创建在线切片影像图层并将其添加至 web 地图
警告：
本教程将使用 Map Viewer 经典版。Map Viewer 经典版 是 Map Viewer 的前导版本。 某些功能在 Map Viewer 中尚不可用。 对于以下工作流，建议您使用 Map Viewer 经典版，直到未来版本的 Map Viewer 支持这些工作流为止。
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，您将创建在线切片影像图层，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。
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：
开始下载前，根据 web 浏览器的不同，系统可能会提示您选择文件的位置。 大多数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。
创建在线切片影像图层
现在，您需要将这两个图像上传到 ArcGIS Enterprise，由此创建在线切片影像图层。
- 登录到您的 ArcGIS 组织帐户。
注：
如果您没有组织帐户，请参阅软件访问权限选项。
本教程将使用 Map Viewer 经典版。
- 打开 ArcGIS Enterprise。 在顶栏上，单击登录，然后登录您的 ArcGIS Enterprise 帐户。
- 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，选择多个影像图层。
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 帐户中的图像易于识别和检索。
- 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 中创建任何新影像或要素类图层时，您需要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，然后按 Enter 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 帐户中选择所需文件夹。
- 单击创建。
该过程随即完成。
- 在顶部功能区中，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，您创建了两个在线切片影像图层。 接下来，您将创建一个 web 地图并在其中显示两个影像图层。
使用切片影像图层创建 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。
注：
根据您的组织和用户设置，您可能已打开 Map Viewer 或 Map Viewer 经典版。ArcGIS Enterprise 将提供两个地图查看器，用于查看、使用和创建地图。 有关可用和要使用的地图查看器的详细信息，请参阅常见问题解答。
本教程将使用 Map Viewer 经典版。
- 如有必要，在顶部工具栏上，单击在 Map Viewer Classic 中打开。
新地图随即在 Map Viewer 经典版 中打开。
- 在侧边栏中，单击内容。
目前，该地图仅包含地形底图图层。
- 在功能区上，单击 Add，然后选择 Search for Layers。
- 在内容搜索窗格中，确保选择我的内容。 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_，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_，单击添加。
- 单击返回以返回到内容窗格。
在内容窗格中，现在列出了两个影像图层。
注：
即使影像的图层名称包含下划线 (_)，但是显示在内容窗格中时，它们将不含下划线 (_)。
- 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。
您将重命名该图层，移除您的姓名缩写（例如，YN）以获得更加清晰的外观。
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。
- 在内容窗格中，指向 Corn Fields Before Storm YN，单击更多选项，然后选择重命名。
- 在重命名窗口中，将 Corn_Fields_Before_Storm_YN 重命名为 Corn_Fields_Before_Storm，然后单击确定。
在内容窗格中，该图层现在显示为 Corn Fields Before Storm。
- 类似地，将 Corn Fields After Storm YN 重命名为 Corn Fields After Storm。
注：
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。
现在，您将对两个图像进行比较。
- 在内容窗格中，选中并取消选中 Corn Fields After Storm 图层旁的复选框以打开并关闭该图层。 在地图上，观察两个影像图层的不同之处。
