オンライン タイル イメージ レイヤーを作成して Web マップに追加
注意:
このチュートリアルでは Map Viewer Classic を使用します。Map Viewer Classic は、Map Viewer の前身です。 一部の機能は、Map Viewer では使用できません。 以下のワークフローについては、Map Viewer の今後のリリースでサポートされるようになるまで、Map Viewer Classic を使用することをお勧めします。
テーバーおよびバーンウェル地域のトウモロコシ畑が受けたひょう嵐の被害を評価するために、衛星画像を使用します。 このシナリオでは、ローカル コンピューターの画像を使用して、ArcGIS Enterprise で解析を行います。 画像を取得した後、オンライン タイル イメージ レイヤーを作成して Web マップに表示し、これらのバンドの組み合わせを変更し、視覚的に調べます。
画像のダウンロード
まず、その画像を含むファイルをダウンロードし、ローカル コンピューターに保存します。
- 圧縮された Corn_Fields_Imagery.zip ファイルをダウンロードします。
- コンピューターで、ダウンロードした Corn_Fields_Imagery.zip ファイルを選択します。
注意:
お使いの Web ブラウザーによっては、ダウンロードを開始する前に、ファイルの場所を選択するよう求めるメッセージが表示される場合があります。 ほとんどのブラウザーでは、デフォルトでコンピューターのダウンロード フォルダーがダウンロード先の場所になります。
- [Corn_Fields_Imagery.zip] ファイルを右クリックし、ドキュメント フォルダーなどの見つけやすい場所にファイルを抽出します。
- 展開した [Corn_Fields_Imagery] フォルダーを開いて調べます。
フォルダーには、ジオリファレンスされた 2 つの画像 ([Before_Storm.tif] と [After_Storm.tif]) に加え、その補助ファイルが含まれています。 これらの画像は、テーバー地域とバーンウェル地域でひょう嵐が発生する前とその後 (2019 年 8 月 4 日と 8 月 8 日) に撮影されました。
注意:
ジオリファレンスされた TIFF 画像には複数の補助ファイル (.tfw、.tif.aux.xml、.tif.xml) が含まれています。これには、使用される座標系に関する情報と、画像を適切に表示するために有益なその他の要素があります。
2 つの画像は、地球の画像を撮影する Planet Labs 社が生成した PlanetScope 衛星画像です。 PlanetScope とは、120 の衛星からなる衛星コンステレーションで、地球上の指定エリアの画像を毎日取得します。
以下に、画像のプレビューを示します。左側は [Before_Storm.tif] で、右側は [After_Storm.tif] です。
このチュートリアルの後半で、これらの画像を視覚化します。
このセクションでは、画像をダウンロードしてデスクトップに格納しました。 これで、実際のワークフローを開始する準備ができました。
オンラインのタイル イメージ レイヤーの作成
2 つの画像を ArcGIS Enterprise にアップロードし、オンライン タイル イメージ レイヤーを作成します。
- 「ArcGIS の組織アカウント」にサイン インします。
注意:
組織アカウントがない場合は、ソフトウェア アクセスのオプションをご参照ください。
このチュートリアルでは Map Viewer Classic を使用します。
- ArcGIS Enterprise を開きます。 上部のバーで [サイン イン] をクリックし、ArcGIS Enterprise アカウントにサイン インします。
- 上部リボンの [コンテンツ] をクリックします。
- [新しいアイテム] をクリックします。
- [新しいアイテム] ウィンドウで、[イメージ レイヤー] をクリックします。
- [画像に基づいてレイヤー構成を選択] で [複数のイメージ レイヤー] を選択します。
注意:
このオプションでは、複数の画像を 1 つのバッチにアップロードし、画像ごとに 1 つのレイヤーを作成します。
- [次へ] をクリックします。 [入力画像の選択] で [参照] をクリックします。 [開く] ウィンドウで、ダウンロードした [Corn_Fields_Imagery] フォルダーを参照します。 Ctrl+A キーをクリックし、リストされているすべてのファイルを選択し、[開く] をクリックします。
ファイルのアップロードが開始します。 [アップロード ステータス] 列で、進行状況を監視できます。
すべてのファイルが [100%] アップロード済みになったら、タイトル テンプレートを定義します。
複数の画像を同時にアップロードするため、バッチ内のすべての画像のタイトルに適用する共通の接頭辞と接尾辞を定義できます。 これは、ArcGIS Enterprise アカウントで画像を簡単に見分け、取得しやすくするうえで便利です。
- [次へ] をクリックします。 [タイトル] で [タイトルの定義] をクリックします。
- [イメージ レイヤーのタイトル テンプレートの定義] ウィンドウの [接頭辞] フィールドに「Corn_Fields_」と入力します。
自分のイニシャルを含む接尾辞も追加します。
注意:
ArcGIS Enterprise に新しいイメージ レイヤーかフィーチャクラス レイヤーを作成する際は、組織において一意の名前を使用する必要があります。 このチュートリアルでは、すべての新しいレイヤーに自分のイニシャルを追加して、名前を一意にします。 このチュートリアルでは、例として [YN] を使用します ([名前] のイニシャル)。 これを自分の名前にしてもかまいません。 たとえば、Jane Smith という名前であれば、イニシャルは [JS] です。
- [接尾辞] フィールドに「_YN」と入力します。 [適用] をクリックします。
アップロードした画像には、すべて同じ接頭辞と接尾辞が追加されます。たとえば、[Corn_Fields_Before_Storm_YN] となります。
- 画像に関する残りの情報を入力します。
