أكثر

تجميع الفئات وإزالتها في البيانات النقطية في ArcMap أو R.

تجميع الفئات وإزالتها في البيانات النقطية في ArcMap أو R.


بعد استيفاء فئات الرواسب ، حصلت على خطوط المسح التي تشبه الصورة أدناه (عينة من النهر). أرغب في تكتل المناطق الموجودة أسفل منطقة معينة وإزالتها داخل البيانات النقطية. أنا منفتح لاستخدام R أو ArcMap 9.3.

أثناء البحث ، صادفت وظيفتي Shrink و Expand في Arc. ومع ذلك ، فإنه لا يعمل على مجموعة البيانات الخاصة بي. تبدو الوظيفة المتوفرة في هذا الموقع واعدة ، من خلال تطبيق نافذة مرشح متحركة فيالنقطيةحزمة فيص. ومع ذلك ، فإنه يفعل ذلك لمتغير مستمر ، وأنا قاطعة.

سيكون موضع ترحيب أي اقتراحات ، شكرا.


أعتقد أن نهج الغربال سوف يعمل من أجلك. هذه طريقة أكثر فاعلية لإنشاء MMU (وحدة تعيين الحد الأدنى) أو تصفية البيانات التي تقترب من التركيز.


أعتقد أن هذا هو ما تحتاجه لتحقيق ذلك باستخدام R:

# مكتبة الحزم ("النقطية") ("igraph") # تحميل النقطية النقطية <- raster ("your_raster.tif")

الآن قد يكون من السهل القيام بذلك لجميع الفئات في نفس الوقت ولكني سأوضح فقط كيفية القيام بذلك للفئة 1 ، يمكنك القيام بذلك بشكل فردي ثم توحيد النتائج لأنه من السهل أتمتة:

# نسخ نقطية وتعيين "NA" لجميع وحدات البكسل التي ليست من الفئة 1 rast_class_1 <- rast rast_class_1 [rast! = class_1_value] <- NA # pixels clumpz <- clump (rast_class_1، direction = 8) # frecuency table of clumps f <- data.frame (freq (clumpz)) # أي صفوف من إطار data.frame يتم تمثيلها فقط بواسطة مجموعات تحت 8 بكسل؟ str (أي (f $ count <= 8)) # ما هي القيم التي تتوافق معها؟ str (f $ value [التي (f $ count <= 8)]) # ضعها في متجه لمعرفات المجموعة المراد إزالتها. [clumpz٪ in٪ extracteID] <- NA # الكتابة إلى القرص rf <- writeRaster (rast_class_1، filename = "filtered_class_1.tif"، format = "GTiff"، overwrite = TRUE)

يحدد النظام الإحداثي كيفية إسقاط البيانات النقطية. يمكنك استخدام نفس النظام الإحداثي لبياناتك بحيث تكون جميعها في نفس الإسقاط.

يتم إسقاط مجموعة البيانات النقطية في مرجع مكاني جديد باستخدام طريقة تقريب إقحام ثنائية الخطية تقوم بإسقاط وحدات البكسل على شبكة متداخلة وتستخدم الاستيفاء ثنائي الخطوط بين وحدات البكسل.

تضمن هذه الأداة أن نطاق الخطأ أقل من نصف بكسل.

لتطبيق التحويل بدون إنشاء ملف ، استخدم أداة Warp.

يمكنك اختيار مرجع مكاني موجود مسبقًا ، أو استيراده من مجموعة بيانات أخرى ، أو إنشاء واحد.

يمكن لهذه الأداة فقط إخراج حجم خلية مربعة.

يمكنك حفظ مخرجاتك في BIL أو BIP أو BMP أو BSQ أو DAT أو Esri Grid أو GIF أو IMG أو JPEG أو JPEG 2000 أو PNG أو TIFF أو MRF أو CRF أو أي مجموعة بيانات نقطية لقاعدة البيانات الجغرافية.

عند تخزين مجموعة البيانات النقطية في ملف JPEG أو ملف JPEG 2000 أو قاعدة بيانات جغرافية ، يمكنك تحديد نوع الضغط وجودة الضغط في البيئات.

الخيار الأقرب ، الذي ينفذ تعيين الجوار الأقرب ، هو أسرع طرق الاستيفاء الأربعة. يتم استخدامه بشكل أساسي للبيانات الفئوية ، مثل تصنيف استخدام الأراضي ، لأنه لن يغير قيم الخلايا. لا ينبغي استخدامه للبيانات المستمرة ، مثل أسطح الارتفاع.

يستخدم الخيار Bilinear الاستيفاء ثنائي الخطوط لتحديد القيمة الجديدة لخلية بناءً على متوسط ​​المسافة الموزونة لأقرب أربع خلايا محيطة. يستخدم الخيار التكعيبي التفافًا تكعيبيًا لتحديد قيمة الخلية الجديدة عن طريق ملاءمة منحنى سلس عبر النقاط المحيطة. هذه هي أنسب الخيارات للبيانات المستمرة ولكنها قد تسبب بعض التنعيم. لاحظ أن الالتواء التكعيبي قد ينتج عنه احتواء البيانات النقطية للمخرجات على قيم خارج نطاق البيانات النقطية للإدخال. لا يتم استخدام أي من هاتين الطريقتين مع البيانات الفئوية لأنه قد يتم إدخال قيم خلايا مختلفة ، وهو ما قد يكون غير مرغوب فيه.

ستكون خلايا مجموعة البيانات النقطية مربعة وذات مساحة متساوية في مساحة إحداثيات الخريطة ، على الرغم من أن الشكل والمساحة التي تمثلها الخلية على سطح الأرض لن تكون ثابتة أبدًا عبر خطوط المسح. هذا لأنه لا يمكن لإسقاط الخريطة أن يحافظ على كل من الشكل والمنطقة في وقت واحد. ستختلف المنطقة التي تمثلها الخلايا عبر البيانات النقطية. لذلك ، قد يتغير حجم الخلية وعدد الصفوف والأعمدة في البيانات النقطية للإخراج.

حدد دائمًا حجم خلية الإخراج ، إلا إذا كنت تقوم بالإسقاط بين الإحداثيات الكروية (خطوط الطول والعرض) ونظام إحداثيات مستوٍ ولا تعرف حجم الخلية المناسب.

يتم تحديد حجم الخلية الافتراضي للمخرجات النقطية من حجم الخلية المسقط في وسط البيانات النقطية للإخراج. هذا هو عادةً تقاطع خط الزوال المركزي وخط العرض للمقياس الحقيقي وهي المنطقة الأقل تشويهًا. يتم توقع حدود المدخلات النقطية ، ويحدد الحد الأدنى والحد الأقصى للنطاقات حجم البيانات النقطية الناتجة. يتم إسقاط كل خلية مرة أخرى إلى نظام إحداثيات الإدخال لتحديد قيمة الخلية.

يعتبر التحويل الجغرافي معلمة اختيارية عندما يكون لأنظمة إحداثيات الإدخال والإخراج نفس الإسناد. إذا كانت بيانات الإدخال والإخراج مختلفة ، فيجب تحديد التحويل الجغرافي.

تتيح لك نقطة التسجيل تحديد نقطة الأصل لترسيخ خلايا الإخراج. ستكون جميع خلايا الإخراج فاصلًا زمنيًا لحجم الخلية بعيدًا عن هذه النقطة. لا يجب أن تكون هذه النقطة إحداثي زاوية أو تقع ضمن مجموعة البيانات النقطية. إذا تم تعيين نقطة نقطية في إعدادات البيئة ، فسيتم تجاهل نقطة التسجيل.

CLARKE 1866 هو الشكل الكروي الافتراضي إذا لم يكن ملازمًا للإسقاط (مثل NEWZEALAND_GRID) أو تم تحديد آخر باستخدام الأمر الفرعي SPHEROID.

سيكون لإعداد النقطية المفاجئة الأولوية على نقطة التسجيل إذا تم تعيين كليهما.

لإجراء تحويل رأسي ، حدد المعلمة الرأسية الاختيارية في مربع الحوار. بشكل افتراضي ، لا يتوفر المعامل الرأسي ولا يتوفر إلا عندما يكون لأنظمة إحداثيات الإدخال والإخراج نظام إحداثيات رأسي (VCS) ، وإحداثيات فئة ميزة الإدخال لها قيم z. أيضًا ، يجب تثبيت إعداد بيانات إضافية (بيانات أنظمة الإحداثيات) على النظام.

عند تحديد نظام إحداثيات الإخراج ، يمكنك اختيار كل من نظام الإحداثي الجغرافي أو المسقط ونظام VCS. إذا كان المدخلات والمخرجات VCS مختلفة ، فإن التحويل الرأسي المناسب والتحويلات الجغرافية الاختيارية (الإسناد) متاحة. إذا كان يجب تطبيق التحويل في الاتجاه المعاكس لتعريفه ، فاختر الإدخال مع التلدة (

تدعم هذه الأداة البيانات النقطية متعددة الأبعاد. لتشغيل الأداة على كل شريحة في البيانات النقطية متعددة الأبعاد وإنشاء ناتج نقطي متعدد الأبعاد ، تأكد من حفظ الإخراج في CRF.

تتضمن أنواع مجموعات بيانات الإدخال متعددة الأبعاد المدعومة طبقة البيانات النقطية متعددة الأبعاد ومجموعة بيانات الفسيفساء وخدمة الصور و CRF.


تجمع هذه الأداة بين وظائف أدوات Iso Cluster و Maximum Likability Classification. يقوم بإخراج البيانات النقطية المصنفة. يقوم بإخراج ملف توقيع اختياريًا.

