Skip To Content

使用栅格函数自定义栅格分析

分布式栅格分析基于 ArcGIS Image Server,使用一套广泛的栅格函数来处理栅格数据集和遥感影像。指定结果会自动存储并发布到分布式栅格数据存储,从而在整个企业实现共享。

可靠的栅格分析函数套件

该功能的核心是 ArcGIS 提供的超过 200 个栅格函数组成的套件。这些函数可作为单个处理函数使用,也可以合并成处理链,作为栅格函数模板 (RFT) 使用。栅格函数模板是自定义处理链,可针对任何应用程序量身定制,并使用各种输入数据类型和处理函数来简化特定工作流。

用户也可以使用 Python 栅格函数对栅格分析函数进行扩展。自定义栅格函数可使用 Python 编写,将其添加到系统中后,它们即可利用分布式栅格分析处理。

栅格函数和 RFT 支持重要的分布式处理和存储模式,例如本地、云和 web 实施。标准和自定义栅格处理以及存储功能都是弹性的,可对其进行调整以处理需求激增、应急事件、改变优先级以及其他对所需容量、需求和成本造成的影响。栅格函数支持分布式处理,以支持动态处理环境。随着处理实例数的变化,栅格分析过程的分布会发生更改,以利用处理和存储资源。

这些栅格函数和基于 RFT 的工作流可以通过 ArcGIS ProArcGIS REST APIArcGIS Python API、JS API 以及企业门户中的 web 地图查看器来实现。例如,您可以使用生成栅格任务,通过提供栅格函数链的 JSON 对象表示来执行分布式栅格分析。

可用于栅格分析的栅格函数和对象

下表列出了可用于栅格分析的栅格函数、它们的描述和关联的 JSON 和 Python 对象。

函数栅格函数说明示例类别

二进制阈值

Thresholding

二进制 Threshold 函数可生成二进制影像。该函数使用 Otsu 算法并假定输入影像具有双模态直方图。

JSON | Python

分析

炎热指数

PythonAdaptor

根据环境温度和相对湿度来计算体感温度。

分析

核密度分析

KernelDensity

使用核函数根据点或折线要素计算每单位面积的量值以将各个点或折线拟合为光滑锥状表面。

分析

NDVI

NDVI

归一化差值植被指数 (NDVI) 是一个标准化指数,用于生成显示植被量(相对生物量)的影像。该指数对多光谱栅格数据集中两个波段的特征进行对比,即红光波段中叶绿素的色素吸收率和近红外 (NIR) 波段中植物体的高反射率。有关详细信息,请参阅 NDVI 函数

JSON | Python

分析

彩色 NDVI

NDVIColorized

在输入影像上应用 NDVI 函数,然后使用色彩映射表或色带来显示结果。

分析

缨帽

TasselCap

缨帽 (Kauth-Thomas) 变换旨在对各种卫星传感器系统检测到的植被现象和城市发展变化进行分析和制图。由于数据的图形分布形状,我们将这种变换称为缨帽变换。

JSON | Python

分析

加权叠加

WeightedOverlay

WeightedOverlay 函数可使用通用测量比例对多个栅格进行叠加,并根据各栅格的重要性分配权重。有关详细信息,请参阅加权叠加函数

JSON | Python

分析

加权总和

WeightSum

WeightedSum 函数可通过将栅格数据各自乘以指定的权重并合计在一起来叠加多个栅格数据。有关详细信息,请参阅加权总和函数

JSON | Python

分析

风寒指数

PythonAdaptor

风寒是在考虑风的因素时,对个体感知冷的程度进行测量的方法。

分析

函数栅格函数说明示例类别

对比度和亮度

ContrastBrightness

ContrastBrightness 函数通过修改影像的亮度或对比度增强了栅格数据(影像)的显示。该函数仅适用于 8 位输入栅格。

JSON | Python

外观

卷积

Convolution

Convolution 函数可对影像中的像素值进行过滤,可用于对影像进行锐化、模糊、边缘检测或其他基于核的 增强处理。有关详细信息,请参阅卷积函数

JSON | Python

外观

线检测(水平)

