Skip To Content

Verwenden von Raster-Funktionen zum Anpassen der Raster-Analyse

Bei der verteilten Raster-Analyse mit ArcGIS Image Server werden Raster-Datasets und Fernerkundungsdaten mit einer umfangreichen Suite aus Raster-Funktionen verarbeitet. Die angegebenen Ergebnisse werden automatisch gespeichert und in einem verteilten Raster-Data-Store veröffentlicht, von dem aus sie in Ihrem gesamten Unternehmen genutzt werden können.

Leistungsfähige Suite aus Raster-Analyse-Funktionen

Der Kern dieser Funktionalität ist die Suite aus mehr als 200 Raster-Funktionen, die mit ArcGIS bereitgestellt werden. Diese sind in Form einzelner Verarbeitungsfunktionen verfügbar oder können in Form von Raster-Funktionsvorlagen (Raster Function Templates, RFT) zu einer Verarbeitungskette kombiniert werden. Raster-Funktionsvorlagen sind benutzerdefinierte Verarbeitungsketten, die mit einer Vielzahl verschiedener Eingabe-Datentypen und Verarbeitungsfunktionen auf jede Anwendung zugeschnitten werden können, um bestimmte Workflows zu vereinfachen.

Die Raster-Analyse-Funktionen können auch durch den Benutzer mit der Python-Raster-Funktion erweitert werden. Benutzerdefinierte Raster-Funktionen können in Python geschrieben werden. Nachdem sie zum System hinzugefügt wurden, können Sie die verteilte Verarbeitung der Raster-Analyse nutzen.

Raster-Funktionen und RFTs unterstützen wichtige Paradigmen der verteilten Verarbeitung und Speicherung, wie zum Beispiel die lokale, die Cloud- und die Web-Implementierung. Die benutzerdefinierten und Standardfunktionen zur Verarbeitung und Speicherung von Rastern sind elastisch und können skaliert werden, um Bedarfsspitzen, Notfallsituationen, sich ändernden Prioritäten und sonstigen Auswirkungen auf erforderliche Kapazität, Nachfrage und Kosten gerecht zu werden. Die Raster-Funktionen unterstützen die verteilte Verarbeitung, um dynamische Verarbeitungsumgebungen zu unterstützen. Bei Änderungen der Anzahl der Verarbeitungsinstanzen wird die Verteilung der Raster-Analyse-Prozesse geändert, um die Verarbeitungs- und Speicherressourcen optimal zu nutzen.

Diese Raster-Funktionen und RFT-basierten Workflows können über ArcGIS Pro, ArcGIS REST API, ArcGIS Python API und JS-APIs sowie Web Map Viewer im Enterprise-Portal implementiert werden. Zum Beispiel können Sie den Task Raster erstellen verwenden, um verteilte Raster-Analysen durch Angabe einer JSON-Objekt-Darstellung einer Raster-Funktionskette auszuführen.

Verfügbare Raster-Funktionen und Objekte für die Raster-Analyse

Die folgende Tabelle enthält die verfügbaren Raster-Funktionen für die Raster-Analyse mit Beschreibung und den zugehörigen JSON- und Python-Objekten.

FunktionRaster-FunktionBeschreibungBeispieleKategorie

Binärer Schwellenwert

Thresholding

Die Funktion '"Binärer Schwellenwert" (Binary Threshold) generiert das binäre Bild. Sie verwendet die Otsu-Methode und setzt voraus, dass das Eingabebild ein bimodales Histogramm enthält.

JSON | Python

Analyse

Hitzeindex

PythonAdaptor

Berechnet die gefühlte Temperatur basierend auf der Umgebungstemperatur und der relativen Feuchtigkeit.

Analyse

Kerndichte

KernelDensity

Berechnet mit einer Kernel-Funktion die Größe pro Flächeneinheit auf Basis von Punkt- oder Polylinien-Features, um für jeden Punkt bzw. jede Polylinie eine sanft abgeschrägte Oberfläche anzupassen.

Analyse

NDVI

NDVI

Der normalisierte differenzierte Vegetationsindex (NDVI) ist ein standardisierter Index, der Ihnen das Erstellen eines Bildes mit Grünanteilen (relative Biomasse) ermöglicht. Dieser Index nutzt den Kontrast der Eigenschaften zweier Bänder aus einem multispektralen Raster-Dataset – die Absorption durch die Chlorophyllpigmente im roten Band und den Pflanzen-Reflexionsgrad im infrarotnahen Band (NIR). Weitere Informationen finden Sie unter Funktion 'NDVI'.

JSON | Python

Analyse

Farbgebung durch NDVI

NDVIColorized

Wendet die Funktion 'NDVI' auf das Eingabebild an und verwendet dann eine Colormap oder einen Farbverlauf zur Darstellung des Ergebnisses.

Analyse

Tasseled Cap

TasselCap

Die Tasseled-Cap-Transformation (auch Kauth-Thomas-Transformation) wurde entwickelt, um Veränderungen in der Vegetationsphänologie und Städteentwicklung, die von verschiedenen Satellitensensorsystemen erfasst werden, zu analysieren und als Karte darzustellen. Den Namen "Tasseled Cap"-Transformation (Zipfelmütze) verdankt sie der Form der graphischen Verteilung von Daten.

JSON | Python

Analyse

Gewichtete Überlagerung

WeightedOverlay

Überlagert mehrere Raster anhand eines allgemeinen Maßstabs und gewichtet nach der Wichtigkeit jedes Rasters.

JSON | Python

Analyse

Gewichtete Summe

WeightSum

Ein Raster-Array auf Zellenbasis gewichten und hinzufügen.

