Funciones Raster y la ArcGIS API para Python 1.2

DavidJohnson5

<\/HEAD>

Una de las grandes ventajas de trabajar en el Lab es que puedes experimentar con las nuevas funcionalidades de nuestros desarrolladores principales de software antes de que se lancen.  Cuando escuché que la versión 1.2 de la <\/SPAN><\/SPAN>ArcGIS API for Python<\/A> <\/SPAN>incluiría un <\/SPAN><\/SPAN>nuevo módulo para funciones raster<\/A>, no podía esperar para probarlo.  Ahora que la v.1.2 de la API está lanzada, finalmente puedo mostrarte un <\/SPAN><\/SPAN>Jupyter Notebook<\/A> <\/SPAN>que construí y que tiene un ejemplo de un <\/SPAN>análisis de superposición ponderada<\/A> implementado con funciones raster.   La siguiente es una versión no interactiva de ese notebook que exporté a HTML.  &nbsp>Espero que te dé algunas ideas sobre cómo podrías usar la ArcGIS API for Python para realizar tu propio análisis raster.<\/SPAN><\/P>

 <\/SPAN><\/P><\/P>Encontrar Áreas Naturales y Accesibles en el Estado de Washington, USA<\/STRONG><\/SPAN><\/P>La superposición ponderada es una técnica estándar de análisis SIG para estudios de idoneidad del sitio y costo de viaje. Este notebook aprovecha el nuevo módulo "arcgis.raster.functions" en la ArcGIS API for Python 1.2 para demostrar un ejemplo de análisis de superposición ponderada.  &nbsp>Este ejemplo intenta identificar áreas en el Estado de Washington que sean "naturales" y al mismo tiempo fáciles de recorrer basándose en los siguientes criterios:<\/P>elevación (menor es mejor)<\/LI>pendiente del terreno (más plano es mejor)<\/LI>grado de alteración humana del paisaje (menos es mejor)<\/LI><\/UL>Los datos de entrada para este análisis incluyen un DEM (Modelo Digital de Elevación) y un conjunto de datos que muestra el grado de modificación humana del paisaje.<\/P>En general, el análisis de superposición ponderada puede dividirse en tres pasos:<\/P>Normalización: &nbsp>Los píxeles en los conjuntos raster de entrada se reclasifican a una escala común de valores numéricos según su idoneidad conforme a los criterios del análisis.<\/LI>Ponderación: &nbsp>Los conjuntos normalizados se asignan un porcentaje de influencia basado en su importancia para el resultado final multiplicándolos por valores entre 0.0 y 1.0. La suma debe ser igual a 1.0.<\/LI>Suma: &nbsp>Se calcula la suma de los conjuntos ponderados para producir un resultado final del análisis.<\/LI><\/OL><\/P>Comenzaremos conectándonos al GIS y accediendo a los datos para el análisis.<\/P><\/DIV><\/DIV><\/DIV>

Conectar al GIS<\/H2><\/DIV><\/DIV><\/DIV>En [][1]:<\/DIV># importar GIS desde el módulo arcgis.gis
<\ / SPAN >< SPAN class = " "style = "color :-#008000;font-weight :-bold ">from<\ / SPAN > < SPAN class = " "style = "color :-#0000ff;font-weight :-bold ">arcgis.gis<\ / SPAN > < SPAN class = " "style = "color :-#008000;font-weight :-bold ">import<\ / SPAN > < SPAN class = " ">GIS
<\ / SPAN >< SPAN class = " ">
<\ / SPAN >< SPAN class = " "style = "color :-#408080 "># Conectar al GIS.
<\ / SPAN >< SPAN class = " "style = "color :-#008000;font-weight :-bold ">try<\ / SPAN >< SPAN class = " ">:<\ / SPAN >& nbsp;& nbsp;& nbsp;& nbsp;
& nbsp;& nbsp;& nbsp;< SPAN class = " ">web_gis<\ / SPAN > < SPAN class = " "style = "color :-#666666 ">=<\ / SPAN > < SPAN class="">GIS("https://dev004543.esri.com/arcgis", 'djohnsonRA')   
   print("Conectado exitosamente a <</SPAN>{0}".format(web_gis.properties.name))
except:   
   print("")

Ingrese la contraseña:b7b7b7b7b7b7b7b7 
Conectado exitosamente a ArcGIS Enterprise A

Buscar en GIS los datos de entrada para el análisis

Índice Modificado por Humanos

En [2]:

