Fabric Maps-lag

Fabric Maps visualiserer rumlige data gennem lag, hvor hvert lag repræsenterer et særskilt datasæt, forespørgselsresultat eller billedkilde, der er gengivet på et kort. Lag er de primære byggesten i et kort og giver dig mulighed for at kombinere realtidsbegivenheder, historiske rumlige data og billeder i et enkelt, interaktivt geografisk overblik. Hvert lag konfigureres, styles og kontrolleres uafhængigt, hvilket gør det muligt for dig at fremhæve forskellige rumlige aspekter af dine data – såsom placering, bevægelse, grænser eller tæthed – inden for det samme kort.

Hvad er et lag?

Et lag repræsenterer et logisk sæt rumlig information, der vises på et kort. Lag kan visualisere:

• Vektordata afledt af forespørgsler eller filer (punkter, linjer og polygoner)
• Billeddata, der giver rasterkontekst under vektorlag

Lagene gengives sammen i et enkelt kortlærred og kan omarrangeres, vises eller skjules, og styles uafhængigt.

Bemærkning

Et Fabric-kort kan indeholde flere lag af forskellige typer, hvilket gør det muligt at kombinere realtids- og historiske data med geografisk kontekst i én visning.

Typer af lag i Fabric Maps

Fabric Maps understøtter to primære kategorier af lag:

Vektordatalag

Vektorlag visualiserer diskrete rumlige træk og bruges typisk til at repræsentere enheder, ruter eller geografiske områder. Afhængigt af den underliggende geometri kan vektorlag vise:

Punkter, såsom aktivers placeringer eller indkommende begivenheder Linjer, såsom stier, ruter eller baner Polygoner, såsom serviceområder, grænser eller zoner

Vektorlag kan hentes fra:

• Eventhouses, der bruger Kusto Query Language (KQL) til realtids- eller næsten realtidsdata
• Lakehouses, hvor man bruger lagrede rumlige filer til historiske eller referencedata

Vektorlag understøtter styling, filtrering, mærkning og interaktion for at fremhæve mønstre og relationer i dine data.

Billedlag

Billedlag giver rasterkontekst til dit kort og gengives under vektorlag. Disse lag hjælper brugerne med at fortolke rumlige mønstre ved at vise det fysiske eller tematiske miljø, hvor begivenhederne finder sted.

Fabric Maps understøtter billedlag fra følgende kilder:

• Indbyggede basemaps drevet af Azure Maps, inklusive satellit- og hybridkortstilene, som giver global billeddækning.
• Brugerdefinerede billeder gemt i OneLake, såsom Cloud Optimized GeoTIFF (COG)-filer.
• Eksterne billedkilder, såsom WMS og WMTS-tjenester.

Billedlag kan omarrangeres, slås til og til og med med vektorlag ved hjælp af opacitetskontroller.

Tips

Brug billedlag til at give geografisk kontekst—såsom terræn, satellitbilleder eller tematiske rasterdata—samtidig med at du holder analytisk fokus på vektorlag, der repræsenterer dine operationelle data.

Hvordan lagene arbejder sammen

Lagene gengives i en defineret rækkefølge, så du kan stable billeder og vektordata for at skabe meningsfulde rumlige visualiseringer. Almindelige mønstre inkluderer:

• Brug af billedlag som baggrund for realtidsdata om begivenheder
• At lægge historiske referencegrænser oven på live driftsstrømme
• Kombinering af flere vektorlag for at sammenligne forskellige datasæt i samme geografiske rum

Fordi hvert lag er konfigureret uafhængigt, kan du opdatere, filtrere eller style ét lag uden at påvirke andre.

Tips

At duplikere et lag er en hurtig måde at skabe alternative visninger af de samme data med forskellig styling eller filtre.

Begrænsning: Når du duplikerer et lag, der indeholder punktdata, deles klyngeindstillingen mellem det oprindelige lag og det duplikerede lag. Hvis klyngedannelse er aktiveret eller deaktiveret i det ene lag, anvendes ændringen automatisk på det andet.

Lag i realtidsintelligensløsninger

I Real-Time Intelligence-scenarier gør lagene det muligt for Fabric Maps at fungere som et visuelt endepunkt for streaming af analyse-workflows. Realtidslag kan opdateres, efterhånden som nye data ankommer, mens statiske lag giver geografisk kontekst og referenceinformation.

Denne lagdelte tilgang gør det muligt at overvåge live-begivenheder, analysere rumlige mønstre og korrelere realtidsaktivitet med kendte steder eller regioner.

Næste trin

Opret lag ved hjælp af WMS- og WMTS-billedkilder

Datafiltrering