ArcGIS Pro 中的嵌入
嵌入是以紧凑的数学形式捕捉数据中具有意义模式、要素和关系的数值向量表示。 嵌入并非单独使用原始像素、空间要素、原始文本或几何图形来描述数据，而是将复杂的输入转换为高维向量，从而可以通过数学方式测量相似性。
在嵌入空间中，适用以下特性：
相似的特征位置更接近。
不相似的特征位置相距更远。
模式之间的关系变得可量化。
这种转换支持相似性搜索、聚类、变化检测和大规模空间分析。 由于分析是基于预计算的向量而非原始数据进行的，因此涉及诸如余弦相似度计算之类的轻量级计算。 因此，基于嵌入的工作流可以在标准 CPU 基础设施上高效运行，减少对 GPU 的依赖并降低计算成本。
嵌入
要访问嵌入功能，请执行以下操作之一：
在分析功能区选项卡上的工作流部分中，单击嵌入按钮
。 借此可访问使用 AI 模型生成嵌入工具、查找相似窗格以及合并嵌入工具。使用 GeoAI 工具箱的“基于嵌入的分析”工具集中的地理处理工具。
从数据空间到嵌入空间
在原始数据空间中，适用以下特性：
影像由像素组成。
位置由几何和空间上下文定义。
文本由单词组成，其中含义由语言和上下文定义。
要素在形状、纹理、排列或周围环境方面可能有所不同。
通过嵌入模型进行转换后，会发生以下变化：
每个要素都表示为一个固定长度的数值向量。
相似的要素在嵌入空间中自然聚在一起。
要素之间的语义相似性可以使用向量距离度量进行测量。
同样，可以为位置或文本生成嵌入，其中空间或语义相似性在嵌入空间中捕获为附近的向量。
位置嵌入
位置嵌入是地理区域的数值表示。 嵌入不是使用一个（或多个）属性（例如，人口密度、人均收入或土地覆盖类型）来描述某个位置，而是使用一个数值向量来表示该地点。
每个位置（例如点位置、县多边形、邮政编码或六边形网格）都将映射到一个多维向量。 位置嵌入不是将数值分配给与位置相关的预定义变量，而是将信息分布在嵌入的所有维度中。 分布在该向量中的信息类型取决于用于生成嵌入的模型及其训练目标。
嵌入数据要求
嵌入作为要素类进行存储。
要被视为嵌入数据集，要素类必须包含一个名为 Embedding 且类型为 Blob 的字段。 该字段存储由 AI 模型生成的数值向量表示。
嵌入支持存储在以下地理数据库格式中：
文件地理数据库
企业级地理数据库（已注册的要素类）
移动地理数据库
不支持将嵌入存储为 shapefile 或 GeoPackage 文件。
空间分析中的嵌入
嵌入支持以下功能：
跨地理空间数据集的可扩展相似性搜索。
无需手动定义规则的基于模式的检索。
发现属性中未明确定义的空间模式。
跨不同行政级别对要素进行聚合和比较。
以紧凑的向量形式高效存储丰富的空间信息。
通过将复杂的空间或视觉信息转换为结构化的数值表示，嵌入为高级地理空间 AI 工作流提供了强大的基础。