JSON | Python

Analyse

Windchill

PythonAdaptor

Windchill ist eine Möglichkeit, das Kälteempfinden zu messen, wenn der Wind mit berücksichtigt wird.

Analyse

FunktionRaster-FunktionBeschreibungBeispieleKategorie

Kontrast und Helligkeit

ContrastBrightness

Mit der Funktion ContrastBrightness kann das Aussehen von Raster-Daten (Bilddaten) durch Änderung von Helligkeit und/oder Kontrast im Bild verbessert werden. Diese Funktion kann nur für 8-Bit-Eingabe-Raster verwendet werden.

JSON | Python

Aussehen

Faltung

Convolution

Die Funktion "Convolution" führt die Filterung der Pixelwerte in einem Bild aus, z. B. für das Scharf- oder Weichzeichnen eines Bildes, für das Ermitteln der Kanten in einem Bild oder für andere Kernel-basierte Verbesserungen. Weitere Informationen finden Sie unter Funktion 'Faltung'.

JSON | Python

Aussehen

Linienerkennung horizontal

Convolution

Erkennt Kanten entlang horizontaler Linien.

Aussehen

Linienerkennung vertikal

Convolution

Erkennt Kanten entlang vertikaler Linien.

Aussehen

Linienerkennung links diagonal

Convolution

Erkennt Kanten entlang diagonaler Linien, die von rechts unten nach links oben verlaufen.

Aussehen

Linienerkennung rechts diagonal

Convolution

Erkennt Kanten entlang diagonaler Linien, die von links unten nach rechts oben verlaufen.

Aussehen

Gradient Nord

Convolution

Kantenerkennung entlang nördlichen Gradienten.

Aussehen

Gradient West

Convolution

Kantenerkennung entlang westlichen Gradienten.

Aussehen

Gradient Ost

Convolution

Kantenerkennung entlang östlichen Gradienten.

Aussehen

Gradient Süd

Convolution

Kantenerkennung entlang südlichen Gradienten.

Aussehen

Gradient Nordost

Convolution

Kantenerkennung entlang nordöstlichen Gradienten.

Aussehen

Gradient Nordwest

Convolution

Kantenerkennung entlang nordwestlichen Gradienten.

Aussehen

Glätten

Convolution

Filtert Daten, indem die lokale Variation reduziert und das Rauschen entfernt wird. Dadurch werden die hohen und niedrigen Werte in jeder Nachbarschaft gemittelt und so die extremen Werte in den Daten reduziert.

Aussehen

Glätten 3x3

Convolution

Filtert Daten, indem die lokale Variation reduziert und das Rauschen entfernt wird. Verwendet einen 3x3-Tiefpassfilter zum Glätten.

Aussehen

Glätten 5x5

Convolution

Filtert Daten, indem die lokale Variation reduziert und das Rauschen entfernt wird. Verwendet einen 5x5-Tiefpassfilter zum Glätten.

Aussehen

Schärfen

Convolution

Betont den relativen Unterschied zwischen den Werten und ihren Nachbarn.

Aussehen

Weiter schärfen

Convolution

Betont den Wert noch stärker als der Operator "Schärfen".

Aussehen

Schärfen 3x3

Convolution

Ein Hochpassfilter mit 3x3-Kernel.

Aussehen

Schärfen 5x5

Convolution

Ein Hochpassfilter mit 5x5-Kernel.

Aussehen

Laplace-Operator 3x3

Convolution

Laplace-Filter werden häufig für die Kantenerkennung auf einem Bild verwendet, das geglättet wurde, um zuerst seine Empfindlichkeit für Rauschen zu reduzieren. Verwendet einen 3x3-Filter.

Aussehen

Laplace-Operator 5x5

Convolution

Laplace-Filter werden häufig für die Kantenerkennung auf einem Bild verwendet, das geglättet wurde, um zuerst seine Empfindlichkeit für Rauschen zu reduzieren. Verwendet einen 5x5-Filter.

Aussehen

Sobel horizontal

Convolution

Für die horizontale Kantenerkennung.

Aussehen

Sobel vertikal

Convolution

Für die vertikale Kantenerkennung.

Aussehen

Punktverteilung

Convolution

Die Punktverteilungsfunktion gibt die Lichtverteilung von einer Punktquelle durch eine Linse an. Dadurch entsteht eine leichte Unschärfe.

Aussehen

Pansharpening

Pansharpening

Die Funktion "Pan-Sharpening" führt ein panchromatisches Bild bzw. Raster-Band mit hoher Auflösung mit einem Multiband-Raster-Dataset mit geringerer Auflösung zusammen. Dadurch wird die räumliche Auflösung des Multibandbildes erhöht.

JSON | Python

Aussehen

Statistiken und Histogramm

StatisticsHistogram

Die Funktion "Statistiken und Histogramm" wird verwendet, um die Statistik und das Histogramm eines Rasters zu definieren. Sie können diese Funktion am Ende der Funktionskette einfügen, um die Statistik und das Histogramm einer Raster-Funktionsvorlage (Raster Function Template, RFT) zu beschreiben. Dies kann erforderlich sein, um die Standardanzeige des Verarbeitungsergebnisses zu steuern, insbesondere beim Definieren einer Funktionskette, die viele Funktionen enthält.

JSON | Python

Aussehen

Strecken (Kontrast)

Stretch

Berechnet die Statistiken für jeden Pixel eines Bildes auf der Grundlage einer definierten Nachbarschaft.

