Novedades de la Extensión Image Analyst (ArcGIS Pro 2.5)

La extensión Image Analyst para ArcGIS Pro 2.5 ahora cuenta con capacidades de Deep Learning ampliadas, compatibilidad mejorada con datos multidimensionales, capacidades mejoradas de FMV y mucho más.

Deep Learning

Novedades en las capacidades de Deep Learning que ofrecen un flujo de trabajo más completo y fácil de usar:

• La herramienta de geoprocesamiento Train Deep Learning Model entrena modelos de Deep Learning de forma nativa en ArcGIS Pro. Una vez que instaladas las bibliotecas de Deep Learning (PyTorch, Fast.ai y Torchvision), esto permite flujos de trabajo end-to-end.
• La herramienta de geoprocesamiento Classify Objects Using Deep Learning es una herramienta de inferencia que asigna un valor de clase a objetos o entidades de una imagen. Por ejemplo, después de un desastre natural, clasifica las estructuras dañadas o no dañadas.
• El nuevo panel Label Objects For Deep Learning proporciona capacidades para administrar y etiquetar muestras de entrenamiento. También proporciona la opción de exportar los datos de Deep Learning.
• Una nueva experiencia de usuario permite revisar los resultados de Deep Learning y editar clases según sea necesario.

Nuevas herramientas de Deep Learning en ArcGIS Pro 2.5

Gestión, Procesamiento y Análisis de Ráster Multidimensionales

Las nuevas herramientas y capacidades para el análisis multidimensional permiten extraer y administrar subconjuntos de un ráster multidimensional, calcular tendencias en los datos y realizar análisis predictivos.

Nueva experiencia de usuario

Una nueva pestaña contextual en ArcGIS Pro facilita el trabajo con capas ráster multidimensionales o capas de dataset de mosaico multidimensional en el mapa.

Experiencia de usuario intuitiva para trabajar con datos multidimensionales

• Trabajo con múltiples variables y recorrer el tiempo y la profundidad.
• Acceso directo a nuevas funciones y herramientas que se utilizan para gestionar, analizar y visualizar datos multidimensionales.
• Trazar datos multidimensionales utilizando el perfil temporal, que se ha mejorado con tendencias de agregación espacial y gráficos.

Nuevas herramientas de geoprocesamiento para la gestión

Nuevas herramientas para extraer datos a lo largo de variables, profundidades, marcos de tiempo y otras dimensiones específicas:

• Ráster multidimensional de subconjuntos
• Crear capa ráster multidimensional

Nuevas herramientas de geoprocesamiento para el análisis

• Find Arguments Statistics le permite determinar cuándo o dónde se alcanzó una estadística determinada en el dataset ráster multidimensional. Por ejemplo, puede identificar cuándo se produjo la precipitación máxima durante un período de tiempo específico.
• Generate Trend Raster estima la tendencia de cada píxel a lo largo de una dimensión para una o más variables en un ráster multidimensional. Por ejemplo, puede usar esto para comprender cómo ha cambiado la temperatura de la superficie del mar con el tiempo.
• Predict Using Trend Raster calcula un ráster multidimensional pronosticado utilizando el ráster de tendencia de salida de la herramienta Generar ráster de tendencia. Esto podría ayudarle a predecir la probabilidad de un evento futuro de El Nino basado en tendencias en los datos históricos de temperatura de la superficie del mar.

Además, las siguientes herramientas tienen mejoras que admiten nuevas capacidades analíticas:

• La herramienta Aggregate Multidimensional Raster admite más palabras clave de agregación.
• La herramienta Generate Multidimensional Anomaly tiene cuatro nuevas opciones para el Método de Cálculo de Anomalías

Nuevas funciones ráster para el análisis

• Generar tendencia
• Predecir el uso de la tendencia
• Buscar estadísticas de argumentos
• Desmezcla espectral lineal
• Procesar colección ráster

Nuevos objetos ráster de Python

Los desarrolladores pueden aprovechar las nuevas clases y funciones agregadas al dato ráster de Python que permiten trabajar con ráster multidimensionales

Las nuevas clases incluyen:

• RasterCollection: el objeto RasterCollection permite ordenar y filtrar fácilmente un grupo de ráster y prepara un conjunto de datos para el procesamiento y el análisis adicionales.
• PixelBlock: el objeto PixelBlock define un bloque de píxeles dentro de un ráster que se usará para el procesamiento. Se utiliza junto con el objeto PixelBlockCollection para recorrer en iteración uno o varios ráster para su procesamiento.
• PixelBlockCollection: el objeto PixelBlockCollection es un iterador de todos los objetos PixelBlock de un ráster o una lista de ráster. Se puede utilizar para realizar un procesamiento ráster personalizado bloque por bloque, cuando de lo contrario los rásteres procesados serían demasiado grandes para cargarlos en la memoria.

Las nuevas funciones incluyen:

• Merge() – Crea un objeto ráster combinando una lista de ráster espacialmente o entre dimensiones.
• Render (inRaster, rendering_rule={…}) : crea un objeto ráster representado aplicando simbología al dataset ráster al que se hace referencia. Esta función es útil cuando se muestran datos en Jupyter Notebooks.
• Funciones ráster para arcpy.ia: uso de casi todas las funciones ráster para administrar y analizar datos ráster mediante la API de arcpy

Nuevas herramientas para analizar datos multidimensionales

Full Motion Video

Esta versión incluye mejoras en FMV, para administrar y utilizar mejor el vídeo de forma interactiva con metadatos geoespaciales incrustados:

• Realce de vídeos en el reproductor de vídeo mediante ajustes de contraste, brillo, saturación y gamma. Opción de invertir el color para ayudar a identificar objetos en el vídeo.
• Los datos de vídeo en varios reproductores de vídeo se pueden sincronizar para su comparación y análisis.
• Medir objetos en el reproductor de vídeo, incluida la longitud, el área y la altura.
• Enumerar y administrar los vídeos añadidos al proyecto con el Administrador de fuentes de vídeo.

Editor de píxeles

El Editor de píxeles proporciona un conjunto de herramientas para manipular interactivamente los valores de píxel de datos ráster e imágenes. Conjunto de herramientas para pixelado, eliminación de nubes y ruido o reclasificación de datos temáticos. Edición de píxel individual o grupos de píxeles. Operaciones de edición a píxeles en datasets de elevación e imágenes multiespectrales. Entre las mejoras de esta versión se incluyen las siguientes:

• Aplicar una plantilla de función ráster personalizada a las regiones dentro de la imagen
• Interpolar superficies de elevación utilizando valores de las aristas de una región seleccionada

Por Antonio San José Albacete