Convolution

沿水平线检测边。

外观

线检测(垂直)

Convolution

沿垂直线检测边。

外观

线检测(左对角线)

Convolution

沿从右下角移动到左上角的对角线检测边。

外观

线检测(右对角线)

Convolution

沿从左下角到右上角的对角线检测边。

外观

梯度(北)

Convolution

沿北梯度进行的边缘检测。

外观

梯度(西)

Convolution

沿西梯度进行的边缘检测。

外观

梯度(东)

Convolution

沿东梯度进行的边缘检测。

外观

梯度(南)

Convolution

沿南梯度进行的边缘检测。

外观

梯度(东北)

Convolution

沿东北梯度进行的边缘检测。

外观

梯度(西北)

Convolution

沿西北梯度进行的边缘检测。

外观

平滑

Convolution

通过减少局部变化和移除噪声来过滤数据。其效果就是对每个邻域内的高数值和低数值进行平均处理,以减少数据中的极值。

外观

平滑 3x3

Convolution

通过减少局部变化和移除噪声来过滤数据。使用低通 3x3 滤波器来执行平滑。

外观

平滑 5x5

Convolution

通过减少局部变化和移除噪声来过滤数据。使用低通 5x5 滤波器来执行平滑。

外观

锐化

Convolution

着重强调相邻元素数值的相对差异。

外观

锐化更多

Convolution

着重强调高于锐化运算符的值。

外观

锐化 3x3

Convolution

使用 3x3 核的高通滤波器。

外观

锐化 5x5

Convolution

使用 5x5 核的高通滤波器。

外观

拉普拉斯算子 3x3

Convolution

拉普拉斯算子过滤器经常用于对已做过平滑处理的影像进行边缘检测,以减少对噪声的敏感度。该操作使用 3x3 滤波器。

外观

拉普拉斯算子 5x5

Convolution

拉普拉斯算子过滤器经常用于对已做过平滑处理的影像进行边缘检测,以减少对噪声的敏感度。该操作使用 5x5 滤波器。

外观

Sobel 算子(水平)

Convolution

用于水平边缘检测。

外观

Sobel 算子(垂直)

Convolution

用于垂直边缘检测。

外观

点扩散

Convolution

点扩散函数描绘了点光源通过透镜形成的光的分布。这将引入一点模糊效应。

外观

全色锐化

Pansharpening

全色锐化函数使用较高分辨率的全色图像或栅格波段与较低分辨率的多波段栅格数据集进行融合以提高多波段影像的空间分辨率。

JSON | Python

外观

统计数据和直方图

StatisticsHistogram

统计数据和直方图函数用于定义栅格的统计数据和直方图。可在函数链末尾处插入此函数,以描述栅格函数模板 (RFT) 的统计数据和直方图。在控制处理结果的默认显示,尤其是在定义包含多种函数的函数链时,可能需要使用此函数。

JSON | Python

外观

拉伸(对比度)

Stretch

基于已定义的焦点邻域计算影像中各像素的焦点统计数据。

JSON | Python

外观

函数栅格函数说明示例类别

分类

Classify

Classify 函数将分段栅格归类为分类栅格。

JSON | Python

分类

最大似然法分类

MLClassify

MLClassify 函数可用于通过最大可能性分类算法执行监督分类。托管 ArcGIS Server 需要具有 Spatial Analyst 许可。

JSON | Python

分类

区域生成

区域生成

区域增长函数根据种子点中的指定半径将相邻像素分组到各组中。对像素组或对象组分配指定填充值。

分类

分割影像

SegmentMeanShift

SegmentMeanShift 函数可生成分割输出。输出影像中的像素值表示该分割的聚合 RGB 颜色。输入栅格应为 3 波段 8 位影像。如果影像服务不是 3 波段 8 位无符号影像,则可以在使用 SegmentMeanShift 函数之前使用 Stretch 函数。

