创建影像图层并将其添加至 web 地图
要评估塔伯和巴恩韦尔地区玉米田的冰雹损失，您将使用卫星影像。 假设您在本地计算机上拥有该影像，并且希望在 ArcGIS Enterprise 中执行分析。 获取该影像后，您将创建在线影像图层，在 Web 地图中显示该图层，更改其波段组合，并直观地对其进行检查。
注：
在本教程中，您可能会看到显示切片影像图层（托管）的图像。 此数据类型仅在 ArcGIS Online 中可用。 如果您是 ArcGIS Enterprise 用户，您将看到影像图层（托管）代替。 这是预期行为，不会影响您完成本教程。
下载影像
首先，您将下载包含该影像的文件，以便将其保存在您的本地计算机上。
- 下载压缩的 Corn_Fields_Imagery.zip 文件。
- 在您的计算机上找到已下载的 Corn_Fields_Imagery.zip 文件。
注：
大多数 Web 浏览器将默认下载到计算机的 Downloads 文件夹下。
- 右键单击 Corn_Fields_Imagery.zip 文件，然后将其解压到容易找到的位置，例如文档文件夹。
- 打开解压的 Corn_Fields_Imagery 文件夹以对其进行检查。
该文件夹包含两个地理配准 TIFF 图像：Before_Storm.tif 和 After_Storm.tif，以及其辅助文件。 这两个图像分别于 2019 年 8 月 4 日和 8 月 8 日塔伯和巴恩韦尔地区的冰雹前后拍摄。
注：
地理配准 TIFF 图像包含多个辅助文件（.tfw、.tif.aux.xml 和 .tif.xml），这些文件可提供有关所用坐标系的信息，以及对正确显示图像非常有用的其他元素。
这两个图像均是由地球成像公司 Planet Labs 制作的 PlanetScope 卫星影像。 PlanetScope 是一个由 120 颗卫星组成的星群，每天都能面向地球上的任何区域捕获新图像。
以下是图像的快速预览：左侧为 Before_Storm.tif，右侧为 After_Storm.tif。
在本教程中，稍后您将对其进行可视化。
在本部分中，您下载了影像，以便将其保存在桌面上。 现在即可开始实际工作流。
创建影像图层
现在，您需要将这两个图像上传到 ArcGIS Enterprise，由此创建在线影像图层。
- 打开 ArcGIS Enterprise 门户。 在顶栏上，单击登录，然后登录您的 ArcGIS Enterprise 账户。
- 在顶部功能区中，单击内容。
- 单击新建项目。
- 在新建项目窗口中，单击影像图层。
- 对于根据您的影像选择图层配置，单击多个影像图层。
注：
此选项允许您一次上传多个图像，针对每个图像创建一个图层。
- 单击下一步。 对于选择输入影像，单击浏览。 在打开窗口中，浏览至已下载的 Corn_Fields_Imagery 文件夹。 按 Ctrl+A 以选择列出的所有文件，然后单击打开。
文件将开始上传。 可以在上传状态列中监控进度。
当所有文件均显示为 100% 已上传时，您将定义标题模板。
由于您一次上传多个图像，因此可以定义将应用于批处理中所有图像标题的通用前缀和后缀。 这有助于使您的 ArcGIS Enterprise 账户中的图像易于识别和检索。
- 当所有文件均显示为 100% 时，单击下一步。 对于标题，单击定义标题。
- 在定义影像图层的标题模板窗口的前缀字段中，键入 Corn_Fields_。
您还需要添加包含您的姓名缩写的后缀。
注：
在 ArcGIS Enterprise 中创建任何影像或要素类图层时，您必须确保其名称在您的组织中唯一。 在本教程中，您将通过在每个新图层的末尾添加您的姓名缩写来执行此操作。 本教程将使用 YN 作为示例（Your Name 的首字母缩写）。 但是，您应该将其调整为您自己的姓名。 例如，如果您的姓名为 Jane Smith，则您的姓名缩写将为 JS。
- 在后缀字段中，键入 _YN。 单击应用。
已上传的所有图像将具有相同的前缀和后缀，例如 Corn_Fields_Before_Storm_YN。
- 输入有关图像的其余信息：
