu auf das Informationstool und wenn die Identifizieren Fenster öffnet sich, stellen Sie die Identifizieren von Drop-Down zu der in Schritt 8 erstellten Extraktion. Klicken Sie anschließend um die Basis des interessierenden Bereichs und notieren Sie die Basiswerte.

Klicken Sie anschließend auf das SucheTab, geben Sie “Oberflächenvolumen” ein und wählen Sie Oberflächenvolumen (3D Analyst). Wenn sich das Fenster öffnet, klicken Sie auf den Abwärtspfeil und wählen Sie die in Schritt 8 erstellte Extraktion für die Eingabefläche. Stellen Sie die Ausgabetextdatei, indem Sie das Dateisymbol verwenden, um zu dem Ordner zu gelangen, in dem die Geodatabase für das Projekt gespeichert ist, und benennen Sie die Datei. Stellen Sie als Nächstes die Bezugsebene zu ÜBER, setze die Ebenenhöhe auf den zuvor vom Identifizierungstool erfassten Wert und klicken Sie auf OK. *Beachten Sie hier, dass wenn die Analyse mit einer konkaven Oberfläche durchgeführt wird, die Ebenenhöhe nach unten, so dass es das Volumen unter die Ebene nimmt und nicht darüber. Abbildung 20 zeigt die Einrichtung des Oberflächenvolumen Werkzeug.

Abbildung 20: Verwenden des Surface Volume (3d Analyst)-Tools
Korrektes Vergleichen von temporalen Datasets mit ArcMap durch Resampling:
Um eine Analyse durchzuführen, die mehrere Datensätze eines Ortes im Zeitverlauf vergleicht, müssen die Daten neu abgetastet werden, damit die Pixelgrößen aus den Datensätzen gleich sind. Um dies mit ArcMap zu tun, führen Sie zunächst alle oben genannten Schritte in Bezug auf ArcMap bis zu Schritt 9 aus.

Vor der Verwendung des Oberflächenvolumen Werkzeug, klicken Sie auf das SucheTab und geben Sie “resample” ein und klicken Sie auf das Resample (Datenverwaltung)Werkzeug. Wenn der Resample Fenster öffnet sich, verwenden Sie das Dropdown-Menü unter Eingabe-Raster um die Extraktion aus dem auszuwählen Auszug durch Maske Schritt. Für die Ausgabe-Raster-Dataset, verwenden Sie das Ordnersymbol, um es in der Geodatabase zu speichern. *Hinweis: Die nächste Zeile, Größe der Ausgabezelle kann verwendet werden, wenn man einen Datensatz so einstellen möchte, dass er genau mit einem anderen übereinstimmt. Dies wird in diesem Fall nicht verwendet, da es oft besser ist, auf eine Standardzellgröße zu proben.

Knapp unter Größe der Ausgabezelle, gibt es zwei Felder, in denen man für jedes Pixel eine bestimmte Zellengröße einstellen kann. Die Datensätze, mit denen in dieser Aufgabe gearbeitet wurde, wurden auf eine Zellgröße von 0,1 x 0,1 (10 cm x 10 cm) gesetzt.

Das Resampling-Technik Das Feld ermöglicht dem Benutzer zu definieren, welche Technik zum Kombinieren von Zellen verwendet werden soll, und die richtige Methode hängt von der Art der erfassten Daten ab. Für diesen Auftrag ist NÄCHSTE wurde ausgewählt. *Hinweis: Wenn man auf klickt Hilfe anzeigen>>Am unteren Rand des Fensters kann man die verschiedenen Optionen lesen und welche Option für die neu abgetasteten Daten am besten geeignet ist.

Am unteren Rand der Resample Fenster, klick OK. Abbildung 21 zeigt das Resampling-Fenster mit seinen oben beschriebenen Optionen.

Abbildung 21: Resampling-Fenster in ArcMap

Sobald das Resampling abgeschlossen ist, kann die Oberflächenvolumenanalyse wie in Schritt 9 des Tutorials zur Volumenanalyse oben beschrieben durchgeführt werden.

Mit den oben gezeigten Methoden wurden zwei Datensätze mit Pix4D und ArcMap volumetrisch analysiert. Die beiden verwendeten Datensätze waren Wolfpaving und Litchfield. Der Wolfpaving-Datensatz eines Bergbaubetriebs wurde verwendet, um das Volumen von drei verschiedenen Halden (Pfahl A, B und C) mit Pix4D im Vergleich zu ArcMap zu berechnen und zu vergleichen. Der zweite Datensatz einer Litchfield-Baggeroperation wurde verwendet, um das Volumen eines Haufens im Zeitverlauf zu vergleichen.

Verwenden von Pix4D im Vergleich zu ArcMap für die volumetrische Analyse:
Bei der Durchführung von volumetrischen Messungen mit Pix4D auf Wolfpaving waren die zu befolgenden Schritte sehr einfach und sobald die Berechnungen abgeschlossen waren, konnten die Daten zum Einfügen in andere Programme in eine Zwischenablage kopiert werden. Abbildung 22 unten zeigt die Pfähle A, B und C im Verhältnis zueinander und Tabelle 1 unten, die die Ergebnisse der Pix4D-Berechnungen für diese Pfähle zeigt.

Abbildung 22: relative Größe und relative Position des Stapels A, B und C C
Tabelle 1: Volumetrische Pix4D-Ergebnisse für Stapel A, B und C

Nachdem die volumetrischen Werte für Wolfpaving mit Pix4D berechnet wurden, wurden sie erneut mit ArcMap und den obigen Schritten berechnet. Die Schritte bei der Verwendung von ArcMap waren viel länger und komplizierter als die Pix4D-Ergebnisse und sobald sie berechnet wurden, wurden sie in eine Tabelle kopiert und eine Karte erstellt. Unten sind Tabelle 2 und Abbildung 23, die die Ergebnisse für die volumetrischen Berechnungen mit ArcMap zeigen.

Tabelle 2: Volumetrische ArcMap-Ergebnisse für Pfahl A, B und C
Abbildung 23: Volumetrische Ergebniskarte von ArcMap Wolfpaving

Ein Vergleich der Ergebnisse von Pix4D und ArcMap anhand der Tabellen zeigt, dass sie sich zwischen den Programmen stark unterscheiden. Diese Unterschiede zwischen den beiden Programmen können aufgrund der Berechnungsmethode, Unterschiede in der Auswahl des Perimeters (Geländebereich) um das Interessengebiet herum oder aus anderen Gründen.