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。
- 在内容窗格中，取消选中 Corn Fields After Storm 旁的复选框以关闭该图层。 确保打开 Corn Fields Before Storm。
- 在内容窗格中，指向 Corn Fields Before Storm，单击更多选项，然后选择图像显示。
- 在图像显示窗格中的 RGB 合成下，选择以下值：
- 单击 Band_1 旁的下拉箭头并选择 Band_3。
- 单击 Band_3 旁的下拉箭头并选择 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。
- 单击应用，然后单击关闭。
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。
- 在内容窗格中，选中 Corn Fields After Storm 旁的复选框以打开该图层。
- 在内容窗格中，指向 Corn Fields After Storm，单击更多选项，然后选择图像显示。
- 在图像显示窗格中的 RGB 合成下，将图层更新为 Band_3、Band_2 和 Band_1。 单击应用，然后单击关闭。
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。
- 在内容窗格中，选中并取消选中 Corn Fields After Storm 图层旁的复选框以打开并关闭该图层，并观察两个图层之间的差异。
接下来，您需要保存地图。
- 在功能区上，单击保存然后选择保存。
- 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。
- 单击保存地图。
在本模块中，您创建了在线切片影像图层，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。
- 在功能区中，单击分析。 在执行分析窗格中，单击栅格分析。
- 在栅格分析窗格中，单击浏览栅格函数模板。
- 在自定义分析工具和栅格函数窗口的搜索框中，键入 Arithmetic。
- 在结果列表中，对于波段算术，单击选择。
波段算术栅格函数将在侧窗格中打开。
- 输入以下波段算术参数值：
- 在选择输入数据并设置参数下，对于栅格，选择 Corn_Fields_Before_Storm。
- 对于方法，选择 SAVI。
- 对于波段指数，键入 B4 B3 0.5。
- 在结果图层名称下，键入 SAVI Before。
- 对于将结果保存在，选择一个文件夹或保留默认值。
- 取消选中使用当前地图范围。
注：
对于波段指数参数，键入 B4 B3 0.5 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。
- 单击显示预览。
几分钟后，将显示预览。 预览效果令人满意，因此您将继续运行该工具以生成结果图层。
- 单击运行分析。
一段时间后，新结果图层将出现在内容窗格和地图上。
- 在地图上，查看新图层。
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。
- 在功能区中，单击分析。 在执行分析窗格中，单击栅格分析。 在栅格分析窗格中，单击浏览栅格函数模板。
- 在自定义分析工具和栅格函数窗口的搜索框中，键入 Arithmetic。 在结果列表中，对于波段算术，单击选择。
波段算术栅格函数将在侧窗格中打开。
- 输入以下波段算术参数值：
- 在选择输入数据并设置参数下，对于栅格，选择 Corn_Fields_After_Storm。
- 对于方法，选择 SAVI。
- 对于波段指数，键入 B4 B3 0.5。
- 在结果图层名称下，键入 SAVI After。
- 对于将结果保存在，选择一个文件夹或保留默认值。
- 取消选中使用当前地图范围。
- 单击运行分析。
一段时间后，新结果图层将出现在内容窗格和地图上。
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。
SAVI Before（左）和 SAVI After（右）。 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。
- 在功能区上，保存该地图。
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。
- 在功能区中，单击分析。 在执行分析窗格中，单击栅格分析。 在栅格分析窗格中，单击浏览栅格函数模板。
- 在自定义分析工具和栅格函数窗口的搜索框中，键入 Compute Change。 在结果列表中，对于计算变化，单击选择。
计算变化栅格函数将在侧窗格中打开。
- 输入以下计算变化参数值：
- 在选择输入数据并设置参数下，对于自栅格，选择 SAVI_After。
- 对于至栅格，选择 SAVI_Before。
- 对于计算变化方法，确认选择差异。
- 在结果图层名称下，键入 Loss of healthy vegetation。
- 对于将结果保存在，选择一个文件夹或保留默认值。
- 取消选中使用当前地图范围。