# Buscar el elemento de capa de imágenes del Índice Modificado por Humanos por título
item_hmi = web_gis.content.search('title:Human Modified Index', 'Imagery Layer')[0]
item_hmi

">

">

Salida[2]:

Índice Modificado por Humanos 
Una medida del grado de modificación humana, el índice varía de 0.0 para una condición de paisaje virgen a 1.0 para las áreas más modificadas.Capa de Imágenes por djohnsonRA 
Última modificación: 06 de julio de 2017 
0 comentarios, 2 vistas

Elevación

En [3]:

# Buscar el elemento de capa de imágenes DEM por título
item_dem = web_gis.content.search('title:USGS NED 30m', 'Imagery Layer')[0]
item_dem

Salida[3]:

No USGS NED de elevación a 30m (NED) es el producto principal de datos de elevación del USGS. Esta versión fue remuestreada a 30m desde datos fuente con resolución de un tercio de segundo de arco y proyectada a un sistema de coordenadas Albers Equal Area.Capa de Imágenes por djohnsonRA 
Última modificación :06 de julio de2017 
0 comentarios,8 vistas

Delimitación y extensión del área de estudio

En [4]:

# Buscar el elemento de capa feature del Condado Ventura por título
item_studyarea = web_gis.content.search('title:  de Washington, USA'<\/SPAN>, <\n>                                        'Feature Layer'<\/SPAN>)[<\/SPAN>0<\/SPAN>]<\n><\/SPAN>item_studyarea<\/SPAN><\/PRE><\/DIV><\/DIV><\/DIV><\/DIV>Salida[4]:<\/DIV><\/A><\/DIV>
Estado de Washington, USA<\/STRONG><\/SPAN> <\/SPAN><\/A>
Estado de Washington, USAColección Feature Layer por djohnsonRA <\/SPAN>
Última modificación: 07 de julio de 2017 <\/SPAN>
0 comentarios, 2 vistas<\/DIV><\/DIV><\/DIV><\/DIV><\/DIV><\/DIV><\/DIV>En [5]:<\/DIV># Obtener una referencia a la capa feature del elemento del portal
<\/SPAN>lyr_studyarea<\/SPAN> =<\/SPAN> item_studyarea<\/SPAN>.<\/SPAN>layers<\/SPAN>[<\/SPAN>0<\/SPAN>]<\n><\/SPAN>lyr_studyarea<\/SPAN><\/PRE><\/DIV><\/DIV><\/DIV><\/DIV>Salida[5]:<\/DIV><FeatureLayer url:"<\/SPAN>https:\/\/dev004543.esri.com\/server/rest/services/Hosted/Washington/FeatureServer/1<\/A>"><\/SPAN><\/> <\/> <\/> <\/> <\/> <\/> <\/> <\/> <\/> <\/> <\/> <\/> <\/> <\/> <\/> <\/> <\/> <\/> <\/> <\/> <\/> <\/> <\/> <\/> <\/> <\/> <\/> <\/>

font-weight: bold; font-size: 25.998px; margin: 0.538em 0px 0px;" id="toc-hId-1356367382" id="toc-hId-1356367382">Mostrar los datos de análisis

Human Modified Index

In [9]:

# Obtener una referencia a la capa de imágenes del portal item
lyr_hmi = item_hmi.layers[0]
# Establecer la extensión de la capa a la extensión geográfica del área de estudio y mostrar los datos.
lyr_hmi.extent = extent_studyarealyr_hmi

Out[9]:

Elevación

In [10]:

# Obtener una referencia a la capa de imágenes del portal item
lyr_dem = item_dem.layers[# Extraer los datos del Índice Modificado por Humanos dentro de la geometría del área de estudio
hmi_clipped = clip(raster=lyr_hmi, geometry=geom_studyarea)
hmi_clipped

Out[13]:

Elevación#Elevation

In [14]:

# Extraer los datos de Elevación dentro de la geometría del área de estudio
elev_clipped = clip(raster=lyr_dem, geometry=geom_studyarea)
elev_clipped

Out[14]:

