Coconuts and coconut products are an important commodity in the Tongan economy. Plantations, such as the one in the town of Kolovai, have thousands of trees. Inventorying each of these trees by hand would require lots of time and manpower. Alternatively, tree health and location can be surveyed using remote sensing and deep learning. In this lesson, you'll use the Deep Learning tools in ArcGIS Pro to create training samples and run a deep learning model to identify the trees on the plantation. Then, you'll estimate tree health using a Visible Atmospherically Resistant Index (VARI) calculation to determine which trees may need inspection or maintenance.

To detect palm trees and calculate vegetation health, you only need ArcGIS Pro with the Image Analyst extension. To publish the palm tree health data as a feature service, you need ArcGIS Online and the Spatial Analyst extension.

In this lesson you will build skills in these areas:

• Creating training schema
• Digitizing training samples
• Using deep learning tools in ArcGIS Pro
• Calculating VARI
• Extracting data to points

Learn ArcGIS is a hands-on, problem-based learning website using real-world scenarios. Our mission is to encourage critical thinking, and to develop resources that support STEM education.

Continuing the tradition of the best-selling Getting to Know series, Getting to Know ArcGIS Pro 2.6 teaches new and existing GIS users how to get started solving problems using ArcGIS Pro. Using ArcGIS Pro for these tasks allows you to understand complex data with the leading GIS software that many businesses and organizations use every day.Getting to Know ArcGIS Pro 2.6 introduces the basic tools and capabilities of ArcGIS Pro through practical project workflows that demonstrate best practices for productivity. Explore spatial relationships, building a geodatabase, 3D GIS, project presentation, and more. Learn how to navigate ArcGIS Pro and ArcGIS Online by visualizing, querying, creating, editing, analyzing, and presenting geospatial data in both 2D and 3D environments. Using figures to show each step, Getting to Know ArcGIS Pro 2.6 demystifies complicated process like developing a geoprocessing model, using Python to write a script tool, and the creation of space-time cubes. Cartographic techniques for both web and physical maps are included.Each chapter begins with a prompt using a real-world scenario in a different industry to help you explore how ArcGIS Pro can be applied for operational efficiency, analysis, and problem solving. A summary and glossary terms at the end of every chapter help reinforce the lessons and skills learned.Ideal for students, self-learners, and seasoned professionals looking to learn a new GIS product, Getting to Know ArcGIS Pro 2.6 is a broad textbook and desk reference designed to leave users feeling confident in using ArcGIS Pro on their own.AUDIENCEProfessional and scholarly. Higher education.AUTHOR BIOMichael Law is a cartographer and GIS professional with more than a decade of experience. He was a cartographer for Esri, where he developed cartography for books, edited and tested GIS workbooks, and was the editor of the Esri Map Book. He continues to work with GIS software, writing technical documentation, teaching training courses, and designing and optimizing user interfaces.Amy Collins is a writer and editor who has worked with GIS for over 16 years. She was a technical editor for Esri, where she honed her GIS skills and cultivated an interest in designing effective instructional materials. She continues to develop books on GIS education, among other projects.Pub Date: Print: 10/6/2020 Digital: 8/18/2020 ISBN: Print: 9781589486355 Digital: 9781589486362 Price: Print: $84.99 USD Digital: $84.99 USD Pages: 420 Trim: 7.5 x 9.25 in.Table of ContentsPrefaceChapter 1 Introducing GISExercise 1a: Explore ArcGIS OnlineChapter 2 A first look at ArcGIS Pro Exercise 2a: Learn some basics Exercise 2b: Go beyond the basics Exercise 2c: Experience 3D GISChapter 3 Exploring geospatial relationshipsExercise 3a: Extract part of a dataset Exercise 3b: Incorporate tabular data Exercise 3c: Calculate data statistics Exercise 3d: Connect spatial datasetsChapter 4 Creating and editing spatial data Exercise 4a: Build a geodatabase Exercise 4b: Create features Exercise 4c: Modify featuresChapter 5 Facilitating workflows Exercise 5a: Manage a repeatable workflow using tasks Exercise 5b: Create a geoprocessing model Exercise 5c: Run a Python command and script toolChapter 6 Collaborative mapping Exercise 6a: Prepare a database for data collection Exercise 6b: Prepare a map for data collection Exercise 6c: Collect data using ArcGIS CollectorChapter 7 Geoenabling your projectExercise 7a: Prepare project data Exercise 7b: Geocode location data Exercise 7c: Use geoprocessing tools to analyze vector dataChapter 8 Analyzing spatial and temporal patternsExercise 8a: Create a kernel density map Exercise 8b: Perform a hot spot analysis Exercise 8c: Explore the results in 3D Exercise 8d: Animate the dataChapter 9 Determining suitability Exercise 9a: Prepare project data Exercise 9b: Derive new surfaces Exercise 9c: Create a weighted suitability modelChapter 10 Presenting your project Exercise 10a: Apply detailed symbology Exercise 10b: Label features Exercise 10c: Create a page layout Exercise 10d: Share your projectAppendix Image and data source credits Data license agreement GlossaryGetting to Know ArcGIS Pro 2.6 | Official Trailer | 2020-08-10 | 00:57