- [タグ] に「Agriculture, Imagery, Damage assessment」と入力し、Enter キーを押します。
- [サマリー] に「Imagery for the Taber-Barnwell, Alberta region.」と入力します。
- [フォルダーに保存] でデフォルトの場所を使用するか、ArcGIS Enterprise アカウントの任意のフォルダーを選択します。
- [作成] をクリックします。
これで処理は完了です。
- 上部リボンの [コンテンツ] をクリックします。
- [フォルダー] で、必要に応じて [すべてのマイ コンテンツ] か、画像を保存したフォルダーをクリックします。
コンテンツ リストの上部に、2 つのイメージ レイヤーが表示されます。
このセクションでは、2 つのオンライン タイル イメージ レイヤーを作成しました。 次に、Web マップを作成し、そこに 2 つのイメージ レイヤーを表示します。
タイル イメージ レイヤーを含む Web マップの作成
Web マップを作成し、そこに 2 つのイメージ レイヤーを追加します。 次に、2 つのレイヤーを視覚的に探索します。
- リボンの [マップ] をクリックします。
注意:
組織とユーザーの設定によっては、Map Viewer か Map Viewer Classic が開いている場合があります。ArcGIS Enterprise には、マップの表示、使用、作成のための 2 つのマップ ビューアーがあります。 使用可能な Map Viewer の詳細と、どの Map Viewer を使用するかについては、「FAQ」をご参照ください。
このチュートリアルでは Map Viewer Classic を使用します。
- 必要に応じ、上部ツールバーで [Map Viewer Classic で開く] をクリックします。
Map Viewer Classic で新しいマップが開きます。
- サイドバーで [コンテンツ] をクリックします。
この時点で、マップには [地形図] ベースマップ レイヤーのみが含まれています。
- リボンの [追加] をクリックし、[レイヤーの検索] を選択します。
- コンテンツ検索ウィンドウで [マイ コンテンツ] が選択されていることを確認します。 検索バーに「Corn_Fields」と入力し、Enter キーを押します。
結果リストに、作成された 2 つのイメージ レイヤーが表示されます。
- 結果のリストで [Corn_Fields_Before_Storm_] の [追加] をクリックします。
今の状態では縮小しすぎており、表示されていませんが、レイヤーがマップに追加されます。 2 つ目のレイヤーを追加し、拡大します。
- 結果のリストで [Corn_Fields_After_Storm_] の [追加] をクリックします。
- [戻る] をクリックして [コンテンツ] ウィンドウに戻ります。
[コンテンツ] ウィンドウに、2 つのイメージ レイヤーがリストされます。
注意:
イメージのレイヤー名にはアンダースコア (_) が含まれていますが、[コンテンツ] ウィンドウではアンダースコアなしで表示されます。
- [Corn Fields Before Storm] にポインターを合わせ、[その他のオプション] をクリックして [ズーム] を選択します。
マップがテーバー - バーンウェル地域範囲にズームします。 上部のイメージ レイヤー [Corn Fields After Storm] が表示されます。
レイヤーの名前を変更し、イニシャル ([YN] など) を削除し、見やすくします。
注意:
Web マップ内で、すべてのレイヤーは任意に名前変更でき、基礎のデータには影響はおよびません。
- [コンテンツ] ウィンドウで [Corn Fields Before Storm YN] にポインターを合わせ、[その他のオプション] をクリックして [名前の変更] を選択します。
- [名前の変更] ウィンドウで [Corn_Fields_Before_Storm_YN] の名前を [Corn_Fields_Before_Storm] に変更し、[OK] をクリックします。
[コンテンツ] ウィンドウで、レイヤーは [Corn Fields Before Storm] として表示されます。
- 同様に、[Corn Fields After Storm YN] も [Corn Fields After Storm] に名前変更します。
注意:
このチュートリアルの残りの部分では、各レイヤーに YN スタイルのイニシャルを付けて一意の名前にする必要性についても、各レイヤーの名前を見やすくするために変更する可能性についても再び言及しません。 ただし、これらの原則は、生成されるどの新しいレイヤーにも適用されます。
これで両方の画像を比較できるようになりました。
- [コンテンツ] ウィンドウで、[Corn Fields After Storm] レイヤーの横にあるチェックボックスのオンとオフを切り替え、レイヤーをオン/オフにします。 マップで、2 つのイメージ レイヤーの違いを確認します。
[Corn Fields Before Storm] 画像には多数の畑があるのがわかります。その多くは円形で、中には矩形もあります。 8 月には多くの農作物が収穫期を迎える直前であることから、嵐の前の畑は明るい、または濃い緑で表されます。
一見すると、[Corn Fields After Storm] 画像では、一部のエリアが色調が薄くなっているのがわかります。 特に、北西から南東を軸にするエリアで色調が薄くなっているようです。 しかし、この時点では農作物の被害に関する詳しい情報を収集することは困難です。
このセクションでは、Web マップを作成し、2 つのイメージ レイヤーを追加しました。 次に、2 つのレイヤーを視覚的に探索しました。
バンド割り当てをナチュラル カラーに変更
次に、イメージ表示を改良してマップを保存します。
解析を詳しく見る前に、イメージを理解し、イメージ表示にいくつかの変更を加えます。 2 つの画像はマルチスペクトルです。つまり、複数の個別のスペクトル バンドが含まれています。
- 青 (Band_1)
- 緑 (Band_2)
- 赤 (Band_3)