- 对于标签，键入 Agriculture、Imagery、Damage assessment，然后在每次键入之后按 Tab 键。
- 对于摘要，键入 Imagery for the Taber-Barnwell, Alberta region.。
- 对于保存到文件夹，接受默认位置或在您的 ArcGIS Enterprise 账户中选择所需文件夹。
- 单击创建。
该过程随即完成。
- 在功能区中，单击内容。
- 如有必要，请在文件夹下，单击所有我的内容或者您选择用于存储影像的特定文件夹。
在内容列表的顶部，将出现两个图像图层。
在本部分中，您创建了两个托管影像图层。 接下来，您将创建一个 web 地图并在其中显示两个影像图层。
使用影像图层创建 Web 地图
您现在将创建一个 web 地图并将两个影像图层添加到其中。 然后，您将直观地探索这两个图层。
- 单击功能区上的地图。
随即出现一个空图层，而且图层选项卡已打开，以便您可以添加图层。 目前，该地图仅包含地形底图图层。 您将添加您上传的影像图层。
- 在图层窗格中，单击添加按钮。
默认情况下，当您单击添加按钮时，您将从我的内容添加。
注：
如果您单击下拉箭头，您将看到其他选项从而将其添加到地图上。
- 在搜索栏中，键入 Corn_Fields，然后按 Enter 键。
您已创建的两个影像图层将出现在结果列表中。
- 在结果列表中，对于 Corn_Fields_Before_Storm_YN，单击添加。
该图层将添加至地图，但是，由于过度缩小，您无法看到该图层。 您将添加第二个图层，然后进行放大。
- 在结果列表中，对于 Corn_Fields_After_Storm_YN，单击添加。
- 单击返回以返回到图层窗格。
在图层窗格中，现在列出了两个影像图层。
接下来，重命名图层以移除下划线和缩略。
- 对于 Corn_Fields_After_Storm_YN 图层，单击选项按钮并选择重命名。
- 在出现的框中，将名称编辑为 Corn Fields After Storm 并单击确定。
- 类似地，将 Corn_Fields_Before_Storm_YN 图层 重命名为 Corn Fields Before Storm。
两个图层都已被重命名 在本教程的其余部分，将不再提及使用 YN 样式首字母使每个图层唯一的需求以及重命名它们以获得更简洁外观的可能性。 然而，这些原则仍然适用于生成的任何新图层。
注：
在 web 地图内，可以根据需要重命名所有图层，而不会影响基础数据。
- 指向 Corn Fields Before Storm，单击更多选项，然后选择缩放至。
地图将放大至 Taber-Barnwell 区域范围。 顶部影像图层 Corn Fields After Storm 可见。
接下来，可以比较影像图层。
- 在图层窗格中，指向 Corn Fields After Storm 图层。 单击可见性按钮关闭此图层并比较图层。
在 Corn Fields Before Storm 图像中，您可以看到很多田地；其中有许多是圆形的，还有一些是矩形的。 这些田地往往会呈现亮绿色或深绿色，因为在风暴来临前的八月，许多农作物已接近成熟。
初看上去，Corn Fields After Storm 图像在某些区域的色调较浅。 特别是在西北至东南轴线上，存在浅色调的轨迹穿过图像。 但目前很难收集到更为准确的农作物损害相关信息。
在本部分中，您创建了一个 web 地图并将两个影像图层添加到其中。 然后，您直观地探索了这两个图层。
将波段组合更改为自然色
现在，您将改进图像显示并保存地图。
在深入分析之前，您需要更好地了解您正在查看的内容，并对图像显示进行一些更改。 这两个图像为多光谱图像，这意味着它们包含多个单独的光谱波段：
- 蓝色 (Band_1)
- 绿色 (Band_2)
- 红色 (Band_3)
- 近红外 (Band_4)
注：
近红外光对人眼而言是不可见的，但它通常会被卫星和航空影像传感器捕获。 它在许多应用中都非常有用，您将在本教程后面的部分中看到这一点。
可以通过各种方式来组合这些波段，并通过红色、绿色和蓝色通道显示这些波段以生成合成图像。 目前，按默认顺序将波段分配给 RGB 通道：
- 红色：Band_1 或蓝色