An ArcMap map package is a portable file that contains a map document (.mxd) as well as the data referenced by the map layers. (ArcGIS Pro map packages are similar but have different file extensions.) Even if you're not an ArcMap user, you may need at some point to bring a map document or map package into ArcGIS Pro. You don't need ArcMap software to do this tutorial.Estimated time: 20 minutesSoftware requirements: ArcGIS Pro

Daten des amtlichen Liegenschaftskatsterinformationssystems (ALKIS) - Die Bezirksgrenzen der 12 Berliner Bezirke.Quelle: Geoportal BerlinVerarbeitungsprozesse: WFS "ALKIS Bezirke" wurde in ArcGIS Pro importiert, nach Web Mercator projiziert und als Web Layer in ArcGIS Online veröffentlicht.

Daten des amtlichen Liegenschaftskatsterinformationssystems (ALKIS) - Ortsteile von Berlin.Quelle: Geoportal BerlinVerarbeitungsprozesse: WFS wurde in ArcGIS Pro als Feature Layer importiert, nach Web Mercator projiziert und als Web Layer in ArcGIS Online veröffentlicht.

Daten des amtlichen Liegenschaftskatsterinformationssystems (ALKIS) - Ortsteile von Berlin.Quelle: Geoportal BerlinVerarbeitungsprozesse: WFS wurde in ArcGIS Pro als Feature Layer importiert, nach Web Mercator projiziert und als Web Layer in ArcGIS Online veröffentlicht.

Die Grenzverläufe der Gemarkungen (Katasterbezirke) werden aus den Daten des Amtlichen Liegenschaftskatasterinformationssystems (ALKIS®) abgeleitet und sind somit parzellenscharf.Quelle: OpenData Portal der Bayerischen VermessungsverwaltungVerarbeitungsprozesse: SHP Datei in ETRS89 / UTM zone 32N wurde in ArcGIS Pro nach WebMercator projiziert und als Feature Service in ArcGIS Online veröffentlicht.