- 近赤外 (Band_4)
注意:
近赤外光は人間の目には見えませんが、衛星および航空画像センサーで捕捉されます。 このチュートリアルの後半で説明するようにさまざまな用途において有益です。
バンドはさまざまな方法で組み合わせ、赤、緑、青のチャンネルで表示し、コンポジット画像を生成できます。 現時点では、バンドはデフォルトの順序で RGB チャンネルに割り当てられています。
- 赤: Band_1 または青
- 緑: Band_2 または緑
- 青: Band_3 または赤
- 近赤外バンド (Band_4) は表示されません。
この順序はあまりわかりやすくないので、これを変更してナチュラル カラー合成を作成します。これは、人目に映るときの色に近づけます。 たとえば、現在ブルーグレーの色調で表示されている露出土壌地域を、自然に近い茶色の色調に変更します。

まず [Corn Fields Before Storm] 画像から着手します。
- [コンテンツ] ウィンドウで [Corn Fields After Storm] の横にあるチェックボックスをオフにし、レイヤーをオフにします。 [Corn Fields Before Storm] がオンになっていることを確認します。
- [コンテンツ] ウィンドウで [Corn Fields Before Storm] にポインターを合わせ、[その他のオプション] をクリックして [画像表示] を選択します。
- [画像表示] ウィンドウの [RGB コンポジット] で、次の値を選択します。
- [Band_1] の横の下矢印をクリックし、[Band_3] を選択します。
- [Band_3] の横の下矢印をクリックし、[Band_1] を選択します。
この新しいバンド組み合わせでは、赤バンドを赤チャンネル、緑バンドを緑チャンネル、青バンドを青チャンネルを通して表示します。
- [適用] をクリックしてから [閉じる] をクリックします。
[Corn Fields Before Storm] 画像が、ナチュラル カラー表示に更新されます。 しかも、露出土壌は茶色になっています。
同様に、[Corn Fields After Storm] の表示も更新します。
- [コンテンツ] ウィンドウで [Corn Fields After Storm] の横にあるチェックボックスをオンにし、レイヤーをオンにします。
- [コンテンツ] ウィンドウで [Corn Fields After Storm] にポインターを合わせ、[その他のオプション] をクリックして [画像表示] を選択します。
- [画像表示] ウィンドウの [RGB コンポジット] で、レイヤーを更新し、[Band_3]、[Band_2]、[Band_1] と表示させます。 [適用] をクリックしてから [閉じる] をクリックします。
これで、ひょう嵐が発生する前と発生した後の画像を、ナチュラル カラーの組み合わせで調査できるようになりました。
- [コンテンツ] ウィンドウで [Corn Fields After Storm] レイヤーの横のチェックボックスをオフにして、レイヤーのオンとオフを切り替え、2 つのレイヤーの違いを確認します。
次に、マップを保存します。
- リボン上で [保存] ボタンをクリックして [保存] を選択します。
- [マップの保存] ウィンドウで、次のパラメーターを入力します。
- [タイトル] に「Hail Damage in corn fields」と入力します。
- [タグ] に「Agriculture, Imagery, Damage assessment」と入力し、Enter キーを押します。
- [サマリー] に「Assessment of the damage caused by a hail storm to corn fields in the Taber - Barnwell region.」と入力するか、詳細のサマリーを入力します。
- [フォルダーに保存] でデフォルトの場所を使用するか、任意のフォルダーを選択します。
- [マップの保存] をクリックします。
このモジュールでは、オンライン タイル イメージ レイヤーを作成し、Web マップで表示し、バンド組み合わせを変更し、視覚的に調べました。
SAVI 指数による変化解析の実行
このモジュールでは、変更解析を行ってひょう嵐による損害を評価します。 ひょう嵐の前の画像と後の画像に SAVI 指数を適用して植生の存在を検出し、その健全性を測定します。 次に、2 つの SAVI レイヤー間の差を計算し、健全な植生がどれだけ失われたかを確認します。 最後に、畑ごとの健全な植生の平均損失を抽出します。
まず、赤色バンドと近赤外バンドを植生の健全性の評価に役立てられることを見ていきます。
植生の健全性と光の反射
植生の存在を検出してその健全性を評価するには、マルチスペクトル画像の赤色バンドと近赤外 (NIR) バンドを使用します。
- 健全な植生の葉緑素は赤色バンドの光のほとんどを吸収して光合成に使うため、赤色バンドをほとんど反射しません。
- 健全な植生の細胞構造は、NIR 光を強く反射します。
衛星センサーは、さまざまなバンドで反射された光の量を捕捉するため、健全な植生を示す画像ピクセルの値は赤色バンドでは低く、NIR バンドでは高くなる傾向があります。 この状態を、以下のスペクトル プロファイル グラフに示します。 反対に、ストレスにさらされていたり、枯れかけたりしている植生は赤色をあまり吸収せず (したがって反射する量が多い)、NIR 光を反射する量が少なくなります。 グラフには、露出土壌を表すピクセルは赤色をさらに多く反射し、NIR 光をあまり反射しないことも示されています。

各ピクセルについて、衛星写真で NIR バンドと赤色バンド間の割合を測定することで、地表の植生の存在を検出し、その健全性を測定できます。 SAVI 指数ではこれを行います。
注意:
このような解析は、ピクセル単位かセル単位で行われます。
このチュートリアルで使用する衛星 TIFF 画像はラスターです。 ラスターとは、セルまたはピクセルのグリッドとして表されるデータのことです。

ラスターベースの解析を行う場合は、ラスター内のすべてのセルに対して値を計算します。 ラスター データの詳細をご参照ください。
SAVI 指数の適用