Das Pix4D ergibt sich aus dem Geländebereich im Vergleich zu den Volle Lautstärke Ergebnisse scheinen kleiner zu sein, als es in Betracht gezogen werden sollte Geländebereich ist ein Maß für eine 2-dimensionale Fläche und die Volle Lautstärke ist ein Maß für das dreidimensionale Volumen der Pfähle. Man würde erwarten, dass das Volumen deutlich größer ist als die von den ArcMap-Berechnungen gezeigte Fläche.

Verwenden von ArcMap für die zeitliche volumetrische Analyse:
Nachdem der Unterschied zwischen der Verwendung von ArcMap und Pix4D für die volumetrische Analyse verglichen wurde, wurde ArcMap verwendet, um das Volumen der Litchfield-Lagerhalde im Zeitverlauf zu vergleichen. Diese Art der Analyse wird als zeitliche Analyse bezeichnet und ist wichtig, wenn man den Fortschritt von Bergbau- oder Baggerarbeiten im Zeitverlauf verfolgen möchte.

Bei der Durchführung einer zeitlichen Analyse ist es wichtig, Konsistenz zwischen den Datensätzen zu haben. Dies kann erreicht werden, indem mit demselben Sensor zur selben Tageszeit, in derselben Höhe usw. zwischen Datensätzen geflogen wird, sodass möglichst viele andere Variablen als der interessierende Bereich minimiert werden.

Die in den Abbildungen unten gezeigte Litchfield-Lagerhalde wurde mehrfach geflogen und die Halden wurden extrahiert, auf 10 cm GSD neu beprobt und Oberflächenvolumenanalysen durchgeführt, um die Volumina über die in den Abbildungen unten gezeigten Daten zu vergleichen. Die Abbildungen 24-26 sind Karten des Litchfield-Lagerbestands vom 22. Juli bis 30. August 2017.

Abbildung 24: Volumetrische Karte der Litchfield Halde vom 22. Juli 22
Abbildung 25: Volumetrische Karte des Litchfield Stockpile vom 27. August August

Abbildung 26: Volumetrische Karte des Litchfield Stockpile vom 30. August
Nach der volumetrischen Messung der Litchfield-Lagerhalde wurde eine Tabelle (Tabelle 3) erstellt, die die Ebenenhöhe, über der das Oberflächenvolumen gemessen wurde, die Fläche der Halde auf dieser Ebene und das Gesamtvolumen der Halde zu verschiedenen Zeitpunkten enthält.

*Anmerkung: Wenn man sich Tabelle 3 oben ansieht, wird deutlich, dass das größte Materialvolumen im Lager um den 27. August herum lag.

Volumetrie ist ein Werkzeug, das viele in bestimmten Anwendungen wie Bergbau und Baggerarbeiten nützlich finden können. Die Verwendung von UAV-Systemen zum Sammeln dieser Daten kann von Vorteil sein, da ein UAV-System in der Lage ist, Datensätze mit höherer Auflösung zu sammeln, mit denen diese volumetrischen Analysen durchgeführt werden können. Mit diesen Systemen und Analysemethoden können Unternehmen Materialmengen und damit Gesamtkosten und -gewinne genau bestimmen.

Abschließende Anmerkung:
Beim Vergleich zwischen den beiden Methoden zur Berechnung der Volumetrie und welche verwendet werden sollten, würde ich die Verwendung von ArcMap empfehlen, da Professor Hupy seine Volumetrics verwendet hat, um das Volumen von Pfählen bei einem Bergbaubetrieb zu berechnen und die gemessenen Werte im Vergleich zu den berechneten Werten innerhalb von 0,01% lagen von einander.


Arc-GIS-Beiträge 19.02.-2/26. Kap. 1-20

-Mit den richtigen Daten können Sie Landmerkmale, Höhen, Wetter- und Klimazonen, Wälder, politische Grenzen, Bevölkerungsdichte, Pro-Kopf-Einkommen, Landnutzung, Energieverbrauch, Bodenschätze und tausend andere Dinge sehen.

-GIS-Karte enthält Ebenen oder Sammlungen von geographischen Objekten, die gleich sind und durch ein visuelles Symbol definiert werden.

-Ebenen können Features oder Oberflächen enthalten. Jedes geografische Objekt in einem Layer mit jedem Bundesland, See, Übertragungsleitung oder Kohlebecken ist ein Feature.

-Nicht alle Layer enthalten Features. Die Ozeanschicht ist keine Sammlung von geografischen Objekten wie die anderen Schichten, sondern wird als eine einzige, kontinuierliche Fläche betrachtet, die sich je nach Wassertiefe von einem Ort zum anderen ändert. Dies wird als Oberfläche bezeichnet.

-Features haben Form und Größe, die als eine von drei geografischen Formen dargestellt werden können – ein Polygon, eine Linie oder ein Punkt.

-Oberflächen haben eher numerische Werte als Formen, die messbare Werte für jeden Ort auf der Erdoberfläche sind.

-Die häufigste Oberfläche ist ein Raster, eine Matrix aus gleich großen quadratischen Zellen. Jede Zelle repräsentiert eine Flächeneinheit.

-Features haben Standorte, GIS verwendet ein Gitter (Gradicule), das als Koordinatensystem bekannt ist, um Features an der richtigen Stelle auf einer Karte zu platzieren. Die Position eines Punktes auf einer Karte wird durch ein Koordinatenpaar definiert.

-Features können in verschiedenen Größen angezeigt werden, indem man hineinzoomt, um Features aus einer näheren Entfernung zu sehen, der Maßstab der Karte ändert sich.

-Features sind mit Informationen verknüpft, die in einer Tabelle gespeichert sind, in der jede Zeile als Datensatz und jede Spalte als das Feld für einen ausgewählten Layer bezeichnet wird.

-Features haben räumliche Beziehungen, die Koordinaten von Features werden im GIS verwendet, um ihre Standorte zu vergleichen.

-Neue Features können aus Überlappungsbereichen erstellt werden, indem GIS verwendet wird, um neue Features aus bestehenden zu erstellen.

Kapitel 2 Einführung in ArcGIS

- Verwenden Sie ArcReader (kostenlos online), um von anderen Benutzern erstellte digitale Karten anzuzeigen und zu drucken, zu verschiedenen Teilen der Karte zu navigieren und auf verschiedene Detailebenen zu zoomen.