Pendiente#Slope

In&nbsp[15]:<2Div3e<2Div3e<2Div3e<2Pre3e<2Span3e# Extraer los datos de Pendiente dentro de la geometría del área de estudio
<2Span3eslope_clipped<2Span3e <2Span3e=<2Span3e <2Span3eclip<2Span3e(<2Span3eraster<2Span3e=<2Span3elyr_slope<2Span3e,<2Span3e geometry<2Span3e=<2Span3egeom_studyarea<2Span3e)
<2Span3e# Aplicar la función Stretch para mejorar la visualización de la capa slope_clipped.
<2Span3eslope_clipped_stretch<2Span3e <2Span3e=<2Span3estretch<2Span3e(<2Span3eraster<2Span3e=<2Span3eslope_clipped<2Span3e,<2Span3estretch_type<2Span3e=<2Span3e'StdDev'<2Span3e,<
dra<2Span3e=<2Span3e'true'<2Span3e)
<2Span3eslope_clipped_stretch<2Span3e
<2FPre>
<2FDiv>
<2FDiv>
<2FDiv>
<2FDiv>

Out[15]:

Realizar el análisis

< div >< div
style=color:#000;padding:.5 em .5 em .5 em .4 em >

Paso 1 : NormalizaciónUtilice la función Remap para normalizar cada conjunto de datos de entrada a una escala común de 1 - 9 , donde 1 = menos adecuado y 9 = más adecuado.

< div >< div
stile=color:#303f9f;border-top :solid transparent
1 px ;padding :.4 em ; >En&nbsp[16]: < / div > < div > < div stile = "background:#f7f7f7;border :solid #cfcfcf
1 px ; " > < div stile = "background :transparent;border:none;margin :.4 em ; " > < pre clase = "lia-code-sample line-numbers language-none " > < span stile = "color:#408080 ; " ># Crear un mapa de colores para mostrar los resultados del análisis con nueve colores que van desde rojo hasta amarillo y verde.
</ span > clrmap < span stile = "color:#666666 ; " > = </ span > < span > [[ < span stile = "color:#666666 ; " >1 </ span > , < span stile = "color:#666666 ; " >230 </ span > , < span stile = "color:#666666 ; " >0 </ span > , < span stile = "color:#666666 ; " >0 </ span > ] , [ < span stile = "color:#666666 ; " >2 </ span > , < span stile = "color:#666666 ; " >242 </ span > , < span stile = "color:#666666 ; " >85 </ span > , < span stile = "color:#666666 ; " >0 </ span > ] , [ < span stile = "color:#666666 ; " >3 </ span > , < span stile = "color:#666666 ; " >250 </ span > , < span stile = "color:#666666 ; " >142 </ span > , < span stile = "color:#666666 ; " >0 </ span > ] , [ < span stile = "color:#666666 ; " >4 </ span > , < span stile = "color:#666666 ; " >255 </ span > , < span stile = "color:#666666 ; " >195 </ span > , < span stile = "color:#666666 ; " >0 </ span > ] ,
[ 5, 255, 255, 0], [6, 197, 219, 0], [139<\/SPAN>,<\/SPAN> 181<\/SPAN>,<\/SPAN> 0<\/SPAN>], [8<\/SPAN>,<\/SPAN> 86<\/SPAN>,<\/SPAN> 148<\/SPAN>,<\/SPAN> 0<\/SPAN>],<\/SPAN>
<\/SPAN><\/SPAN><\/SPAN><\/SPAN><\/SPAN><\/SPAN><\/SPAN>         [<\/SPAN>9<\/SPAN>,<\/SPAN> 38<\/SPAN>,<\/SPAN> 115<\/SPAN>,<\/SPAN> 0<\/SPAN>]<\/SPAN>]<\/SPAN><\/PRE><\/DIV><\/DIV><\/DIV><\/DIV><\/DIV>En [17]:<\/DIV># Normalizar los datos de elevación<\/SPAN>
elev_normalized = remap(raster=elev_clipped,
                        input_ranges=[0,490, 490,980, 980,1470, 1470,1960, 1960,2450,
                                      2450,2940, 2940,3430, 3430,3700, 3920,4100],
                       output_values=[9,8,7,6,5,4,3,2,1], astype='U8')