JSON | Python

Aussehen

FunktionRaster-FunktionBeschreibungBeispieleKategorie

Klassifizieren

Classify

Die Funktion Classify klassifiziert ein segmentiertes Raster in ein kategorisiertes Raster.

JSON | Python

Klassifizierung

Maximum-Likelihood-Klassifizierung

MLClassify

Die Funktion MLClassify ermöglicht Ihnen das Durchführen einer überwachten Klassifizierung mit dem Algorithmus der Maximum-Likelihood-Klassifizierung. Der als Hosting-Server verwendete ArcGIS-Server muss eine Spatial Analyst-Lizenz besitzen.

JSON | Python

Klassifizierung

Region Grow

RegionGrow

Die Funktion "Region Grow" gruppiert benachbarte Pixel gemäß dem im Ausgangspunkt angegebenen Radius. Den Pixel- oder Objektgruppen wird ein bestimmter Füllwert zugewiesen.

Klassifizierung

Segmentierung

SegmentMeanShift

Die Funktion SegmentMeanShift generiert eine segmentierte Ausgabe. Die Pixelwerte im Ausgabebild stellen die konvergierten RGB-Farben des Segments dar. Das Eingabe-Raster muss ein 3-Band-8-Bit-Bild sein. Wenn der Image-Service kein 3-Band-8-Bit-Bild ohne Vorzeichen ist, können Sie die Funktion Stretch vor der Funktion SegmentMeanShift verwenden.

JSON | Python

Klassifizierung

FunktionRaster-FunktionBeschreibungBeispieleKategorie

Farbmodellkonvertierung

ColorModelConversion

Konvertiert das Farbmodell eines Bildes von HSV (Hue, Saturation, Value = Farbton, Sättigung und Helligkeitswert) in RGB (Rot, Grün, Blau) oder umgekehrt.

Python

Konvertierung

Colormap

Colormap

Die Funktion Colormap transformiert die Pixelwerte zur Anzeige der Raster-Daten auf der Grundlage bestimmter Farben in einer Colormap oder eines definierten Farbbereichs in einem Farbverlauf als RGB-Farbbild (Rot, Grün, Blau). Weitere Informationen finden Sie unter Funktion 'Colormap'.

JSON | Python

Konvertierung

Colormap in RGB

Colormap2RGB

Konvertiert ein Einzelband-Raster mit einer Colormap in ein RGB-Raster mit drei Bändern.

JSON | Python

Konvertierung

Komplex

Complex

Berechnet die Größe komplexer Werte.

JSON | Python

Konvertierung

Graustufen

Grayscale

Konvertiert ein Multiband-Bild in ein Einzelband-Graustufen-Bild. Auf jedes der Eingabebänder können bestimmte Gewichtungen angewendet werden.

JSON | Python

Konvertierung

Attribute rastern

RasterizeAttributes

Die Funktion "Attribute rastern" reichert ein Raster durch Hinzufügen von Bändern an, die aus Werten angegebener Attribute, aus einer externen Tabelle oder aus einem Feature-Service abgeleitet wurden.

Konvertierung

Features rastern

RasterizeFeatures

Konvertieren Sie Polygon-, Polylinien-, und Punkt-Feature-Class-Daten in einen Raster-Layer.

Konvertierung

Neuzuordnung

Remap

Die Funktion "Remap" ermöglicht es Ihnen, die Pixelwerte der Raster-Daten zu ändern oder zu reklassifizieren. Weitere Informationen finden Sie unter Funktion "Neuzuordnung".

JSON | Python

Konvertierung

Spektralkonvertierung

SpectralConversion

Die Funktion "Spektralkonvertierung" wendet eine Matrix auf ein Multiband-Bild an, um die Farbwerte der Ausgabe zu beeinflussen. Diese Funktion kann verwendet werden, um z. B. ein falsches Infrarotfarbbild in ein Pseudofarbbild zu konvertieren.

JSON | Python

Konvertierung

Einheitenumrechnung

UnitConversion

Die Funktion UnitConversion führt Einheitenkonvertierungen aus.

JSON | Python

Konvertierung

Vektorfeld

VectorField

Die Funktion VectorField wird verwendet, um zwei Einzelband-Raster (jedes Raster repräsentiert U/V oder Magnitude/Richtung) zu einem Zweiband-Raster (jedes Band repräsentiert U/V oder Magnitude/Richtung) zu verbinden. Mit dieser Funktion kann auch der Datenkombinationstyp (U-V oder Magnituden-Richtung) wechselseitig konvertiert werden.

JSON | Python

Konvertierung

Vektorfeld-Renderer

VectorFieldRenderer

Die Funktion VectorFieldRenderer symbolisiert ein U-V- oder Magnituden-Richtungs-Raster.

JSON | Python

Konvertierung

Zonale Neuzuordnung

Zonalremap

Mit dieser Funktion können Sie Pixel in einem Raster neu zuordnen. Dazu werden in einem anderen Raster definierte Zonen oder in einer Tabelle definierte zonenabhängige Werte herangezogen.

Konvertierung

FunktionRaster-FunktionBeschreibungBeispieleKategorie

Sichtbare Reflexion

ApparentReflectance

Mit dieser Funktion werden die Werte der digitalen Nummer (DN) für die Bilddaten einiger Satellitensensoren kalibriert. Bei der Kalibrierung werden die Reflektion am Oberrand der Atmosphäre und die Sonnenwinkelkorrektur anhand der Sonnenhöhe, des Erwerbsdatums sowie Verstärkung und Bias des Sensors für jedes Band abgeleitet.

