Nuevas Lecciones de Aprendizaje
Una Lección de Aprendizaje es un tutorial paso a paso que utiliza un escenario del mundo real para introducir herramientas y flujos de trabajo clave de ArcGIS. Aquí tienes un resumen de las nuevas lecciones en la Galería Learn ArcGIS que han aparecido en el último mes.
Como tasador de propiedades para Bloomfield Township en Michigan, necesitas analizar y verificar los valores de las viviendas para asegurar que los impuestos a la propiedad se distribuyan de manera justa. En su lugar, usarás ArcGIS Insights para poder visualizar y analizar tus datos de forma interactiva.
En esta lección construirás un libro de trabajo que visualiza tus datos con un mapa, gráficos, valores indicadores, filtros y una tabla. Usarás el libro de trabajo para investigar las proporciones de ventas y valores atípicos en los datos para ayudar a determinar si las propiedades en Bloomfield están tasadas correctamente. Compartirás tus resultados con los otros tasadores en tu oficina tanto como una herramienta de visualización interactiva, como un modelo que pueden reutilizar con otros conjuntos de datos.
Esta lección contiene una mezcla de entornos urbanos a pequeña, mediana y gran escala. Las herramientas interactivas de análisis usan efectos gráficos renderizados en la escena para resaltar propiedades espaciales, como visibilidad y proximidad. Estos efectos son temporales y dependen de qué capas están visibles actualmente. Puedes exportar imágenes y videos animados que muestran los objetos del análisis interactivo en su lugar. Con animaciones, incluso puedes hacer que el objeto del análisis—como el corte, línea de visión o campo visual—se mueva y cambie de tamaño durante el video.
En esta lección, usarás las herramientas Exploratorias de Análisis 3D View Dome, Slice y Viewshed en ArcGIS Pro.
En este ejercicio, trabajarás con datos GIS simples para una ciudad–multipatches de edificios, huellas parcelarias, líneas principales de agua, puntos de árboles gestionados por la ciudad y puntos muestreados regularmente para viento para crear una representación temática de diferentes aspectos de la ciudad. En esta lección usarás color para representar objetos 3D como un tema, igualar la representación temática a través de múltiples capas y usar extrusión temática, tamaño, forma y orientación en capas 3D.
Como planificador urbano, te han asignado la tarea de crear características multipatch y realizar edición de texturas para un área urbana. Como parte del flujo de trabajo, extruirás, editarás y simbolizarás las huellas de los edificios. Después de convertir las huellas en características multipatch, aplicarás texturas a los edificios para hacerlos lo más realistas posible.
En esta lección extruirás, editarás y simbolizarás huellas de edificios; agregarás y configurarás árboles preestablecidos; establecerás una elevación constante; configurarás una cuadrícula 3D para crear una nueva característica 3D; crearás una característica multipatch; y realizarás edición texturizada.
En esta lección trabajarás con datos GIS para la ciudad de Naperville, Illinois. Esto incluye huellas de edificios, árboles gestionados por la ciudad en las calles, mobiliario urbano y puntos de interés que se usarán para crear una vista 3D. También considerarás cómo tu audiencia prevista usará la escena. Extruirás huellas de edificios como simbología 3D simple, usarás símbolos procedurales para simbología avanzada 3D, agregarás una capa preestablecida de árboles por altura, añadirás mobiliario urbano 3D considerando la rotación del mobiliario y crearás marcadores para ayudar a tu audiencia a navegar por la escena.
Las inundaciones causan daños catastróficos alrededor del mundo cada año. Cuando se combinan con la subsidencia del terreno, la inundación se vuelve más severa. Los Países Bajos no son ajenos a estos fenómenos, en parte debido a su ubicación baja.
En esta lección asumirás el papel de un empleado municipal de Ámsterdam investigando cómo la subsidencia del terreno puede cambiar los impactos espaciales y financieros de una inundación. Primero usarás herramientas spatial analyst para preprocesar el conjunto raster proporcionado. Luego determinarás las extensiones de inundación y el daño estimado. Finalmente compararás el daño que ocurriría hoy y en 2050 basado en estimaciones proyectadas de subsidencia del terreno.
En esta lección, como analista GIS para una compañía aseguradora, usarás un modelo deep learning para realizar un análisis de evaluación del riesgo sobre líneas eléctricas usando datos lidar (detección y rango por luz). Analizarás un área en el norte de California que tiene riesgo potencial por incendios debido a árboles cercanos a las líneas eléctricas.
Usarás ArcGIS Pro para crear y entrenar un modelo deep learning para identificar las líneas eléctricas desde una nube de puntos lidar. Deep learning te permite entrenar un modelo usando un conjunto muestra y aplicar el modelo a otras áreas similares. Evaluarás qué modelo produjo los resultados más precisos y lo usarás para clasificar los puntos lidar que son líneas eléctricas.