JSON | Python

分类

函数栅格函数说明示例类别

颜色模型转换

颜色模型转换

可将影像的颜色模型从色调、饱和度及亮度 (HSV) 颜色空间转换为红色、绿色及蓝色 (RGB),反之亦然。

Python

转换

色彩映射表

Colormap

Colormap 函数基于色彩映射表中的特定颜色或色带中定义的颜色范围对像素值进行转换,以将栅格数据显示为红色、绿色、蓝色 (RGB) 影像。有关详细信息,请参阅色彩映射表函数

JSON | Python

转换

色彩映射表至 RGB

Colormap2RGB

将带有色彩映射表的单波段栅格转换为三波段(红、绿和蓝)栅格。

JSON | Python

转换

复数

Complex

计算复数的模。

JSON | Python

转换

灰度

Grayscale

将多波段影像转换为单波段灰度影像。可将指定权重应用于每个输入波段。

JSON | Python

转换

栅格化属性

RasterizeAttributes

“栅格化属性”函数可通过添加派生自外部表或要素服务指定属性值的波段来丰富栅格。

转换

栅格化要素

RasterizeFeatures

将面、折线和点要素类数据转换为栅格图层。

转换

重映射

Remap

Remap 函数可用于更改或重分类栅格数据的像素值。有关详细信息,请参阅重映射函数

JSON | Python

转换

光谱转换

SpectralConversion

光谱转换函数将矩阵应用于多波段影像以影响输出的颜色值。例如,使用此函数可将假彩色红外影像转换为伪自然彩色影像。

JSON | Python

转换

单位转换

UnitConversion

UnitConversion 函数可执行单位转换。

JSON | Python

转换

矢量字段

VectorField

VectorField 函数用于将两个单波段栅格(每个栅格表示 U/V 或量级/方向)合成为一个双波段栅格(每个波段表示 U/V 或量级/方向)。数据组合类型(U-V 或量级-方向)还可以使用该函数相互转换。