-ArcGIS for Desktop Basic können Sie Daten abfragen, um räumliche Beziehungen wie Entfernung, Schnittpunkt und Eingrenzung zwischen Karten-Features und Overlay-Layern zu analysieren, um herauszufinden, wie verschiedene Datentypen an einem bestimmten Standort miteinander verbunden sind.

-ArcGIS for Desktop Standard bietet Ihnen die vollständige Funktionalität von Basic und bietet zusätzliche Methoden zur Datenerstellung sowie zusätzliche Bearbeitungswerkzeuge und Geoverarbeitungsfunktionen. Zu den weiteren Funktionen gehört die Versionierung, die es mehreren Benutzern ermöglicht, Daten gleichzeitig zu bearbeiten edit

-ArcGIS for Desktop Advanced bietet Ihnen die vollständige Funktionalität von Standard sowie einen vollständigen Satz von Werkzeugen zur räumlichen Analyse, um eine erweiterte GIS-Datenanalyse und -modellierung durchzuführen. Bietet hochwertige kartografische Tools und erweiterte Funktionen für die Datenübersetzung, Erstellung und Konvertierung einer Vielzahl von räumlichen Dateiformaten.

-Daten sind in Bildkacheln organisiert und können zur schnellen Anzeige und Navigation in einem Systemspeicher gespeichert (zwischengespeichert) werden.

-Mobiles GIS wird für Personen verwendet, die geografische Daten im Feld aufzeichnen und verwenden, die ArcPad-Erweiterung für ArcGIs für Server ist ein mobiles Feldkartierungssystem.

-Server-GIS wird verwendet, um Webdienste zu erstellen, die Karten, Apps und Informationen bereitstellen. Es ist auch für Cloud Computing konzipiert (Technologie, die es Ihnen ermöglicht, die Computing-Infrastrukturen eines Cloud-Anbieters anstelle Ihrer eigenen zu verwenden)

-Online-GIS können Sie Karten erstellen Zugriff auf Bibliotheken von Karten speichern und verwalten Karten, Daten und andere raumbezogene Inhalte.

Kapitel 3 Interaktion mit Karten

-ArcMap ist die am häufigsten verwendete Komponente des ArcGIS-Systems.

-Die Übungen in diesem Kapitel verwenden die folgenden Datensätze, die in einer Geodatabase namens World.gdb gespeichert sind:

-Hintergrund- Raster von Polygonen, das verwendet wird, um einen einfarbigen Hintergrund hinter Landmerkmalen anzuzeigen.

-Städte- Punktmerkmale, die Großstädte der Welt mit einer Bevölkerung von mehr als 1 Million darstellen.

-Länder- Polygon-Funktion, die Länder der Welt darstellt, einschließlich demografischer Daten und Schätzungen der Luftverschmutzung.

-Latlong- Linienfunktionen, die Breiten- und Längengrade darstellen.

Übung 3a Kartendaten anzeigen

- Öffnen Sie in ArcMap10.1 den Layer (räumlicher Datensatz, der auf einer GIS-Karte dargestellt wird). Sie können Layer ein- und ausschalten, Layer organisieren, Layereigenschaften anzeigen, den Namen eines Layers ändern, den Legendennamen ändern, die Legende erweitern oder minimieren.

-Das Identifizieren-Tool identifiziert geografische Merkmale durch Anklicken oder Ziehen eines Kästchens um sie herum und öffnet das Identifizieren-Fenster, das Attribute (Informationen) enthält.

-Sie können Datenquelleninformationen auf der Registerkarte Quelle unter Layer-Eigenschaften überprüfen.

Übung 3b Navigieren auf einer Karte

-In ArcMap 10.1 wurde die erforderliche Datei geöffnet. Dann können Sie mit dem Zoomwerkzeug in der Werkzeugleiste den Bereich auswählen, auf den Sie zoomen möchten, wenn Sie zurückgehen möchten, drücken Sie die Schaltfläche für die volle Ausdehnung oder die Schaltfläche Zurück. Verwenden Sie das Werkzeug Elemente auswählen, wenn Sie nicht zoomen möchten, um ein versehentliches Zoomen zu vermeiden.

Übung 3c Verwenden grundlegender Werkzeuge

- In ArcMap 10.1 wurde eine Datei geöffnet, wenn Sie Städtenamen sehen möchten, wenn der Cursor über dem Standort gehalten wird, gehen Sie zu den Layer-Eigenschaften → Anzeige und wählen Sie "Kartentipps mit dem Anzeigeausdruck anzeigen" Das Feld für den Anzeigeausdruck muss auf Stadtname gesetzt werden.

-Um Beschriftungen immer sichtbar zu machen, gehen Sie zu Eigenschaften → Beschriftungen und wählen Sie Beschriftungsfunktionen in diesem Layer aus. Stellen Sie den Maßstabsbereich so ein, dass nur Beschriftungen nur bei einem Maßstab größer als 1:80.000.000 sichtbar sind.

-Das Erstellen eines Viewer-Fensters ermöglicht es Ihnen, verschiedene Teile der Karte zu untersuchen, ohne die Anzeige zu ändern.

-Mit dem Suchwerkzeug, Lesezeichen, Schwenkwerkzeug und Messwerkzeug können Sie die kürzeste Entfernung zwischen zwei Orten berechnen (in km, m, Meilen, Yards usw.). Nachdem Sie ein Lesezeichen für einen der Orte erstellt haben, klicken Sie auf das Messsymbol, wählen Sie dann den zweiten Punkt aus, den Sie messen, und gehen Sie direkt zum Lesezeichen und wählen Sie den ersten Punkt aus, wenn Sie ihn sehen, doppelklicken Sie darauf.

Übung 3d Betrachten von Feature-Attributen

-In Arcmap anhängige Datei und dann eine der Attributtabellen für einen Layer angezeigt. Sie können die Größe von Spalten (Feldern) und Zeilen (Datensätzen) ändern. Um eine ganze Spalte auszuwählen, klicken Sie auf die Überschrift. Um eine ganze Zeile auszuwählen, klicken Sie auf die graue Registerkarte links neben dem ersten Datensatz

Kapitel 4 Interaktion mit Daten

-Geodatabase ist der Container, der Feature-Class-Daten und Shapefiles speichert.

Übung 4a Durchsuchen von Kartendaten

-Metadaten sind Informationen über Ihre Daten, z. B. wann und wie sie erstellt wurden.