Korrektur

Geometrisch

Geometric

Die Funktion Geometric transformiert das Bild (zum Beispiel Orthorektifizierung) auf Grundlage einer Sensordefinition und eines Terrainmodells.

JSON | Python

Korrektur

Radarkalibrierung

RadarCalibration

Die Kalibrierung wird auf Radarbilddaten angewendet, damit die Pixelwerte eine echte Darstellung der Radarrückstreuung sind.

Korrektur

Sentinel-1 Radiometrische Kalibrierung

Sentinel1RadiometricCalibration

Unterschiedliche Typen der radiometrischen Kalibrierung für Sentinel-1-Daten ausführen.

Korrektur

Funktion "Sentinel-1 Wärmerauschen entfernen"

Sentinel1ThermalNoiseRemoval

Wärmerauschen aus Sentinel-1-Daten entfernen.

Korrektur

Speckle

Speckle

Filtert das Radar-Dataset mit Speckling und glättet das Rauschen, wobei Kanten oder scharfe Features im Bild erhalten bleiben.

JSON | Python

Korrektur

FunktionRaster-FunktionBeschreibungBeispieleKategorie

Attributtabelle

AttributeTable

Mit dieser Funktion können Sie eine Attributtabelle definieren, um ein Einzelband-Mosaik-Dataset oder Raster-Dataset zu symbolisieren. Dies ist hilfreich, wenn Sie Bilddaten mit diskreten Kategorien darstellen möchten.

Datenmanagement

Zwischenspeichern

Buffered

Die Funktion "Zwischenspeichern" dient zur Optimierung der Performance komplexer Funktionsketten. Die Ausgabe wird ab dem Punkt in der Funktionskette, die der Funktion vorangeht, im Speicher gespeichert.

Datenmanagement

Ausschneiden

Clip

Schneidet ein Raster mit einer rechteckigen Form entsprechend den definierten Ausdehnungen aus oder schneidet ein Raster auf die Form der Feature-Class eines Eingabe-Polygons zu. Das Shape zum Definieren des Ausschnitts kann die Ausdehnung des Rasters oder eine Fläche innerhalb des Rasters ausschneiden.

JSON | Python

Datenmanagement

Bänder zusammensetzen

CompositeBand

Mit der Funktion CompositeBand können Sie mehrere Bilder kombinieren, sodass sie ein Multiband-Bild bilden.

JSON | Python

Datenmanagement

Konstante

Constant

Erstellt ein virtuelles Raster mit einem einzelnen Pixelwert, das in Raster-Funktionsvorlagen und zum Verarbeiten eines Mosaik-Datsets verwendet werden kann.

Datenmanagement

Bänder extrahieren

ExtractBand

Mit der Funktion ExtractBand können Sie Bänder aus einem Raster extrahieren bzw. die Bänder in einem Multiband-Bild neu anordnen.

JSON | Python

Datenmanagement

Verschneiden (Identity)

Identity

Diese Funktion wird verwendet, um das Quell-Raster als Teil des Standardmosaikierungsverhaltens des Mosaik-Datasets zu definieren. Diese Funktion ist eine Nulloperationsfunktion und verwendet keine Argumente außer einem Raster.

JSON | Python

Datenmanagement

Unregelmäßige Daten interpolieren

InterpolateIrregularData

Die Funktion "Unregelmäßige Daten interpolieren" führt ein Resampling der unregelmäßig gerasterten Daten durch, sodass jedes Pixel die gleiche Größe und eine rechteckige Form erhält.

Datenmanagement

Schlüsselmetadaten

KeyMetadata

Mit dieser Funktion können Sie Schlüsselmetadaten eines Rasters einfügen oder überschreiben.

Datenmanagement

Maske

Mask

Die Funktion Mask verändert das Bild durch Angabe eines bestimmten Pixelwertes oder eines Bereichs von Pixelwerten als keine Daten.

JSON | Python

Datenmanagement

Nibble

Nibble

Ersetzt ausgewählte Zellen eines Rasters durch den Wert des nächsten Nachbarn. Dies ist für die Bearbeitung von Raster-Flächen hilfreich, deren Daten möglicherweise fehlerhaft sind.

Python

Datenmanagement

Raster mosaikieren

MosaicRasters

Erstellt aus mehreren Bildern ein Mosaikbild.

Datenmanagement

Raster-Informationen

RasterInfo

Eigenschaften des Rasters wie Bit-Tiefe, NoData-Wert und Zellengröße ändern.

Datenmanagement

Überarbeiten

Recast

Die Funktion Recast weist Argumentwerte in einer vorhandenen Funktionsvorlage neu zu.

JSON

Datenmanagement

Neu projizieren

Reproject

Mit der Funktion "Neu projizieren" wird die Projektion eines Raster-Datasets, Mosaik-Datasets oder Raster-Elements in einem Mosaik-Dataset geändert. Sie kann auch zum Resampling der Daten in eine neue Zellengröße und zum Definieren eines Ursprungs verwendet werden.

Datenmanagement

Resampling

Resample

Die Funktion Resample verändert die Auflösung der Pixel mittels Resampling.

JSON | Python

Datenmanagement

Streifen

Swath

Die Funktion "Streifen" führt ein Resampling der unregelmäßig gerasterten Daten durch, sodass jedes Pixel die gleiche Größe und eine rechteckige Form erhält.

Datenmanagement

Bitversatz

TransposeBits

Die Funktion TransposeBits führt eine Bit-Operation aus. Sie extrahiert Bit-Werte aus den Quelldaten und weist sie neuen Bits in den Ausgabedaten zu.