JSON | Python

转换

矢量字段渲染器

VectorFieldRenderer

VectorFieldRenderer 函数可对 UV 或量级-方向栅格进行符号化。

JSON | Python

转换

分区重映射

分区重映射

此函数可根据在其他栅格中定义的区域和在表格中定义的区域相关值映射来重映射栅格中的像素。

转换

函数栅格函数说明示例类别

表观反射率

ApparentReflectance

此函数用于校准一些卫星传感器的影像数字值 (DN)。校准使用太阳高程、采集日期、传感器增益和每个波段的偏差来得出大气顶层反射率,以及太阳角度校正。

校正

几何

Geometric

Geometric 函数可根据传感器定义和地形模型转换影像(例如,正射校正)。

JSON | Python

校正

雷达校准

RadarCalibration

在雷达影像上执行校准操作,以使像素值可以真实地反应出雷达散射。

校正

Sentinel-1 辐射校准

Sentinel-1 RadiometricCalibration

在 Sentinel-1 数据上执行不同类型的辐射校准。

校正

Sentinel-1 热噪声去除

Sentinel-1 热噪声去除

从 Sentinel-1 数据中去除热噪声。

校正

斑点

Speckle

可过滤斑点雷达数据集,并将在影像中保留边或尖锐要素时消除噪声。

JSON | Python

校正

函数栅格函数说明示例类别

属性表

AttributeTable

可用于定义一张对单波段镶嵌数据集或栅格数据集进行符号化的属性表。如果您希望表示具有离散类别的影像,此函数能起到很大作用。

数据管理

已缓冲

Buffered

Buffered 函数可用于优化复杂函数链的性能。它将输出结果存储于其之前的函数链部分的内存中。

数据管理

裁剪

Clip

根据矩形所定义的范围来裁剪栅格,或将栅格裁剪为输入多边形要素类的形状。既可以根据界定裁剪范围的形状来裁剪栅格,也可以裁剪掉栅格中的某个区域。

JSON | Python

数据管理

波段合成

CompositeBand

CompositeBand 函数可用于将多个影像合并为一个多波段影像。

JSON | Python

数据管理

常量

Constant

可创建具有单个像素值的虚拟栅格,其中单个像素值可用于栅格函数模板以及处理镶嵌数据集。

数据管理

提取波段

ExtractBand

ExtractBand 函数用于从栅格中提取一个或多个波段,或者对多波段影像中的波段进行重新排序。

JSON | Python

数据管理

标识

Identity

可以使用此函数将源栅格定义为镶嵌数据集的默认镶嵌行为的一部分。该函数为无操作函数,除栅格以外不需要任何参数。

JSON | Python

数据管理

插入不规则数据

插入不规则数据

一些 netCDF 或 HDF 数据库将其地理定位存储为像素或点数据的间距不规则数组。将这些数据集添加到镶嵌数据集时,插值不规则数据函数会获取这些不规则格网数据并对其进行重采样,因此,每个像素均为大小一致的方形。

数据管理

关键元数据

KeyMetadata

此函数允许插入或覆盖栅格的关键元数据。

数据管理

掩膜

Mask

Mask 函数通过将某特定像素值或某像素值范围指定为无数据来对影像进行更改。

JSON | Python

数据管理

蚕食

Nibble

用最邻近点的值替换掩膜范围内的栅格像元的值。

Python

数据管理

镶嵌栅格

MosaicRasters

可从多个影像中创建一个镶嵌影像。

数据管理

栅格信息

RasterInfo

修改栅格的各种属性,例如位深度、NoData 值和像元大小。

数据管理

重新转换

Recast

Recast 函数可在现有函数模板中重新分配参数值。

JSON

数据管理

重新投影

Reproject

重投影函数可用于修改栅格数据集、镶嵌数据集或镶嵌数据集中的栅格项目的投影。该函数也可用于将数据重采样为新的像元大小并定义原点。

数据管理

重采样

Resample

Resample 函数可按照给定分辨率对像素值进行重采样。

JSON | Python

数据管理

Swath

Swath

部分 NetCDF 或 HDF 数据集以间距不规则数组的形式存储地理位置信息。将这些数据集添加到镶嵌数据集时,带状函数将获取不规则格网数据并进行重采样,从而使每个像素大小相同且均为方形。

数据管理

转置位

TransposeBits

TransposeBits 函数可执行位操作。该函数从源数据中提取位值,并将其分配给输出数据中的新位。

JSON | Python

数据管理

函数栅格函数说明示例类别

成本分配

Cost_Allocation

根据成本面上的最小累积成本计算每个像元的最小成本源。

Python

距离

成本距离

Cost_Distance

计算每个像元从成本面或到成本面上最小成本源的最小累积成本距离。

Python

距离

欧氏分配

Euclidean_Allocation

基于欧氏距离计算每个像元的最近源。

Python

距离

欧氏距离

Euclidean_Distance

计算每个像元相对于最近源的方向(以度为单位)。

Python

距离

最小成本路径

Least_Cost_Path

计算从源到目标的最小成本路径。

Python

距离

函数栅格函数说明示例类别

填洼

Fill

通过填充表面栅格中的凹陷点来移除数据中的小缺陷。

Python

水文分析

流量

Flow_Accumulation

创建每个像元累积流量的栅格。可选择性应用权重系数。

Python

水文分析

流动距离

flow_distance

计算每个像元到流入溪流或河流像元的最小坡度水平距离或垂直距离。

Python

水文分析

流向

flow_direction

用最邻近点的值替换掩膜范围内的栅格像元的值。

Python

水文分析

河流链

Stream_Link

向各交汇点之间的栅格线状网络的各部分分配唯一值。

Python

水文分析

集水区

Watershed

确定栅格中一组像元之上的汇流区域。

Python

水文分析

函数栅格函数说明示例类别

绝对值

Abs

计算栅格中像素值的绝对值。

Python

数学分析

算术

Arithmetic

Arithmetic 函数用于执行两个栅格之间或一个栅格与一个标量之间(反之亦然)的算术运算。

JSON | Python

数学分析

波段算术

BandArithmetic

使用预定义公式或用户定义的表达式计算索引。

JSON | Python

数学分析

GEMI

BandArithmetic

“全球环境监测指数”(GEMI) 是通过卫星影像进行全球环境监测的非线性植被指数。该指数与 NDVI 类似,但对大气影响的敏感度较低。它受裸土影响,因此,不建议在植被稀疏或中度茂密的区域使用。