يمكن استخدام ملف التوقيع الناتج من هذه الأداة كمدخل لأداة تصنيف أخرى ، مثل تصنيف الاحتمالية القصوى ، لمزيد من التحكم في معلمات التصنيف.

الحد الأدنى للقيمة الصالحة لعدد الفصول هو اثنان. لا يوجد حد أقصى لعدد المجموعات. بشكل عام ، تتطلب المزيد من المجموعات المزيد من التكرارات.

لتوفير الإحصائيات الكافية اللازمة لإنشاء ملف توقيع لتصنيف مستقبلي ، يجب أن تحتوي كل مجموعة على خلايا كافية لتمثيل الكتلة بدقة. يجب أن تكون القيمة المُدخلة للحجم الأدنى للفئة أكبر بحوالي 10 مرات من عدد الطبقات في نطاقات البيانات النقطية المدخلة.

تشير القيمة التي تم إدخالها للفاصل الزمني للعينة إلى استخدام خلية واحدة من كل كتلة من الخلايا n-by-n في حسابات الكتلة.

لا يجب دمج الفئات أو إزالتها أو تغيير أي إحصائيات لملف توقيع ASCII.

بشكل عام ، كلما زاد عدد الخلايا الموجودة في مدى تقاطع نطاقات الإدخال ، يجب تحديد قيم أكبر للحجم الأدنى للفئة وفاصل العينة. يجب أن تكون القيم المُدخلة لعينة الفاصل الزمني صغيرة بما يكفي لأخذ عينات من أصغر الفئات المرغوبة الموجودة في بيانات الإدخال بشكل مناسب.

تبدأ قيم معرف الفئة في ملف توقيع الإخراج من واحد وتزداد بالتتابع إلى عدد فئات الإدخال. تعيين أرقام الفئة تعسفي.

يجب أن يكون اسم ملف التوقيع الناتج بامتداد .gsg.

سيتم الحصول على نتائج أفضل إذا كان لجميع نطاقات الإدخال نفس نطاقات البيانات. إذا كانت النطاقات تحتوي على نطاقات بيانات مختلفة إلى حد كبير ، فيمكن تحويل نطاقات البيانات إلى نفس النطاق باستخدام Map Algebra لإجراء المعادلة.

إذا كان الإدخال عبارة عن طبقة تم إنشاؤها من خطوط نقطية متعددة النطاقات بأكثر من ثلاثة نطاقات ، فستأخذ العملية في الاعتبار جميع النطاقات المرتبطة بمجموعة البيانات المصدر ، وليس فقط النطاقات الثلاثة التي تم تحميلها (التي تم ترميزها) بواسطة الطبقة.

هناك عدة طرق يمكنك من خلالها تحديد مجموعة فرعية من النطاقات من خطوط نقطية متعددة النطاقات لاستخدامها كمدخلات في الأداة.

  • إذا كنت تستخدم مربع حوار الأداة ، فاستعرض وصولاً إلى البيانات النقطية متعددة النطاقات باستخدام الاستعراض الزر الموجود بجوار إدخال النطاقات النقطية ، وافتح البيانات النقطية ، وحدد النطاقات المطلوبة.
  • إذا كانت النقطية متعددة النطاقات عبارة عن طبقة في جدول المحتويات ، يمكنك استخدام أداة إنشاء طبقة نقطية لإنشاء طبقة جديدة متعددة النطاقات تحتوي على النطاقات المرغوبة فقط.
  • يمكنك أيضًا إنشاء مجموعة بيانات جديدة تحتوي فقط على النطاقات المرغوبة باستخدام النطاقات المركبة واستخدام مجموعة البيانات الناتجة كمدخلات للأداة.
  • في Python ، يمكن تحديد النطاقات المرغوبة مباشرةً في معلمة الأداة كقائمة.

راجع بيئات التحليل والمحلل المكاني للحصول على تفاصيل إضافية حول بيئات المعالجة الجغرافية التي تنطبق على هذه الأداة.


تعمل أنواع البيانات الجغرافية المتقدمة على توسيع فئات المعالم والنقطية وجداول البيانات الجدولية

تُستخدم عناصر قاعدة البيانات الجغرافية المختلفة لتوسيع الجداول والميزات والنقطية البسيطة لنمذجة العلاقات المكانية وإضافة سلوك غني وتحسين تكامل البيانات وتوسيع إمكانيات قاعدة البيانات الجغرافية لإدارة البيانات.

يتضمن مخطط قاعدة البيانات الجغرافية التعريفات وقواعد التكامل والسلوك لكل من هذه القدرات الموسعة. يتضمن ذلك خصائص أنظمة الإحداثيات ، ودقة الإحداثيات ، وفئات المعالم ، والطبولوجيا ، والشبكات ، وكتالوجات البيانات النقطية ، والعلاقات ، والمجالات. تستمر معلومات المخطط هذه في مجموعة من جداول التعريف الخاصة بقاعدة البيانات الجغرافية. تحدد هذه الجداول سلامة وسلوك المعلومات الجغرافية.

عند الضرورة ، يمكنك توسيع بياناتك لدعم بعض الإمكانات الأساسية. تحتوي قاعدة البيانات الجغرافية على عدد من عناصر البيانات الإضافية وأنواع مجموعات البيانات التي يمكن استخدامها لتوسيع هذه المجموعة الأساسية من مجموعات البيانات.


بناء جملة البرمجة

ArcGISRasterToLinesArcGISTable_GeoEco (جدول ، inputRasterField ، outputFeatureClassField ، تبسيط ، حقل ، projectedCoordinateSystem ، geographicTransformation ، resamplingTechnique ، projectedCellSize ، registrationPoint ، clippingDataset ، clippingRectangle ، mapAlgebraExpression ، أين ، الترتيب

حقل يحتوي على البيانات النقطية للتحويل.

سيتم تحويل البيانات النقطية إلى فئات معالم خطية باستخدام أداة ArcGIS Raster to Polyline. لكل زوج من الخلايا النقطية الأمامية المجاورة ، ترسم الأداة خطًا يربط بين مراكزها. هذه الخوارزمية مناسبة لتحويل ميزات خطوط المسح الشبيهة بالخطوط ، مثل جبهات درجة حرارة سطح البحر أو البيانات الحدودية الأخرى ، إلى ميزات متجهية.

حقل يحتوي على فئات ميزات خط الإخراج.

سيتم إنشاء فئة ميزة واحدة لكل خطوط نقطية. الدلائل المفقودة سيتم إنشاء مسارات الإخراج إذا لم تكن موجودة.

في حالة True (الافتراضي) ، سيتم تجانس خطوط الإخراج وفقًا لخوارزمية غير موثقة يتم تنفيذها بواسطة أداة ArcGIS Raster to Polyline.

الحقل المستخدم لتعيين قيم من الخلايا في البيانات النقطية للإدخال إلى الخطوط في مجموعة بيانات الإخراج. يمكن أن يكون عددًا صحيحًا أو حقل سلسلة.

نظام إحداثيات جديد لعرض البيانات النقطية عليه.

لا يجوز إسقاط البيانات النقطية على نظام إحداثي جديد إلا إذا تم تحديد الإسقاط الأصلي. سيظهر خطأ إذا حددت نظام إحداثيات جديدًا بدون تحديد نظام الإحداثي الأصلي.

تُستخدم أداة ArcGIS Project Raster لتنفيذ الإسقاط. توصي وثائق هذه الأداة بأن تحدد أيضًا حجم خلية لنظام الإحداثيات الجديد.

لقد لاحظت أنه بالنسبة لأنظمة إحداثيات معينة ، يبدو أن أداة ArcGIS 9.2 Project Raster تقوم بقص البيانات النقطية المتوقعة إلى حد تعسفي يكون صغيرًا جدًا. على سبيل المثال ، عند عرض صورة كلوروفيل MODIS Aqua عالمية بطول 4 كم في إحداثيات جغرافية إلى Lambert_Azimuthal_Equal_Area مع خط الطول المركزي -60 وخط العرض الأصلي -63 ، يتم قص الصورة الناتجة لإظهار ربع الكوكب فقط. لا تحدث هذه المشكلة عند استدعاء Project Raster بشكل تفاعلي من واجهة مستخدم ArcGIS ، فهي تحدث فقط عند استدعاء الأداة برمجيًا (طريقة ProjectRaster_management للمعالج الجغرافي). وبالتالي ، قد لا تراها عند استخدام Project Raster بنفسك ، ولكن قد يحدث ذلك عند استخدام أدوات MGET التي تستدعي Project Raster كجزء من عمليات المعالجة الجغرافية الخاصة بها.

إذا واجهت هذه المشكلة ، فيمكنك حلها على النحو التالي:

أولاً ، قم بتشغيل هذه الأداة دون تحديد نظام إحداثيات جديد للحصول على البيانات النقطية في نظام الإحداثيات الأصلي.

في ArcCatalog ، استخدم أداة Project Raster لعرض البيانات النقطية على نظام الإحداثيات الجديد. تحقق من وجود البيانات النقطية بالكامل ، وأنه لم يتم قصها بدرجة صغيرة جدًا.

في ArcCatalog ، ابحث عن مدى البيانات النقطية المتوقعة بالنقر بزر الماوس الأيمن عليها في شجرة الكتالوج ، وتحديد الخصائص ، والتمرير لأسفل إلى المدى.