- 单击显示预览切换按钮。
几分钟后，将显示预览，其效果令人满意。
- 单击运行分析。
一段时间后，新结果图层将出现在内容窗格和地图上。
- 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。
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。
- 在功能区中，单击分析。 在执行分析窗格中，单击栅格分析。 在栅格分析窗格中，单击浏览栅格函数模板。
- 在自定义分析工具和栅格函数窗口的搜索框中，键入 Remap。 在结果列表中，对于重映射，单击选择。
重映射栅格函数将在侧窗格中打开。 您将输入参数值。
- 在选择输入数据并设置参数下，确认已将栅格设置为 Loss_of_healthy_vegetation。
您将使用重映射规则表示栅格中的所有负值都应更改为 0。 为确保捕获所有负值，您将使用 -2 作为最小值。
- 在值表的最小值列中，单击 0 单元格。 输入 -2，然后按 Enter 键。
- 在表的第一行中，选中 NoData 框。
介于 -2 和 0 之间的所有栅格像元值都将更改为 NoData。
- 输入其余的参数值：
- 在结果图层名称下，键入 Loss of healthy vegetation cleaned。
- 对于将结果保存在，选择一个文件夹或保留默认值。
- 取消选中使用当前地图范围。
- 单击显示预览切换按钮。
几分钟后，将显示预览，其效果令人满意。
- 单击运行分析。
一段时间后，新结果图层将出现在内容窗格和地图上。 您将更改其符号系统，以便更好地查看结果。
- 在内容窗格中，关闭除 Loss of healthy vegetation cleaned 之外的所有图层。
- 在内容窗格中，指向 Loss of healthy vegetation cleaned，单击更多选项，然后选择图像显示。
- 在图像显示窗口中，选择以下参数值：
- 对于拉伸类型，选择百分比裁剪。
- 在修剪极端像素值下，对于排除顶部，键入 1。
- 在修剪极端像素值下，对于排除底部，键入 1。
- 对于 Gamma，使用滑块以选择值 1.25。
- 对于色带，选择亮蓝色渐变色带。
- 单击应用。
地图随即更新。
在新图层中，深紫色阴影表示健康植被的损失量更大。 空区域表示健康植被未损失。
- 在图像显示窗格中，单击关闭。
- 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。
- 在功能区中，单击添加按钮并选择搜索图层。
- 在内容搜索窗格中，单击我的内容下拉箭头并选择 ArcGIS Online。 在搜索栏中，键入 Taber field boundaries owner:Learn_ArcGIS。
- 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。
- 单击返回。
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。
- 在功能区中，单击分析。 在执行分析窗格中，单击栅格分析。
- 在栅格分析窗格中，展开汇总数据，然后选择以表格显示分区统计。
该栅格函数随即出现。
- 在栅格函数窗格中，输入以下以表格显示分区统计参数值：
- 对于选择区域栅格或要素，选择 Taber field boundaries。
- 对于区域字段，确认选择 Field_ID。
- 对于选择值栅格，选择 Loss_of_healthy_vegetation_cleaned。
- 对于在计算中忽略 NoData，确认选中忽略复选框。
- 对于统计类型，选择平均值。
- 对于结果表名称，键入 Vegetation loss table。
- 取消选中使用当前地图范围。
- 单击运行分析。
一段时间后，新结果表随即出现。 这是一个独立表，而非图层。 您将查看表格的内容。
- 在内容窗格中，指向 Vegetation loss table，然后单击显示表格。
随即打开表。 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。
现在，您需要使用公共 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。
- 在功能区中，单击分析。
- 在执行分析窗格中，单击要素分析。
- 在要素分析窗格中，展开汇总数据，然后选择连接要素。
该工具随即打开。
- 在连接要素窗格中，输入以下参数值：
- 对于选择目标图层，选择 Taber field boundaries。
- 对于选择要连接到目标图层的图层，选择 Vegetation_loss_table。
- 对于选择连接类型，单击选择要匹配的字段。
- 对于目标字段，选择 Field_ID。
- 对于连接字段，选择 Field_ID。
- 对于选择连接操作，确认选择一对一连接。
- 对于结果图层名称，键入 Vegetation loss per field。
- 取消选中使用当前地图范围。
- 单击运行分析。
一段时间后，新结果图层随即出现。 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图层进行符号化。 然后，您将观察最终地图。