Python

数学分析

GVI

BandArithmetic

“绿色植被指数”(GVI) 设计源于 Landsat MSS 影像,并已针对 Landsat TM 影像进行了修改。它也称为 Landsat TM Tasseled Cap 绿色植被指数。它可用于波段共享相同光谱特征的影像。

Python

数学分析

已修改 SAVI

BandArithmetic

“修正土壤调节植被指数”(MSAVI2) 尝试将裸土对于 SAVI 的影响降至最小。

Python

数学分析

NDVI

BandArithmetic

The Normalized Difference Vegetation Index (NDVI) is a standardized index allowing you to generate an image displaying greenness (relative biomass). This index takes advantage of the contrast of the characteristics of two bands from a multispectral raster dataset—the chlorophyll pigment absorptions in the red band and the high reflectivity of plant materials in the near-infrared (NIR) band.

数学分析

PVI

BandArithmetic

“垂直植被指数”(PVI) 与差值植被指数类似,但对大气变化的敏感度较高。使用此方法比较不同影像时,只可将其用于已进行大气修正的影像。

Python

数学分析

SAVI

BandArithmetic

“调节土壤的植被指数”(SAVI) 是试图通过土壤亮度校正系数最小化土壤亮度影响的植被指数。它通常用在植被覆盖率较低的干旱区域。

Python

数学分析

Sultan 公式

BandArithmetic

Sultans 过程采用六波段八位图像并使用 Sultan 的公式生成三波段八位图像。生成的图像将突出显示海岸线上称为蛇绿岩的岩层。此公式根据 Landsat 5 或 7 场景的 TM 或 ETM 波段设计。应用于创建各输出波段的方程如下:

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

Python

数学分析

转换型 SAVI

BandArithmetic

“转换型土壤调节植被指数”(TSAVI) 是试图通过假设土壤线具有任意斜率和截距来最小化土壤亮度影响的植被指数。

Python

数学分析

计算器

RasterCalculator

通过基于数学表达式的栅格计算栅格。

JSON | Python

数学分析

Local

将两个栅格的值逐个像素相除。

Python

数学分析

指数

Local

计算栅格中各像素以 e 为底的指数。

Python

数学分析

Exp10

Local

计算栅格中各像素以 10 为底的指数。

Python

数学分析

Exp2

Local

计算栅格中各像素以 2 为底的指数。

Python

数学分析

转为浮点型

Local

将每个栅格像素的值转换为浮点型表达形式。

Python

数学分析

转为整型

Local

通过截断将栅格的每个像素值转换为整数。

Python

数学分析

Ln

Local

计算栅格中各像素的自然对数(以 e 为底)。

Python

数学分析

Log10

Local

计算栅格中各像素以 10 为底的对数。

Python

数学分析

Log2

Local

计算栅格中各像素以 2 为底的对数。

Python

数学分析

Local

逐个像素地从第一个输入栅格的值中减去第二个输入栅格的值。

Python

数学分析

求模

Local

逐个像素地求出第一个栅格数据除以第二个栅格数据的余数(模)。

Python

数学分析

取反

Local

逐个像素地更改输入栅格的像素值符号(乘以 -1)。

Python

数学分析

Local

逐个像素地将两个栅格的值相加(求和)。

Python

数学分析

Local

对另一个栅格中的像素值进行乘方运算,将结果作为栅格的值。

Python

数学分析

下舍入

Local

返回栅格中每个像素的最近的较小整数(以浮点值表示)。

Python

数学分析

上舍入

Local

返回栅格中每个像素的最近的较大整数(以浮点值表示)。

Python

数学分析

平方

Local

计算栅格中像素值的平方值。

Python

数学分析

平方根

Local

计算栅格中像素值的平方根。

Python

数学分析

Local

将两个栅格的值逐个像素相乘。

Python

数学分析

函数栅格函数说明示例类别

条件函数

Local

执行 If, Then, Else 条件运算。使用条件运算符时,通常需要将两个或更多个函数链接在一起,其中一个函数描述条件,第二个函数是使用该条件的条件运算符,用于指示输出结果为真还是假。