الآن ، قبل تشغيل أداة MGET التي تعرض البيانات النقطية ، اضبط إعداد بيئة النطاق على القيم التي بحثت عنها. إذا كنت تستدعي أداة MGET بشكل تفاعلي من ArcCatalog أو ArcMap ، فانقر فوق زر البيئات في مربع حوار الأداة ، وافتح الإعدادات العامة ، وقم بتغيير قائمة النطاق المنسدلة إلى "كما هو محدد أدناه" ، واكتب القيم التي بحثت عنها. إذا كنت تستدعيها من نموذج معالجة جغرافية ، فانقر بزر الماوس الأيمن فوق الأداة الموجودة في النموذج ، وحدد Make Variable، From Environment، General Settings، Extent. سيضع هذا النطاق كمتغير في نموذجك ، مرفقًا بأداة MGET. افتح متغير النطاق ، وقم بتغييره إلى "كما هو محدد أدناه" واكتب القيم التي بحثت عنها. إذا كنت تستدعي أداة MGET برمجيًا ، فيجب عليك تعيين خاصية Extent للمعالج الجغرافي على القيم التي بحثت عنها. يرجى الاطلاع على وثائق ArcGIS لمزيد من المعلومات حول هذا وإعدادات البيئة بشكل عام.

قم بتشغيل أداة MGET. يجب أن يكون حجم البيانات النقطية بالحجم المناسب.

طريقة تحويل مستخدمة للتحويل بين نظام الإحداثيات الأصلي ونظام الإحداثيات الجديد.

هذه المعلمة هي خيار جديد تم تقديمه بواسطة ArcGIS 9.2. يجب أن يكون لديك ArcGIS 9.2 لاستخدام هذه المعلمة.

هذه المعلمة مطلوبة فقط عندما تحدد أنه يجب إسقاط البيانات النقطية على نظام إحداثيات جديد وأن النظام الجديد يستخدم مسندًا مختلفًا عن نظام الإحداثيات الأصلي ، أو إذا كان هناك اختلاف آخر بين نظامي الإحداثيات يتطلب تحويلاً. لتحديد ما إذا كان التحويل مطلوبًا ، أوصي بالإجراء التالي:

أولاً ، قم بتشغيل هذه الأداة دون تحديد نظام إحداثيات جديد للحصول على البيانات النقطية في نظام الإحداثيات الأصلي.

بعد ذلك ، استخدم أداة ArcGIS 9.2 Project Raster على البيانات النقطية لعرضها على نظام الإحداثيات المطلوب. إذا كانت هناك حاجة إلى تحويل جغرافي ، فستطالبك هذه الأداة بتحويل واحد. اكتب الاسم الدقيق للتحويل الذي استخدمته.

أخيرًا ، إذا كان التحويل مطلوبًا ، فاكتب الاسم الدقيق في هذه الأداة ، وأعد تشغيله ، وتحقق من أنه تم عرض البيانات النقطية بالشكل الذي تريده.

خوارزمية إعادة التشكيل التي سيتم استخدامها لإسقاط البيانات النقطية الأصلية على نظام إحداثيات جديد. تُستخدم أداة ArcGIS Project Raster لتنفيذ الإسقاط وتقبل القيم التالية:

أقرب - أقرب جار استيفاء

خطي - استيفاء ثنائي الخطي

يجب تحديد إحدى هذه الخوارزميات لعرضها على نظام إحداثيات جديد. سيظهر خطأ إذا قمت بتحديد نظام إحداثيات جديد بدون تحديد خوارزمية.

حجم خلية نظام الإحداثيات المسقط. على الرغم من أن هذه المعلمة اختيارية ، لتلقي أفضل النتائج ، توصي وثائق ArcGIS بتحديدها دائمًا عند الإسقاط على نظام إحداثي جديد.

إحداثيات x و y (في مساحة الإخراج) المستخدمة لمحاذاة البكسل.

هذه المعلمة هي خيار جديد تم تقديمه بواسطة ArcGIS 9.2. يجب أن يكون لديك ArcGIS 9.2 لاستخدام هذه المعلمة. يتم تجاهله إذا لم تحدد أنه يجب إسقاط البيانات النقطية على نظام إحداثيات جديد.

فئة المعالم الحالية أو البيانات النقطية أو مجموعة بيانات جغرافية أخرى لها المدى الذي يجب أن يتم فيه اقتصاص البيانات النقطية.

تحذير: إذا كنت تستخدم هذه الأداة من نموذج معالجة جغرافية ArcGIS وقمت بتحديد مجموعة بيانات بالنقر فوق رمز المجلد والاستعراض إلى مجموعة البيانات ، فقد يختفي تحديدك بشكل غامض من مربع النص هذا بعد إغلاق الأداة. هذا خطأ في ArcGIS. لحل هذه المشكلة ، اسحب مجموعة البيانات المطلوبة وأفلتها في النموذج. سيؤدي ذلك إلى إنشاء طبقة في النموذج لمجموعة البيانات هذه. ثم حدد تلك الطبقة في هذه الأداة بالنقر فوق المربع المنسدل بدلاً من النقر فوق رمز المجلد. يجب ألا تختفي الطبقة المحددة عند إغلاق الأداة.

المستطيل الذي يجب قص البيانات النقطية إليه.

إذا تم تحديد نظام إحداثي مُسقط ، فسيتم إجراء القطع بعد الإسقاط ويجب تحديد إحداثيات المستطيل في نظام الإحداثيات الجديد. إذا لم يتم تحديد نظام إحداثيات مُسقط ، فيجب تحديد الإحداثيات في نظام الإحداثيات الأصلي.

تُستخدم أداة ArcGIS Clip لأداء المقطع. يجب تمرير مستطيل القطع إلى هذه الأداة كسلسلة من أربعة أرقام مفصولة بمسافات. تعمل واجهة مستخدم ArcGIS تلقائيًا على تنسيق السلسلة بشكل صحيح عند استدعاء هذه الأداة من ArcGIS UI ، فلا داعي للقلق بشأن التنسيق. ولكن عند استدعاءها برمجيًا ، احرص على توفير سلسلة منسقة بشكل صحيح. تم ترتيب الأرقام من اليسار ، الأسفل ، اليمين ، الأعلى. على سبيل المثال ، إذا كانت البيانات النقطية في نظام إحداثيات جغرافي ، فيمكن قصها إلى 10 وات ، 15 ج ، 20 شرق ، 25 ن مع السلسلة:

يمكن توفير الأعداد الصحيحة أو الأعداد العشرية.

تعيين تعبير الجبر لتنفيذه على البيانات النقطية.

تحذير: قد يقوم ArcGIS Geoprocessing Model Builder بحذف قيمة هذه المعلمة بشكل عشوائي وصامت. هذا خطأ في ArcGIS. قبل تشغيل النموذج الذي قمت بحفظه ، افتح هذه الأداة وتحقق من أن قيمة المعلمة لا تزال موجودة.

يتم تنفيذ التعبير بعد إسقاط البيانات النقطية المحولة وقصها (إذا تم تحديد هذه الخيارات). استخدم inputRaster للسلسلة الحساسة لحالة الأحرف لتمثيل البيانات النقطية التي تريد الآن تنفيذ جبر الخريطة عليها. على سبيل المثال ، لتحويل البيانات النقطية إلى عدد صحيح وإضافة 1 لجميع الخلايا ، استخدم هذا التعبير:

تعتبر سلسلة inputRaster حساسة لحالة الأحرف. قبل تنفيذ تعبير جبر الخريطة ، يتم استبدال السلسلة بالمسار المؤدي إلى البيانات النقطية المؤقتة التي تمثل البيانات النقطية التي يتم إنشاؤها. يجب أن يكون التعبير النهائي أقل من 4000 حرف أو سيقوم ArcGIS بالإبلاغ عن خطأ.

تُستخدم أداة ArcGIS Single Output Map Algebra لتنفيذ تعبير جبر الخريطة. يجب أن يكون لديك ترخيص لملحق ArcGIS Spatial Analyst من أجل تنفيذ جبر الخريطة.

يمكن أن يكون بناء جبر الخريطة صعب الإرضاء. إليك بعض النصائح التي ستساعدك على النجاح مع هذه الأداة:

قبل استخدام هذه الأداة ، قم بإنشاء واختبار تعبير جبر الخريطة باستخدام أداة ArcGIS Single Output Map Algebra. ثم الصق التعبير في هذه الأداة وحرره لاستخدام متغير inputRaster بدلاً من قيمة الاختبار التي استخدمتها مع Single Output Map Algebra.

إذا قمت بتطوير تعبيرك مباشرة في هذه الأداة ، فابدأ بتعبير بسيط للغاية. تحقق من أنه يعمل بشكل صحيح ، وأضف القليل إليه ، ثم تحقق مرة أخرى. كرر هذه العملية حتى تقوم ببناء التعبير الكامل.

افصل دائمًا العوامل الحسابية عن المسارات النقطية باستخدام المسافات. في المثال أعلاه ، يحتوي العامل / على مسافة على كلا الجانبين. اتبع هذا النمط. في بعض الحالات ، سيفشل ArcGIS في معالجة تعبيرات الجبر النقطية التي لا تفصل المسارات النقطية عن المشغلين باستخدام المسافات. لا تشير رسالة الخطأ التي تم الإبلاغ عنها عادةً إلى أن هذه هي المشكلة ، وقد يكون تعقبها أمرًا محبطًا للغاية.

تعبير جملة SQL WHERE يحدد مجموعة فرعية من الصفوف المراد معالجتها. إذا لم يتم توفير هذه المعلمة ، فستتم معالجة جميع الصفوف. إذا تم توفير هذه المعلمة ولكن قاعدة البيانات الأساسية لا تدعم عبارات WHERE ، فسيظهر خطأ.