# Mostrar imagen con mapa de colores de los datos de elevación reclasificados<\/SPAN>
colormap(elev_normalized, colormap=clrmap)&nbps;<\/PRE><\/DIV><\/DIV><\/DIV><\/DIV>Salida[17]:<\/DIV><\/DIV><\/DIV><\/DIV><\/DIV><\/DIV>En [18]:<\/DIV># Normalizar los datos de pendiente
<\/SPAN>slope_normalized<\/>slope_normalized = remap(raster=slope_clipped,&nbps;nbsps;nbsps;nbsps;nbsps;nbsps;nbsps;nbsps;nbsps;nbsps;nbsps;nbsps;nbsps;nbsps;nbsps;nbsps;nbsps;nbsps;nbsps;nbsps;nbsps;nbsps;nbsps;nbsps;nbsps;nbsps;nbsp;sinput_ranges=[0,1,1,2,2,3,3,5,5,7,7,9,9,12,12,15,
&nbsp&nbsp&nbsp&nbsp&nbsp&nbsp&nbsp&nbsp&nbsp&nbsp&nbsp&nbsp&nbsp&nbsp&nbsp&nbsp&nbsp&nbsp&nbsp&nbsp&nbsp&nbsp&nbsp&nbsp&nbsp&nbsp&nbsp&nbsp&nbsp&nbsp15,100],
output_values=[9,8,7,6,5,4,3,2,1], astype='U8')

# Mostrar una imagen con mapa de colores de los datos de pendiente reclasificados
colormap(slope_normalized,colormap=clrmap)<\/><\/><\/><\/><\/><\/><\/><\/><\/><\/><\/><\/><\/><\/><\/><\/><\/><\/><\/><\/> class="">],<\/SPAN>                 
                      output_values<\/SPAN>=<\/SPAN>[<\/SPAN>9<\/SPAN>,<\/SPAN>8<\/SPAN>,<\/SPAN>7<\/SPAN>,<\/SPAN>6<\/SPAN>,<\/SPAN>5<\/SPAN>,<\/SPAN>4<\/SPAN>,<\/SPAN>3<\/SPAN>,<\/SPAN>2<\/SPAN>,<\/SPAN>1<\/SPAN>],<\/SPAN>  astype<\/SPAN>=<\/SPAN>'U8'<\/SPAN>)

<\/SPAN># Mostrar una imagen con mapa de colores de los datos HMI reclasificados
<\/SPAN>colormap<\/SPAN>(<\/SPAN>hmi_normalized<\/SPAN>,<\/SPAN> colormap<\/SPAN>=<\/SPAN>clrmap<\/SPAN>)<\/SPAN><\/PRE><\/DIV><\/DIV><\/DIV><\/DIV>Out[19]:<\/DIV><\/DIV><\/DIV><\/DIV><\/DIV><\/DIV>Paso 2: Ponderación<\/H3>Utilice el operador de multiplicación sobrecargado * para asignar un peso a cada conjunto de datos normalizado según su importancia relativa para el resultado final.<\/P><\/DIV><\/DIV><\/DIV>In [20]:<\/DIV># Aplicar pesos a los datos normalizados usando el operador de multiplicación sobrecargado
# "*".
<\/SPAN># - Índice Modificado Humano (Human Modified Index): 60%
<\/SPAN># - Pendiente (Slope): 25%
<\/SPAN># - Elevación (Elevation): 15%
<\/SPAN>hmi_weighted<\/SPAN> =<\/> hmi_normalized * 0.6
slope_weighted = slope_normalized * 0.25
elev_weighted = elev_normalized * 0.15

Paso 3 : Suma

Sume los conjuntos de datos ponderados para producir un resultado final del análisis.< /p >