Der Adress-Datensatz enthält eine Auswahl von Sachattributen, welche in der Regel Referenzen auf andere Raumbezüge in Form von Schlüsselwerten enthalten. Diese sind:AdressID (AdressID, INT)Hausnummer ohne Zusatz (HNR, INT)Hausnummernzusatz (HNR_Zusatz, Text, 1 Zeichen)Straßenschlüssel (STR_NR Text, 5 Ziffern))Straßenname (STR_Name, Text, 100 Zeichen))Postleitzahl (PLZ, Text, 5 Ziffern)Bezirksname (BEZ_Name, Text, 50 Zeichen)Bezirksschlüssel ( BEZ_Nr, Text, 2 Ziffern)Ortsteilname (ORT_Name, Text, 50 Zeichen)Ortsteilschlüssel (ORT_Nr, Text, 4 Ziffern)LOR-Name (PLR_Name, Text, 50 Zeichen)LOR-Schlüssel ( PLR_Nr, Text, 8 Ziffern)1 - 2 = Bezirksschlüssel3 - 4 = Schlüssel Prognoseraum5 - 6 = Schlüssel Bezirksregion7 - 8 = Schlüssel PlanungsraumSchlüssel Statistischer Block (BLK, Text, 6 Ziffern), die ersten 3 Ziffern entsprechen dem Schlüssel des statistischen GebietsAufnahmedatum der Adresse (ADR_Datum, date)Aufnahmedatum der Straße (STR_Datum, date)Qualität der Adresse (Qualitaet, Text, 25 Zeichen)Qualität A = Hauskoordinate im Gebäudeumring (1000)Qualität B = Hauskoordinate innerhalb Flurstück (2000)RBS = Datensatz im Regionalen BezugssystemAdresstyp (Typ, Text, 25 Zeichen)AdressePlatz/Straße ohne HNR – Mittelpunkt von Straße oder Platz, denen keine Adresse zugeordnet istDatensatznummer HKO (gml_id, Text, 100 Zeichen)Für Straßen und Plätze ohne Hausnummer wurde der Mittelpunkt des Verkehrsobjektes generiert. Es handelt sich um keine Adresse. Bitte beachten Sie, dass sich die Regionalisierung (Postleitzahlengebiet, Bezirk etc.) ausschließlich auf den generierten Mittelpunkt bezieht. Die Zuordnungen geben keine Auskunft darüber, ob sich das Verkehrsobjekt auch zusätzlich über andere Gebiete erstreckt.Quelle: Geoportal BerlinVerarbeitungsprozesse: WFS "Adressen Berlin" wurde in ArcGIS Pro importiert, nach Web Mercator projiziert und als Web Layer in ArcGIS Online veröffentlicht.

Darstellung der in Berlin gelegenen Kleingartenanlagen.Meldung des Kleingartenbestandes durch die bezirklichen Natur- und Grünflächenämter. Datengrundlage: GRIS Berlin (Grünflächeninformations- und -managementsystem)Quelle: Geoportal BerlinVerarbeitungsprozesse: WFS Datei wurde in ArcGIS Pro importiert, nach WebMercator WGS84 projiziert und als Feature Service in ArcGIS Online veröffentlicht.

Dargestellt werden die 140 Bezirksregionen als Ebene der lebensweltlich orientierten Räume (LOR), auf die sich die Verwaltungsorganisationen der Bezirksämter ausrichten. Durchschnittlich umfaßt eine Bezirksregion 25.000 Einwohner.Quelle: Geoportal BerlinVerarbeitungsprozesse: WFS "Lebensweltlich orientierte Räume (LOR) - Bezirksregionen" wurde in ArcGIS Pro importiert, nach Web Mercator projiziert und als Web Layer in ArcGIS Online veröffentlicht.

Lage und Bezeichnung der Lichtsignalanlagen in Berlin.Datengrundlage: Fachsystem der Verkehrslenkung Berlin für LichtsignalanlagenQuelle: Geoportal BerlinVerarbeitungsprozesse: WFS wurde in ArcGIS Pro importiert, nach Web Mercator projiziert und als Web Layer in ArcGIS Online veröffentlicht.

Bei den Hausumringen handelt es sich um die georeferenzierten Umringpolygone (Vektordaten) der Gebäudegrundrisse des Liegenschaftskatasters.Quelle: OpenData Portal der Bayerischen VermessungsverwaltungVerarbeitungsprozesse: SHP Datei in ETRS89 / UTM zone 32N wurde in ArcGIS Pro nach WebMercator projiziert und als Feature Service in ArcGIS Online veröffentlicht.

Alle örtlich beschilderten Mountainbikewege in Bayern. Die Bereitstellung erfolgt für die Landesfläche Bayerns, d. h. überregionale Mountainbikewege enden an der Bayerischen Landesgrenze.QuelleOpenData Portal der Bayerischen StaatsregierungVerarbeitungsprozesseSHP Datei in ETRS89 / UTM zone 32N wurde in ArcGIS Pro nach WebMercator projiziert und als Feature Service in ArcGIS Online veröffentlicht.

Der Datensatz beinhaltet die geografische Verteilung der gewerbetreibenden Unternehmen des Landes Berlin, nach Branche, Beschäftigtenklasse, Alter des Unternehmens und Rechtsform. Die Daten stellen die von der IHK erfassten, aktiven Gewerbetreibenden Berlins (Hauptsitze und Filialen) dar. Übersicht der Wirtschaftszweige und zugehöriger WahlgruppenQuelle: Berlin Open DataVerarbeitungsprozess: CSV-Tabelle wurde in ArcGIS Pro anhand der XY-Werte nach als Punkte-Feature-Klasse transformiert, nach Web Mercator projiziert und als Web Layer in ArcGIS Online veröffentlicht.

