У меня есть мозаика 1-метровой матрицы высот, полученной из лидара. Мне нужно вывести подмножество данных в виде десятиметровой матрицы высот. В настоящее время я использую инструмент агрегирования в ARCGIS 10 для получения среднего значения для каждого нового 10-мегапиксельного пикселя. Любой совет о том, является ли это лучшим методом для решения таких задач? Является ли среднее значение лучшим подходом для данных такого типа?
arcgis-10.0
raster
dem
lidar
user6784
источник
источник
Ответы:
Распространенная ошибка (которую я тоже сделал) заключается в понижении дискретизации растра с использованием инструмента повторной выборки с билинейной интерполяцией. Посмотрите этот ответ для объяснения, почему это не хорошо. Растр может быть уменьшен за три шага.
Первый шаг может не потребоваться. Перепроектируйте растр в целевые экстенты. Используйте билинейную интерполяцию и оставьте размер выходной ячейки таким же, как и входное разрешение (например, 1 м). Используйте точку регистрации, чтобы «привязать» углы растра к проекции. Выходные экстенты могут быть указаны в «Средах», и я предлагаю указывать экстенты с кратным 10 м (или любым другим разрешением). Эти экстенты будут контролировать, где статистика определяется для окончательного растра.
Выполнить статистику блоков (находится в разделе «Инструменты Spatial Analyst»> «Окрестности»). Используйте прямоугольник с 10 ячейками для высоты и ширины и выберите «СРЕДСТВО» для типа статистики. Попробуйте разные формы и типы, если хотите. Размер ячейки - это коэффициент понижающей дискретизации.
Поскольку статистика блоков не меняет разрешение растра, последним шагом является повторная выборка (находится в разделе Инструменты управления данными> Растр> Обработка растра). Выберите 10 м и используйте «БЛИЖАЙШИЙ», чтобы выбрать статистику блока в центре ячейки.
Шаги 2 и 3 можно заменить предложением Curtvprice об использовании инструмента Aggregate , который эффективно даст те же результаты, используя средства прямоугольника.
источник
Вы можете исключить шаг из процесса, используя инструмент Aggregate, который позволяет избежать необходимости дублировать все эти ячейки итоговых значений и Resample.
источник
Все пункты, упомянутые выше, важно принять к сведению, и я полностью согласен с тем, что билинейная повторная выборка довольно проблематична. Хотя мне любопытно, почему никто не обсуждает кубическую свертку? Проблема с использованием блочной функции заключается в том, что среднее значение не имеет значения, когда распределение ненормальное или мультимодальное, как и ожидалось при использовании матрицы высот, полученной с помощью лидара.
Если у вас есть доступ к исходным лидарным данным, просто интерполируйте данные до нужного разрешения, используя инструмент «Topo to Raster» в ArcGIS. Если у вас есть доступ только к растру высотой 1 м, кажется, что лучшим, хотя и наименее эффективным, методом будет преобразование растра в точки и использование тонкой пластины или бикубического сплайна. Это позволило бы окрестности повторной выборки подогнать нелинейную кривую к данным.
В качестве альтернативы, вы можете сгладить 1-метровый растр, используя ядро Гаусса, аппроксимируя размер желаемого разрешения повторной выборки (10x10), и тогда билинейная повторная выборка будет гораздо более подходящей. Этот подход позволит вам иметь прямой контроль над параметром сглаживания и приведет к «локальному» нормальному распределению, где среднее значение становится релевантным в качестве индикатора центральной тенденции, и поддерживается линейное соответствие.
источник