-Öffnen Sie ArcCatalog, Sie können ArcCatalog-Optionen anpassen und anzeigen, um Dateierweiterungen auszublenden.

Übung 4b Hinzufügen von Daten zu einer Karte

-Öffnen Sie ArcMap und ArcCatalog und ziehen Sie Features hinüber. Um Karten, Daten und Werkzeuge zu finden, verwenden Sie das Suchwerkzeug und docken Sie das Suchfenster ab, sodass es schwebt, oder ordnen Sie es nach Belieben an. In den Suchoptionen können Sie auf Neue Elemente indizieren klicken und frühere Inhalte indiziert sehen.

Übung 4c Arbeiten mit Kartenebenen

-Sie können eine Karte in der Datenansicht oder Layoutansicht anzeigen (Sie können weiterhin mit den Kartenebenen interagieren, diese Ansicht wird jedoch am besten zum Erstellen statischer Präsentationskarten verwendet.)

Kapitel 5 Online-Ressourcen erkunden

-ArcGIS online ist ein Webportal für die Arbeit mit Karten und anderen Arten von geografischen Informationen. Sie können Basiskarten verwenden oder Gruppen beitreten, um mit anderen Mitgliedern zusammenzuarbeiten, zu diskutieren und Ihre Arbeit zu teilen.

Übung 5a Erstellen einer Webkarte

- Beginnen Sie mit einem Grundkarten-Layer und Sie können der Karte mit operativen Layern weitere Daten hinzufügen. Dieser Vorgang wird als „Mashup“ bezeichnet, da Sie Informationsschichten kombinieren.

Übung 5b Durchsuchen von Gruppen

- Sie können ArcGiIS-Online-Gruppen durchsuchen, eine Grundkarte hinzufügen, einen Daten-Layer hinzufügen und seine Attribute anzeigen.

Übung 5c ​​Zusammenführen von Online- und lokalen Layern

-AcrMap kann Grundkarten direkt aus ArcGIS online laden. Sie müssen ein Konto haben, um sich anzumelden, um Ihre eigenen Karten und Daten laden, auf Gruppen zugreifen oder Ebenen teilen zu können.

Kapitel 6 Arbeiten mit Koordinatensystemen und Projektionen

-Es ist wichtig, die Koordinatensysteme und Projektionen zu verstehen. Breiten- und Längengrad ist ein Maß für Winkel, nicht für Entfernungen. Ihre Werte werden in Grad-Minuten-Sekunden ausgedrückt, auch Dezimalgrad genannt. Sie sind die Grundlage für ein geografisches Koordinatensystem. Koordinatensysteme basieren auf einem definierten Sphäroid (ein mathematisches Modell, das die unregelmäßige Form der Erde mit zwei Achsen annähert). Datum beschreibt, wie ein Modell in die Realität hineinfaust.

Übung 6a Untersuchung von Koordinatensystemen

-In ArcCatalog können Sie die Eigenschaften des Shapefiles und das xy-Koordinatensystem anzeigen. Die Koordinatensysteminformationen können in den Datendateieigenschaften angezeigt werden, jedoch nicht in der zugehörigen Layer-Datei.

-Sie können die Schaltfläche Koordinatensystem hinzufügen verwenden und auf Import für ein anderes Shapefile klicken, um das Koordinatensystem eines anderen zu übernehmen. Das bedeutet, dass das Shapefile beim Hinzufügen zu ArcMap erkannt wird und keine Ausrichtungsprobleme hat oder weitere geografische Projektionen erforderlich sind.

-Damit können Sie eine Formdatei in drei Datenrahmen anzeigen, mit einem anderen projizierten Koordinatensystem für jeden Datenrahmen.

Übung 6c Definieren einer Kartenprojektion

-Sie müssen das richtige Koordinatensystem des Datensatzes kennen, bevor Sie das Werkzeug Projektion definieren verwenden. Dieses Werkzeug überschreibt alle vorhandenen gespeicherten Koordinatensysteminformationen (Kartenprojektion und Datum) und sollte nur verwendet werden, wenn die Koordinatensysteminformationen unbekannt oder falsch sind.

Kapitel 7 Symbolisieren von Funktionen

- Das Symbolisieren von Features bedeutet das Zuweisen von Farben, Markierungen, Größen, Breiten, Winkeln, Mustern, Transparenz und anderen Eigenschaften, die sie auf einer Karte erkennbar machen. Sie sehen oft aus wie das Objekt, das sie repräsentieren.

Übung 7a Erstellen einer benutzerdefinierten Symbologie

-Nachdem Sie alle Layer eingegeben haben, müssen Sie die Symbolfarben anpassen. Ändern Sie die Ebenennamen aus Gründen der Übersichtlichkeit. Sie können Füllung, Umrissbreite und Umrissfarbe angeben.

Übung 7b Symbolisierung von Features durch kategoriale Attribute

-Sie können die Form der Features ändern und in den Layer-Eigenschaften muss die Symbologie einen eindeutigen Wert darstellen.

Übung 7c Verwenden von Stilen und Erstellen von Ebenendateien

-Ein Stil ist eine Sammlung vordefinierter Symbole, Farben und anderer Kartenelemente wie Beschriftungen, Nordpfeile, Maßstabsleisten und Rahmen.

-Eine Layer-Datei speichert Symbolisierungsinformationen für ein bestimmtes räumliches Dataset.

Übung 7d Symbolisieren von Rastern

-Wenn Sie Raster symbolisieren, weisen Sie Zellenwerten oder Zellwertbereichen Farben zu. Rasterwerte liegen auf einer kontinuierlichen Skala, wie der Skala von ganzen Zahlen oder reellen Zahlen, und werden durch Farbverläufe symbolisiert.

Kapitel 8 Merkmale klassifizieren

-Eine Karte mit abgestuften Farben verwendet Farbänderungen, um Datenklassifizierungen darzustellen. Eine Rampe mit einer einzigen Farbe (monochromatisch) ist für Daten geeignet, die sich von kleinen zu großen Werten bewegen.

-Eine abgestufte Symbolkarte verwendet ein Symbol unterschiedlicher Größe, um numerische Attributwerte darzustellen represent

- Die proportionale Symbolkarte ähnelt der abgestuften Symbolkarte, außer dass die Symbole proportional in der Größe gezeichnet werden.

-Punktdichtekarte- stellt Mengen dar, die zufällig platzierte Punkte verwenden, um ein Dichtemuster innerhalb eines Polygons zu bilden.