JSON | Python

Datenmanagement

FunktionRaster-FunktionBeschreibungBeispieleKategorie

Kostenzuordnung

CostAllocation

Berechnet für jede Zelle die kostengünstigste Quelle basierend auf den kleinsten akkumulativen Kosten auf einer Kostenoberfläche.

Python

Entfernung

Kostenrückverknüpfung

CostBackLink

Definiert die nächste Nachbarzelle auf dem kleinsten akkumulativen Kostenpfad zur kostengünstigsten Quelle.

Entfernung

Kostenentfernung

CostDistance

Berechnet für jede Zelle die kleinste akkumulative Kostenentfernung von oder zu der kostengünstigsten Quelle auf einer Kostenoberfläche.

Python

Entfernung

Euklidische Zuordnung

EuclideanAllocation

Berechnet für jede Zelle die nächstgelegene Quelle auf Basis der euklidischen Entfernung.

Python

Entfernung

Euklidische Richtung

EuclideanDirection

Berechnet für jede Zelle die euklidische Entfernung zur nächstgelegenen Quelle.

Entfernung

Euklidische Entfernung

EuclideanDistance

Berechnet für jede Zelle die euklidische Entfernung zur nächstgelegenen Quelle.

Python

Entfernung

Kostengünstigster Pfad

LeastCostPath

Berechnet den kostengünstigsten Pfad von einer Quelle zu einem Ziel. Die kleinste akkumulative Kostenentfernung wird für jede Zelle auf einer Kostenoberfläche zur nächstgelegenen Quelle berechnet. Damit wird ein Ausgabe-Raster erzeugt, das die kostengünstigste(n) Route(n) von ausgewählten Positionen zu den nächstgelegenen Quellenzellen aufzeichnet, die innerhalb der akkumulativen Kostenoberfläche definiert wurden (hinsichtlich der Kostenentfernung).

Python

Entfernung

FunktionRaster-FunktionBeschreibungBeispieleKategorie

Auftrag

Fill

Füllt Senken und Spitzen in einem Raster für Höhenoberflächen, um kleine Unregelmäßigkeiten in den Daten zu entfernen.

Python

Hydrologie

Abflussakkumulation

FlowAccumulation

Erstellt für jede Zelle ein Raster-Layer der Abflussakkumulation. Optional kann ein Gewichtungsfaktor angewendet werden.

Python

Hydrologie

Fließrichtung

FlowDirection

Erstellt ein Raster-Layer mit der Fließrichtung von jeder Zelle zur jeweiligen Nachbarzelle mit der steilsten Neigung.

Python

Hydrologie

Fließentfernung

FlowDistance

Berechnet die minimale horizontale oder vertikale Neigungsentfernung zu Zellen eines Wasserlaufs oder Flusses, in den sie fließen.

Python

Hydrologie

Wasserlauf-Abschnitte

StreamLink

Weist Abschnitten eines linearen Raster-Netzwerks Einzelwerte zwischen Schnittpunkten zu.

Python

Hydrologie

Abflussgebiet

Watershed

Ermittelt die relevante Fläche über einer Gruppe von Zellen in einem Raster.

Python

Hydrologie

FunktionRaster-FunktionBeschreibungBeispieleKategorie

Absoluter Wert

Abs

Berechnet den absoluten Wert der Pixel in einem Raster.

Python

Mathematik

Arithmetisch

Arithmetic

Mit der Funktion "Arithmetic" wird eine arithmetische Operation zwischen zwei Rastern bzw. einem Raster und einem Skalar oder umgekehrt ausgeführt.

JSON | Python

Mathematik

Bandarithmetik

BandArithmetic

Indizes mit den vordefinierten Formeln oder einem benutzerdefinierten Ausdruck berechnen.

JSON | Python

Mathematik

GEMI

BandArithmetic

Der Global Environmental Monitoring Index (GEMI) ist ein nicht linearer Vegetationsindex für globale Umgebungsüberwachung aus Satellitenbildern. Er ähnelt NDVI, ist aber weniger empfindlich gegen atmosphärische Störungen. Er wird von nacktem Boden beeinflusst. Daher wird er nicht zur Verwendung in Bereichen mit wenig oder nicht allzu dichter Vegetation empfohlen.

Python

Mathematik

GVI

BandArithmetic

Der Green Vegetation Index (GVI) wurde ursprünglich aus Landsat-MSS-Bilddaten entworfen und wurde für Landsat TM-Bilddaten geändert. Er wird auch als Landsat TM Tasseled Cap Green Vegetation Index bezeichnet. Er kann mit Bilddaten verwendet werden, deren Bänder die gleichen Spektraleigenschaften aufweisen.

Python

Mathematik

Geänderter SAVI

BandArithmetic

Der Modified Soil Adjusted Vegetation Index (MSAVI2) versucht, die Auswirkung des nackten Erdbodens auf den SAVI zu minimieren.

Python

Mathematik

NDVI

BandArithmetic

Der normalisierte differenzierte Vegetationsindex (NDVI) ist ein standardisierter Index, der Ihnen das Erstellen eines Bildes mit Grünanteilen (auch als relative Biomasse bezeichnet) ermöglicht. Dieser Index nutzt den Kontrast der Eigenschaften zweier Bänder aus einem multispektralen Raster-Dataset: die Absorption durch die Chlorophyllpigmente im roten Band und den Pflanzen-Reflexionsgrad im nahinfraroten Band (NIR).