- 绿色：Band_2 或绿色
- 蓝色：Band_3 或红色
- 近红外波段 (Band_4) 未显示。
此顺序不是特别有用，您希望对其进行更改以形成自然色合成图像，该图像将接近人眼可见的颜色。 例如，目前呈现蓝灰色调的裸土区域将更改为更加自然的棕色调。
您将从 Corn Fields Before Storm 图像开始。
- 在图层窗格中，确保 Corn Fields After Storm 图层已关闭，而 Corn Fields Before Storm 图层已打开。
- 单击 Corn Fields Before Storm 图层将其选中。
选择图层后，其名称旁边会出现一个蓝色线。
- 在设置（浅色）工具栏中，单击样式。
注：
每一个侧边工具栏都可以使用各自底端的按钮折叠或展开。 如果您在工具栏上看不到选项的完整名字，您可以将其展开。
- 在样式窗格的选择样式下，选择 RGB 下的样式选项。
- 在样式选项窗格的 RGB 下，选择以下值：
- 对于红色，选择 Band_3。
- 对于绿色，确认已选择 Band_2。
- 对于蓝色，选择 Band_1。
此新波段组合将通过红色通道显示红色波段，通过绿色通道显示绿色波段，通过蓝色通道显示蓝色波段。
- 对于拉伸类型，单击下拉箭头，选择百分比裁剪。
- 双击完成。
Corn Fields Before Storm 图像将更新为自然色显示。 最引人注目的是，裸土现在为棕色。
类似地，您将更新 Corn Fields After Storm 显示。
- 在图层窗格中，打开 Corn Fields After Storm 图层并将其选中。
- 在样式窗格中，对于 RGB ，单击样式选项。
- 在样式选项窗格中，做以下内容：
- 对于红色，选择 Band_3。
- 对于绿色，确认已选择 Band_2。
- 对于蓝色，选择 Band_1。
- 将拉伸类型更改为百分比裁剪。
现在，您可以返回以检查前后影像，以自然颜色组合查看这些影像。
- 在图层窗格中，切换两个图层的可见性，观察它们之间的不同。
接下来，您需要保存地图。
- 在内容（深色）工具栏上，单击保存并打开，然后选择另存为。
- 在保存地图窗口中，输入以下内容：
- 对于标题，键入 Hail Damage in corn fields。
- 对于标签，键入 Agriculture、Imagery、Damage assessment，然后按 Enter 键。
- 对于摘要，键入 Assessment of the damage caused by a hail storm to corn fields in the Taber - Barnwell region. 或您所选择的更为详细的摘要。
- 对于保存到文件夹，接受默认位置或选择所需文件夹。
- 单击保存。
在本模块中，您创建了在线影像图层，在 web 地图中显示了该图层，更改了其波段组合，并直观地对其进行了检查。
使用 SAVI 指数执行变化分析
在本模块中，您将执行变化分析以评估冰雹造成的损失。 您需要将 SAVI 指数应用于风暴前后的图像，以检测植被的存在并衡量其健康状况。 然后，您将计算两个 SAVI 图层之间的差异，以了解健康植被的损失量。 最后，您将提取每块耕地中健康植被的平均损失量。
但首先，您将了解红色和近红外波段如何帮助评估植被健康状况。
了解植被健康状况和光反射
要检测植被的存在并评估其健康状况，您可以使用多光谱图像的红色和近红外 (NIR) 波段。
- 健康植被中的叶绿素将吸收红色波段中大部分的光并将其用于光合作用，因此能够反射的光很少。
- 健康植被的细胞结构能够强烈反射近红外光。
卫星传感器将捕获不同波段中的反射光量，因此红色波段中用于显示健康植被的图像像素值通常较低，而近红外波段中的值通常较高。 下方的光谱图将对此进行说明。 相比之下，受压或垂死的植被将吸收更少的红光（因此将反射更多的红光）并反射更少的近红外光。 同时该图还显示，代表裸土的像素会反射更多的红光和更少的近红外光。
通过测量卫星图像中每个像素的 NIR 和红色波段之间的比率，可以检测地面上植被的存在并衡量其健康状况。 这就是您将对 SAVI 指数执行的操作。
注：
将在像素或像元级别执行这种类型的分析。