-Eine Karte verwendet Diagramme, um mehrere Attributwerte für ein einzelnes Feature darzustellen. Arcmap kann Kreis-, Balken- und Stapeldiagramme erstellen, die eine ähnliche Größe haben oder je nach Proportionalität variieren können.

Übung 8a Klassifizieren von Merkmalen mit Standardmethoden

-ArcGIS verfügt über sieben Klassifizierungsmethoden: manuelle Klassifizierung, gleiches Intervall, definiertes Intervall, Quantil, natürliche Brüche, geometrisches Intervall und Standardabweichung.

Aufgabe 8b Abbildungsdichte

-Das Dividieren eines Attributs durch ein anderes, um das Verhältnis zu ermitteln, wird als Normalisierung bezeichnet.

Übung 8c Verwenden von Mess- und Diagrammsymbolen

-Diese Art von Karte ermöglicht es Ihnen, Klassifikationen durch unterschiedlich große Symbole zu visualisieren, was ein effektives visuelles Werkzeug darstellt. Charts sind auch ein effektives visuelles Kommunikationsinstrument.

Kapitel 9 Beschriftungsfunktionen

-Ein Label ist jeder Text, der ein Feature auf einer Karte benennt oder beschreibt, einschließlich Eigennamen, generische Namen, Beschreibungen oder Nummern. In ArcMap stellen Beschriftungen speziell Werte in einer Layer-Attributtabelle dar.

-Eine Alternative zu dynamischen Labels ist die Annotation. Anmerkungen sind statischer Text oder Grafiken, die Sie individuell auswählen, positionieren und ändern können.

Übung 9a Dynamische Labels verwenden

-Dynamische Labels sind einfach zu handhaben, da sie sich wie eine Gruppe verhalten.

Übung 9b Festlegen von Regeln für die Etikettenplatzierung

-Beschriftungen von Punkten können jede von acht Positionen um das Feature herum einnehmen, oben, unten, oben rechts, unten rechts usw. Sie können diese Positionen nach Belieben einstufen und bestimmte verbieten.

Übung 9c Erstellen von grafischen Etiketten

-Sie können die Werkzeugleiste Zeichnen verwenden, die meisten Werkzeuge dienen zum Erstellen von eigenständigem Text, aber es gibt auch ein Beschriftungswerkzeug, mit dem Sie eine Beschriftung auswählen können, die mit den Attributen eines Features verbunden ist. Diese Technik ist für Fälle gedacht, in denen Sie nur wenige Features beschriften müssen oder wenn Sie Basis-Layer ohne Attribute beschriften möchten.

Übung 9d Dynamische Beschriftungen in Anmerkungen umwandeln

-Um genaue Positionen anzugeben oder platzierte Beschriftungen einzeln zu symbolisieren, müssen Sie die Beschriftungen in Anmerkungen umwandeln. Nach der Konvertierung in Annotation behalten die Beschriftungen die gleiche Größe und Position relativ zum umgebenden Feature bei.

ArcGIS kennenlernen Kap. 10-15

Kapitel 10 Erstellen von Karten für Präsentationen

-Eine Karte ist ohne einige wichtige Funktionen und ein gut zusammengestelltes Seitenlayout nicht vollständig. Zu den gängigen Kartenelementen, die in einem Layout angeordnet werden können, gehören Datenrahmen (die Kartenebenen enthalten), eine Legende, eine Maßstabsleiste, ein Nordpfeil, ein Kartentitel, beschreibender Text und zusätzliche Grafiken. Ein gutes Layout muss Informationen vermitteln, die dem Leser mitgeteilt werden können.

Übung 10a Erstellen eines Layouts

-Wählen Sie die Ausrichtung, die am besten zu Faktoren wie Datenrahmengröße, Kartenmaßstab, Textgröße und anderen Kartenelementen passt.

Übung 10b Hinzufügen von Titeln und Zusatztexten

-Alle Karten haben Titel und viele haben auch Untertitel. Sie können den Titel aus der Menüleiste auswählen.

Übung 10c Hinzufügen von Standardkartenelementen

-Der Nordpfeil zeigt den wahren Norden an. Maßstab oder Entfernung mit einem Skalenstrich anzeigen. Eine Legende listet die auf einer Karte verwendeten Symbole und deren Symbolik auf. Gehen Sie dazu auf Einfügen in der Menüleiste.

Übung 10d Den letzten Schliff hinzufügen und Druckoptionen einstellen

-Vor dem Drucken sollten Sie Ihre Seiteneinrichtungsoptionen überprüfen und eine Vorschau der Karte in ArcMap anzeigen. Überprüfen Sie die Ausrichtung von Datenrahmen und Kartenelementen sowie die Schreibweise Ihrer Titel und Beschriftungen.

Kapitel 11 Erstellen von Geodatabases

Übung 11a Erstellen einer Geodatabase

-Dies geschieht mit ArcCatalog

Übung 11b Erstellen von Feature-Classes

-Wenn Sie eine neue Feature-Class erstellen, müssen Sie die Eigenschaften wie Feature-Class-Geometrie - Punkt, Linie oder Polygon - und den Raumbezug selbst definieren.

Übung 11c Felder und Domänen hinzufügen

-Ein Feld wird durch einen Namen, einen Datentyp und Eigenschaften definiert, die je nach Datentyp und räumlichem Datenformat variieren.

Kapitel 12 Erstellen von Funktionen

- Beim Digitalisieren von Daten wird eine Karte oder ein Foto auf ein Digitalisierungstablett gelegt und Merkmale mit einem Puck verfolgt, einem Gerät ähnlich einer Maus.

Übung 12a Zeichenfunktionen

-In ArcMap die Technik namens Fangen, um automatisch Features zu verbinden, die sich in einem bestimmten Abstand voneinander befinden.

Übung 12b Verwenden von Feature-Konstruktionswerkzeugen

-ArcMap kann die Längen und Winkel der Kanten der Bearbeitungsskizze auf genaue Spezifikationen einstellen.

Kapitel 13 Bearbeiten von Features und Attributen

-Features können bearbeitet werden, ihre Attribute müssen oft auch aktualisiert werden.

Übung 13a Löschen und Ändern von Funktionen

- Sie können Features mit übereinstimmender Geometrie so verhalten, als ob sie verbunden wären, indem Sie in Ihrer Bearbeitungssitzung eine Kartentopologie erstellen.