يعتمد بناء الجملة الدقيق لهذا التعبير على قاعدة البيانات الأساسية. يوصيك ESRI بالرجوع إلى الحقول باستخدام الصيغة التالية:

إذا كنت تستعلم عن تغطيات ArcInfo أو ملفات الأشكال أو جداول INFO أو جداول dBASE (ملفات .dbf) ، فقم بإحاطة أسماء الحقول بعلامات اقتباس مزدوجة في تعبير SQL: "MY_FIELD".

إذا كنت تستعلم عن جداول Microsoft Access أو جداول قاعدة بيانات جغرافية شخصية ، فقم بإحاطة أسماء الحقول بأقواس مربعة: [MY_FIELD].

إذا كنت تستعلم عن جداول قاعدة البيانات الجغرافية ArcSDE ، أو فئة معالم ArcIMS ، أو طبقة فرعية لخدمة صورة ArcIMS ، فلا تقم بتضمين أسماء الحقول: MY_FIELD.

الحقول التي سيتم استخدامها لفرز الصفوف (أي الأعمدة المحددة في جملة ORDER BY من جملة SQL SELECT). إذا لم يتم توفير أي حقول ، فسيتم فرز الصفوف بالترتيب الافتراضي الذي تحدده قاعدة البيانات الأساسية. إذا تم توفير هذه المعلمة ولكن هذا الكمبيوتر لا يقوم بتشغيل ArcGIS 9.2 أو إصدار أحدث أو أن قاعدة البيانات الأساسية لا تدعم عبارات ORDER BY ، فسيظهر خطأ.

بالإضافة إلى تحديد حقول ORDER BY ، يجب عليك أيضًا تحديد اتجاه الفرز لكل حقل.

قائمة السلاسل ، إما "تصاعدي" أو "تنازلي" ، التي تحدد اتجاهات الفرز لحقول ORDER BY. إذا تم توفير هذه المعلمة ولكن هذا الكمبيوتر لا يقوم بتشغيل ArcGIS 9.2 أو إصدار أحدث أو أن قاعدة البيانات الأساسية لا تدعم عبارات ORDER BY ، فسيظهر خطأ.

إذا كان صحيحًا ، فسيتم تخطي التحويل لفئات الميزات الموجودة بالفعل.

مسار أساسي قبل المسارات النسبية.

إذا تم توفير مسار أساسي ، فسيتم إلحاقه بأي مسارات ذات صلة يتم الحصول عليها من الحقول التي تسرد المدخلات (والمخرجات ، إذا كانت هذه الأداة بها مخرجات). إذا لم يتم توفير مسار أساسي ، فسيتم إضافة مساحة العمل التي تحتوي على الجدول مسبقًا بدلاً من ذلك.


إعادة تصنيف البيانات النقطية تلقائيًا باستخدام ArcMap Model Builder استنادًا إلى إحصائيات البيانات النقطية

يكتب Alexandros Voukenas عن مشكلة إعادة تصنيف البيانات النقطية تلقائيًا استنادًا إلى إحصائياتها ، باستخدام نموذج ArcMap's Builder. تقدم هذه المقالة دليلًا تفصيليًا مع لقطات شاشة وتفسيرات ذات صلة ، بالإضافة إلى نظرة عامة قصيرة على النظرية الكامنة وراء هذه المشكلة.

لقد فكرت في كثير من الأحيان في بدء سلسلة من البرامج التعليمية المتعلقة بمشاكل نظم المعلومات الجغرافية والاستشعار عن بُعد الشائعة التي نواجهها في برامج مختلفة وقد يكون حلها صعبًا إلى حد ما. لقد وجدت مؤخرًا ما بدا أنه بداية جيدة: إعادة التصنيف التلقائي للبيانات النقطية باستخدام أداة إنشاء النماذج في ArcMap استنادًا إلى إحصائيات البيانات النقطية.

في الاستشعار عن بعد ، تعد إعادة تصنيف البيانات النقطية ترجمة مفيدة من قيم الانعكاس المستمر أو الفهرس إلى فئات منفصلة تتوافق مع معلومات محددة. يتم إجراء ذلك غالبًا في دراسات الكشف عن التغيير ، حيث يتوافق تغيير القيمة بين نفس وحدات البكسل في تواريخ مختلفة مع مستوى التغيير. على سبيل المثال ، لدراسة منطقة محترقة ، يعد الاختلاف في نسبة الحرق الطبيعي (NBR) مؤشرًا جيدًا لشدة الحرق:

من الواضح أن قيمة التغيير 0 تتوافق مع منطقة لم يتم حرقها ، وقيمة 1 إلى منطقة تم حرقها بشدة. ولكن كيف نقرر كل القيم البينية؟ تقليديًا ، وبالنظر إلى أن قيم البكسل في الصورة تتبع التوزيع الطبيعي ، يتم تحديد شدة التغيير بناءً على إحصائيات البيانات النقطية:

مخطط توزيع & # 8216 طبيعي & # 8217 مع شكل منحنى الجرس الكلاسيكي. المصدر: M.W. Toews، CC BY 2.5، MediaWiki Commons

كما نرى ، في المجتمع الذي يتبع (أو يقترب) التوزيع الطبيعي ، تتراوح 64.2٪ من القيم من (متوسط ​​الانحراف المعياري 1) إلى (يعني + 1 الانحراف المعياري). تتراوح 27.2٪ من القيم من (μ-2σ) إلى (μ-1σ) أو من (μ + 1σ) إلى (μ + 2σ) إلخ. لذلك يمكننا ترجمة هذه المعرفة لتصنيف قيم صورة التغيير إلى منفصلة القيم:

  1. (μ-1σ إلى μ + 1σ): لا تغيير
  2. (μ-2σ إلى μ-1σ) أو (μ + 1σ إلى μ + 2σ): تغيير معتدل
  3. (& ltμ-2σ) أو (& gtμ + 2σ): تغيير حاد

هذه كلها نظرية قياسية معروفة في الاستشعار عن بعد ، وإعادة التصنيف التلقائي للخطوط النقطية سهلة التنفيذ باستخدام البرمجة (باستخدام لغة Python أو R أو لغة مشابهة). على الرغم من أنني أشجع بشدة المهنيين الشباب الآخرين مثلي ، وكذلك الطلاب والخريجين الشباب ، على البدء في بناء الثقة مع البرمجة في أقرب وقت ممكن والاستقلال عن البرامج التجارية ، إلا أنني أفهم أن الجميع ليسوا على نفس المستوى. ناهيك عن أنك ستبحث غالبًا عن حل سريع وسهل في بيئة رسومية وأن وقت إنشاء برنامج نصي مخصص (بما في ذلك البحث عن الوثائق وتصحيح الأخطاء وما إلى ذلك) لا يبدو أنه "يستحق ذلك". في مثل هذه الحالات ، تعد النماذج الرسومية لبرنامج GIS القياسي حلاً جيدًا ، وسنرى اليوم كيفية حل هذه المشكلة بسهولة باستخدام Model Builder ArcMap.

لنفترض أن كل ما لدينا من بيانات الإدخال هو نقطية واحدة (على سبيل المثال ، صورة تغيير) بقيم مستمرة ونريد إعادة تصنيفها تلقائيًا إلى 3 فئات بناءً على إحصائياتها: متوسط ​​القيمة والانحراف المعياري. لحساب هذه القيم ، سنحتاج إلى أداة "Get Raster Properties" مرتين ، مرة للمتوسط ​​ومرة ​​للانحراف المعياري:

تأكد من اختيار "MEAN" و "STD" في أدوات "نوع الملكية". سيؤدي هذا إلى حساب المتوسط ​​والانحراف المعياري ، ولكن إليك الجزء الصعب (وبشكل أساسي السبب الذي دفعني إلى اختيار هذا الموضوع اليوم): استرداد هذه القيم لاستخدامها في العمليات الحسابية لإعادة التصنيف. في GIS Stack ، نجد حلاً يعتمد على Raster Calculator ، لكن هذا يتطلب بعض القواعد المحددة للمتغيرات وكنت مهتمًا بحل أكثر بساطة ومباشرة.

للتغلب على هذا ، يمكننا استخدام أداة "إنشاء خطوط نقطية ثابتة". كما يوحي العنوان ، سيتم إنشاء خطوط نقطية بقيمة ثابتة ويمكننا تعيين هذه القيم لتكون هي الانحراف المتوسط ​​والمعياري. يتعين علينا أيضًا تحديد نوع بيانات الإخراج كمعلمة لـ Create Constant Raster:

لإكمال الأداة ، يتعين علينا تعيين المرجع المكاني كمعلمات: حجم الخلية وتمديد الإخراج. يمكننا القيام بذلك عن طريق توصيل البيانات النقطية الناتجة بالأداة مباشرة مرتين ، مرة لكل معلمة:

بالإضافة إلى ذلك ، يمكننا الاحتفاظ بمعامل "نوع بيانات الإخراج" واحد فقط وربطه بكل من إنشاء خطوط نقطية ثابتة:

لذلك ، باستخدام هذه الطريقة غير المباشرة ، قمنا باسترداد القيم الإحصائية ونحن في وضع يسمح لنا بإجراء حسابات بها. علينا إجراء الحسابات:

نستخدم أولاً أداة Times للانحراف المعياري لضربه في 2. ثم باستخدام أدوات Plus و Minus والمخرجات "STDV Raster" و "Mean Raster" يمكننا إجراء جميع العمليات الحسابية. لنبدأ بالفترة الأولى:

معذرةً ، إذا اختلط الأمر على بعض المشغلين ، فذلك لأنني أستخدم باستمرار خيار "التنسيق التلقائي" في Model Builder. لذلك ، قمنا بإنشاء النقطية μ + 1σ و μ-1σ. ونريد أن تكون جميع قيم خطوط المسح الأولية خلال تلك الفترة جزءًا من نفس الفئة. يمكننا تحقيق ذلك بسهولة من خلال مجموعة من أدوات الترتيب والأدوات المنطقية ، مثل "أقل من" و "أكبر من" و "منطقية OR" و "Boolean AND":

لذا ، ما فعلناه كان بسيطًا جدًا. حسبنا نقطتين: (μ + 1σ) و (μ-1σ). إذا كانت قيم البيانات النقطية الأولية الخاصة بنا تراوحت بين هاتين القيمتين (أدوات "أقل من يساوي" و "أكبر من متساوي") ، فسيتم إنشاء نقطية ثنائية (صواب إذا كانت تقع ضمنها ، وخطأ بخلاف ذلك- عامل التشغيل المنطقي "و").