Die Flurgrenzen des Liegenschaftskatasters haben folgende Attribute:• GmkNr – Gemarkungsschlüssel• Gemarkung – langschriftlicher Gemarkungsname• Flur – Nummer der Flur• KNr – Nummer des Landkreises• Kreis – langschriftlicher Kreisname• GmdNr – Gemeindeschlüssel• Gemeinde – langschriftlicher Gemeindename• Stand – Aktualitätsstand Quelle: Kostenfreie Geobasisdaten des LVermGeo LSAVerarbeitungsprozess: Gezippte SHP Dateien in ETRS89_UTM32 wurden in ArcGIS Pro zusammengeführt, nach WebMercator projiziert und als Feature Service in ArcGIS Online veröffentlicht.

Das Basis-DLM beschreibt die Landschaft in Form von topographischen Objekten und stellt einen präsentationsneutralen, objektbasierten Vektordatenbestand dar.Quelle: Geobasis NRWVerarbeitungsprozesse: SHP Dateien wurden in ArcGIS Pro nach WebMercator projiziert und als Feature Service in ArcGIS Online veröffentlicht.

Manually digitizing the track of an object can be a slow process. This model automates the object tracking process significantly, and hence speeds up motion imagery analysis workflows. It can be used with the Motion Imagery Toolset found in the Image Analyst extension to track objects. The detailed workflow and description of the object tracking capability in ArcGIS Pro can be found here.This model can be used for applications such as object follower and surveillance of stationary objects. It does not perform very well in case there are sudden camera shakes or abrupt scale changes.Using the modelFollow the guide to use the model. The model can be used with the Motion Imagery tools in ArcGIS Pro 2.8 and onwards. Before using this model, ensure that the supported deep learning libraries are installed. For more details, check Deep Learning Libraries Installer for ArcGIS. Fine-tuning the modelThis model cannot be fine-tuned using ArcGIS tools.InputObject to track marked as a bounding box in 8-bit, 3-band high resolution full motion video / motion imagery. Recommended object size is greater than 15x15 (in pixels).OutputBounding box depicting object location in successive frames.Applicable geographiesThis model is expected to work well in all regions globally for any generic-type of objects of interest. However, results can vary for motion imagery that are statistically dissimilar to the training data.Model architectureThis model uses the SiamMask model architecture implemented in ArcGIS API for Python.Accuracy metricsThe model has an average precision score of 0.853. Training dataThe model was trained using image sequences from the DAVIS dataset licensed under CC BY 4.0 license, and further fine-tuned on aerial motion imagery.Sample resultsHere are a few results from the model.

Die Reisezentren enthalten eine Liste der Verkaufsstellen inkl. Adressen, Koordinaten und Öffnungszeiten.Dieser Datenbestand kann Fehler enthalten und/oder unvollständig sein. DB Vertrieb GmbH übernimmt keine Haftung und leistet keinerlei Gewähr.Quelle: Open Data der Deutsche Bahn AG.Verarbeitungsprozesse: CSV Datei wurde in ArcGIS Pro importiert, georeferenziert, nach WebMercator projiziert und als Feature Service in ArcGIS Online veröffentlicht.

Hauskoordinaten auf Grundlage des ALKIS mit Ortsinformationen.Quelle: Datensatz Hauskoordinaten Thüringen von Geoportal ThVerarbeitungsprozesse: TXT Datei in ArcGIS Pro geocodiert, von UTM ETRS89 nach WebMercator WGS84 projiziert und als Feature Service in ArcGIS Online veröffentlicht.

Das Basis-DLM beschreibt die Landschaft in Form von topographischen Objekten und stellt einen präsentationsneutralen, objektbasierten Vektordatenbestand dar.Quelle: Geobasis NRWVerarbeitungsprozesse: SHP Dateien wurden in ArcGIS Pro nach WebMercator projiziert und als Feature Service in ArcGIS Online veröffentlicht.