NIR バンドと赤色バンド間の差を測定する SAVI (土壌調整植生指数) を使用し、嵐の前と後の画像の植生の健全性を評価します。
注意:
スペクトル指数では、同じタイプの割合を計算する数式を通じて、さまざまなスペクトル バンドを組み合わせます。 結果として、新しい画像が出力されます。
SAVI 値が大きいほど、健全な植生が多いことを意味します。 SAVI の式は次のとおりです。
SAVI = ((NIR - Red) / (NIR + Red + L)) * (1 + L)
注意:
SAVI は、従来の NDVI 指数に改良を加えたものです。
数式の L は、土壌の明るさにより影響を最小限に抑えるために追加されます。デフォルト値は 0.5 です。 最終的な SAVI 値は、-1.5 ~ +1.5 の間になります (L = 0.5 の場合)。
ArcGIS Enterprise では、[バンド演算] を使用して [SAVI] を計算できます。これは、150 種類以上のラスター関数の 1 つです。
まず [バンド演算] ラスター関数を使用し、[Corn Fields Before Storm] レイヤーに [SAVI] を適用します。
- リボンの [解析] をクリックします。 [解析の実行] ウィンドウで [ラスター解析] をクリックします。
- [ラスター解析] ウィンドウで [ラスター関数テンプレートの参照] をクリックします。
- [カスタム解析ツールとラスター関数] ウィンドウの検索ボックスに「演算」と入力します。
- 結果のリストで [バンド演算] の[選択] をクリックします。
[バンド演算] ラスター関数がサイド ウィンドウで開きます。
- 次の [バンド演算] パラメーター値を入力します。
- [入力データの選択とパラメーターの設定] の [ラスター] で [Corn_Fields_Before_Storm] を選択します。
- [手法] で [SAVI] を選択します。
- [バンド インデックス] に「B4 B3 0.5」と入力します。
- [結果レイヤーの名前] に「SAVI Before」と入力します。
- [出力の保存場所] でフォルダーを選択するか、デフォルト設定をそのまま使用します。
- [現在のマップ範囲を使用] をオフにします。
注意:
[バンド インデックス] パラメーターに「B4 B3 0.5」と入力すると、画像のバンド 4 とバンド 3 (近赤外バンドと赤色バンド)を SAVI 式で使用することを意味します。また、[土壌調整係数] には 0.5 を使用します。
- [プレビューの表示] をクリックします。
しばらくすると、プレビューが表示されます。 プレビューに問題ないので、ツールを実行して結果レイヤーを生成します。
- [分析の実行] をクリックします。
しばらくすると、[コンテンツ] ウィンドウとマップに新しい結果レイヤーが表示されます。
- マップ上で、新しいレイヤーを確認します。
白と薄いグレーのエリアは、健全な植生を表します。 濃いエリアは健全ではない、または枯死した植生、あるいは荒地を表します。
注意:
元の衛星画像とは異なり、SAVI ラスター レイヤーはマルチバンドではありません。 各ラスター セルには 1 つの SAVI 数値が含まれており、これがその位置の健全な植生の状態を測定します。
同様に、[Corn Fields After Storm] に SAVI を適用します。
- リボンの [解析] をクリックします。 [解析の実行] ウィンドウで [ラスター解析] をクリックします。 [ラスター解析] ウィンドウで [ラスター関数テンプレートの参照] をクリックします。
- [カスタム解析ツールとラスター関数] ウィンドウの検索ボックスに「演算」と入力します。 結果のリストで [バンド演算] の[選択] をクリックします。
[バンド演算] ラスター関数がサイド ウィンドウで開きます。
- 次の [バンド演算] パラメーター値を入力します。
- [入力データの選択とパラメーターの設定] の [ラスター] で [Corn_Fields_After_Storm] を選択します。
- [手法] で [SAVI] を選択します。
- [バンド インデックス] に「B4 B3 0.5」と入力します。
- [結果レイヤーの名前] に「SAVI After」と入力します。
- [出力の保存場所] でフォルダーを選択するか、デフォルト設定をそのまま使用します。
- [現在のマップ範囲を使用] をオフにします。
- [分析の実行] をクリックします。
しばらくすると、[コンテンツ] ウィンドウとマップに新しい結果レイヤーが表示されます。
2 つの SAVI レイヤーを比較します。
- [コンテンツ] ウィンドウで [SAVI After] レイヤーのオンとオフを切り替え、[SAVI Before layer] と比較します。
[SAVI Before] (左) と [SAVI After] (右)。 嵐の前よりも嵐の後の方が、色調が濃い畑が多くなっています。つまり、SAVI 値が低く、植生の健全性が悪化しています。 しかし、他の畑よりも被害が大きい畑があるかどうかを判断することは困難です。 次に、2 つの SAVI レイヤーの差を計算し、植生の変化を詳しく測定します。
- リボンでマップを保存します。
このセクションでは、嵐の前の画像と後の画像に SAVI 植生指数を適用し、それぞれの植生の健全性を測定しました。
2 つの SAVI レイヤー間の変化の計算
次に、嵐による植生の健全性の変化を測定します。 [変化の計算] ラスター関数を使用し、2 つの SAVI レイヤー間の差を計算します。 各ラスター セルについて、[SAVI After] の SAVI 値を [SAVI Before] の値から減算します。 計算した結果が正の値であれば、健全な植生が失われていることを意味します。
- リボンの [解析] をクリックします。 [解析の実行] ウィンドウで [ラスター解析] をクリックします。 [ラスター解析] ウィンドウで [ラスター関数テンプレートの参照] をクリックします。
- [カスタム解析ツールとラスター関数] ウィンドウの検索ボックスに「変化の計算」と入力します。 結果のリストの [変化の計算] で [選択] をクリックします。
