Novas Lições Learn
Uma Lição Learn é um tutorial passo a passo que usa um cenário do mundo real para introduzir ferramentas e fluxos de trabalho chave do ArcGIS. Aqui está um resumo das novas lições na Galeria Learn ArcGIS que apareceram no último mês.
Como avaliador de propriedades para Bloomfield Township em Michigan, você precisa analisar e validar valores de casas para garantir que os impostos sobre propriedades sejam distribuídos de forma justa. Você usará o ArcGIS Insights em vez disso, para que possa visualizar e analisar seus dados interativamente.
Nesta lição, você construirá uma planilha que visualiza seus dados com um mapa, gráficos, valores indicadores, filtros e uma tabela. Você usará a planilha para investigar razões de vendas e outliers nos dados para ajudar a determinar se as propriedades em Bloomfield estão avaliadas corretamente. Você compartilhará seus resultados com os outros avaliadores do seu escritório tanto como uma ferramenta de visualização interativa quanto como um modelo que eles podem reutilizar com outros conjuntos de dados.
Esta lição contém uma mistura de ambientes urbanos em pequena, média e grande escala. As ferramentas de análise interativas usam efeitos gráficos renderizados na cena para destacar propriedades espaciais, como visibilidade e proximidade. Esses efeitos são temporários e baseados nas camadas atualmente visíveis. Você pode exportar imagens e vídeos de animação que mostram os objetos de análise interativa no local. Com animações, você pode até fazer o objeto de análise — como o slice, linha de visão ou viewshed — mover-se e redimensionar-se ao longo do vídeo.
Nesta lição, você usará as ferramentas Exploratory 3D Analysis View Dome, Slice e Viewshed no ArcGIS Pro.
Neste exercício, você trabalhará com dados GIS simples para uma cidade – multipatches de edifícios, pegadas de parcelas, linhas principais de água, pontos de árvores gerenciadas pela cidade e pontos regulares de amostragem de vento para criar uma representação temática de diferentes aspectos da cidade. Nesta lição, você usará cor para representar objetos 3D como um tema, combinará representação temática em várias camadas e usará extrusão temática, tamanho, forma e orientação em camadas 3D.
Como planejador urbano, você foi encarregado de criar recursos multipatch e realizar edição de textura para uma área urbana. Como parte do fluxo de trabalho, você irá extrudar, editar e simbolizar as pegadas dos edifícios. Após converter as pegadas dos edifícios em recursos multipatch, você aplicará texturas aos edifícios para torná-los o mais realistas possível.
Nesta lição, você irá extrudar, editar e simbolizar pegadas dos edifícios; adicionar e configurar árvores predefinidas; definir uma elevação constante; configurar uma grade 3D para criar um novo recurso 3D; criar um recurso multipatch; e realizar edição texturizada.
Nesta lição, você trabalhará com dados GIS para a cidade de Naperville, Illinois. Isso inclui pegadas dos edifícios, árvores gerenciadas pela cidade nas ruas, mobiliário urbano e pontos de interesse que serão usados para criar uma vista 3D. Você também considerará como seu público-alvo usará a cena. Você irá extrudar pegadas dos edifícios como simbologia 3D simples, usar símbolos procedurais para simbologia avançada 3D, adicionar uma camada pré-definida de árvores por altura, adicionar mobiliário urbano 3D considerando a rotação do mobiliário e criar favoritos para ajudar seu público a navegar na cena.
Inundações causam danos catastróficos ao redor do mundo todos os anos. Quando combinadas com subsidência do solo, a inundação torna-se mais severa. Os Países Baixos não são estranhos a esses fenômenos, em parte devido à sua localização baixa.
Nesta lição, você assumirá o papel de um funcionário municipal de Amsterdã investigando como a subsidência do solo pode alterar os impactos espaciais e financeiros de uma inundação. Primeiro, você usará ferramentas spatial analyst para pré-processar o conjunto raster fornecido. Em seguida, determinará as extensões da inundação e os danos estimados. Finalmente, comparará os danos que ocorreriam hoje e em 2050 com base nas estimativas projetadas da subsidência do solo.
Nesta lição, como analista GIS para uma companhia de seguros, você usará um modelo deep learning para conduzir uma análise de avaliação de risco das linhas elétricas usando dados lidar (light detection and ranging). Você analisará uma área no Norte da Califórnia que tem potencial risco de incêndio devido às árvores próximas às linhas elétricas.
Você usará o ArcGIS Pro para criar e treinar um modelo deep learning para identificar as linhas elétricas a partir da nuvem de pontos lidar. Deep learning permite treinar um modelo usando um conjunto amostral e aplicar o modelo a outras áreas similares. Você avaliará qual modelo resultou nos resultados mais precisos e o usará para classificar os pontos lidar que são linhas elétricas.
