Dans ce tutoriel, vous êtes un professionnel GIS travaillant pour le United States National Park Service. Vous avez été chargé de créer une carte du Santa Monica Mountains National Recreation Area près de Los Angeles. Plus précisément, votre carte devra afficher des informations dans des pop-ups concernant les points de départ des sentiers et les sentiers eux-mêmes en anglais et en espagnol.
Tout d'abord, vous examinerez les tables attributaires des couches des points de départ et des sentiers disponibles. Ensuite, vous utiliserez Arcade pour construire des pop-ups pour chaque couche. Enfin, vous confirmerez que la carte fournit les informations requises dans les deux langues.
En 2018, l'éruption du volcan Kilauea sur la Big Island d'Hawaï fut un événement majeur ayant causé d'importantes destructions. Dans ce tutoriel, vous préparerez et explorerez des images satellite Landsat capturées avant, pendant et après l'éruption. Landsat est le programme satellite d'observation terrestre le plus ancien au monde. Il a capturé des millions d'images fournissant une couverture continue et globale sur plusieurs décennies, faisant de Landsat une ressource inégalée pour les analystes et décideurs. Vous accéderez à ces données sous forme d'une couche d'imagerie en ligne prête à l'emploi disponible via ArcGIS Living Atlas of the World.
Les couches d'occupation du sol à haute résolution sont des outils précieux pour cartographier et comprendre l'environnement. Elles fournissent des informations détaillées sur différents types d'occupation du sol—comme la végétation, les bâtiments, les plans d'eau et les routes—à une résolution spatiale fine. Une approche pour créer ces couches consiste à utiliser GeoAI appliqué aux images drone, en classifiant les pixels d'image selon leurs types d'occupation du sol correspondants. Bien qu'il soit possible d'entraîner votre propre modèle deep learning pour cette tâche, vous pouvez également profiter d'un modèle pré-entraîné fourni par ArcGIS Living Atlas of the World.
Dans ce tutoriel, centré sur la municipalité d'Alexandra en Afrique du Sud, vous testerez cette approche dans ArcGIS Online, avec pour objectif d'identifier les espaces verts et de calculer leur surface totale. Les informations sur la distribution des espaces verts sont cruciales pour l'urbanisme, l'allocation des ressources et les initiatives de développement social.
Dans ce tutoriel, vous endossez le rôle d'un analyste GIS dans une petite administration municipale chargée d'un projet pilote visant à migrer les réseaux géométriques de votre organisation vers Utility Network. Votre petite ville possède des départements qui gèrent les données électriques, gaz, eau, eaux usées et eaux pluviales. Ce tutoriel inclut des données exemples et des instructions pour migrer chacun de ces cinq réseaux géométriques afin que vous puissiez vous concentrer sur l'ensemble de données qui vous intéresse le plus. Vous utiliserez l’Utility Network Migration Wizard pour créer un utility network à partir d’un réseau géométrique existant. Bien que guidé par l’assistant durant ce processus, vous devez comprendre le fonctionnement basique du réseau afin de pouvoir définir sources et puits, définir la définition du niveau (tier) pour le réseau et mapper les classes source aux types d’actifs appropriés. Une fois l’assistant terminé, vos entités du réseau géométrique seront migrées dans un utility network.
Dans ce tutoriel, on vous a confié la tâche de capturer une haute qualité imagerie par drone du campus de l'Université de Redlands pour une évaluation future de la construction de logements. Les images que vous collectez seront utilisées pour générer des produits 3D haute fidélité du campus et des infrastructures, permettant l'évaluation des nouveaux développements prévus.<\/SPAN><\/P> <\/P> <\/P>Predict home prices with regression analysis and machine learning<\/A> <\/STRONG><\/H5>
<\/span><\/STRONG><\/H5>Vous avez créé trois modèles statistiques qui ont été entraînés et testés en utilisant des données réelles sur les prix de vente des maisons dans le comté de King, Washington. Dans ce tutoriel, vous utiliserez ces modèles pour prédire les prix de vente des maisons qui n'ont pas encore été vendues. Ensuite, vous comparerez les résultats afin de mieux comprendre les avantages et les inconvénients de chaque approche de modélisation.<\/SPAN><\/P> <\/P> <\/P> <\/P> <\/P><\/DIV><\/DIV>
