创建在线切片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。 在此情景中,该影像位于本机计算机上,您希望在 ArcGIS Online 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压缩文件,以便将其保存在您的本地计算机上。
- 下载压缩的 Corn_Fields_Imagery_data.zip 文件。
- 在计算机上找到已下载的 Corn_Fields_Imagery_data.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_data.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_data 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。
以下是影像的快速预览:第一张影像为 Before_Storm.tif,第二张影像为 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 Online,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。
- 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。
- 在开始窗口中,确保选择切片影像图层。
注:
有关 ArcGIS Online 支持的各种类型在线影像图层的详细信息,请参阅您的影像和栅格数据共享指南。
- 单击下一步。 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_data 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 Online 账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 Online 中创建任何新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 Online 账户中选择所需文件夹。
- 单击创建。
该过程随即完成。
- 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 经典版。ArcGIS Online 将提供两个地图查看器,用于查看、使用和创建地图。 有关可用和使用的地图查看器的详细信息,请参阅此常见问题解答。
本教程将使用 Map Viewer。
- 如有必要,在顶部工具栏上,单击在 Map Viewer 中打开。
新地图随即在 Map Viewer 中打开。
目前,该地图仅包含地形底图图层。 您将添加两个影像图层。
- 在图层窗格中,单击添加按钮。
- 在添加图层窗格中,确认选中我的内容。 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_YN,单击添加。
新图层将显示在地图上。
- 在结果列表中,对于 Corn_Fields_After_Storm_YN,单击添加。
- 单击返回按钮返回到图层窗格。
在图层窗格中,现在列出了两个影像图层。
提示:
(可选)为了获得更加清晰的外观,可重命名图层并移除您的姓名首字母(例如 YN)。 单击选项按钮,然后选择重命名。
在 web 地图内,可以重命名图层,而不会影响基础数据。
在本教程的剩余部分中,无需再介绍使用 YN 样式姓名首字母使每个图层具唯一性,但是这仍适用于所有生成的新图层。
在地图上,顶部影像图层 Corn_Fields_After_Storm 可见。
现在,您将对两个图像进行比较。
- 在图层窗格中,打开并关闭 Corn_Fields_After_Storm 旁的可见性按钮。 在地图上,观察两个影像图层的不同之处。
在 Corn_Fields_Before_Storm 影像中,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。
乍一看,Corn_Fields_After_Storm 影像的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。
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。
- 对于文件夹,接受默认值或选择文件夹。
- 对于标签,键入 Agriculture、Imagery、Damage assessment,然后按 Enter 键。
- 对于摘要,键入评估冰雹对 Taber - Barnwell 地区的玉米地造成的损坏。或更详细的摘要。
- 单击保存。
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,您目视浏览了这两个图层并保存了地图。
将波段组合更改为自然色
现在,您将改善影像显示。
在深入分析之前,您必须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。

首先,您将使用 Corn_Fields_Before_Storm 影像。
- 在图层窗格中,单击 Corn_Fields_After_Storm 旁的可见性按钮关闭该图层。 确保打开 Corn_Fields_Before_Storm 图层,然后单击该图层将其选中。
图层上的蓝条指示该图层已处于选中状态。
- 在设置(浅色)工具栏中,单击样式。
- 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,确认选中 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。
Corn_Fields_Before_Storm 影像将更新为自然色显示。 最引人注目的是,裸土现在为棕色。
同样,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。
- 在样式窗格的 RGB 下,选择样式选项。
- 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,确认选中 Band_2。
- 对于蓝色,选择 Band_1。
- 在样式选项窗格中,单击完成。 再次单击完成。
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,打开和关闭 Corn_Fields_After_Storm 旁的可见性按钮。 在地图上,观察两个影像图层的不同之处。
- 单击保存并打开,然后单击保存。
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。 您需要将土壤调整植被指数 (SAVI) 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 SAVI 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 SAVI 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 Online 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。
- 在栅格函数窗格的搜索栏中,输入波段算术,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。