Python

数学分析: 条件运算

设为空函数

Local

“设为空函数”根据指定条件将所识别的像元位置设置为 NoData。如果条件评估为真,则返回 NoData;如果条件评估为假,则返回由另一个栅格指定的值。

Python

数学分析: 条件运算

函数栅格函数说明示例类别

按位与

Local

对两个输入栅格的二进制值执行“按位与”运算。

Python

数学分析: 逻辑运算

按位左移

Local

对两个输入栅格的二进制值执行“按位左移”运算。

Python

数学分析: 逻辑运算

按位非

Local

对输入栅格的二进制值执行“按位非”(求反)运算。

Python

数学分析: 逻辑运算

按位或

Local

对两个输入栅格的二进制值执行“按位或”运算。

Python

数学分析: 逻辑运算

按位右移

Local

对两个输入栅格的二进制值执行“按位右移”运算。

Python

数学分析: 逻辑运算

按位异或

Local

对两个输入栅格的二进制值执行“按位异或”运算。

Python

数学分析: 逻辑运算

布尔与

Local

对两个输入栅格的像素值执行“布尔与”(Boolean And)运算。

如果两个输入值都为真(非零),则输出值为 1。如果一个或两个输入值都为假(零),则输出值为 0。

Python

数学分析: 逻辑运算

布尔非

Local

对此输入栅格的各像素值执行“布尔非”(求反)运算。

Python

数学分析: 逻辑运算

布尔或

Local

对两个输入栅格的像元值执行“布尔或”运算。

Python

数学分析: 逻辑运算

布尔异或

Local

对两个输入栅格的像元值执行“布尔异或”运算。

Python

数学分析: 逻辑运算

等于

Local

逐个像素对两个栅格的值执行等于运算。

Python

数学分析: 逻辑运算

大于

Local

逐个像素对两个输入执行关系大于运算。

Python

数学分析: 逻辑运算

大于等于

Local

逐个像素对两个输入执行关系大于或等于运算。

Python

数学分析: 逻辑运算

为 Null

Local

逐个像素来确定输入栅格中哪些值为 NoData。

Python

数学分析: 逻辑运算

小于

Local

逐个像素对两个输入执行关系小于运算。

Python

数学分析: 逻辑运算

小于等于

Local

逐个像素对两个输入执行关系小于或等于运算。

Python

数学分析: 逻辑运算

不等于

Local

逐个像素对两个输入执行关系不等于运算。

Python

数学分析: 逻辑运算

函数栅格函数说明示例类别

ACos

Local

计算栅格中各像素的反余弦值。

Python

数学分析:三角函数

ACosH

Local

计算栅格中各像素的双曲余弦值。

Python

数学分析:三角函数

ASin

Local

计算栅格中各像素的反正弦值。

Python

数学分析:三角函数

ASinH

Local

计算栅格中各像素的反双曲正弦值。

Python

数学分析:三角函数

ATan

Local

计算栅格中各像素的反正切值。

Python

数学分析:三角函数

ATan2

Local

计算栅格中各像素的反正切值(基于 x,y)。

Python

数学分析:三角函数

ATanH

Local

计算栅格中各像素的双曲正切值。

Python

数学分析:三角函数

Cos

Local

计算栅格中各像素的余弦值。

Python

数学分析:三角函数

CosH

Local

计算栅格中各像素的双曲余弦值。

Python

数学分析:三角函数

Sin

Local

计算栅格中各像素的正弦值。

Python

数学分析:三角函数

SinH

Local

计算栅格中各像素的双曲正弦值。

Python

数学分析:三角函数

Tan

Local

计算栅格中各像素的正切值。

Python

数学分析:三角函数

TanH

Local

计算栅格中各像素的双曲正切值。

Python

数学分析:三角函数

函数栅格函数说明示例类别

ArgStatistics

ArgStatistics

ArcStatistics 函数用于计算统计数据的参数。此函数中存在四种 ArcStatistics 方法:ArgMax、ArgMin、ArgMedian 和 Duration。

