チュートリアル: 地理空間視覚エフェクトを作成する
適用対象: ✅Microsoft Fabric✅Azure データ エクスプローラー✅Azure Monitor✅Microsoft Sentinel
このチュートリアルは、地理空間の視覚化に Kusto 照会言語 (KQL) を使用する場合に使用します。 地理空間クラスタリングは、地理的な場所に基づいてデータを整理および分析する方法です。 KQL には、 地理空間クラスタリング および 地理空間視覚化用のツールを実行するための複数の方法が用意されています。
このチュートリアルで学習する内容は次のとおりです。
前提条件
次のクエリを実行するには、サンプル データにアクセスできるクエリ環境が必要です。 次のいずれかを使用します。
- Microsoft アカウントまたは Microsoft Entra ユーザー ID
- Fabric ワークスペース Microsoft Fabric 対応の capacity
マップ上にポイントをプロットする
マップ上のポイントを視覚化するには、 project を使用して、経度を含む列と緯度を含む列を選択します。 次に、 レンダリング を使用して、 kind が mapに設定された散布図で結果を確認します。
StormEvents
| take 100
| project BeginLon, BeginLat
| render scatterchart with (kind = map)
複数の一連のポイントをプロットする
複数の一連のポイントを視覚化するには、 project を使用して経度と緯度を選択し、3 番目の列を選択して系列を定義します。
次のクエリでは、系列は EventType。 ポイントは EventTypeに応じて異なる色付けされ、選択すると EventType 列の内容が表示されます。
StormEvents
| take 100
| project BeginLon, BeginLat, EventType
| render scatterchart with (kind = map)
renderを実行するときに、xcolumn (経度)、ycolumn (緯度)、およびseriesを明示的に指定することもできます。 この仕様は、経度、緯度、系列の列よりも多くの列がある場合に必要です。
StormEvents
| take 100
| render scatterchart with (kind = map, xcolumn = BeginLon, ycolumns = BeginLat, series = EventType)
GeoJSON 値を使用してマップ上にポイントをプロットする
動的 GeoJSON 値は変更または更新でき、多くの場合、リアルタイム マッピング アプリケーションに使用されます。 動的 GeoJSON 値を使用してポイントをマッピングすると、プレーンな緯度と経度の値では不可能な可能性がある、マップ上のデータの表現をより柔軟に制御できます。
次のクエリでは、 geo_point_to_s2cell と geo_s2cell_to_central_point を使用して、散布図の Storm イベントをマップします。
StormEvents
| project BeginLon, BeginLat
| summarize by hash=geo_point_to_s2cell(BeginLon, BeginLat, 5)
| project point = geo_s2cell_to_central_point(hash)
| project lng = toreal(point.coordinates[0]), lat = toreal(point.coordinates[1])
| render scatterchart with (kind = map)
可変サイズのバブルを使用してデータ ポイントを表す
各クラスターで集計を実行し、クラスターの中心点をプロットすることで、データ ポイントの分布を視覚化します。
たとえば、次のクエリでは、"Tornado" イベントの種類のすべての Storm イベントをフィルター処理します。 その後、経度と緯度に基づいてイベントをクラスターにグループ化し、各クラスター内のイベントの数をカウントし、クラスターの中心点を投影し、結果を視覚化するためにマップをレンダリングします。 最も竜巻が多い領域は、大きなバブル サイズに基づいて明確に検出されます。
StormEvents
| where EventType == "Tornado"
| project BeginLon, BeginLat
| where isnotnull(BeginLat) and isnotnull(BeginLon)
| summarize count_summary=count() by hash = geo_point_to_s2cell(BeginLon, BeginLat, 4)
| project geo_s2cell_to_central_point(hash), count_summary
| extend Events = "count"
| render piechart with (kind = map)
特定の領域内のポイントを表示する
多角形を使用して領域を定義し、 geo_point_in_polygon 関数を使用して、その領域内で発生するイベントをフィルター処理します。
次のクエリでは、南カリフォルニアリージョンを表す多角形と、このリージョン内の Storm イベントのフィルターを定義します。 次に、イベントをクラスターにグループ化し、各クラスター内のイベントの数をカウントし、クラスターの中心点を投影して、クラスターを視覚化するためのマップをレンダリングします。
let southern_california = dynamic({
"type": "Polygon",
"coordinates": [[[-119.5, 34.5], [-115.5, 34.5], [-115.5, 32.5], [-119.5, 32.5], [-119.5, 34.5]]
]});
StormEvents
| where geo_point_in_polygon(BeginLon, BeginLat, southern_california)
| project BeginLon, BeginLat
| summarize count_summary = count() by hash = geo_point_to_s2cell(BeginLon, BeginLat, 8)
| project geo_s2cell_to_central_point(hash), count_summary
| extend Events = "count"