# Calcular la suma de los conjuntos de datos ponderados usando el operador de suma sobrecargado "+" result_dynamic = colormap(hmi_weighted + slope_weighted + elev_weighted, colormap = clrmap, astype = 'U8') result_dynamic < divclass = " "style = " color:#d84315;padding :0.4em " > Out[21] : < / div > < divclass = " "style = " padding :0.4em " > < img__jive_id = "360677 "class = " image-13 jive-image "src = " https://us.v-cdn.net/6038851/uploads/legacyfs/online/360677_pastedImage_13.jpg "style = " border :0px ; " /> < / div > < / div > < / div > < / div > < / div > < divclass = " "style = " color:#000000;background:-webkit-linear-gradient(left,transparent -40px,transparent 1px,transparent 1px,transparent 100%);border-width :1px;border-style :solid;border-color :transparent;padding :5px " > < div > < divclass = " "style = " color:#000000;padding :.5em .5em .5em .4em " > < h3id = "toc-hId--312933377 "id = "toc-hId--312933377 "style = " font-weight:bold;font-size :18.004px;margin :.777em 0px 0px;color:#000000;padding :.5em .5em .5em .4em " > El mismo análisis también se puede realizar en una sola operación </ h3 > </ div > </ div > </ div > < divclass = " "style = " color:#000000;background:-webkit-linear-gradient(left,transparent -40px,transparent 1px,transparent 1px,transparent 100%);border-width :1px;border-style :solid;border-color :transparent;padding :5px " > < div > < divclass = " "style = " color:#303f9f;border-top-width :1 px;border-top-style :solid;border-top-color :transparent;padding :.4 em ;font-family:"Courier New", Courier, monospace;font-size:.875rem;background-color:#f7f7f7;border-width :1 px;border-style :solid;border-color :#cfcfcf;margin :.4 em ;white-space :pre-wrap;text-align:left;color:#303f9f;font-weight:bold;font-style:none;text-decoration:none;text-transform:none;font-variant:none;font-feature-settings:none;-webkit-font-smoothing:auto;-moz-osx-font-smoothing:auto;-webkit-text-stroke-width:.01 px;-webkit-text-stroke-color:#303f9f;-webkit-text-fill-color:#303f9f;-moz-text-fill-color:#303f9f;-moz-text-stroke-width:.01 px;-moz-text-stroke-color:#303f9f;-moz-text-fill-color:#303f9f;-moz-text-stroke-width:.01 px;-moz-text-stroke-color:#303f9f;-moz-text-fill-color:#303f9f;-moz-text-stroke-width:.01 px;-moz-text-stroke-color:#303f9f;-moz-text-fill-color:#303f9f;-moz-text-stroke-width:.01 px;-moz-text-stroke-color:#303f9f;-moz-text-fill-color:#303f9f;-moz-text-stroke-width:.01 px;-moz-text-stroke-color:#303f9f;-moz-text-fill-color:#303f9f;-webkit-font-smoothing:auto;-moz-osx-font-smoothing:auto;font-family:"Courier New", Courier, monospace;font-size:.875rem;background-color:#fff;border-radius:.25rem;margin-bottom:.75rem;margin-top:.75rem;padding-left:.75rem;padding-right:.75rem;padding-top:.75rem;padding-bottom:.75rem;text-align:left;color:#333333;font-weight:bold;font-style:none;text-decoration:none;text-transform:none;font-variant:none;font-feature-settings:none;text-shadow:none;text-indent:none;text-overflow:none;text-align-last:start;text-anchor:start;text-decoration-line:none;text-decoration-style:none;text-decoration-thickness:auto;text-emphasis-style:none;text-emphasis-position:none;text-emphasis-color:none;text-combine-upright:none;text-orientation:mixed;text-underline-position:auto;text-underline-offset:auto;text-underline-thickness:auto;text-shadow:none;text-indent:none;text-overflow:none;text-align-last:start;text-anchor:start;text-decoration-line:none;text-decoration-style:none;text-decoration-thickness:auto;text-emphasis-style:none;text-emphasis-position:none;text-emphasis-color:none,text-combine-upright:none,text-orientation:mixed,text-underline-position:auto,text-underline-offset:auto,text-underline-thickness:auto,text-shadow:none,text-indent:none,text-overflow:none,text-align-last:start,text-anchor:start,text-decoration-line:none,text-decoration-style:none,text-decoration-thickness:auto,text-emphasis-style:none,text-emphasis-position:none,text-emphasis-color:none,text-combine-upright:none,text-orientation:mixed,text-underline-position:auto,text-underline-offset:auto,text-underline-thickness:auto">
result_dynamic_one_op = colormap(
raster=raster(
# Capa del índice modificado humano (Human modified index layer)
0.60 * remap(raster=clip(raster=lyr_hmi, geometry=geom_studyarea),
input_ranges=[0.0,0.1,0.1,0.2,0.2,0.3,0.3,0.4,0.4,0.5,
0.5,0.6,0.6,0.7,0.7 class="">,0.8, 0.8,1.1],                    
         output_values=[9,8,7,6,5,4,3,2,1])       
      +         
      # Capa de pendiente       
      0.25 * remap(raster=clip(raster=lyr_slope, geometry=geom_studyarea),
   input_ranges=[0, 1, 1, 2, 2, 3, 3, 5, 5, 7, 7, 9, 9, 12, 12, 15,
15, 100],& nbsp;
 output_values=[9, 8, 7, 6, 5, 4, 3, 2, 1])& nbsp;
 +& nbsp;
 # Capa de elevación
 0.15 * remap(raster=clip(raster=lyr_dem , geometry=geom_studyarea),
input_ranges=[-90 ,250 ,250 ,500 ,500 ,750 ,750 ,1000 ,1000 ,1500 ,1500 ,2000 ,2000 ,2500 ,2500 ,3000 ,3000 ,5000],
output_values=[9 ,8 ,7 ,6 ,5 ,4 ,3 ,2 ,1])& nbsp;
),& nbsp;
colormap=clrmap , astype='U8')
result_dynamic_one_op

Out[22]:

Generar un resultado de análisis persistente mediante procesamiento raster distribuido en servidor.