Python

统计

Arg 最大值

ArgStatistics

ArgMax 代表参数最大值。在 ArgMax 方法中,系统为来自每个输入栅格的所有栅格波段均分配一个基于 0 的增量波段索引。

Python

统计

Arg 中值

ArgStatistics

ArgMedian 方法返回波段索引,给定像素为此获得所有波段值的中值。

Python

统计

Arg 最小值

ArgStatistics

ArgMin 是参数最小值,返回给定像素获得其最小值所对应的波段索引。

Python

统计

时长

ArgStatistics

持续时间方法可在数组中找到最长的连续元素(每个元素的值都大于或等于最小值并小于或等于最大值),然后返回其长度。

Python

统计

像元统计

CellStatistics

此函数可逐个像素地计算多个栅格的统计数据。可用的统计数据包括众数、最大值、平均值、中值、最小值、少数、范围、标准差、总和及变异度。

统计

众数像元统计

CellStatistics

逐个像素确定出现频率最高的值。

Python

统计

最大值像元统计

像元统计

逐个像素确定最大值。

Python

统计

均值像元统计

像元统计

逐个像素计算平均值。

Python

统计

中值像元统计

像元统计

逐个像素计算像素的中间值。

Python

统计

最小值像元统计

像元统计

逐个像素确定最小值。

Python

统计

少数像元统计

像元统计

逐个像素确定出现频率最低的值。

Python

统计

范围像元统计

像元统计

逐个像素计算最大值与最小值之间的差。

Python

统计

标准差像元统计

像元统计

逐个像素计算像素的标准差。

Python

统计

总和像元统计

像元统计

逐个像素计算总值。

Python

统计

变异度像元统计

像元统计

逐个像素计算唯一值的数量。

Python

统计

统计

Statistics

统计函数基于定义的焦点邻域来计算影像中各像素的焦点统计数据。

JSON | Python

统计

分区统计

ZonalStatistics

计算位于另一数据集区域内的栅格值的统计信息。

Python

统计

函数栅格函数说明示例类别

坡向

Aspect

坡向用于标识从每个单元到其相邻单元方向上值的变化率最大的下坡方向。坡向可以被视为坡度方向。输出栅格的值将是坡向的罗盘方向。

JSON | Python

表面

等值线

Contour

等值线函数通过连接栅格高程数据集中具有相同高程的点生成等值线。等值线是作为可视化栅格创建的等值线

表面

曲率

Curvature

曲率函数显示坡度的形状或曲率。查看曲率值即可判断表面的某一部分是凸还是凹。曲率通过表面的二阶导数计算得出。

JSON | Python

表面

高程空填充

ElevationVoidFill

高程空填充函数用于为高程中存在孔洞的区域创建像素。

JSON | Python

表面

山体阴影

Hillshade

山体阴影函数可生成地形表面的灰度 3D 制图表达,并且在对图像应用阴影时会考虑太阳的相对位置。

JSON | Python

表面

晕渲地貌

ShadedRelief

以下是 terrain 的彩色 3D 制图表达,通过合并由高程编码和山体阴影方法生成的图像而创建。此函数使用高度角和方位角属性指定太阳的位置。

JSON | Python

表面

坡度

Slope

坡度表示各数字高程模型 (DEM) 像元的高程变化率。它是 DEM 的一阶导数。

JSON | Python

表面

视域

Viewshed

使用测地线方法,确定对一组观察点要素可见的栅格表面位置

表面