Mathematik

PVI

BandArithmetic

Der Perpendicular Vegetation Index (PVI) ist einem Difference Vegetation Index ähnlich; er ist jedoch gegen atmosphärische Variationen empfindlich. Wenn Sie diese Methode verwenden, um verschiedene Bilder miteinander zu vergleichen, sollten Sie sie nur für Bilder verwenden, die atmosphärisch korrigiert wurden.

Python

Mathematik

SAVI

BandArithmetic

Der Soil-Adjusted Vegetation Index (SAVI) ist ein Vegetationsindex, der versucht, Einflüsse durch die Bodenhelligkeit mit einem Bodenhelligkeits-Korrekturfaktor zu minimieren. Dies wird oft in trockenen Regionen verwendet, wo die vegetative Bodendeckung niedrig ist.

Python

Mathematik

Sultan-Formel

BandArithmetic

Die Sultan-Methode nimmt ein Sechsband-8-Bit-Bild und verwendet die Sultan-Formel, um ein Dreiband-8-Bit-Bild zu erzeugen. Das sich ergebende Bild hebt Felsformationen, so genannte Ophiolite, an Küstenlinien hervor. Diese Formel wurde auf Grundlage der TM- oder ETM-Bänder einer Landsat 5- oder Landsat 7-Szene entworfen. Die Gleichungen, die angewendet werden, um die einzelnen Ausgabe-Bänder zu erstellen, lauten wie folgt:

Band 1 = (Band5 / Band7) x 100 Band 2 = (Band5 / Band1) x 100 Band 3 = (Band3 / Band4) x (Band5 / Band4) x 100

Python

Mathematik

Transformierter SAVI

BandArithmetic

Der Transformed Soil Adjusted Vegetation Index (TSAVI) ist ein Vegetationsindex, der versucht, Bodenhelligkeitseinflüsse zu minimieren, indem angenommen wird, dass die Bodenlinie eine beliebige Neigung und einen beliebigen Schnittpunkt hat.

Python

Mathematik

Berechnung

RasterCalculator

Ein Raster über einen Raster-basierten mathematischen Ausdruck berechnen.

JSON | Python

Mathematik

Divide

Local

Teilt die Werte von zwei Rastern auf Pixelbasis.

Python

Mathematik

Exponent

Local

Berechnet die Exponentialfunktion zur Basis e der Pixel in einem Raster.

Python

Mathematik

Exp10

Local

Berechnet die Exponentialfunktion zur Basis 10 der Pixel in einem Raster.

Python

Mathematik

Exp2

Local

Berechnet die Exponentialfunktion zur Basis 2 der Pixel in einem Raster.

Python

Mathematik

Float

Local

Konvertiert jeden Pixelwert eines Rasters in eine Gleitkommadarstellung.

Python

Mathematik

Integer

Local

Konvertiert die einzelnen Pixelwerte eines Rasters durch Abschneiden in eine ganze Zahl.

Python

Mathematik

Ln

Local

Berechnet den natürlichen Logarithmus (Basis e) von Pixeln in einem Raster.

Python

Mathematik

Log10

Local

Berechnet den Logarithmus der Basis 10 von Pixeln in einem Raster.

Python

Mathematik

Log2

Local

Berechnet den Logarithmus der Basis 2 von Pixeln in einem Raster.

Python

Mathematik

Minus

Local

Subtrahiert den Wert des zweiten Eingabe-Rasters vom Wert des ersten Eingabe-Rasters auf Pixelbasis.

Python

Mathematik

Modulo

Local

Ermittelt den Rest (Modulo) der Teilung des ersten Rasters durch das zweite Raster auf Pixelbasis.

Python

Mathematik

Negate

Local

Ändert das Vorzeichen der Zellenwerte des Eingabe-Rasters (Multiplikation mit -1) auf Pixelbasis.

Python

Mathematik

Plus

Local

Addiert die Werte von zwei Rastern auf Pixelbasis.

Python

Mathematik

Power

Local

Potenziert die Zellenwerte in einem Raster mit den Werten in einem anderen Raster.

Python

Mathematik

Round Down

Local

Gibt für jedes Pixel in einem Raster die nächst niedrigere ganze Zahl als Gleitkommawert zurück.

Python

Mathematik

Round Up

Local

Gibt für jedes Pixel in einem Raster die nächsthöhere ganze Zahl als Gleitkommawert zurück.

Python

Mathematik

Square

Local

Berechnet das Quadrat der Pixelwerte in einem Raster.

Python

Mathematik

Square Root

Local

Berechnet die Quadratwurzel der Pixelwerte in einem Raster.

Python

Mathematik

Times

Local

Multipliziert die Werte von zwei Rastern auf Pixelbasis.

Python

Mathematik

FunktionRaster-FunktionBeschreibungBeispieleKategorie

If-Else-Bedingungen

Local

Führt eine konditionale If-Then-Else-Operation durch. Bei der Verwendung einer If-Else-Bedingung müssen üblicherweise mindestens zwei Funktionen miteinander verknüpft werden, wobei in der einen Funktion die Kriterien und in der zweiten Funktion die If-Else-Bedingung unter Verwendung der Kriterien angegeben wird. Letztere schreibt die "True"- und "False"-Ausgaben vor.

Python

Mathematik: Konditional

Auf NULL setzen

Local

"Auf NULL setzen" legt für identifizierte Zellpositionen auf Grundlage eines angegebenen Kriteriums den Wert "NoData" fest. "NoData" wird zurückgegeben, wenn eine Bedingungsauswertung "true" (wahr) ergibt, und ein durch ein anderes Raster angegebener Wert wird zurückgegeben, wenn die Bedingungsauswertung "false" (falsch) ergibt.