卫星 TIFF 图像（例如您在本教程中使用的图像）为栅格。 栅格是表示为像元或像素格网的数据。
在执行基于栅格的分析时，您需要计算栅格中每个像元的值。 了解有关栅格数据的详细信息。
应用 SAVI 指数
您将使用土壤调节植被指数 (SAVI)，该指数将测量 NIR 和红色波段之间的差异，以评估风暴前后图像中的植被健康状况。
注：
光谱指数可通过数学公式组合不同的光谱波段，通常用于计算某种类型的比率。 生成的输出为新的栅格图层。
SAVI 值较高，健康植被占比越大。 SAVI 将使用以下公式：
SAVI = ((NIR - Red) / (NIR + Red + L)) * (1 + L)
注：
将在公式中添加因子 L 以最小化土壤亮度变化的影响，默认值为 0.5。 最终的 SAVI 值在 -1.5 至 +1.5 之间变化（当 L=0.5 时）。
在 ArcGIS Enterprise 中，可以使用波段算术（提供的 150 多种栅格函数之一）来计算 SAVI。
您将首先使用波段算术栅格函数将 SAVI 应用于 Corn Fields Before Storm 图层。
- 在设置工具栏中，单击分析。
- 在分析窗格中，单击栅格函数按钮。
您将搜索并运行波段算术栅格函数。
- 在栅格函数窗格的搜索栏中，输入波段，然后按 Enter 键。 在结果列表中，单击波段算术工具将其打开。
- 在波段算术栅格函数窗格中，设置以下参数值：
- 对于栅格，选择 Corn Fields Before Storm。
- 对于方法，选择 SAVI。
- 对于波段指数，输入 4 3 0.5。
- 对于输出名称，输入 SAVI Before。
- 对于保存到文件夹，选择一个文件夹或保留默认设置。
注：
对于波段指数参数，键入 4 3 0.5 时表示 SAVI 公式应在图像中使用波段 4 和波段 3，即近红外波段和红色波段；对于土壤亮度校正因子，应使用值 0.5。
注：
如果您希望在运行分析之前查看结果，可以单击显示预览以便看到。 否则，您可以运行该工具来创建结果。
- 单击运行。
几秒钟后，将显示消息波段算术已提交，并且当该工具运行结束，结果图层将被添加到地图中。
- 在地图上，查看 SAVI Before 图层。
白色和浅灰色区域代表健康植被。 颜色较深的区域代表不健康或死亡的植被，或者荒地。
注：
与原始卫星影像不同，SAVI 栅格图层不是多波段图层。 每个栅格像元仅包含一个 SAVI 数值，该值用于衡量此位置的健康植被状态。
类似地，您需要将 SAVI 应用于 Corn Fields After Storm。
- 在波段算术窗格中，修改以下参数。
- 对于栅格，选择 Corn Fields After Storm。
- 对于输出名称，键入 SAVI After。
您需要保持方法和波段指数参数不变。
- 单击运行。
经过一段时间后，结果图层将出现在图层窗格和地图上。 接下来，您将比较两个 SAVI 图层。
- 在内容窗格中，打开并关闭 SAVI After 图层以将其与 SAVI Before 图层进行比较。
风暴过后，更多的田地将以比风暴前更深的色调呈现，这意味着它们的 SAVI 值较低，植被也不太健康。 但是，仍然难以确定某些地区受到风暴的影响是否比其他地区大。 接下来，您将计算两个 SAVI 图层之间的差异，以更精确地测量植被的变化。
- 在内容工具栏上，单击保存并打开，然后单击保存。
在本部分中，您将 SAVI 植被指数应用于前后图像以衡量每个图像中的植被健康状况。
计算两个 SAVI 图层之间的变化
现在，您希望测量风暴引起的植被健康变化。 您将使用计算变化栅格函数计算两个 SAVI 图层之间的差异。 对于每个栅格像元，将从 SAVI Before 中的值减去 SAVI After 中的 SAVI 值。 生成的正值将表示健康植被的损失量。
- 在波段算术窗格中，单击后退箭头。
注：
如果您位于历史记录窗格中，则应首先单击栅格函数选项卡。
- 在栅格函数窗格中的搜索栏中，输入计算。 在结果列表中，单击计算变化函数将其打开。
- 在计算变化栅格函数窗格中，设置以下参数值：
- 对于自栅格，选择 SAVI_Before。
