Sie arbeiten als privater Drohnenberater und unterstützen die Federal Aviation Administration (FAA) bei ihren Inspektionen von Flugverkehrskontrolltürmen. Der Kontrollturm am Buchanan Field Airport in Kalifornien steht zur Inspektion an, und Sie wurden beauftragt sicherzustellen, dass er sich in gutem Zustand befindet, um mögliche Ausfallzeiten zu vermeiden.
In diesem Tutorial übernehmen Sie die Rolle eines kenianischen Naturschutzfachmanns, der räumlich informierte Entscheidungswerkzeuge verwendet, um Gebiete für den Naturschutz zu priorisieren und das Ziel 30x30 in Kenia zu erreichen.
Sie verwenden Layer aus dem ArcGIS Living Atlas of the World , um zu bestimmen, wie viel Fläche derzeit geschützt ist und wie viel mehr geschützt werden muss, um dieses Ziel zu erreichen. Sobald Sie dies getan haben, verwenden Sie den Suitability Modeler in ArcGIS Pro , um mehrere Datenebenen zu analysieren und Gebiete mit hoher Priorität für den Naturschutz zu bestimmen, um die Ziele des UN Kunming-Montreal Global Biodiversity Framework (GBF) zu erfüllen.
Python Skripting ermöglicht es, Workflows in ArcGIS Pro zu automatisieren. In diesem Tutorial beginnen Sie mit einem funktionierenden Skript, das einen typischen Geoverarbeitungsworkflow automatisiert. Sie verwenden dieses Skript, um ein benutzerdefiniertes Python-Skriptwerkzeug zu erstellen, das von anderen in ArcGIS Pro verwendet werden kann. Die Erstellung eines Skriptwerkzeugs ermöglicht es, Ihren Code mit anderen zu teilen, die ihn nutzen können, ohne Python zu kennen.
Eine wichtige Eigenschaft von Bilddaten ist deren Auflösung. Es gibt vier Arten von Auflösung: räumlich, zeitlich, spektral und radiometrisch. In diesem Tutorial lernen Sie die räumliche Auflösung kennen.
Sie machen sich mit dem Konzept der räumlichen Auflösung vertraut und untersuchen Satellitenbilder mit unterschiedlichen räumlichen Auflösungen in ArcGIS Pro. Ihre Erkundung konzentriert sich auf die Region Pembamoto in Tansania, wo ein innovatives Wiederbegrünungsprojekt stattfindet. Außerdem wenden Sie Ihr Wissen über räumliche Auflösung an, um die Zellgröße von Bildern durch Resampling zu ändern und überprüfen Ihre Ergebnisse mit den Messwerkzeugen.
Das New York City Department of Parks and Recreation (DPR) führt eine Datenbank mit Kapitalverbesserungsprojekten als .csv-Tabelle. Andere Abteilungen innerhalb der Stadt möchten jedoch zusätzliche Informationen über jedes Kapitalprojekt wissen, wie z.B. das Alter jedes Projekts seit seiner ersten Planung oder welches Viertel jedes Kapitalprojekt enthält.
Früher war das Hinzufügen zusätzlicher Informationen zu dieser Liste von Parkprojekten ein zeitaufwändiger manueller Prozess. Konkret umfasst er:
- Abfragen von Projekten in der Bauphase
- Projektion der Daten auf ein geeignetes Koordinatensystem für New York City
- Berechnung der seit der ersten Planung vergangenen Zeit
- Bestimmung des Nachbarschaftsbereichs, in dem sich das Projekt befindet
- Bestimmung des Community-Distrikts, in dem sich jedes Projekt befindet
- Entfernung zahlreicher Attribute, die für die Stakeholder nicht notwendig sind
- Umbenennung von drei Attributfeldern mit derzeit unklaren und unintuitiven Namen
Um diesen Workflow zu automatisieren und Ihre Daten aktuell zu halten, verwenden Sie ArcGIS Data Pipelines, um Informationen von der OpenData-Website von New York City zu extrahieren, sie in ArcGIS Online zu laden und sie durch Hinzufügen der angeforderten Attribute zu transformieren. Schließlich wird diese Datenpipeline nach einem Zeitplan ausgeführt, um Ihre Liste der Kapitalprojekte aktuell zu halten.