يمكننا إنشاء الفئتين الأخريين بالمثل باستخدام 2x STDV Raster ونفس الأدوات ، لذا دعني أقدم سريعًا إلى الفصل الثاني المكتمل:

لقد قمت عن عمد بقص بقية النموذج الذي يحسب الفئة 1 حتى لا تبدو معقدة للغاية. يتكون الفصل الثاني من فئتين فرعيتين منفصلتين (ما أسميه "علوي" و "سفلي" ، أو يمكنك تسميتهما "يسار" و "يمين") لذلك نحتاج إلى أداة "منطقية OR" إضافية لعمل الفئة 2 النهائية: تغيير معتدل.

يتم إنشاء الفئة النهائية بالمثل ، بناءً على أدوات عدم المساواة مع μ + 2σ و μ-2σ:

الآن ، لدينا 3 نقط نقطية منفصلة لـ TRUE / FALSE. إذا نظرت عن كثب إلى أدوات عدم المساواة ، ستلاحظ أني & # 8217 قد اخترتها بعناية لضمان فترات غير متداخلة:

لذا فإن ما نحتاجه لطبقتنا الموضوعية النهائية هو "دمج" هذه النقطيات الثلاثة معًا. للقيام بذلك ، يمكننا بسهولة تحويل الثنائي TRUE / FALSE إلى عدد صحيح 1/0. بعد ذلك ، نقوم بضرب كل رقم نقطي صحيح في عدد صحيح آخر من أجل التمييز بينهما ، ثم نجمعها معًا في النهاية ، وستتوافق كل قيمة منفصلة (0 أو 1 أو 2) مع تلك الفئة المحددة:

لقد ذكرت سابقًا أننا قد نفضل حلاً رسوميًا لطيفًا بدلاً من كتابة التعليمات البرمجية. الحقيقة هي أنه عندما تنظر إلى النموذج بأكمله ، فإنه لا يبدو أنيقًا للغاية:

لكن الحقيقة هي أن الخطوات التي يتم اتخاذها سهلة للغاية والتدفق مفهوم. أيضًا ، عندما عملت مع هذه المشكلة ، كنت أعمل فقط على تصنيف ثنائي أولي ، على سبيل المثال:

& ltμ + 2σ: 1 ، آخر 0

هذا يحتاج إلى نموذج أصغر إلى حد ما ، لكنه بنفس السهولة. ومع ذلك ، فقد أنشأنا عددًا كبيرًا من النقطيات الوسيطة ، لذا تأكد من أنها متوسطة ، بالنقر بزر الماوس الأيمن عليها:

بهذه الطريقة ، باستخدام Model Delete Intermediate Variables ، سيتم حذفها من قاعدة البيانات الخاصة بنا. بقي شيء واحد للقيام به: تشغيل النموذج ومشاهدة النتيجة:

لدينا فصولنا الثلاثة ، كما هو متوقع. كان وقت المعالجة حوالي 4 دقائق في جهاز i5 سعة 8 جيجابايت ، وهو أمر ليس سيئًا بالنظر إلى أن الملف الأصلي جاء من مشهد ENTIRE Sentinel 2 (290 × 290 كم ،

كانت هذه أول مشكلة في نظم المعلومات الجغرافية قررت تقديمها وآمل أن أبدأ في إنشاء سلسلة من المشكلات المماثلة. آمل أن يكون هذا حلاً مفيدًا وأنا أتطلع حقًا إلى تلقي التعليقات بشأن التوضيحات أو التحسينات الممكنة أو المقترحات الخاصة بمشاكل أخرى يجب معالجتها!


1.5 تاريخ R- المكاني

هناك العديد من الفوائد لاستخدام الحزم المكانية الحديثة مثل سادس، ولكن من المهم أيضًا أن تكون على دراية بتاريخ القدرات المكانية لـ R: تم تضمين العديد من الوظائف وحالات الاستخدام والمواد التعليمية في الحزم القديمة. يمكن أن تكون هذه مفيدة حتى اليوم ، شريطة أن تعرف أين تبحث.

نشأت القدرات المكانية لـ R في الحزم المكانية المبكرة في لغة S (Bivand and Gebhardt 2000). شهدت التسعينيات تطوير العديد من نصوص S وعدد قليل من الحزم للإحصاءات المكانية. نشأت حزم R من هذه الحزم وبحلول عام 2000 كانت هناك حزم R للطرق المكانية المختلفة "تحليل نمط النقطة ، والإحصاء الجغرافي ، وتحليل البيانات المكانية الاستكشافية والاقتصاد القياسي المكاني" ، وفقًا لمقال تم تقديمه في GeoComputation 2000 (Bivand و Neteler 2000). بعض هذه ، على وجه الخصوص مكاني, sgeostat و شقوق لا تزال متوفرة في CRAN (Rowlingson and Diggle 1993 و 2017 Venables و Ripley 2002 Majure and Gebhardt 2016).

احتوت مقالة لاحقة في R News (سلف The R Journal) على نظرة عامة على البرنامج الإحصائي المكاني في R في ذلك الوقت ، وكان الكثير منها يعتمد على الكود السابق المكتوب لـ S / S-PLUS (Ripley 2001). وصفت هذه النظرة العامة الحزم للتجانس المكاني والاستيفاء ، بما في ذلك أكيما و الجغرافي (Akima and Gebhardt 2016 Ribeiro Jr and Diggle 2016) ، وتحليل نمط النقاط ، بما في ذلك شقوق (رولينغسون وديجل 2017) و spatstat (بادلي وروباك وتورنر 2015).

وضع إصدار R News التالي (المجلد 1/3) الحزم المكانية في دائرة الضوء مرة أخرى ، مع مقدمة أكثر تفصيلاً عن شقوق وتعليق على الآفاق المستقبلية فيما يتعلق بالإحصاءات المكانية (بيفاند 2001). بالإضافة إلى ذلك ، قدمت المشكلة حزمتين لاختبار الارتباط التلقائي المكاني الذي أصبح في النهاية جزءًا من spdep (بيفاند 2017). والجدير بالذكر أن التعليق يذكر الحاجة إلى توحيد السطوح البينية المكانية ، وآليات فعالة لتبادل البيانات مع نظام المعلومات الجغرافية ، ومعالجة البيانات الوصفية المكانية مثل أنظمة الإحداثي المرجعية (CRS).

maptools (كتبه نيكولاس لوين كوه بيفاند ولوين كوه 2017) حزمة مهمة أخرى من هذا الوقت. بدءا maptools فقط احتوت على غلاف حول شابليب وسمح بقراءة ملفات الأشكال ESRI في قوائم متداخلة هندسية. قامت فئة S3 المقابلة والتي عفا عليها الزمن حاليًا والتي تسمى "خريطة" بتخزين هذه القائمة جنبًا إلى جنب مع إطار بيانات السمة. ومع ذلك ، كان العمل على التمثيل الطبقي "الخريطة" مهمًا لأنه يغذي بشكل مباشر ص قبل نشره على CRAN.

في عام 2003 نشر روجر بيفاند مراجعة موسعة للحزم المكانية. اقترحت نظامًا للفئة لدعم "كائنات البيانات التي تقدمها GDAL" ، بما في ذلك أنواع النقطة "الأساسية" والخط والمضلع والنقطية. علاوة على ذلك ، اقترح أن تكون واجهات المكتبات الخارجية أساس حزم R المعيارية (Bivand 2003). تم تحقيق هذه الأفكار إلى حد كبير في الحزم رجدال و ص. قدمت هذه أساسًا لتحليل البيانات المكانية باستخدام R ، كما هو موضح في تحليل البيانات المكانية التطبيقية مع R. (أسدار) (Bivand و Pebesma و Gómez-Rubio 2013) ، نُشر لأول مرة في عام 2008. بعد عشر سنوات ، تطورت القدرات المكانية لـ R بشكل كبير لكنها لا تزال تعتمد على الأفكار التي وضعها Bivand (2003): واجهات لـ GDAL و PROJ ، على سبيل المثال ، ما زالت قدرة إدخال / إخراج البيانات الجغرافية عالية الأداء الخاصة بـ R وإمكانات تحويل CRS (انظر الفصلين 6 و 7 على التوالي).

رجدال، الذي تم إصداره في عام 2003 ، قدم ارتباطات GDAL لـ R والتي عززت بشكل كبير قدرتها على استيراد البيانات من تنسيقات البيانات الجغرافية غير المتوفرة سابقًا. دعم الإصدار الأولي محركات البيانات النقطية فقط ، لكن التحسينات اللاحقة قدمت دعمًا لأنظمة مرجعية منسقة (عبر مكتبة PROJ) ، وإعادة الإسقاطات واستيراد تنسيقات ملفات المتجه (انظر الفصل 7 لمزيد من المعلومات حول تنسيقات الملفات). تم تطوير العديد من هذه القدرات الإضافية بواسطة Barry Rowlingson وتم إصدارها في رجدال codebase في عام 2006 (انظر Rowlingson et al. 2003 وقائمة البريد الإلكتروني للمساعدة R للسياق).