- 对于至栅格，选择 SAVI_After。
- 对于计算变化方法，确认已选择差值。
- 对于输出名称，键入 Loss of healthy vegetation。
- 对于保存到文件夹，选择一个文件夹或保留默认设置。
- 单击运行。
经过一段时间后，结果图层将出现在图层窗格和地图上。
- 在地图上观察新图层。
白色和浅灰色色调表示健康植被损失（正数值）。 通过目视检查可以非常清楚地看到，冰雹从西北向东南移动，沿对角横越该区域，从而使该对角线区域的大部分田地遭受损失。 图像右上角和左下角的田地受到的影响要小得多。
注：
一些区域具有较小的负数值，这似乎表明植被小幅增长。 由于两幅图像仅间隔四天时间，因此在这段时间内不太可能出现大量农业植被生长的情况。 但是，由于八月的天气，一些干燥的裸露土壤区域可能在暴雨期间被雨水和融化的冰雹浸透，然后迅速开始生长杂草。
植被的小幅增长与作物受损的分析无关，因此您将消除栅格中所有低于 0 的值。 您将在下一部分中执行此操作。
- 保存地图。
清理结果栅格并对其进行符号化
您将清理 Loss of healthy vegetation 栅格以消除任何表示植被小幅增长的负值。 您将使用重映射栅格函数执行此操作。 然后，您将更改栅格的符号系统，以便更好地查看结果。
- 在计算变化窗格中，单击后退箭头。
- 在栅格函数窗格中，搜索并打开重映射栅格函数。
- 在重映射栅格函数窗格中，对于栅格，选择 Loss of healthy vegetation。
您将使用重映射规则表示栅格中的所有正值都应更改为 NoData。 为确保捕获所有负值，您将使用 2 作为最大值。
- 在值表的第一行中，设置以下参数值：
- 在最大值列中，键入 2。
- 选中 NoData 复选框。
介于 0 和 2 之间的所有栅格像元值都将更改为 NoData。
- 对于输出名称，键入 Loss of healthy vegetation cleaned
- 单击运行。
经过一段时间后，新结果图层将出现在图层窗格和地图上。 您将更改其样式，以便更好地查看结果。
- 在图层窗格中，关闭除 Loss of healthy vegetation cleaned 之外的所有图层。 如有必要，单击 Loss of healthy vegetation cleaned 将其选中。
- 在设置工具栏中，单击样式。
- 在样式窗格的选择样式下，选择拉伸下的样式选项。
- 在样式选项窗格中的配色方案下，单击当前配色方案。
- 在配色方案窗口中，单击当前配色方案。
- 在重映射窗口中，向下滚动并选择亮蓝色配色方案。
您希望较低的值颜色最深，以突出显示植被损失较大的区域，因此您将翻转色带颜色。
- 单击翻转色带颜色，单击完成，然后关闭配色方案窗口。
您希望颜色显得稍暗一些以提高可见性，因此您将降低 Gamma 值。
- 在样式选项窗格中，对于 Gamma，使用滑块选择值 0.6。
注：
在 Map Viewer 中的样式影像页面上了解有关样式选项的详细信息。
- 在样式选项窗格中，单击完成，然后在样式窗格中，单击完成。
在地图上，图层已更新为其新样式。
深紫色阴影表示健康植被的损失量更大，浅紫色阴影表示健康植被的损失量有限，空白区域表示无健康植被损失。
- 保存地图。
在本部分中，您清理了 Loss of healthy vegetation 栅格以消除任何不相关的负值。 然后，您更改了生成的栅格的符号系统，以便更好地查看结果。
提取每块田地的平均植被损失量
在此分析的最后部分中，您将计算每块耕地中健康植被的平均损失量。 为此，您首先要向地图添加 Taber field boundaries 要素类。 它包含该区域（表示为面）中所有耕地的边界。 此类图层将由您供职的农民组织维护。
- 在图层窗格中，单击添加按钮。 在添加图层窗格中，单击我的内容旁的下箭头，然后选择 ArcGIS Online。
- 在搜索栏中，键入或复制粘贴 Taber field boundaries owner:Esri_Tutorials。 在结果列表中，对于 Taber field boundaries，单击添加。
田地边界随即出现在地图上，以红色进行符号化。
- 在添加图层窗格中，单击返回按钮。