Python

Mathematik: Konditional

FunktionRaster-FunktionBeschreibungBeispieleKategorie

Bitwise And

Local

Führt eine bitweise AND-Operation für die binären Werte von zwei Eingabe-Rastern aus.

Python

Mathematik: Logisch

Bitwise Left Shift

Local

Führt eine bitweise LEFT SHIFT-Operation für die binären Werte von zwei Eingabe-Rastern aus.

Python

Mathematik: Logisch

Bitwise Not

Local

Führt eine bitweise NOT-Operation (Komplement) für den binären Wert eines Eingabe-Rasters aus.

Python

Mathematik: Logisch

Bitwise Or

Local

Führt eine bitweise OR-Operation für die binären Werte von zwei Eingabe-Rastern aus.

Python

Mathematik: Logisch

Bitwise Right Shift

Local

Führt eine bitweise RIGHT SHIFT-Operation für die binären Werte von zwei Eingabe-Rastern aus.

Python

Mathematik: Logisch

Bitwise Xor

Local

Führt eine bitweise Operation mit ausschließendem OR für die binären Werte von zwei Eingabe-Rastern aus.

Python

Mathematik: Logisch

Boolean And

Local

Führt eine "Boolean And"-Operation für die Pixelwerte von zwei Eingabe-Rastern aus.

Wenn beide Eingabewerte TRUE (ungleich 0) sind, lautet der Ausgabewert 1. Wenn eine oder beide Eingabewerte FALSE (0) sind, ist der Ausgabewert 0.

Python

Mathematik: Logisch

Boolean Not

Local

Führt eine "Boolean Not"-Operation (Komplementoperation) für die Pixelwerte des Eingabe-Rasters aus.

Python

Mathematik: Logisch

Boolean Or

Local

Führt eine "Boolean Or"-Operation für die Zellenwerte von zwei Eingabe-Rastern aus.

Python

Mathematik: Logisch

Boolean XOr

Local

Führt eine Operation mit "Boolean eXclusive Or" für die Zellenwerte von zwei Eingabe-Rastern aus.

Python

Mathematik: Logisch

Equal To

Local

Führt auf Pixelbasis eine "Equal To"-Operation für zwei Raster aus.

Python

Mathematik: Logisch

Greater Than

Local

Führt auf Pixelbasis eine relationale "Greater Than"-Operation für zwei Eingaben aus.

Python

Mathematik: Logisch

Greater Than Equal

Local

Führt auf Pixelbasis eine relationale "Greater Than or Equal To"-Operation für zwei Eingaben aus.

Python

Mathematik: Logisch

Is Null

Local

Ermittelt auf Pixelbasis, welche Werte im Eingabe-Raster den Wert "NoData" aufweisen.

Python

Mathematik: Logisch

Less Than

Local

Führt auf Pixelbasis eine relationale "Less Than"-Operation für zwei Eingaben aus.

Python

Mathematik: Logisch

Less Than Equal

Local

Führt auf Pixelbasis eine relationale "Less Than or Equal To"-Operation für zwei Eingaben aus.

Python

Mathematik: Logisch

Not Equal

Local

Führt auf Pixelbasis eine relationale "Not Equal To"-Operation für zwei Eingaben aus.

Python

Mathematik: Logisch

FunktionRaster-FunktionBeschreibungBeispieleKategorie

ACos

Local

Berechnet den Arkuskosinus der Pixel in einem Raster.

Python

Mathematik: Trigonometrisch

ACosH

Local

Berechnet den Areakosinus Hyperbolicus der Pixel in einem Raster.

Python

Mathematik: Trigonometrisch

ASin

Local

Berechnet den Arkussinus der Pixel in einem Raster.

Python

Mathematik: Trigonometrisch

ASinH

Local

Berechnet den Areasinus Hyperbolicus der Pixel in einem Raster.

Python

Mathematik: Trigonometrisch

ATan

Local

Berechnet den Arkustangens der Pixel in einem Raster.

Python

Mathematik: Trigonometrisch

ATan2

Local

Berechnet den Arkustangens (auf Basis von x,y) der Pixel in einem Raster.

Python

Mathematik: Trigonometrisch

ATanH

Local

Berechnet den Areatangens Hyperbolicus der Pixel in einem Raster.

Python

Mathematik: Trigonometrisch

Cos

Local

Berechnet den Kosinus der Pixel in einem Raster.

Python

Mathematik: Trigonometrisch

CosH

Local

Berechnet den Cosinus Hyperbolicus der Pixel in einem Raster.

Python

Mathematik: Trigonometrisch

Sin

Local

Berechnet den Kosinus der Pixel in einem Raster.

Python

Mathematik: Trigonometrisch

SinH

Local

Berechnet den Cosinus Hyperbolicus der Pixel in einem Raster.

Python

Mathematik: Trigonometrisch

Tan

Local

Berechnet den Tanges der Pixel in einem Raster.

Python

Mathematik: Trigonometrisch

TanH

Local

Berechnet den Tangens Hyperbolicus der Pixel in einem Raster.

Python

Mathematik: Trigonometrisch

FunktionRaster-FunktionBeschreibungBeispieleKategorie

ArgStatistics

ArgStatistics

Die Funktion "ArcStatistics" berechnet Argumente der Statistik. Diese Funktion umfasst vier Methoden: ArgMax, ArgMin, ArgMedian und Dauer.

Python

Statistisch

Arg-Maximum

ArgStatistics

ArgMax steht für das Argument des Maximums. Bei der ArgMax-Methode wird allen Raster-Bändern aus jedem Eingabe-Raster ein mit 0 beginnender inkrementeller Bandindex zugewiesen.