ص، الذي تم إصداره في عام 2005 ، تغلب على عدم قدرة R على التمييز بين الأشياء المكانية وغير المكانية (Pebesma and Bivand 2005). ص نشأ من ورشة عمل في فيينا عام 2003 وتم استضافته في سورس فورج قبل الهجرة إلى آر فورج. قبل عام 2005 ، كانت الإحداثيات الجغرافية تُعامل بشكل عام مثل أي رقم آخر. ص غير هذا بفئاته وطرقه العامة التي تدعم النقاط والخطوط والمضلعات والشبكات وبيانات السمات.

ص يخزن معلومات مثل الصندوق المحيط ونظام مرجع الإحداثيات والسمات في فتحات في الكائنات المكانية باستخدام نظام فئة S4 ، مما يتيح عمليات البيانات للعمل على البيانات الجغرافية (انظر القسم 2.2.2). إضافة إلى ذلك، ص يوفر طرقًا عامة مثل الملخص () والمؤامرة () للبيانات الجغرافية. في العقد التالي ، ص سرعان ما أصبحت الفصول الدراسية شائعة بالنسبة للبيانات الجغرافية في R وزاد عدد الحزم التي تعتمد عليها من حوالي 20 في عام 2008 إلى أكثر من 100 في عام 2013 (Bivand و Pebesma و Gómez-Rubio 2013). اعتبارًا من عام 2018 ، يعتمد ما يقرب من 500 حزمة على ص، مما يجعله جزءًا مهمًا من النظام البيئي R. حزم R البارزة باستخدام ص يشمل: gstat، للإحصاءات الجغرافية المكانية والزمانية الغلاف الجوي، لعلم المثلثات الكروية و adehabitat تستخدم لتحليل اختيار الموائل بواسطة الحيوانات (E. Pebesma and Graeler 2018 Calenge 2006 Hijmans 2016).

بينما رجدال و ص حل العديد من القضايا المكانية ، لا يزال R يفتقر إلى القدرة على القيام بعمليات هندسية (انظر الفصل 5). تناول كولين روندل هذه المشكلة من خلال تطوير رجيو، واجهة R لمكتبة الهندسة مفتوحة المصدر (GEOS) أثناء مشروع Google Summer of Code في عام 2010 (Bivand and Rundel 2018). رجيو تمكين GEOS للتلاعب ص كائنات ، مع وظائف مثل gIntersection ().

قيد آخر من ص - دعمه المحدود للبيانات النقطية - تم التغلب عليه بواسطة النقطية، صدر لأول مرة في عام 2010 (Hijmans 2017). يدعم نظام فئته ووظائفه مجموعة من العمليات النقطية كما هو موضح في القسم 2.3. سمة أساسية من سمات النقطية هي قدرته على العمل مع مجموعات البيانات الكبيرة جدًا بحيث لا تتناسب مع ذاكرة الوصول العشوائي (تدعم واجهة R لـ PostGIS العمليات خارج القرص على البيانات الجغرافية المتجهة). النقطية يدعم أيضًا خريطة الجبر (انظر القسم 4.3.2).

بالتوازي مع هذه التطورات في أنظمة وطرق الفصل ، جاء دعم R كواجهة لبرنامج GIS المخصص. عشب (R. S. Bivand 2000) وحزم المتابعة spgrass6 و rgrass7 (بالنسبة لـ GRASS GIS 6 و 7 ، على التوالي) أمثلة بارزة في هذا الاتجاه (Bivand 2016a ، 2016b). تشمل الأمثلة الأخرى للجسور بين R و GIS RSAGA (برينينج ، بانجس ، وبيكر 2018 ، نُشر لأول مرة في عام 2008) ، RPyGeo (A. Brenning 2012a ، نُشر لأول مرة في عام 2008) ، و RQGIS (Muenchow و Schratz و Brenning 2017 ، نُشر لأول مرة في 2016) (انظر الفصل 9).

لم يكن التصور محور تركيز في البداية ، حيث ركز الجزء الأكبر من التطوير المكاني R على التحليل والعمليات الجغرافية. ص قدمت طرقًا لرسم الخرائط باستخدام كل من نظام الرسم الأساسي والشبكي ، لكن الطلب كان يتزايد على إمكانات صنع الخرائط المتقدمة ، خاصة بعد إصدار ggplot2 في 2007. ggmap وسعوا ggplot2القدرات المكانية (Kahle and Wickham 2013) ، من خلال تسهيل الوصول إلى مربعات "خريطة الأساس" من الخدمات عبر الإنترنت مثل خرائط Google. اعتقد ggmap تسهيل صنع الخرائط باستخدام ggplot2، كانت فائدتها محدودة بسبب الحاجة إلى تقوية الكائنات المكانية ، مما يعني تحويلها إلى إطارات بيانات طويلة. بينما يعمل هذا بشكل جيد مع النقاط ، فإنه غير فعال من الناحية الحسابية للخطوط والمضلعات ، حيث يتم تحويل كل إحداثي (قمة) إلى صف ، مما يؤدي إلى إطارات بيانات ضخمة لتمثيل الأشكال الهندسية المعقدة. على الرغم من أن التصور الجغرافي يميل إلى التركيز على بيانات المتجه ، إلا أن التصور النقطي مدعوم في النقطية وحصل على دفعة مع إصدار النقطية، والذي تم وصفه في كتاب عن موضوع تصور البيانات المكانية والزمانية (Lamigueiro 2018). اعتبارًا من 2018 ، أصبح إنشاء الخرائط في R موضوعًا ساخنًا مع حزم مخصصة مثل tmap, منشور و عرض الخريطة كل ما يدعم نظام الفصل المقدم من قبل سادس، محور الفصل التالي (انظر الفصل 8 لمزيد من التصور).


بناء الجملة

فئة المعالم أو طبقة المعالم أو مجموعة بيانات المعلم المراد إسقاطها.

مجموعة بيانات الإخراج التي سيتم كتابة النتائج عليها.

القيم الصالحة هي كائن إسناد مكاني ، أو ملف بامتداد .prj ، أو تمثيل سلسلة لنظام إحداثي.

يمكن استخدام هذه الطريقة لتحويل البيانات بين نظامي إحداثيات جغرافيين أو معطيات. قد تكون هذه المعلمة الاختيارية مطلوبة إذا كانت أنظمة إحداثيات الإدخال والإخراج لها مسند مختلف.

التحولات ثنائي الاتجاه. على سبيل المثال ، في حالة تحويل البيانات من WGS 1984 إلى NAD 1927 ، يمكنك اختيار تحويل يسمى NAD_1927_to_WGS_1984_3 ، وستقوم الأداة بتطبيقه بشكل صحيح.

النظام الإحداثي لفئة أو مجموعة البيانات الخاصة بميزة الإدخال. يتم تمكين هذه المعلمة عندما يكون للإدخال نظام إحداثيات غير معروف أو غير محدد. يتيح لك ذلك تحديد النظام الإحداثي للبيانات دون الحاجة إلى تعديل بيانات الإدخال (والذي قد لا يكون ممكنًا إذا كان الإدخال بتنسيق للقراءة فقط).


تجميع الفئات وإزالتها في البيانات النقطية في ArcMap أو R - نظم المعلومات الجغرافية

إجراء تبديل محرك

إجراء استبدال محرك الأقراص لإنشاء محركات الأقراص الافتراضية إل و م.

نظرًا لأن مجموعات بيانات الشبكة النقطية تستهلك مساحة كبيرة ، يجب حذف أي ملفات غير ضرورية من M: . حذف كل شىء من محرك الأقراص القابل للإزالة قبل بدء التمرين. إذا كنت تقوم بإنشاء ملفات PDF لمهامك وحفظها على M: ، فيمكن حذف هذه (بالإضافة إلى أي ملفات * .prn قديمة). إذا كنت بحاجة إلى حفظ أي بيانات على M: ، فاضغط وانسخها إلى حساب dante الخاص بك أو قم بتخزينها مؤقتًا على محرك الأقراص الثابتة أو كتابتها على قرص مضغوط. إذا نفدت المساحة أثناء هذا التمرين ، فقد تواجه مشكلات.

    قم بتنزيل المشروع r_an_1.mxd، واحفظه على M: .

    من أجل إجراء التحليلات باستخدام البيانات النقطية ، من الضروري تمكين ملحق محلل مكاني وعرض شريط أدوات المحلل المكاني. لا يزال بإمكانك إضافة البيانات النقطية إلى إطار البيانات بدون المحلل المكاني ، لكنها ستتصرف فقط كصور بسيطة ، وستفتقر إلى الوظائف التحليلية.

    يختار تخصيص ملحقات GT وانقر فوق مربع الاختيار لـ محلل مكاني.

مجموعة البيانات النقطية دم سيتم عرض مع منحدر ألوان ممدد باللون الرمادي. لاحظ القيم في وسيلة الإيضاح: هذه تمثل الارتفاع بالأقدام.

الاهرام نكون الحاضر (بالمستوى 5 وحالات أخرى)، مما يعني أنه يمكن عرض الشبكة بسرعة بمقاييس تكبير مختلفة. ستنشئ العديد من العمليات التي سنقوم بها شبكات مؤقتة ، والتي بمجرد إزالتها من مستند الخريطة ، سيتم حذفها من القرص.

لاحظ أثناء التكبير ، لا ترى خلايا فردية. هذا لأن ملف امتدت تطبق طريقة الترميز أيضًا إعادة التشكيل لتنعيم مظهر الشاشة.