Übung 13b Aufteilen und Zusammenführen von Features

-Um ein Polygon oder eine Linie zu teilen, digitalisieren Sie eine Linie über dem Feature, an dem Sie es teilen möchten. Sie können mehrere Features gleichzeitig teilen.

Übung 13c Bearbeiten von Merkmalsattributwerten

-Sie können Attributwerte bearbeiten, Datensätze hinzufügen und löschen oder neue Felder zu einer Tabelle hinzufügen und Eigenschaften für diese Felder definieren.

Kapitel 14 Geokodierung von Adressen

-Das Erstellen von Kartenelementen aus Adressen, Ortsnamen und ähnlichen Informationen wird als Geokodierung bezeichnet.

Übung 14a Erstellen eines Adress-Locators

-Adressen-Locators gibt es in unterschiedlichen Stilen, abhängig von den Attributen der Referenzdaten.

Übung 14b Abgleich von Adressen

-Damit können Sie die Adresstabelle mit Referenzdatenattributen vergleichen und nach Übereinstimmungen suchen.

Übung 14c Adressen neu abgleichen

-Nicht übereinstimmende Adressen können automatisch oder interaktiv neu abgeglichen werden.

Kapitel 15 Daten abfragen

-Attribute, Bilder, Textdokumente und Webseiten können über einen Hyperlink mit Funktionen verknüpft werden.

Übung 15a Informationen zu Funktionen abrufen

-Hyperlinks verknüpfen Features mit Dingen, die nicht als Attributwerte gespeichert werden können.

Übung 15b Auswählen von Features nach Attribut

-Ein Abfrageausdruck besteht aus einem Attribut, einem Wert und einer Beziehung zwischen ihnen.

-Beziehungsbegriffe und Verbindungsbegriffe werden Operatoren genannt.

Übung 15c Erstellen von Berichten

-Mit Berichten können Sie die in einer Attributtabelle enthaltenen Informationen organisieren, formatieren und drucken.

ArcGIS kennenlernen Kap. 16-20

Kapitel 16 Daten zusammenführen und in Beziehung setzen

-Layer-Attributtabellen enthalten die Merkmale von geografischen Merkmalen wie Namen, Codes und Statistiken. Sie können Attributtabellen verbinden, wenn sie ein gemeinsames Feld haben.

Übung 16a Verknüpfen von Daten nach Attributen

-Sobald Tabellen verbunden sind, können Sie die angehängten Attribute der nicht räumlichen Tabelle zum Symbolisieren verwenden.

Übung 16b Daten zuordnen

-Tabellen sollten durch eine Beziehung anstelle einer Verknüpfung verknüpft werden, wenn Datensätze in der Layer-Attributtabelle möglicherweise viele Übereinstimmungen in der Beziehungstabelle aufweisen.

Übung 16c Zusammenführen von Daten nach Standort

-Verknüpfen Sie Datensätze nach dem gemeinsamen Standort.

Kapitel 17 Auswählen von Funktionen nach Standort

-Die vier Arten von räumlichen Beziehungen, die verwendet werden können, sind Distanz, Eingrenzung, Schnittmenge und Nachbarschaft

Übung 17a Standortabfragen verwenden

-Wählen Sie zwei Ebenen und geben Sie eine räumliche Beziehung an

Übung 17b Kombination von Attribut und Ort

-Dies kann getan werden, um ein Problem zu lösen

Kapitel 18 Daten für die Analyse vorbereiten

-Wenn Sie eine Operation für räumliche Daten ausführen, die ein neues Dataset erstellt, werden Daten geoverarbeitet.

Aufgabe 18a Auflösen von Merkmalen

-Auflösen erstellt einen neuen Layer, in dem alle Features in einem Eingabe-Layer, die denselben Wert für ein angegebenes Attribut haben, in ein einzelnes Feature aufgelöst werden.

Übung 18b Ebenen beschneiden

-Ein Clip-Vorgang ist eine Art von Datenextraktionsfunktion. Es trimmt Features in einem Layer unter Verwendung der Grenzen von Polygon-Features aus einem anderen Layer, dem so genannten Clip-Layer.

Übung 18c Daten exportieren

- Treffen Sie eine Auswahl auf einem Layer und exportieren Sie die ausgewählten Features.

Übung 18d Ausführen von Werkzeugen in einem Modell

-ModelBuilder ist eine grafische Benutzeroberfläche für die Diagrammerstellung von Lösungen für räumliche Analyseprobleme. Die von Ihnen erstellten Diagramme werden Modelle genannt und haben viele Vorteile.

Kapitel 19 Geodaten analysieren

Übung 19a Pufferfunktionen

-Puffer können um Features, Linien und Flächen gezogen werden.

Übung 19b Überlagernde Daten

Übung 19c Berechnung von Attributwerten

-Sie können einen Ausdruck schreiben, um Attributwerte für alle Datensätze in einer Tabelle oder nur für ausgewählte Datensätze zu berechnen.

Übung 19d Erstellen von Graphen

-Dazu gehören Spalten-, Kreis-, Flächen- und Streudiagramme.

Kapitel 20 Rasterdaten analysieren

-Eine Oberfläche kann aus diskreten Daten bestehen, d. h. sie zeigt unterschiedliche und erkennbare Regionen auf einer Karte, wie Bodentypen oder Landbedeckung, oder es kann sich um kontinuierliche Daten handeln, was bedeutet, dass es glatte Übergänge zwischen den Variationen im Datenbereich gibt.

-Kartenalgebra- eine Sprache, die GIS-Layer kombiniert.

Übung 20a Erstellen von Rasterflächen

Übung 20b Kombinieren von Rasterflächen

-Neuklassifizierung ermöglicht es Ihnen, die Eingaben einfacher logisch zu vergleichen.


Ytdjtkui

Was ist der Begriff für eine Person, deren Aufgabe es ist, Produkte in Regalen in Geschäften zu platzieren?

Lohnt sich eine elektrische Zentralheizung, wenn man Sonnenkollektoren verwendet?

Einen Polizisten statt der Polizei verklagen

Eine Aufzeichnung in Papierform ist das, was ich hemme

Muss ich SFP-Ports und Optik vor Staub/Verunreinigungen schützen? Wenn das so ist, wie?

PIC mathematische Operationen seltsames Problem

Kannst du mit Plänkler außerhalb deines Zuges aufstehen, wenn du in Bauchlage bist?

Welche Fähigkeitspunkte verwendet die Paktwaffe einer Hexklinge für Angriff und Schaden, wenn sie von einem anderen Charakter getragen wird?