Portal for ArcGIS ha sido mejorado con la capacidad de realizar procesamiento distribuido en servidor sobre imágenes y datos raster. Esta tecnología le permite aumentar el rendimiento del procesamiento raster procesando datos de forma distribuida, incluso a resolución completa y extensión completa.

Puede usar las capacidades de procesamiento de ArcGIS Pro para definir el procesamiento que se aplicará a los datos raster y realizar el procesamiento de forma distribuida usando su portal local. Los resultados de este procesamiento pueden ser accedidos en forma de una capa web de imágenes que se aloja en su Organización ArcGIS.

Para más información, consulte <\/SPAN>Raster analysis on Portal for ArcGIS<\/A><\/P><\/DIV><\/DIV><\/DIV>

En [23]:<\/DIV>

# ¿El GIS soporta análisis raster?<\/SPAN>
importar<\/SPAN> arcgis\n<\/SPAN>arcgis<\/SPAN>.<\/SPAN>raster<\/SPAN>.<\/SPAN>analytics<\/SPAN>.<\/SPAN>is_supported<\/SPAN>(<\/SPAN>web_gis<\/SPAN>)<\/SPAN><\/PRE><\/DIV><\/DIV><\/DIV><\/DIV>Salida[23]:<\/DIV>True<\/PRE><\/DIV><\/DIV><\/DIV><\/DIV><\/DIV>En [24]:<\/DIV># La función .save() invoca generate_raster del módulo arcgis.raster.analytics\n<\/SPAN># para ejecutar el análisis en un servidor GIS a la resolución de origen de los \n# conjuntos de datos de entrada <\/SPAN>y almacenar el resultado como una <\/SPAN>capa persistente de imágenes web en el GIS.\n<\/SPAN>result_persistent<\/SPAN> =<\/SPAN> result_dynamic<\/SPAN>.<\/SPAN>save<\/SPAN><(span) color="#ba2121" > "NaturalAndAccessible_WashingtonState" <(span) > )\n<\/span>result_persistent<\span>\n

Out [24] : < / div > < div clas s= " " styl e= " color :#000000 ; padding :0.4em ; "> < div clas s= " " styl e= " background :#f6fafa ; border :1px solid #cfcfcf ; padding :10px ; "> < div clas s= " "> < a href = " https://dev004543.esri.com/arcgis/home/item.html?id=ecd792a607b24b0ab97f7b62d288c806 " styl e= " color :#337ab7 ; background-color :transparent ; text-decoration :underline ; " target = " _blank " rel = " nofollow noopener noreferrer "> < img clas s= " " src = " https://dev004543.esri.com/arcgis/portalimages/desktopapp.png " styl e= " border :0px ; " />

< a href = " https://dev004543.esri.com/arcgis/home/item.html?id=ecd792a607b24b0ab97f7b62d288c806 " styl e= " color :#337ab7 ; background-color :transparent ; text-decoration :underline ; " target = " _blank " rel = " nofollow noopener noreferrer "> < span styl e= " font-weight :bold ; "> < strong > NaturalAndAccessible_WashingtonState < span > < / span > < br /> Servicio de Imagen de Análisis generado desde GenerateRaster < img src = " https://dev004543.esri.com/arcgis/home/js/jsapi/esri/css/images/item_type_icons/imagery16.png " styl e= " border :0px ; margin-top :1em ; " /> Capa de Imágenes por djohnsonRA < span > < / span > < br /> Última Modificación: 07 de julio de 2017 < span > < / span > < br /> 0 comentarios, 0 vistas

< div clas s= " "> < div clas s= " "> < div clas s= " "> < div clas s= " "> < div clas s= " "> En [25]: </ div > < div clas s= " "> < div clas s= " f7f7f7 ; border :1px solid cfcfcf ; "> < div clas s= " "> < pre clas s= " lia-code-sample line-numbers language-none "> < span styl e=

KhairulAmri252

Many Thanks for this example,Very Useful