- 在内容窗格中，指向 Vegetation loss per field，然后单击更改样式。
- 在更改样式窗格中，对于选择要显示的属性，选择平均值。
- 在选择绘制样式下，对于计数和数量（颜色），单击选项。
- 对于平均值，单击符号。
- 在符号窗口中，选择以下选项：
- 对于填充，向下滚动，然后选择奶油色到深红色渐变色带。
- 将透明度滑块设置为 0%。
- 单击 Outline。 在轮廓选项卡上，选择以下选项：
- 在调色板中，选择深灰色。
- 将透明度滑块设置为 0%。
- 单击确定。 在更改样式窗格中，单击确定。 单击完成。
- 在内容窗格中，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。
损失最严重的田地显然集中在之前观察到的同一西北至东南轴上。 损失最低的田地主要集中在右上角和左下角。
您可能会观察到一些损失程度不同的邻近田地。 这可能有很多原因。 例如，冰雹对不同类型的农作物的影响可能有所不同。 此外，如果两块田地种植完全相同的农作物，但农作物的成熟度不同，影响也会不同。
地图对冰雹造成的损失提供了初步评估。 其可用于指导更详细的地面检查。
- 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。
- 或者，在功能区中，单击共享。
- 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。
开发可重用栅格函数模板
在上一模块中，您逐个手动运行了每个栅格函数以执行变化分析。 但是，通过将 ArcGIS Enterprise 和 ArcGIS Image Server 配合使用，您还可以自动化此类工作流：可以将所有栅格函数相互链接，然后将其封装在可以像单个工具一样运行的栅格函数模板中。 构建栅格函数模板后，您将能够多次重用该模板，由此将其应用于不同的研究区域或者您将来可能会获取的新影像。
在本模块中，您将创建一个栅格函数模板，用于执行以下操作：
- 将 SAVI 指数应用于前后图像（使用波段算术函数）。
- 计算两个 SAVI 图层之间的差异（使用计算变化函数）。
- 清理差异栅格以移除不相关的值（使用重映射函数）。
- 输出用于量化植被损失的结果栅格。
开始构建栅格函数模板
您将开始创建栅格函数模板。
- 在内容窗格中，关闭 Vegetation loss per field 图层。 打开 Corn Fields Before Storm 和 Corn Fields After Storm。
- 在功能区中，单击分析。 在执行分析窗格中，单击栅格分析。
- 在栅格分析窗格中，单击创建栅格函数模板以执行复杂的处理和分析。
随即显示函数编辑器。 您将在此处创建您的变化分析栅格函数模板。 您将向模板添加第一个栅格函数：波段算术。
- 在栅格函数窗格中，确认已选择系统。 在搜索栅格函数框中，键入 Arithmetic 并按 Enter 键。
- 对于波段算术，单击添加函数。
波段算术函数随即出现在编辑窗口中。
您现在将选择波段算术设置，以用于计算 SAVI 指数。
- 在编辑窗口中，双击波段算术元素以打开属性窗口。
- 在波段算术属性窗口中，选择以下参数值：
- 对于方法，选择 SAVI。
- 对于波段指数，键入 B4 B3 0.5。
现在，您将为该函数指定一个信息丰富的名称。 此函数将专门用于处理之前的影像，因此您将其命名为 SAVI Before。
- 单击常规选项卡。 对于名称，键入 SAVI Before。
接下来，您将选择函数的输入设置。
- 单击变量选项卡，然后在栅格行的名称下，将 Raster 替换为 Before raster。 在同一行中，单击 IsPublic。
您声明了栅格输入为公共，这意味着它将在工具中公开，并且用户可以选择应进入该输入的影像图层。
- 单击确定。
编辑窗口随即进行更新，将显示 SAVI Before 元素。
您现在将添加第二个波段算术元素以计算之后影像上的 SAVI。
- 在栅格函数窗格中，对于波段算术，单击添加函数。
- 在编辑窗口中，双击波段算术元素以打开属性窗口。
- 在波段算术属性窗口中，选择以下参数值：
- 对于方法，选择 SAVI。
- 对于波段指数，键入 B4 B3 0.5。
- 单击常规选项卡。 对于名称，键入 SAVI After。
- 单击变量选项卡，然后在栅格行的名称下，将 Raster 替换为 After raster。 在同一行中，单击 IsPublic。
- 单击确定。
编辑窗口随即进行更新，将显示 SAVI Before 和 SAVI After 元素。
- 在编辑窗口的顶部，单击自动布局。
编辑窗口将以令人愉悦的顺序组织所有元素。
在本部分中，您开始了构建栅格函数模板。
完成并运行栅格函数模板
您将向栅格函数模板添加更多函数并保存该模板。 然后，您将在影像上运行该模板。 首先，您将向编辑器窗口添加计算变化函数，然后将其连接到 SAVI Before 和 SAVI After 函数。
- 在栅格函数窗格中，搜索 Compute Change。 在结果列表中，对于计算变化，单击添加函数以将其添加至编辑窗口。