Gilt ein 5-Watt-UHF/VHF-Handheld als QRP?

Eine schnellere Methode zur Berechnung des größten Primfaktors

Meine Bank wurde aufgekauft, muss ich jetzt Steuererklärungen in einem anderen Staat einreichen?

Widerspruchsbeweis für Ungleichung von P und NP?

Sollte ich als internationaler Dozent offen über meinen Akzent sprechen?

Wie verwende ich die @AuraEnabled-Basisklassenmethode in Lightning Component?

Woher hat Arya diese Narben?

Ant-Man unter Hausarrest stellen

Könnte Neutrino technisch als Nebeneffekt einen Anreiz für die Zentralisierung des Bitcoin-Netzwerks schaffen?

Meine Zulassung wird nach Annahme des Zulassungsangebots widerrufen

Mehrere Kamine in einem Mehrfamilienhaus?

Wie lange nach dem letzten Abflug soll der Flughafen für eine Notrückfahrt geöffnet bleiben?

Wie man gigantische Bestien nicht verhungern lässt

Wie geht man am besten mit NPC-NPC-Kämpfen um?

Begründung für das Ausscheiden der neuen Stelle nach kurzer Zeit

Die Kunst des zusammenfassenden Beweises. Gibt es bekannte Regeln oder ist das reine Vernunftsache?

Verstehen Sie den Unterschied zwischen der Flächenberechnung bei Verwendung des Zonenstatistiktools und der Schaltfläche zum Identifizieren?

Ankündigung der Ankunft von Valued Associate #679: Cesar ManaraBerechnen zonale Statistiken von Raster-Daten in mehreren überlappenden Zonen und Kombinieren in einer TabelleZonale Statistik-Diskrepanz zwischen ArcGIS Desktop-Versionen?Berechnen einer separaten zonalen Statistiktabelle für ein Raster, Zonen sind viele Polygone in ShapefileVerwenden von zonalen Statistiken Als Tabelle für überlappende Polygone in ArcPy?Vollständige Liste der Objekte wird nicht angezeigt, nachdem Zonale Statistik als Tabellenwerkzeug verwendet wurde?Polygone zu klein für Zonale StatistikFehlende 0-Werte eines Rasterlayers verhindern eine korrekte Berechnung mit dem Werkzeug Zonale Statistik in QgisZonal Statistics oder Fläche durch mehrere tabellieren, Cascading ZonesZonale Statistik als Tabelle ausführen 2Zonales Statistikwerkzeug ohne einige Features in ArcMap?

Ich arbeite mit ArcGIS Desktop 10.5 und bin Anfänger.

Ich habe sehr einfache, nicht überlappende Polygone über einem Raster, das Bathymetriedaten darstellt. Ich muss verschiedene Statistiken über jedes Polygon (wie den Bereich) herausfinden, also dachte ich, ich würde das Tool Zonale Statistik verwenden. Ich brauchte auch den Bereich der Funktionen. Also habe ich das gemacht und alles war gut.

Aber dann bemerkte ich, dass die Flächen, die ich für meine Polygone bekam, sich von den "Shape_area"-Berechnungen unterschieden, die ich sehe, wenn ich das Werkzeug "Identifizieren" verwende (das in einem blauen Kästchen mit einem 'i') und klicke auf dem Polygon.

Welcher Bereich ist richtig? Gibt es ein Problem mit meinen Projektionen?

Zonale Statistiken konvertieren Polygone in Raster. Wenn Sie den Unterschied zwischen der tatsächlichen Fläche (Polygon) und der Ausgabe der Zonenstatistik verringern möchten, verwenden Sie eine kleinere Zellengröße.

Es heißt nicht, dass es das tut. Es besagt, dass zonale Statistik Statistiken zu Werten eines Rasters innerhalb der Zonen eines anderen Datasets berechnet. Es gibt keine "Umwandlung", soweit ich das beurteilen kann.Wie würde ich überhaupt tun, was Sie vorschlagen (kleinere Zellen verwenden)? Was ist richtig, die "shape_area", die ich mit dem Identifizierungstool berechnet habe oder was ich aus dem zonalen Statistikwert bekomme? Kann ich den anderen bereitgestellten Zonenstatistiken (wie dem Mittelwert) vertrauen?

– David Weinstein
vor 12 Stunden

Verwenden Sie das Identifizierungswerkzeug. Siehe Umgebungseinstellungen, Rasterzellengröße, wenn Sie sie reduzieren möchten.

Und vielleicht mehr als 3 Zeilen in einer Tool-Hilfe lesen.

Ich arbeite mit ArcGIS Desktop 10.5 und bin Anfänger.

Ich habe sehr einfache, nicht überlappende Polygone über einem Raster, das Bathymetriedaten darstellt. Ich muss verschiedene Statistiken über jedes Polygon (wie den Bereich) herausfinden, also dachte ich, ich würde das Tool Zonale Statistik verwenden. Ich brauchte auch den Bereich der Funktionen. Also habe ich das gemacht und alles war gut.

Aber dann bemerkte ich, dass die Flächen, die ich für meine Polygone bekam, sich von den "Shape_area"-Berechnungen unterschieden, die ich sehe, wenn ich das Werkzeug "Identifizieren" verwende (das in einem blauen Kästchen mit einem 'i') und klicke auf dem Polygon.

Welcher Bereich ist richtig? Gibt es ein Problem mit meinen Projektionen?

Zonale Statistiken konvertieren Polygone in Raster. Wenn Sie den Unterschied zwischen der tatsächlichen Fläche (Polygon) und der Ausgabe der Zonenstatistik verringern möchten, verwenden Sie eine kleinere Zellengröße.

Es heißt nicht, dass es das tut. Es besagt, dass zonale Statistik Statistiken zu Werten eines Rasters innerhalb der Zonen eines anderen Datasets berechnet. Es gibt keine "Umwandlung", soweit ich das beurteilen kann. Wie würde ich überhaupt tun, was Sie vorschlagen (kleinere Zellen verwenden)? Was ist richtig, die "shape_area", die ich mit dem Identifizierungstool berechnet habe oder was ich aus dem zonalen Statistikwert bekomme? Kann ich den anderen bereitgestellten Zonenstatistiken (wie dem Mittelwert) vertrauen?

– David Weinstein
vor 12 Stunden

Verwenden Sie das Identifizierungswerkzeug. Siehe Umgebungseinstellungen, Rasterzellengröße, wenn Sie sie reduzieren möchten.