[変化の計算] ラスター関数がサイド ウィンドウで開きます。
- 次の [変化の計算] パラメーター値を入力します。
- [入力データの選択とパラメーターの設定] の [From ラスター] で [SAVI_After] を選択します。
- [To ラスター] で [SAVI_Before] を選択します。
- [変化の計算方法] で [差分] が選択されていることを確認します。
- [結果レイヤーの名前] に「Loss of healthy vegetation」と入力します。
- [出力の保存場所] でフォルダーを選択するか、デフォルト設定をそのまま使用します。
- [現在のマップ範囲を使用] をオフにします。
- [プレビューの表示] 切り替えボタンをクリックします。
しばらくするとプレビューが表示されます。問題なさそうです。
- [分析の実行] をクリックします。
しばらくすると、[コンテンツ] ウィンドウとマップに新しい結果レイヤーが表示されます。
- マップ上で、新しいレイヤーを確認します。
白と薄いグレーのエリアは、健全な植生が失われた場所です (正の数値)。 目視確認をすると、ひょう嵐はこのエリアの北西から南東方向に通過したことが明らかです。この対角線にわたるエリアで、ほとんどの畑が被害を受けています。 一方で、画像右上の畑と左下の畑は、それほど大きな影響は受けていないようです。
注意:
一部のエリアは小さい負の数値で表され、植生が少し増加したことがわかります。 2 つの画像の撮影日は 4 日しか離れていないため、その間に著しく生長した農作物はそれほど多くないはずです。 しかし、8 月の気候で乾燥していた露出土壌に雨が降り、ひょうが溶けたことで湿り気を帯び、急激に雑草が増えた可能性があります。
植生が少し増加したことは、農作物への損害の解析には関連性がないため、ラスターに含まれる 0 以下のすべての値を除外します。 次のセクションでその作業を行います。
結果ラスターをクリーン アップし、シンボル表示します。
[Loss of healthy vegetation] ラスターをクリーン アップし、植生が少し増加したことを示す負の数値を除外します。 これは [リマップ] ラスター関数で行います。 次に、結果を見やすくするためにラスターのシンボルを変更します。
- リボンの [解析] をクリックします。 [解析の実行] ウィンドウで [ラスター解析] をクリックします。 [ラスター解析] ウィンドウで [ラスター関数テンプレートの参照] をクリックします。
- [カスタム解析ツールとラスター関数] ウィンドウの検索ボックスに「リマップ」と入力します。 結果のリストの [リマップ] で、[選択] をクリックします。
[リマップ] ラスター関数がサイド ウィンドウで開きます。 パラメーター値を入力します。
- [入力データの選択とパラメーターの設定] で [ラスター] が [Loss_of_healthy_vegetation] に設定されていることを確認します。
ラスターに含まれるすべての負の値を、0 に変更するという再分類ルールを作成します。 すべての負の値を捉えるには、最小値として「-2」を使用します。
- 値テーブルの [最小値] 列で [0] セルをクリックします。 「-2」と入力して Enter キーを押します。
- テーブルの最初の行で、[NoData] チェックボックスをオンにします。
[-2] から [0] までのラスター セル値は [NoData] に変更されます。
- 残りのパラメーター値を入力します。
- [結果レイヤーの名前] に「Loss of healthy vegetation cleaned」と入力します。
- [出力の保存場所] でフォルダーを選択するか、デフォルト設定をそのまま使用します。
- [現在のマップ範囲を使用] をオフにします。
- [プレビューの表示] 切り替えボタンをクリックします。
しばらくするとプレビューが表示されます。問題なさそうです。
- [分析の実行] をクリックします。
しばらくすると、[コンテンツ] ウィンドウとマップに新しい結果レイヤーが表示されます。 結果を見やすくするためにシンボルを変更します。
- [コンテンツ] ウィンドウで、[Loss of healthy vegetation cleaned] 以外のレイヤーをすべてオフにします。
- [コンテンツ] ウィンドウで [Loss of healthy vegetation cleaned] にポインターを合わせ、[その他のオプション] をクリックして [画像表示] を選択します。
- [画像表示] ウィンドウで、次のパラメーター値を選択します。
- [ストレッチ タイプ] で [割合クリップ] を選択します。
- [極端なピクセル値の切り捨て] の [上部を除外] に「1」と入力します。
- [極端なピクセル値の切り捨て] の [下部を除外] に「1」と入力します。
- [ガンマ] ではスライダーを使用し、「1.25」を選択します。
- [カラー ランプ] で [青 (明るい)] ランプを選択します。
- [適用] をクリックします。
マップが更新されます。
新しいレイヤーでは、紫が濃いほど健全な植生の損失が大きいことを意味します。 空のエリアは、健全な植生が失われていないことを示します。
- [画像表示] ウィンドウで [閉じる] をクリックします。
- マップを保存します。
このセクションでは、[Loss of healthy vegetation] ラスターをクリーン アップし、関連性のない負の値を削除しました。 次に、結果を見やすくするために、結果ラスターのシンボルを変更しました。
畑ごとの植生の平均損失の抽出
解析の後半では、畑ごとの健全な植生の平均損失を計算します。 まず、マップに [Taber field boundaries] フィーチャクラスを追加します。 ここには、対象エリアのすべての畑の境界が含まれます。これはポリゴンとして表されます。 こうしたレイヤーは、地元の農業団体から入手できることもあります。
- リボンの [追加] ボタンをクリックし、[レイヤーの検索] を選択します。
- コンテンツの検索ウィンドウで [マイ コンテンツ] 下向き矢印をクリックし、[ArcGIS Online] を選択します。 検索バーに「Taber field boundaries owner:Learn_ArcGIS」と入力します。