现在，您将使用以表格显示分区统计栅格函数来计算每块田地中健康植被的平均损失量。 对于每个 Taber field boundaries 面，该工具将计算位于该面内的所有 Loss of healthy vegetation 像元的平均值。
- 在设置工具栏中，单击分析。
- 在分析窗格中，单击工具。
- 在工具窗格中，单击以表格显示分区统计。
- 在以表格显示分区统计窗格的输入图层下，选择以下参数值：
- 对于输入区域栅格或要素，选择 Taber field boundaries。
- 对于区域字段，选择 Field_ID。
- 对于输入值栅格，选择 Loss of healthy vegetation cleaned。
- 选择以下其他参数值：
- 在统计分析设置下，对于统计类型，选择平均值。
- 在结果图层下，对于输出表名称，键入 Vegetation loss table。
- 单击运行。
注：
请记住，您可以查看历史记录窗格，并检查流程的状态。
结果将为独立表，而不是图层。 该过程完成后，将打开 Vegetation loss table。 其中，每个耕地多边形对应一行信息。 平均值列将提供每个面的健康植被损失量的平均值。
注：
您还可以转至内容工具栏，然后依次单击表和 Vegetation loss table 以检索表。
现在，您必须使用公共 Field_ID 将此表重新连接到 Taber field boundaries 图层，并将结果输出为名为 Vegetation loss per field 的新图层。
- 关闭 Vegetation loss table。
- 在以表格显示分区统计窗格中，单击后退按钮。 在工具窗格中，单击连接要素。
- 在连接要素窗格的输入要素下，设置以下参数值：
- 对于目标图层，选择 Taber field boundaries。
- 对于连接图层，选择 Vegetation loss table。
- 在连接设置下，选择以下参数值：
- 对于目标字段，选择 Field_ID。
- 对于连接字段，选择 Field_ID。
- 在结果图层下，对于输出名称，键入 Vegetation loss per field 并单击运行。
- 该过程完成后，如有必要，可在内容工具栏上，单击图层，切换回图层窗格。
在图层窗格上，现在列出了新的 Vegetation loss per field 图层。 它现在包含每块耕地的平均植被损失值。
在本部分中，您向地图添加了一个表示耕地边界的要素类。 然后，您计算了每块田地中健康植被的平均损失量。
符号化并探索最终结果
现在，您将使用分级配色方案基于该平均值对 Vegetation loss per field 图层进行符号化。 然后，您将观察最终地图。
- 在图层窗格中，单击 Vegetation loss per field 将其选中。 在设置工具栏中，单击样式。
- 在样式窗格的选择属性下，单击字段。
- 在选择字段窗口中，选中平均值旁的框将其选中，然后单击添加。
- 在选取样式下，对于计数和数量（颜色），单击样式选项。
- 在计数和数量（颜色）的符号样式下，单击色带以进行编辑。
随即显示符号样式窗口。
- 在符号样式窗口中的颜色下，单击当前色带。 在重映射窗口中，向下滚动，选择橙色 4 色带，然后单击完成。
- 在符号样式窗格的轮廓颜色下，单击编辑按钮。 在选择颜色窗口中，对于 #，输入 5c5c5c，然后单击完成。
- 在符号样式窗格中，对于轮廓透明度，将透明度滑块设置为 0%。
- 关闭符号样式窗格。
您希望较低的值颜色最深，以突出显示植被损失较大的田地，因此您将翻转色带颜色。
- 在计数和数量（颜色）窗格的数据范围下，单击翻转色带颜色按钮。
- 单击完成。 再次单击完成。
- 在图层窗格中，关闭除 Vegetation loss per field 之外的所有图层。
该地图将显示每块田地的平均植被损失量，受影响最严重的田地以深红色显示。
- 保存地图。
下一个可选步骤是与农业社区和其他利益相关者共享已创建的地图。
- 选择您喜欢的共享选项，然后单击完成。
在本模块中，您应用了一系列栅格函数和要素分析工具来执行变化分析并评估冰雹造成的损失。