Und vielleicht mehr als 3 Zeilen in einer Tool-Hilfe lesen.

Ich arbeite mit ArcGIS Desktop 10.5 und bin Anfänger.

Ich habe sehr einfache, nicht überlappende Polygone über einem Raster, das Bathymetriedaten darstellt. Ich muss verschiedene Statistiken über jedes Polygon (wie den Bereich) herausfinden, also dachte ich, ich würde das Tool Zonale Statistik verwenden. Ich brauchte auch den Bereich der Funktionen. Also habe ich das gemacht und alles war gut.

Aber dann bemerkte ich, dass die Flächen, die ich für meine Polygone bekam, sich von den "Shape_area"-Berechnungen unterschieden, die ich sehe, wenn ich das Werkzeug "Identifizieren" verwende (das in einem blauen Kästchen mit einem 'i') und klicke auf dem Polygon.

Welcher Bereich ist richtig? Gibt es ein Problem mit meinen Projektionen?

Ich arbeite mit ArcGIS Desktop 10.5 und bin Anfänger.

Ich habe sehr einfache, nicht überlappende Polygone über einem Raster, das Bathymetriedaten darstellt. Ich muss verschiedene Statistiken über jedes Polygon (wie den Bereich) herausfinden, also dachte ich, ich würde das Tool Zonale Statistik verwenden. Ich brauchte auch den Bereich der Funktionen. Also habe ich das gemacht und alles war gut.

Aber dann bemerkte ich, dass die Flächen, die ich für meine Polygone bekam, sich von den "Shape_area"-Berechnungen unterschieden, die ich sehe, wenn ich das Werkzeug "Identifizieren" verwende (das in einem blauen Kästchen mit einem 'i') und klicke auf dem Polygon.

Welcher Bereich ist richtig? Gibt es ein Problem mit meinen Projektionen?

Zonale Statistiken konvertieren Polygone in Raster. Wenn Sie den Unterschied zwischen der tatsächlichen Fläche (Polygon) und der Ausgabe der Zonenstatistik verringern möchten, verwenden Sie eine kleinere Zellengröße.

Es heißt nicht, dass es das tut. Es besagt, dass zonale Statistik Statistiken zu Werten eines Rasters innerhalb der Zonen eines anderen Datasets berechnet. Es gibt keine "Umwandlung", soweit ich das beurteilen kann. Wie würde ich überhaupt tun, was Sie vorschlagen (kleinere Zellen verwenden)? Was ist richtig, die "shape_area", die ich mit dem Identifizierungstool berechnet habe oder was ich aus dem zonalen Statistikwert bekomme? Kann ich den anderen bereitgestellten Zonenstatistiken (wie dem Mittelwert) vertrauen?

– David Weinstein
vor 12 Stunden

Verwenden Sie das Identifizierungswerkzeug. Siehe Umgebungseinstellungen, Rasterzellengröße, wenn Sie sie reduzieren möchten.

Und vielleicht mehr als 3 Zeilen in einer Tool-Hilfe lesen.

Zonale Statistiken konvertieren Polygone in Raster. Wenn Sie den Unterschied zwischen der tatsächlichen Fläche (Polygon) und der Ausgabe der Zonenstatistik verringern möchten, verwenden Sie eine kleinere Zellengröße.

Es heißt nicht, dass es das tut. Es besagt, dass zonale Statistik Statistiken zu Werten eines Rasters innerhalb der Zonen eines anderen Datasets berechnet. Es gibt keine "Umwandlung", soweit ich das beurteilen kann. Wie würde ich überhaupt tun, was Sie vorschlagen (kleinere Zellen verwenden)? Was ist richtig, die "shape_area", die ich mit dem Identifizierungstool berechnet habe oder was ich aus dem zonalen Statistikwert bekomme? Kann ich den anderen bereitgestellten Zonenstatistiken (wie dem Mittelwert) vertrauen?

– David Weinstein
vor 12 Stunden

Verwenden Sie das Identifizierungswerkzeug. Siehe Umgebungseinstellungen, Rasterzellengröße, wenn Sie sie reduzieren möchten.

Und vielleicht mehr als 3 Zeilen in einer Tool-Hilfe lesen.

Zonale Statistiken konvertieren Polygone in Raster. Wenn Sie den Unterschied zwischen der tatsächlichen Fläche (Polygon) und der Ausgabe der Zonenstatistik verringern möchten, verwenden Sie eine kleinere Zellengröße.

Zonale Statistiken konvertieren Polygone in Raster. Wenn Sie den Unterschied zwischen der tatsächlichen Fläche (Polygon) und der Ausgabe der Zonenstatistik verringern möchten, verwenden Sie eine kleinere Zellengröße.

Es heißt nicht, dass es das tut. Es besagt, dass zonale Statistik Statistiken zu Werten eines Rasters innerhalb der Zonen eines anderen Datasets berechnet. Es gibt keine "Umwandlung", soweit ich das beurteilen kann. Wie würde ich überhaupt tun, was Sie vorschlagen (kleinere Zellen verwenden)? Was ist richtig, die "shape_area", die ich mit dem Identifizierungstool berechnet habe oder was ich aus dem zonalen Statistikwert bekomme? Kann ich den anderen bereitgestellten Zonenstatistiken (wie dem Mittelwert) vertrauen?

– David Weinstein
vor 12 Stunden

Es heißt nicht, dass es das tut. Es besagt, dass zonale Statistik Statistiken über Werte eines Rasters innerhalb der Zonen eines anderen Datasets berechnet. Es gibt keine "Umwandlung", soweit ich das beurteilen kann. Wie würde ich überhaupt tun, was Sie vorschlagen (kleinere Zellen verwenden)? Was ist richtig, die "shape_area", die ich mit dem Identifizierungstool berechnet habe oder was ich aus dem zonalen Statistikwert bekomme? Kann ich den anderen bereitgestellten Zonenstatistiken (wie dem Mittelwert) vertrauen?

– David Weinstein
vor 12 Stunden

Verwenden Sie das Identifizierungswerkzeug. Siehe Umgebungseinstellungen, Rasterzellengröße, wenn Sie sie reduzieren möchten.

Verwenden Sie das Identifizierungswerkzeug. Siehe Umgebungseinstellungen, Rasterzellengröße, wenn Sie sie reduzieren möchten.


Schau das Video: Vědomí nástroj ďábla