Python

Statistisch

Arg-Medianwert

ArgStatistics

Die ArgMedian-Methode gibt den Bandindex zurück, für den das jeweilige Pixel den Medianwert der Werte aus allen Bändern erhält.

Python

Statistisch

Arg-Minimum

ArgStatistics

ArgMin ist das Argument des Minimums; es gibt den Bandindex zurück, für den das jeweilige Pixel seinen Minimalwert erhält.

Python

Statistisch

Dauer

ArgStatistics

Die Dauer-Methode sucht nach den längsten aufeinanderfolgenden Elementen in dem Array, wobei jedes Element einen Wert hat, der größer oder gleich Minimum und kleiner oder gleich Maximum ist, und gibt dann die Länge zurück.

Python

Statistisch

Zellenstatistiken

CellStatistics

Mit dieser Funktion werden Statistiken aus mehreren Rastern auf Pixelbasis berechnet. Die verfügbaren Statistiken sind: "Mehrheit", "Maximum", "Mittelwert", "Medianwert", "Minimum", "Minderheit", "Bereich", "Standardabweichung", "Summe" und "Varianz".

Statistisch

Mehrheit-Zellenstatistik

CellStatistics

Ermittelt auf Pixelbasis den Wert, der am häufigsten auftritt.

Python

Statistisch

Maximum-Zellenstatistik

Cell Statistics

Ermittelt den größten Wert auf Pixelbasis.

Python

Statistisch

Mittelwert-Zellenstatistik

Cell Statistics

Berechnet den Durchschnitt auf Pixelbasis.

Python

Statistisch

Median-Zellenstatistik

Cell Statistics

Berechnet den Mittelwert der Pixel auf Pixelbasis.

Python

Statistisch

Minimum-Zellenstatistik

Zellenstatistik

Ermittelt den kleinsten Wert auf Pixelbasis.

Python

Statistisch

Minderheit-Zellenstatistik

Cell Statistics

Ermittelt auf Pixelbasis den Wert, der am seltensten auftritt.

Python

Statistisch

Bereich-Zellenstatistik

Cell Statistics

Berechnet auf Pixelbasis die Differenz zwischen dem größtem und dem kleinsten Wert.

Python

Statistisch

Standardabweichung-Zellenstatistik

Cell Statistics

Berechnet die Standardabweichung der Pixel auf Pixelbasis.

Python

Statistisch

Summe-Zellenstatistik

Cell Statistics

Berechnet den Gesamtwert auf Pixelbasis.

Python

Statistisch

Varianz-Zellenstatistik

Cell Statistics

Berechnet die Anzahl der Einzelwerte auf Pixelbasis.

Python

Statistisch

Statistiken

Statistics

Mit der Funktion "Statistiken" wird die Fokusstatistik für jedes Pixel eines Bildes auf der Grundlage einer definierten Fokusnachbarschaft berechnet.

JSON | Python

Statistisch

Zonenstatistiken

ZonalStatistics

Berechnet Statistiken der Werte eines Gitternetzs innerhalb der Zonen eines anderen Datasets.

Python

Statistisch

FunktionRaster-FunktionBeschreibungBeispieleKategorie

Ausrichtung

Aspect

Die Funktion "Ausrichtung" bestimmt die Neigungsrichtung der maximalen Änderungsrate des Wertes jeder einzelnen Zelle zur jeweiligen Nachbarzelle.

JSON | Python

Oberfläche

Konturlinie

Contour

Mit der Konturlinienfunktion werden Konturlinien erstellt, indem Punkte mit derselben Höhe aus einem Raster-Höhen-Dataset verbunden werden. Die Konturlinien sind Isolinien, die zu Visualisierungszwecken als Raster erstellt wurden.

Oberfläche

Krümmung

Curvature

Mit der Funktion "Krümmung" wird die Form oder Krümmung der Neigung angezeigt. Ein Teil einer Oberfläche kann konkav oder konvex sein, was Sie am Krümmungswert erkennen. Die Krümmung wird berechnet, indem die zweite Ableitung der Oberfläche ermittelt wird.

JSON | Python

Oberfläche

Lückenfüllung für Höhen

ElevationVoidFill

Die Funktion "Lückenfüllung für Höhen" wird verwendet, um Pixel für Bereiche zu erstellen, wo in Ihren Höhendaten Löcher vorhanden sind.

JSON | Python

Oberfläche

Schummerung

Hillshade

Die Funktion "Schummerung" erzeugt eine Graustufen-3D-Darstellung der Terrain-Oberfläche, mit der relativen, zum Schummern des Bildes berücksichtigten Position der Sonne.

JSON | Python

Oberfläche

Geschummerte Reliefs

ShadedRelief

Durch die Funktion "Geschummertes Relief" wird eine 3D-Farbdarstellung des Terrains erstellt, indem die Bilder aus den Methoden "Höhencodiert" und "Schummerung" zusammengeführt werden. Diese Funktion verwendet die Eigenschaften von Höhe und Azimut, um die Position der Sonne anzugeben.

JSON | Python

Oberfläche

Neigung

Slope

Mit der Funktion "Neigung" wird die Änderungsrate der Höhe für die einzelnen Zellen im digitalen Höhenmodell (DEM) dargestellt. Dies ist die erste Ableitung eines DEM.

JSON | Python

Oberfläche

Sichtfeld

Viewshed

Bestimmt anhand geodätischer Methoden die Raster-Oberflächenpositionen, die für eine Reihe von Beobachter-Features sichtbar sind.

Oberfläche