لقد قمت للتو بتحميل طبقة شبكة نقطية إلى طريقة عرض. تأكد من تحميل ملحق Spatial Analyst قبل تحاول إضافة طبقات الشبكة النقطية ، أو سينتهي بك الأمر إلى تحميل طبقة الصورة ، والتي ستكون عديمة الفائدة للتحليل.

قم بتعديل عرض طبقة الشبكة النقطية

عندما يتم تحميل طبقات الشبكة النقطية ، يتم تحميلها في 10 فئات (9 فئات عددية ، وفئة واحدة بدون بيانات) باستخدام نظام تدرج ألوان عشوائي. قد ترغب في تغيير الترميز لعرض أنواع مختلفة من البيانات.

    تصغير للخلف إلى أقصى حد. يمكنك الآن رؤية تأثير العرض المصنف بوضوح.

بينما تصبح التضاريس أكثر وضوحًا ، لا يزال من الأفضل عرض البيانات المستمرة مع رموز ممتدة ، بدلاً من تصنيفها.

  1. العودة إلى امتدت وحدد Color Ramp الذي ينتقل من الأحمر إلى الأخضر.
  2. انقر على عكس مربع الاختيار لجعل الألوان تنتقل من الأخضر إلى الأحمر مع زيادة الارتفاع (ستعرض الطريقة الافتراضية الارتفاعات المنخفضة باللون الأحمر).

لاحظ أن متوسط ​​قيمة الارتفاع لمجموعة البيانات هو 1150 قدمًا ، ويمثل المتوسط ​​في هذه الحالة الكمية:

الذي يترجم إلى & quotsum جميع قيم الخلية ويقسم على عدد الخلايا. & quot

قم بتعديل ملصق للفصول كما هو موضح أدناه:

تمنحك وسيلة الإيضاح فكرة عن الانتشار الإحصائي لبياناتك ، ويظهر لك العرض موقع الفئات الإحصائية المختلفة.

بشكل عام ، هناك خيارات أقل لتعديل عرض طبقات الشبكة النقطية مقارنة بطبقات المعالم. الشبكات النقطية الصحيحة لها نفس طرق التصنيف مثل بيانات المتجه ، لكن شبكات النقطة العائمة النقطية لا تحتوي على العديد من الأنواع المختلفة من التصنيفات. لا يمكن عرض الشبكات النقطية برموز متدرجة ، فقط بألوان معبأة خالصة.

تغيير نوع البيانات (البكسل): النقطة العائمة إلى نوع عدد صحيح

لا يمكن إجراء الاستعلامات الجدولية العادية إلا على شبكات البيانات النقطية ذات الأعداد الصحيحة التي تحتوي على أقل من مليون فئة. يعد التحويل من قيمة النقطة العائمة إلى قيمة عدد صحيح ضروريًا لإنشاء طبقة شبكة نقطية بضريبة القيمة المضافة (جدول سمات القيمة).

    حاول فتح جدول السمات لـ ماركا طبقة. ستجد أن هذا غير ممكن (الاختيار باللون الرمادي). كشبكة نقطية عائمة ، لا تحتوي الطبقة على ضريبة القيمة المضافة.

لقد قمت للتو بالتحويل من قيمة الفاصلة العائمة إلى قيمة عدد صحيح. اعلم أن هذا التحويل قد يؤدي إلى فقدان المعلومات. كن حذرًا جدًا عند تحويل الفاصلة العائمة إلى قيمة عددية ، خاصة إذا كانت القيم الأصلية بين 0 و 1. ستفقد معظم محتوى المعلومات الخاص بك. إذا كانت بياناتك تمثل قيمًا تحتوي فيها المنازل العشرية على معلومات مهمة (على سبيل المثال ، الرقم الهيدروجيني) وقمت بالتحويل إلى قيم صحيحة ، فستفقد تلك المعلومات المهمة.

الأسلوب الشائع للتعامل مع هذه المشكلة هو أولاً ضرب شبكة النقطة العائمة النقطية بمقدار 1 أو أكثر من أوامر الحجم ، مما يجعل جميع القيم أعلى من 1 ، ثم التحويل إلى قيمة عدد صحيح. ومع ذلك ، عليك أن تتذكر أن القيم التي لديك الآن ليست هي القيم الأصلية.

    محاولة تشغيل استعلام بالمقابلة مع dem_int شبكة (تحديد & gt تحديد حسب السمات). سترى أنه لا يوجد خيار لطبقة الشبكة. أغلق مربع الحوار.

هناك 1648088 خلية في التحديد ، والتي ، مع الأخذ في الاعتبار أن الخلية هي 100 قدم ^ 2 ، تُترجم إلى حوالي 5.9 ميل ^ 2 (احسب هذا بنفسك الآن حتى يكون الأمر أسهل عندما يُطلب منك القيام بذلك في مهمة!) .

هذا الاستعلام ممكن فقط لأن طبقة الشبكة النقطية dem_int تحتوي مجموعة البيانات النقطية على جدول سمات. هذا يعني أنه لا يمكنك تنفيذ استعلامات على شبكات الفاصلة العائمة.

عرض الرسم البياني لتوزيع قيمة الخلية

تعرض الرسوم البيانية انتشار بيانات قيمة الخلية ضمن الخلايا المحددة لطبقة الشبكة النقطية. يمكن عرض الرسوم البيانية في طبقة ملكيات.

    افتح ال ملكيات إلى عن على عملية حسابية (Symbology & gt Classify). (لن يتمكن كمبيوتر مختبر MGH من تنفيذ هذه العملية ، يرجى قراءتها من خلالها.)

تعتبر المدرجات التكرارية مفيدة لاستعراض نطاق وتوزيع البيانات في شبكة البيانات النقطية. هل تتبع قيم الشبكة النقطية التوزيع الطبيعي ، أم أن هناك نوعًا آخر من الأنماط؟ ماذا يمكن أن يخبرك ذلك عن بياناتك ، وما الآثار المترتبة عليها لمزيد من التحليل؟

قم بتعيين خصائص التحليل

سيؤثر إعداد بيئة التحليل لتحليل البيانات النقطية (مساحة العمل ، ومدى المعالجة ، وإحداثيات المخرجات ، وتحليل البيانات النقطية باستخدام إعداد حجم الخلية والقناع) على بيئة التحليل حتى يتم تغيير خصائص التحليل مرة أخرى.

تحدد مساحة العمل الموقع الافتراضي للمخرجات.

Raster Analysis-Masking

Masking sets the output raster grid to the valid cells of another raster grid. For every grid, there are cells containing value (e.g., elevation). But there are also لايوجد بيانات cells. Masking allows the output data to be restricted only to cells containing value in the mask grid. The idea is similar to masking an area for painting.

  1. First, we need to create a raster grid for masking. Generate 500-1000ft raster layer by using Raster Calculator
    1. Open ArcToolbox and Select Spatial Analyst Tools >Map Algebra > Raster Calculator.
    2. في ال Raster Calculator, using the bottons to click the formula -- ("dem" > 500) & ("dem" < 1000)
    3. Save this file as Query1 in your م: drive and click OK.

    This will create a grid that is identical to استفسار1, but with لايوجد بيانات values where the original values were 0.

      Select a black shade for the Display NoData as symbol at the lower right of the dialog.

    It is now clear which cells have value and which do not.

    Setting the mask to this grid will mean new grids created using the Spatial Analyst toolbar will have data values only where setnull1 cells have a value of 1.

    Processing extent

    The Processing Extent is a rectangular area. When the Process Extent is set, newly created raster grids (from Map Calculations or Map Queries) will be limited to the spatial extent of that rectangle. The extent can be set to the extent of an existing layer, to the data frame, to the current display, or to specific coordinates. The extent is different from a mask, as the mask is defined by valid cells from a specific grid, whereas the extent is simply a set of rectangular coordinates.

      Zoom into an area in the middle of the forest (roughly outlined below).

      انقر على معالجةحد علامة التبويب وحدد Extent: Same As Display, which will limit the output of subsequent operations to the current zoom extent.

    Analysis Cell size

    There is always a tradeoff between data storage and precision. Smaller cells means potentially better precision, but also larger files and slower processing. To see the effect of different cell size on precision, storage, and processing, perform the same analysis but with different cell size.

      Open the ArcToolbox tool Spatial Analyst Tools Map Algebra Raster Calculator.

    There is no hard and fast rule for deciding on a proper cell size. Basically, you will want to use the largest cell size you can that still correctly represents the phenomenon you are modeling.

    Raster Calculator (I): Perform a map query on a raster grid layer

    Many raster grid analytical operations are performed by using the Raster Calculator أدوات. Raster grid analysis will be covered in greater depth in the next lecture, but this section serves as an introduction to these tools.

    بسبب ال ماركا grid layer is stored floating-point, a normal tabular query is not possible instead, a Map Query must be performed to view a subset of cells.

      افتح ال Raster Calculator (ArcToolbox> Spatial Analysis Tools > Map Algerba > Raster Calculator) and create an expression using the buttons or keyboard:

    Your calculation should look like this:

    This is a true/false expression. Either cells will be in the 500-1000 range or they will be outside this range.

    A map query is similar to a normal feature layer query, but can be performed on either floating-point or integer raster grid layers. A map query is similar to a feature layer query, but the output is always a new raster grid, rather than a selected set within an existing table. The output is a Boolean entity, in which output cells are coded True (1) (meeting the query criteria), False (0) (not meeting the query criteria), or No Data.

    Map queries, unlike feature queries, are not limited to single layers. Because individual cell values are referenced to their spatial position only, map queries can select cells that match a broad range of criteria, including multiple raster grid layers. The query above could just as easily have asked to identify cells matching multiple criteria for any of the raster grid layers within the view.

