Я попытался интерполировать среднегодовую температуру, чтобы получить «реалистичную» поверхность. В QGIS я использовал Растр-Интерполяция-Интерполяция. Оба метода TIN и IDW не дали «реалистичной» поверхности (например, по сравнению с хорошей картой в атласе).
IDW (фактор 3):
ИНН (также показывает точки интерполяции):
Есть какие-нибудь подсказки, как получить «лучшую, более реалистичную» интерполяцию?
qgis
interpolation
climate
Kurt
источник
источник
Ответы:
Вы можете принять во внимание соотношение высоты и температуры, особенно в горных районах. Для этого можно использовать ко-кригинг или интерполяцию сплайнов (например, 3D-сплайны, поддерживаемые GRASS GIS). Для больших площадей могут играть роль другие переменные: расстояние от моря, широта и т. Д.
Обновление: разумным методом также может быть множественная регрессия, для GRASS 7 есть новое дополнение : r.regression.multi
источник
Интерполируя климатические данные, у вас есть два варианта (я вижу, что вам нужны готовые учебные пособия, я дам ссылку, а также некоторые теоретические аспекты, которые у вас есть здесь ):
Простая интерполяция с использованием подхода кригинга является наилучшим вариантом, потому что у вас будет статистическое звучание. Вы можете использовать этот учебник: на румынском языке, но вы можете использовать Google Translate (используйте SAGA).
ковариатная интерполяция, кригинг или другой метод, дополняющий температурные данные высотными или другими данными. Вы можете использовать эти учебные пособия: сплайн Митасова с натяжением (используйте GRASS) или пример книги Тома Хенгла (используя R)
источник
Вы корректируете атмосферные данные температуры? Это было бы связано с возвышением над уровнем моря и атмосферой. NCEP предоставляет множество атмосферных данных для Северной Америки.
Кроме того, линейная интерполяция не будет такой хорошей, потому что температура имеет суточные колебания в течение каждого дня.
источник
Курт, вы можете сгруппировать значения температуры в растре по классам и экспортировать результаты в новый растр, используя v.reclass из набора инструментов Sextante.
Я предполагаю, что минимальное значение вашего интерполированного растра может быть (скажем) -5, а максимальное значение (скажем) 30.
Использование GRASS v.reclass из набора инструментов Sextante позволило бы сгруппировать значения в семь классов, используя этот текстовый файл 'rules' (вы можете назвать его 'rules.txt'):
Выходными данными будет новый растр, имеющий значение 1 для всех значений от -5 до нуля в исходном растре, 2 для всех значений от 1 до 5 в исходном растре и т. Д.
Процедура очень проста, все, что вам нужно, это интерполированный растр и текстовый файл «правил». Смотрите также страницу Man для v.reclass здесь: http://grass.fbk.eu/gdp/html_grass64/r.reclass.html
После классификации новый растр также может быть полигонизирован для создания многоугольного шейп-файла, чтобы придать четкие края цветопередаче изображения. Или вы можете раскрасить шейп-файл и забыть о растре.
Просто быстрая заметка. Интерполяция - это одна из тех вещей, которая заставляет то, что осталось от моих волос, встать дыбом, потому что она может дать очень убедительные результаты из очень тонких данных. Более того, результаты, как правило, невозможно проверить, потому что вы использовали все данные, необходимые для интерполяции, поэтому в сущности вещей вы не можете выполнять значимые проверки в областях, для которых вы не можете есть данные.
В вашем случае данные для области за пределами Австрии невелики, и вы можете подумать об отсечении окончательного изображения карты, чтобы показать только Австрию. Или, может быть, оставить точки внутри. Например, у меня может быть график с разбрызгиванием дробовика точек, через которые я рисую прямую линию. Нечестность начинается тогда, когда я снимаю очки :)
Ник.
источник