- 对于结果类型,确认选中切片影像图层。
- 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。
接下来,您将检查此分析将消耗的配额数量。
- 在波段算术工具窗格中,单击估算配额。
根据估算结果,将消耗一个配额。
- 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。
- 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。
您现在将通过修改波段算术参数值将 SAVI 应用于 Corn_Fields_After_Storm。
- 在波段算术窗格中,对于栅格,选择 Corn_Fields_After_Storm。 对于输出名称,键入 SAVI After。
- 接受其他参数值,然后单击运行。
经过一段时间后,新结果图层将出现在图层窗格和地图上。
您将比较两个 SAVI 图层。
- 在图层窗格中,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。
- 保存地图。
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。
- 在波段算术窗格中,单击后退按钮。
- 在栅格函数窗格的搜索栏中,输入计算变化,然后按 Enter 键。 在结果列表中,单击计算变化工具将其打开。
- 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,确认选择差异。
- 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。
- 接受其他默认值,然后单击估算配额。
根据估算结果,将消耗一个配额。
- 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。
- 在地图上观察新图层。
黑色和深灰色色调表示健康植被损失(负数值)。 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正数值,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大于 0 的值。 您将在下一部分中执行此操作。
清理结果栅格并设置其样式
您将清理 Loss of healthy vegetation 栅格以消除任何表示植被小幅增长的正值。 您将使用重映射栅格函数执行此操作。 然后,您将更改栅格的样式,以便更好地查看结果。
- 在计算变化窗格中,单击后退按钮。
- 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 0。 为确保捕获所有负值,您将使用 2 作为最大值。
- 在值表的最大值列中,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 0 和 2 之间的所有栅格像元值都将更改为 NoData。
- 输入其余的参数值:
- 对于输出名称,键入 Loss of healthy vegetation cleaned。
- 对于保存到文件夹,选择一个文件夹或保留默认设置。
- 单击估算配额。
根据估算结果,将消耗一个配额。
- 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,设置以下参数值:
- 对于拉伸类型,确认选中百分比裁剪。
- 对于最小值,键入 1。
- 对于最大值,键入 1。
- 对于 Gamma,使用滑块以选择值 0.7。
- 对于配色方案,单击编辑按钮。
- 在配色方案窗口中,单击编辑按钮。
- 在重映射窗口中,向下滚动并选择亮蓝色配色方案。
- 单击完成,然后关闭配色方案窗口。 在样式选项窗格中,单击完成。 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正值。 然后,您更改了生成的栅格样式,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 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。
- 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。
- 在重映射栅格函数窗格中,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。
- 对于保存到文件夹,选择一个文件夹或保留默认设置。
- 接受所有其他默认值,然后单击估算配额。
预计消耗 1.98 个配额。
- 单击运行。
结果将为独立表,而不是图层。 您将打开表窗格。
- 在内容工具栏中,单击表。
经过一段时间后,新结果表将在表窗格中显示。 您将查看表格的内容。
- 在表窗格中,单击 Vegetation loss table 将其选中。
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 窗格。
- 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,设置以下参数值:
- 对于输出名称,键入 Vegetation loss per field。
- 对于保存到文件夹,选择一个文件夹或保留默认设置。
- 接受所有其他默认值,然后单击估算配额。
根据估算结果,将消耗 0.635 个配额。
- 单击运行。
- 在内容工具栏中,单击图层以切换回图层窗格。
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。
设置最终结果的样式并进行探索
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)下,对于符号样式,单击编辑按钮。
- 在符号样式窗格中,对于填充颜色,单击编辑按钮。 在重映射窗口中,向下滚动,选择橙色 4 色带,然后单击完成。
- 在符号样式窗格中,对于轮廓颜色,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。
- 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。
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。
访问分析历史记录。
最后,您将查看整个分析的历史记录。
- 在设置工具栏中,单击分析。
- 在分析窗格中,单击历史记录。
将列出您刚刚执行的分析的所有步骤。 可查看有关每次分析运行的详细信息,并重新打开具有之前所使用设置的分析。 可以使用分析历史记录对错误进行故障排除,重新打开具有上次运行中使用的设置的工具和栅格函数,然后记录或共享分析工作流。 查看共享 Web 地图的用户可以看到分析历史记录。
- 保存地图。
下一步为可选步骤,即在所创建的地图上更改共享权限,以将其与农业社区和其他利益相关者共享。
- (可选)在内容工具栏上,单击共享地图。
- 选择您喜欢的共享选项,然后关闭该窗口。
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和工具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。 这样可以访问冰雹造成的损坏。 最后,您学习了如何访问分析历史记录。
您可以在影像和遥感简介页面上找到更多教程。