| render piechart with (kind = map)
LineString で近くのポイントを表示する
次のクエリは、定義されたパスを表す、指定された LineString に沿って発生する近くの Storm イベントを検索します。 この場合、LineString はキーウエストへの道です。 geo_distance_point_to_line()関数は、定義済みの LineString との近接性に基づいて Storm イベントをフィルター処理するために使用されます。 イベントが LineString から 500 メートル以内にある場合、イベントはマップ上にレンダリングされます。
let roadToKeyWest = dynamic({
"type":"linestring",
"coordinates":[
[
-81.79595947265625,
24.56461038017685
],
[
-81.595458984375,
24.627044746156027
],
[
-81.52130126953125,
24.666986385216273
],
[
-81.35650634765625,
24.66449040712424
],
[
-81.32354736328125,
24.647017162630366
],
[
-80.8099365234375,
24.821639356846607
],
[
-80.62042236328125,
24.93127614538456
],
[
-80.37872314453125,
25.175116531621764
],
[
-80.42266845703124,
25.19251511519153
],
[
-80.4803466796875,
25.46063471847754
]
]});
StormEvents
| where isnotempty(BeginLat) and isnotempty(BeginLon)
| project BeginLon, BeginLat, EventType
| where geo_distance_point_to_line(BeginLon, BeginLat, roadToKeyWest) < 500
| render scatterchart with (kind=map)
ポリゴン内の近くのポイントを表示する
次のクエリでは、指定した多角形内で発生する近くの Storm イベントを検索します。 この場合、多角形はキーウェストへの道です。 geo_distance_point_to_polygon()関数は、定義されたポリゴンへの近接性に基づいて Storm イベントをフィルター処理するために使用されます。 イベントが多角形の 500 メートル以内にある場合、イベントはマップ上にレンダリングされます。
let roadToKeyWest = dynamic({
"type":"polygon",
"coordinates":[
[
[
-80.08209228515625,
25.39117928167583
],
[
-80.4913330078125,
25.517657429994035
],
[
-80.57922363281249,
25.477992320574817
],
[
-82.188720703125,
24.632038149596895
],
[
-82.1942138671875,
24.53712939907993
],
[
-82.13104248046875,
24.412140070651528
],
[
-81.81243896484375,
24.43714786161562
],
[
-80.58746337890625,
24.794214972389486
],
[
-80.08209228515625,
25.39117928167583
]
]
]});
StormEvents
| where isnotempty(BeginLat) and isnotempty(BeginLon)
| project BeginLon, BeginLat, EventType
| where geo_distance_point_to_polygon(BeginLon, BeginLat, roadToKeyWest) < 500
| render scatterchart with (kind=map)
地理空間データに基づいて異常を見つける
次のクエリは、特定の状態内で発生する Storm イベントの分析を実行します。 このクエリでは、S2 セルと一時的な集計を使用して、損傷のパターンを調査します。 結果は、時間の経過に伴う嵐による破壊の不規則性または偏差を示す視覚的な異常チャートであり、指定された状態境界内の嵐の影響に関する詳細な視点を提供します。
let stateOfInterest = "Texas";
let statePolygon = materialize(
US_States
| extend name = tostring(features.properties.NAME)
| where name == stateOfInterest
| project geometry=features.geometry);
let stateCoveringS2cells = statePolygon
| project s2Cells = geo_polygon_to_s2cells(geometry, 9);
StormEvents
| extend s2Cell = geo_point_to_s2cell(BeginLon, BeginLat, 9)
| where s2Cell in (stateCoveringS2cells)
| where geo_point_in_polygon(BeginLon, BeginLat, toscalar(statePolygon))
| make-series damage = avg(DamageProperty + DamageCrops) default = double(0.0) on StartTime step 7d
| extend anomalies=series_decompose_anomalies(damage)
| render anomalychart with (anomalycolumns=anomalies)
関連するコンテンツ
- 地理空間クラスタリングのユース ケースを参照する: 自動車テスト車両の Data 分析
- 地理空間データの処理と分析のための Azure アーキテクチャについて説明します
- ホワイト ペーパーを読んで、Azure Data Explorer の包括的な理解を得る