- 結果のリストの [Taber field boundaries] で [追加] をクリックします。
赤色でシンボル表示されたフィールド境界がマップに表示されます。
- [戻る] をクリックします。
次に、[ゾーン統計をテーブルに出力] ラスター関数を使用し、畑ごとに健全な植生の平均損失を計算します。 ツールは、[Taber field boundaries] ポリゴンごとに、そこに入るすべての [Loss of healthy vegetation] セルの平均値を計算します。
- リボンの [解析] をクリックします。 [解析の実行] ウィンドウで [ラスター解析] をクリックします。
- [ラスター解析] ウィンドウで [データの集約] を展開し、[ゾーン統計をテーブルに出力] を選択します。
ラスター関数が表示されます。
- ラスター関数ウィンドウで、次の [ゾーン統計をテーブルに出力] パラメーター値を入力します。
- [ゾーン ラスターまたはフィーチャの選択] で [Taber field boundaries] を選択します。
- [ゾーン フィールド] で [Field_ID] が選択されていることを確認します。
- [値ラスターの選択] で [Loss_of_healthy_vegetation_cleaned] を選択します。
- [計算時に NoData を除外] で [無視] チェックボックスがオンになっていることを確認します。
- [統計の種類] で [平均] を選択します。
- [結果テーブル名] に「Vegetation loss table」と入力します。
- [現在のマップ範囲を使用] をオフにします。
- [分析の実行] をクリックします。
しばらくすると、新しい結果テーブルが表示されます。 これはスタンドアロン テーブルで、レイヤーではありません。 テーブルの内容を確認します。
- [コンテンツ] ウィンドウで [Vegetation loss table] にポインターを合わせて [テーブルの表示] をクリックします。
テーブルが開きます。 耕作地のポリゴンごとに 1 行が使用されます。 [Mean] 列には、各ポリゴンの健全な植生の平均損失が示されます。
共通の [Field_ID] を使用し、このテーブルを[Table field boundaries] に結合し、結果を [Vegetation loss per field] という新しいレイヤーとして出力します。
- [Vegetation loss table] を閉じます。
- リボンの [解析] をクリックします。
- [解析の実行] ウィンドウで [フィーチャ解析] をクリックします。
- [解析の実行] ウィンドウで [データの集約] を展開し、[フィーチャの結合] を選択します。
ツールが開きます。
- [フィーチャの結合] ウィンドウで、次のパラメーター値を入力します。
- [ターゲット レイヤーの選択] で [Taber field boundaries] を選択します。
- [ターゲット レイヤーに結合するレイヤーの選択] で [Vegetation_loss_table] を選択します。
- [結合タイプの選択] で、[照合するフィールドの選択] をクリックします。
- [ターゲット フィールド] で [Field_ID] を選択します。
- [結合フィールド] で [Field_ID] を選択します。
- [結合方法の選択] で [1 対 1 の結合] が選択されていることを確認します。
- [結果レイヤーの名前] に「Vegetation loss per field」と入力します。
- [現在のマップ範囲を使用] をオフにします。
- [分析の実行] をクリックします。
しばらくすると、新しい結果レイヤーが表示されます。 畑ごとの [Mean] 植生損失値が含まれます。
このセクションでは、畑の境界を表すフィーチャクラスをマップに追加しました。 次に、畑ごとに健全な植生の平均損失を計算しました。
最終結果のシンボル表示と探索
ここでは [Mean] 値に基づき、等級色を使用して レイヤーをシンボル表示します。 次に、最終的なマップを観察します。
- [コンテンツ] ウィンドウで [Vegetation loss per field] にポインターを合わせて [スタイルの変更] をクリックします。
- [スタイルの変更] ウィンドウの [表示する属性を選択] で、[Mean] を選択します。
- [描画スタイルの選択] で、[数と量 (色)] の [オプション] をクリックします。
- [Mean] で [シンボル] をクリックします。
- シンボル ウィンドウで、次のオプションを選択します。
- [塗りつぶし] で下方向にスクロールし、クリーム色から赤のカラー ランプを選択します。
- [透過表示] スライダーを [0%] に設定します。
- [アウトライン] をクリックします。 [アウトライン] タブで、次のオプションを選択します。
- カラー パレットで、ダーク グレーを選択します。
- [透過表示] スライダーを [0%] に設定します。
- [OK] をクリックします。 [スタイルの変更] ウィンドウの [OK] をクリックします。 [完了] をクリックします。
- [コンテンツ] ウィンドウで、[Vegetation loss per field] 以外のレイヤーをすべてオフにします。
畑ごとの植生の平均損失がマップに表示され、特に大きな影響を受けている畑が濃い赤色で示されます。
損失が特に大きい畑は、先ほど見たように、北西から南東の軸に沿って明らかに集中しています。 損失が少ない畑は、ほとんど右上と左下に集中しています。
隣接する畑でも、損害レベルが異なる場合があります。 これにはいくつかの原因が考えられます。 たとえば、農作物の種類が異なるために、ひょう嵐による影響が異なるなどです。 また、2 つの畑で同じ農作物を栽培しているが、生長の度合いが異なる場合も、異なる影響を受ける可能性があります。
マップには、ひょう嵐による損害の初回評価が表示されます。 これをもとに、地表に対する詳細にわたる調査を行えます。
- マップを保存します。
必要に応じて、作成したマップを農業組合などの関係者と共有することもできます。