计算变化函数随即出现。 您将从两个波段算术函数到计算变化绘制箭头，以指示这两个函数的输出应用作计算变化的输入。
- 在编辑窗口中进行拖动，从 SAVI After 到 Compute Change 绘制一个箭头，指向 From Raster 输入。
- 以类似方式进行拖动，从 SAVI Before 到 Compute Change 绘制一个箭头，指向 To Raster 输入。
- 在编辑窗口的顶部，单击自动布局。
现在，SAVI After 和 SAVI Before 均已连接到 Compute Change。
- 双击 Compute Change 元素以检查其属性。 检查计算变化方法是否为 Difference。 单击确定。
现在，您需要将重映射函数添加至栅格函数模板。
- 在栅格函数窗格中，搜索 Remap。 在结果列表中，对于重映射，单击添加函数以将其添加至编辑窗口。
- 在编辑窗口中进行拖动，从 Compute Change 到 Remap 绘制一个箭头。
Compute Change 输出将用作 Remap 的输入。
- 双击重映射元素以打开属性窗口。
与之前在手动工作流中一样，您需要移除负值。
- 在重映射属性窗口中，在表的第一行中，对于最小值，键入 -2。 对于最大值和输出，接受默认值 0。 选中 NoData。
- 单击常规选项卡。 对于名称，键入 Clean up。 单击确定。
- 在编辑窗口的顶部，单击自动布局。
该布局将进行更新。
栅格函数模板现已准备就绪。 您将保存该模板并为其命名。
- 在编辑窗口底部，单击保存。
- 在保存窗口中，设置以下参数值：
- 对于标题，键入 Compute loss of healthy vegetation。
- 对于类型，确认选择 Mosaic。
- 对于标签，键入 Agriculture、Imagery、SAVI、Damage assessment，然后按 Enter 键。
- 对于文件夹，接受默认值或选择所需文件夹。
- 对于共享，确认级别设置为所有者。
- 单击保存。
成功窗口随即出现。
注：
在成功窗口中，一条消息将指向存储栅格函数模板的位置。 如果您单击此链接，则会将其作为常规 ArcGIS Enterprise 项目进行查看。
现在，您将在当前 Hail damage in corn fields web 地图中的影像上应用该模板。
- 在成功窗口中，单击确定。 在函数编辑器中，单击确定以关闭函数编辑器并返回到您的 web 地图。
在 web 地图中，栅格函数模板将显示在地图旁边。 可以针对您的数据使用此模板。
注：
如果您希望随时返回编辑栅格函数模板，则可以单击地图底角的微型窗口。 完成操作后，单击确定。
- 在计算健康植被损失窗格中，输入以下参数值：
- 对于 SAVI After，选择 Corn_Fields_After_Storm。
- 对于 SAVI Before，选择 Corn_Fields_Before_Storm。
- 对于结果图层名称，键入 Loss of healthy vegetation cleaned 2。
- 取消选中使用当前地图范围。
注：
您正在选择图层名称 Loss of healthy vegetation cleaned 2 以区别于之前生成的 Loss of healthy vegetation cleaned 图层。
- 单击显示预览切换按钮。
预览随即出现。
预览效果令人满意，因此您将继续运行该工具以生成结果图层。
- 单击运行分析。
一段时间后，新结果图层将出现在内容窗格和地图上。 通过运行 Compute loss of healthy vegetation 模板，您已直接从原始影像图层转至 Loss of healthy vegetation cleaned 2 图层。 请注意，Loss of healthy vegetation cleaned 和 Loss of healthy vegetation cleaned 2 相同，这正是您所期望的。
注：
此栅格函数模板仅关注工作流的栅格分析部分。 或者，您可以手动应用工作流的最后步骤：符号化 Loss of healthy vegetation cleaned 2，应用以表格显示分区统计和连接要素，然后符号化最终结果。 您应获得一个与 Vegetation loss per field 图层相同的图层。
将来，您可以将此相同的栅格函数模板应用于其他影像。 要从新的 web 地图中检索此栅格函数模板，您需要执行以下操作： 在功能区上，单击分析、栅格分析和浏览栅格函数模板。 在自定义分析工具和栅格函数窗口中，单击系统旁的向下箭头并选择我的内容。 在栅格函数模板列表中，找到 Compute loss of healthy vegetation 模板。
- 保存地图。
在本教程中，您创建了两个在线切片影像图层，在 web 地图中显示了图层，更改了其波段组合，并直观地对其进行了检查。 然后，您使用多个栅格函数对影像执行了变化分析，并获得了每块田地健康植被的平均损失。 最后，您构建了一个栅格函数模板以自动执行栅格分析工作流并使其易于重复。
您可以在影像和遥感简介页面上找到更多此类教程。