    For example, it is possible to select a group of cells whose values are within a range of bathymetry in an bathymetry raster grid و whose values are within a range of slope in a slope raster grid, و whose values are within a range of salinity values in a salinity raster grid with an expression like

    In a typical tabular query, the query is performed on a single table. In the case presented above, it a query that simultaneously finds cells that match the value of several raster grids (not just values in a single table). The cell المواقع are determined by the spatial referencing framework, but the القيم are determined by different values across multiple raster grids.

    Raster Calculator (II): Perform a map calculation on a raster grid layer

    This example will find the sine of the aspect for each cell in the ماركا raster grid. Generating sine and cosine of aspect would be the first step to take if you needed to perform particular analyses modeling surface terrain, such as determining insolation, which depends on the angle of the sun. We won't do anything further with this example, but you should be aware that trigonometric and other mathematical functions exist for raster grid map calculations.

      Generate the Aspect Layer: Select Spatial Analyst ToolsSurfaceAspect. يختار ماركا مثل سطح الإدخال.

    Sin("Aspect of dem1" * 3.14159 / 180)

    This creates a new grid where first the aspect is converted from degree measure to radian measure (aspect * pi / 180) and then the sine is calculated, on a cell-by-cell basis.

    ملحوظة: Although building calculations and queries is made easier with the GUI, you can alternatively simply type in the calculation without using the GUI, assuming you know how to use the proper syntax. Be especially careful of the location of parentheses.

    The output is stored in a new temporary raster grid called Aspect_dem1_cal1. The values range from -1 to 1, which is what we should expect for values of sine.

    The Raster Calculator is used to create new datasets based on logarithmic, arithmetic, Boolean, exponential, relational, and trigonometric functions. These functions can be performed on individual raster grids or combinations of raster grids. In addition to the listed operators and functions on the Raster Calculator interface, any ArcGrid raster grid class functions can be performed using the dialog. The output of is a raster grid where each cell value is the result of mathematical or other raster grid functions performed on the input(s).

    Advanced use of the Raster Calculator requires learning a little about the syntax of grid map algebra.

    Raster Calculator (III): Querying across multiple grid layers

    Perform a complex query that identifies cells that meet multiple criteria across several grid layers. In this example, find all areas that are above 1500 ft in elevation and aspect layer (Aspect of Dem1) is South (value 157.5-202.5).

      Add the grid layer Dem from the data CD to a New Dataframe.

      افتح ال ملكيات for the new layer, and make a note of the cell size (in this case, the cell size is 10).

    There are 138871 cells (value 1, fit in the query) which are above 1500 ft in elevation and the aspect is South.

    You have just performed a "query" that picks out cells that match criteria from more than one grid. This is very similar to the topological overlay analysis of intersection. Do you see how much more rapid this type of analysis is with raster analysis? How many separate single actions would it have taken to do this with vector data? Using more complex syntax within the Raster Calculator would have allowed us to perform the analysis with even fewer steps.

    Although the vector data analyses take advantage of the better representation of shape for line and polygon features, if the cell size is small enough to correctly represent the shape of features, the numbers generated will be within an acceptable margin of error.

    Raster Calculator (IV): Conditional processing

    Suppose you have a vegetation model that includes an elevational response factor. If elevations are between 500 and 700 feet, the model inputs will be 100 * the elevation value. If the elevations are outside this range, the model inputs will be 0.

      Add the grid layer Dem from the data CD to a New Dataframe.

    The expression means this line-by-line, in English:

    If elevation is greater than 500 and less than 700, then
    set output value to (elevation * 100), or else
    set output value to 0

    The output grid will look something like this (adjust the color ramp from the properties to show the difference).

    You have just used conditional processing to create a new grid. The actual values we used are meaningless, but the theory is important. Do you see how this is different from either a simple reclassification or a map query? A reclass with this precision would have taken quite some time to code, and a map query would have given us only yes-or-no values.

    The syntax of the conditional statement takes a little getting used to, but you can see what a powerful tool this is for dealing with conditional processing of cell values. Frequently in modeling spatial phenomena, we want to treat a subset of cells in one way and a different subset of cells in a different way.

    Please delete any stray files you may have created on the hard drive.


    Форматы данных ГИС. Оформление и качество

    In this course, the second in the Geographic Information Systems (GIS) Specialization, you will go in-depth with common data types (such as raster and vector data), structures, quality and storage during four week-long modules: Week 1: Learn about data models and formats, including a full understanding of vector data and raster concepts. You will also learn about the implications of a data’s scale and how to load layers from web services. Week 2: Create a vector data model by using vector attribute tables, writing query strings, defining queries, and adding and calculating fields. You'll also learn how to create new data through the process of digitizing and you'll use the built-in Editor tools in ArcGIS. Week 3: Learn about common data storage mechanisms within GIS, including geodatabases and shapefiles. Learn how to choose between them for your projects and how to optimize them for speed and size. You'll also work with rasters for the first time, using digital elevation models and creating slope and distance analysis products. Week 4: Explore datasets and assess them for quality and uncertainty. You will also learn how to bring your maps and data to the Internet and create web maps quickly with ArcGIS Online. Take GIS Data Formats, Design and Quality as a standalone course or as part of the Geographic Information Systems (GIS) Specialization. You should have equivalent experience to completing the first course in this specialization, Fundamentals of GIS, before taking this course. By completing the second class in the Specialization you will gain the skills needed to succeed in the full program.

    Получаемые навыки

    Spatial Analysis, Analytics, Workflow, Data Management

    Рецензии

    Nick, you and your team did good job on making the course enjoyable, only problem I faced was having trouble downloading the tutorial 2 assignment data. Still it was a very good experience.

    Good course, well structured to deliver the invaluable skills, ranging from data management to final output after processing. Good exposure to the toolbox, expecting more in the next course.

    This module is all about working with vector data. We'll review geoprocessing and introduce the intersect tool. This module also covers writing query strings to subset data, adding and calculating fields, configuring selections, editing and creating feature classes, and everything you need to know about digitizing data.

    Реподаватели

    Nick Santos

    Екст видео

    [MUSIC] Hello again, everyone. In this lesson, I'm going to show you how to create a new empty feature class that you can use to digitize or create features in ArcGIS. So to get started, we're going to go to the catalog window. You can do this from the Arc catalog application directly or from within the catalog window. And all we need is, we need to go to a folder. So I'll go here, and create yourself a work space. So in this case, I'll do a new file geodatabase, and I'll call it project_data. And usually, youɽ want to do this, youɽ make a project folder and youɽ probably want a main data folder for your project. And youɽ want to make a scratch folder and a results folder for your project. You may have seen those with the assignments in a previous class. And if I right-click on that and go to the new menu on the work space, I get the option now to create a new feature class. So I get some other options here too for new things to create, but for now, let's just create a new feature class, and a dialogue pops up. On this first page of the dialogue, we can name the feature class, and let's name this one continents because we'll end up putting continents in the next lecture. And I'm now going to give an alias, and here we can select the type of features in the feature class. So what we want in this case is we want polygon features, if we're going to create continents, we'll use polygon features. But I can select whether I want line or point or another type of feature class here. Down below here, we get the option to turn on routing with m values, or turn on 3D information with z values. In this case, we're not going to use those. So I just click Next and leave those unchecked. And now, we have to select the coordinate system that our dataset will exist in. And it's selecting a coordinate system I use. But, we're going to use a geographic coordinate system, and one that's good for the whole world, and we'll use WGS 1984. If I had forgotten which one or where that was, I could just type WGS, and it would find all the ones that had it. Others use the term WGS inside their names, but there's only one major geographic coordinate system here. When I'm done selecting a coordinate system, just click it on it to make sure it's highlighted, then I click Next. Now, it's asking for the XY tolerance, basically, the minimum distance between coordinates before they're considered the same coordinate. In most cases, leave it as the default. When it's in decimal degrees, it's a little harder to understand, but I think usually, it's a one one thousandth of a meter is when it's considered the same. And once I've selected that default tolerance, I'll click next again, and it's offering to let me configure the geodatabase for this layer. That's a really rare thing, you won't need to use that until you get more advanced, and even then you may not. So we'll skip over that and leave it as the default, and I'll click Next again. And now, we get the opportunity to create our Attribute Table. So it starts with an object ID field, that primary key, which it'll automatically create for us, and then, the shape field with the geometry. But now, I can type in new fields. So we'll give the continents a name and accept the text, a data type for the data, and I'll do the default link here, 50. And let's also do population, and that's going to be a long integer. And then, we can go on an add more fields, but for now, we'll leave that as it is. I'll click finish. And all of a sudden, I see that continents feature class in my geodatabase now. And I can right click on and go to Properties, and see the usual stuff you see in Properties in our catalog. And then, I can just drag it into my map if I want to. It was already there, because I created it in ArcMap, it added it for me. But so I'll just remove it, and go to Comments and add. And nothing's showing up, though. Why might that be? Well because we don't have any data in there yet, right? We just created it, it's empty, and I have not put any features into my dataset yet. But, we have our new feature class container, and we can create more new feature class containers, if we would like to. So I'll close this, and collapse catalog window again, and that's it for this lecture. In the next lecture, we're going to use this empty feature class in order to create the features for the continents in a method called digitizing. This is something that was really important when lots of paper maps were being transitioned to digital maps. It's a little less important now, but it still comes up all the time. With aerial imagery coming in, people often need to digitize features, and there's still a lot of use for digitizing in GIS practices. See you there.


    شاهد الفيديو: Supervised Image Classification using ArcGIS