- その場合は、リボンの [共有] をクリックします。
- 共有オプションを選択し、[完了] をクリックします。
このモジュールでは、一連のラスター関数とフィーチャ解析ツールを適用し、変更解析を実施して、ひょう嵐による損害を評価しました。
再利用できるラスター関数テンプレートの開発
前のモジュールでは、各ラスター関数を 1 つずつ順番に手動で実行し、変更解析を行いました。 しかし、ArcGIS Image Server を搭載した ArcGIS Enterprise では、このワークフローを自動化することも可能です。すべてのラスター関数を互いにチェーン化し、それらをラスター関数テンプレート内にカプセル化して、1 つのツールのように実行できます。 ラスター関数テンプレートを構築したら何度も再利用し、さまざまな分析範囲や、今後取得される新規画像に適用できます。
このモジュールでは、次のことを行えるラスター関数を作成します。
- 嵐の前と後の画像に SAVI 指数を適用する ([バンド演算] 関数を使用)。
- 2 つの SAVI レイヤー間の差を計算する ([変化の計算] 関数を使用)。
- ラスターの差分をクリーン アップし、関連性のない値を削除する ([リマップ] 関数を使用)。
- 植生の損失を定量化する結果ラスターを出力する。
ラスター関数テンプレートの作成の開始
ラスター関数テンプレートの作成を開始します。
- [コンテンツ] ウィンドウで、[Vegetation loss per field] レイヤーをオフにします。 [Corn Fields Before Storm] と [Corn Fields After Storm] をオンにします。
- リボンの [解析] をクリックします。 [解析の実行] ウィンドウで [ラスター解析] をクリックします。
- [ラスター解析] ウィンドウで [ラスター関数のテンプレートを作成して、複雑な処理および解析を実行します] をクリックします。
[関数エディター] が表示されます。 ここで、変更解析ラスター関数テンプレートを作成します。 1 つ目のラスター関数 [バンド演算] をテンプレートに追加します。
- ラスター関数ウィンドウで [システム] が選択されていることを確認します。 [ラスター関数の検索] ボックスに「Arithmetic」と入力し、Enter キーを押します。
- [バンド演算] で [関数の追加] をクリックします。
[バンド演算] 関数が編集ウィンドウに表示されます。
次に、SAVI 指数を計算するために [バンド演算] の設定を選択します。
- 編集ウィンドウで [バンド演算] 要素をダブルクリックし、[プロパティ] ウィンドウを開きます。
- [バンド演算のプロパティ] ウィンドウで、次のパラメーター値を選択します。
- [手法] で [SAVI] を選択します。
- [バンド インデックス] に「B4 B3 0.5」と入力します。
次に、この関数にわかりやすい名前を付けます。 この関数は、嵐の前の画像を処理するために使用されるため、[SAVI Before] と名前を付けます。
- [一般] タブをクリックします。 [名前] に「SAVI Before」と入力します。
次に、関数の入力設定を選択します。
- [変数] タブの [ラスター] 行の [名前] で、[ラスター] を「Before raster」に置換します。 同じ行で [IsPublic] をクリックします。
[ラスター] 入力をパブリックとして宣言しました。つまり、この入力はツールに表示され、ユーザーはこの入力に反映されるイメージ レイヤーを選択できます。
- [OK] をクリックします。
編集ウィンドウが更新され、[SAVI Before] 要素が表示されます。
次に、嵐の後の画像で SAVI を計算するための、2 つ目の [バンド演算] 要素を追加します。
- ラスター関数ウィンドウの [バンド演算] で [関数の追加] をクリックします。
- 編集ウィンドウで [バンド演算] 要素をダブルクリックし、[プロパティ] ウィンドウを開きます。
- [バンド演算のプロパティ] ウィンドウで、次のパラメーター値を選択します。
- [手法] で [SAVI] を選択します。
- [バンド インデックス] に「B4 B3 0.5」と入力します。
- [一般] タブをクリックします。 [名前] に「SAVI After」と入力します。
- [変数] タブの [ラスター] 行の [名前] で、[ラスター] を「After ラスター」に置換します。 同じ行で [IsPublic] をクリックします。
- [OK] をクリックします。
編集ウィンドウが更新され、[SAVI Before] と [SAVI After] 要素が表示されます。
- 編集ウィンドウの上部で [自動レイアウト] をクリックします。
編集ウィンドウで、すべての要素がすっきりと整理されます。
このセクションでは、ラスター関数テンプレートの作成を開始しました。
ラスター関数テンプレートを完了し、実行します。
ラスター関数テンプレートに関数をさらに追加し、保存します。 その後、画像で実行します。 まず、編集ウィンドウに [変化の計算] 関数を追加し、[SAVI Before] 関数と [SAVI After] 関数に接続します。
- ラスター関数ウィンドウで「変化の計算」を検索します。 結果リストの [変化の計算] で [関数の追加] をクリックして編集ウィンドウに追加します。
[変化の計算] 関数が表示されます。 2 つの [バンド演算] 関数から [変化の計算] まで矢印を描画し、2 つの関数の出力を [変化の計算] の入力として使用することを示します。
- 編集ウィンドウで、[SAVI After] から [変化の計算] までドラッグし、[From ラスター] 入力をポイントする矢印を描画します。
- 同様に、[SAVI Before] から [変化の計算] までドラッグし、[To ラスター] 入力をポイントする矢印を描画します。
- 編集ウィンドウの上部で [自動レイアウト] をクリックします。
[SAVI After] と [SAVI Before] の両方が [変化の計算] に接続されます。
- [変化の計算] 要素をダブルクリックし、プロパティを確認します。 [変化の計算方法] が [差異] であることを確認します。 [OK] をクリックします。
次に、ラスター関数テンプレートに [リマップ] 関数を追加します。
- ラスター関数ウィンドウで「リマップ」を検索します。 結果リストの [リマップ] で [関数の追加] をクリックして編集ウィンドウに追加します。
- 編集ウィンドウで、[変化の計算] から [リマップ] までドラッグして矢印を描画します。
[変化の計算] の出力が [リマップ] への入力として使用されます。
- [リマップ] 要素をダブルクリックし、[プロパティ] ウィンドウを開きます。
以前の手動によるワークフローと同じく、負の値を削除します。
- [再分類のプロパティ] ウィンドウのテーブルの 1 行目で、[最小値] に「-2」と入力します。 [最大値] と [出力] は、デフォルト値である [0] を使用します。 [NoData] をオンにします。
- [一般] タブをクリックします。 [名前] に「Clean up」と入力します。 [OK] をクリックします。
- 編集ウィンドウの上部で [自動レイアウト] をクリックします。
レイアウトが更新されます。
ラスター関数テンプレートの準備ができました。 これを保存して名前を付けます。
- 編集ウィンドウの下部で [保存] をクリックします。
- [保存] ウィンドウで、次のパラメーター値を設定します。
- [タイトル] に「Compute loss of healthy vegetation」と入力します。
- [タイプ] で [モザイク] が選択されていることを確認します。
- [タグ] に「Agriculture, Imagery, SAVI, Damage assessment」と入力し、Enter キーを押します。
- [フォルダー] でデフォルトの場所を使用するか、任意のフォルダーを選択します。
- [共有] で、レベルが [所有者] に設定されていることを確認します。
- [保存] をクリックします。
[成功] ウィンドウが表示されます。
注意:
[成功] ウィンドウに、ラスター関数テンプレートが格納されている場所を示すメッセージが表示されます。 このリンクをクリックすると、通常の ArcGIS Enterprise アイテムとして表示できます。
ここでは、現在の [Hail damage in corn fields] Web マップの画像にテンプレートを適用します。
- [成功] ウィンドウで、[OK] をクリックします。 関数エディターで [OK] をクリックして関数エディターを閉じ、Web マップに戻ります。
Web マップで、ラスター関数テンプレートがマップの横に表示されます。 これで、データで使用できるようになりました。
注意:
ラスター関数テンプレートの編集に戻りたい場合は、マップの下隅にあるミニチュア ウィンドウをクリックします。 作業が完了したら、[OK] をクリックします。
- [Compute loss of healthy vegetation] ウィンドウに、次のパラメーター値を入力します。
- [SAVI After] で [Corn_Fields_After_Storm] を選択します。
- [SAVI Before] で [Corn_Fields_Before_Storm] を選択します。
- [結果レイヤーの名前] に「Loss of healthy vegetation cleaned 2」と入力します。
- [現在のマップ範囲を使用] をオフにします。
注意:
レイヤー名を [Loss of healthy vegetation cleaned 2] にして、以前に生成した [Loss of healthy vegetation cleaned] レイヤーと区別できるようにします。
- [プレビューの表示] 切り替えボタンをクリックします。
プレビューが表示されます。
プレビューに問題ないので、ツールを実行して結果レイヤーを生成します。
- [分析の実行] をクリックします。
しばらくすると、[コンテンツ] ウィンドウとマップに新しい結果レイヤーが表示されます。 [Compute loss of healthy vegetation] テンプレートを実行すると、元のイメージ レイヤーを [Loss of healthy vegetation cleaned 2] レイヤーに直接変更しました。 [Loss of healthy vegetation cleaned] と [Loss of healthy vegetation cleaned 2] はまったく同じですが、これで問題ありません。
注意:
このラスター関数テンプレートは、ワークフローのラスター解析にのみフォーカスします。 必要に応じ、ワークフローの最終ステップを手動で適用します。[Loss of healthy vegetation cleaned 2] をシンボル表示し、[ゾーン統計をテーブルに出力] と [フィーチャの結合] を適用し、最終的な結果をシンボル表示します。 [Vegetation loss per field] レイヤーに似たレイヤーが取得されるはずです。
今後、同じラスター関数テンプレートを別の画像にも適用できます。 このラスター関数テンプレートを新しい Web マップから取得するには、次の手順を実行します。 リボンの [解析]、[ラスター解析]、[ラスター関数テンプレートの参照] をクリックします。 [カスタム解析ツールとラスター関数] ウィンドウで、[システム] の横にある下向き矢印をクリックし、[マイ コンテンツ] を選択します。 ラスター関数テンプレートのリストで [Compute loss of healthy vegetation] テンプレートを検索します。
- マップを保存します。
このチュートリアルでは、2 つのオンライン タイル イメージ レイヤーを作成し、Web マップで表示し、バンド組み合わせを変更し、視覚的に調べました。 次に、複数のラスター関数を使用して、画像に対して変更解析を実行し、畑ごとの健全な植生の平均損失を取得しました。 最後に、ラスター解析ワークフローを自動化して容易に繰り返すことができるようにするために、ラスター関数テンプレートを構築しました。
同様のチュートリアルについては、「画像およびリモート センシングの概要」ページをご参照ください。