Jakie jest źródło poziomych i pionowych pasków w USGS DEM?

10

Podczas przetwarzania danych DEM o długości 30 mi 10 m pobranych za pomocą National Map Viewer z National Elevation Dataset zauważyliśmy poziome i pionowe paski nie tylko w otrzymanych wynikach, ale jedynie w analitycznych odcieniach wzgórza surowych DEM. Czy ktoś zna źródło? Jeśli nie źródło, to może jak usunąć te artefakty? Artefakty te stają się bardzo wyraźne podczas korzystania z DEM do obliczania wskaźników topograficznych. Artefakty te pozostają nawet po wypełnieniu depresji.

Poniżej znajdują się zdjęcia pokazujące paski w 30m i 10m danych z zlewów w Pensylwanii i Kolorado oraz zakończone obliczenia indeksu topograficznego pokazujące artefakty zlewni w Syracuse w stanie Nowy Jork.

Kolorado - HUC8 - 10190004 - 10m

Kolorado - HUC8 - 10190004 - 10m

Kolorado - HUC8 - 10190004 - 30m

Kolorado - HUC8 - 10190004 - 30m

Pensylwania - HUC8 - 02040103 - 10m

Pensylwania - HUC8 - 02040103 - 10m

Pensylwania - HUC8 - 02040103 - 30m

Pensylwania - HUC8 - 02040103 - 30m

Zakończono obliczenia TI dla przełomu Onondaga Creek w Syracuse, NY

wprowadź opis zdjęcia tutaj

traggatmot
źródło

Odpowiedzi:

16

Spróbuj odpowiedzieć na moje pytanie:

Przyczyna rozbieżności w podanych przeze mnie przykładach wynika całkowicie z mojego przepływu pracy, a nie ze starszego problemu z tym, jak dane były pierwotnie składane lub mozaikowane razem. Wszystkie DEMy, z którymi miałem do czynienia, zostały wygenerowane z nowszych technik, o czym świadczy ta mapa:

wprowadź opis zdjęcia tutaj

Dwie metody, które obejmują obszary, z którymi pracowałem, to LIDAR i inne aktywne czujniki lub złożona interpolacja liniowa. Starsze techniki, do których odnosi się Dan Patterson, to ręczne profilowanie i techniki fotografowania Gestalt. Rzeczywiście USGS odnosi się do tego w linku NED @Dan Patterson udostępnia:

Starsze źródła DEM wytworzone metodami, które są już przestarzałe, zostały przefiltrowane podczas procesu montażu NED, aby zminimalizować artefakty, które często znajdują się w danych wytwarzanych tymi metodami. Usuwanie artefaktów znacznie poprawia jakość informacji o nachyleniu, płaskorzeźbie i syntetycznym drenażu, które można uzyskać z danych dotyczących wysokości. Proces filtrowania usuwania artefaktów nie eliminuje wszystkich artefaktów. W obszarach, w których jedyny dostępny DEM jest wytwarzany starszymi metodami, nadal może wystąpić „paskowanie”. Przetwarzanie NED obejmuje również kroki mające na celu dostosowanie wartości w przypadku, gdy sąsiednie DEM nie są dobrze dopasowane, oraz wypełnienie mniejszych obszarów brakujących danych między DEM. Te etapy przetwarzania zapewniają, że NED nie ma pustych obszarów i minimalne sztuczne nieciągłości.

Więc co spowodowało moje problemy z pasowaniem?

Podczas gdy, aby poprawnie obliczyć wartości TI w SAGA GIS, potrzebujemy jednostek komórkowych w metrach, a nie pomiaru stopnia oryginalnego układu współrzędnych geograficznych, więc pierwszy etap naszego przepływu pracy polegał na użyciu ArcMAP (nie znoszę zestawu narzędzi do rzutowania SAGA), aby rzutuj DEM we właściwej projekcji UTM. Na tym etapie istnieją różne opcje ponownego próbkowania DEM. We wszystkich DEM i wynikowych wyjściach, które miały paski, niepoprawnie pozostawiliśmy domyślną technikę ponownego próbkowania jako nasz wybór- domyślnym algorytmem ponownego próbkowania jest Nearest Neighbor, którego nigdy nie należy używać z ciągłym zestawem danych, takim jak dane ewolucji obecne w DEM. Podczas projekcji DEM przy użyciu próbkowania interpolacji dwu-liniowej nie zaobserwowano żadnych poziomych ani pionowych artefaktów w DEM ani żadnym z powstałych produktów.

ESRI wiedział o tym:

DEM są podatne na artefakty. Wiele DEM już ma pewne artefakty wprowadzone podczas tworzenia; cienie wzgórz tych DEM zwiększą anomalie i sprawią, że będą widoczne. Jeśli DEM nie ma żadnych artefaktów przed wyrenderowaniem go jako wzniesienie, problem może być spowodowany użyciem niewłaściwej metody ponownego próbkowania podczas wyświetlania danych DEM. DEM to ciągłe dane rastrowe. Bilinearną metodę ponownego próbkowania należy stosować w rzutach rastrowych lub dowolnych transformacjach rastrowych. Podczas wyświetlania danych rastrowych za pomocą narzędzia Project Raster GP nie używaj domyślnej metody ponownego próbkowania. Zamiast tego wybierz metodę próbkowania dwuliniowego lub próbkowania splotu sześciennego.

Źródło: http://support.esri.com/en/knowledgebase/techarticles/detail/29127

I USGS wie o tym, stwierdzając w FAQ:

P: Jakie metody ponownego próbkowania są najlepsze do zachowania dokładności danych NED i charakterystyki terenu?

Odp .: Splot sześcienny i interpolacja dwuliniowa są preferowanymi metodami ponownego próbkowania cyfrowych danych wysokości i zapewniają gładszy wygląd. Najbliższy sąsiad ma tendencję do pozostawiania w danych artefaktów, takich jak schodki i okresowe pasy, które mogą nie być widoczne podczas przeglądania danych dotyczących wysokości, ale mogą wpływać na pochodne, takie jak zacieniony relief lub pochyłości rastrów. *

Źródło: http://ned.usgs.gov/faq.html#RESAMPLE

Więc moja głupia akceptacja domyślnych ustawień ArcMap (i moja ignorancja wyników) spowodowały to. Prawdopodobnie bardzo oczywisty błąd.

Żyj i ucz się.

traggatmot
źródło
1

Istnieje kilka postów na temat możliwego źródła pasków, które są zbyt długie, aby na przykład skopiować tutaj i opublikować

https://geonet.esri.com/message/248734?sr=search&searchId=8194652f-cac8-4737-93a2-c5dccdeb29ff&searchIndex=5#248734

http://ned.usgs.gov/about.html

http://www.ctmap.com/assets/pdfprojects/destripe.pdf

Niektóre problemy są związane z charakterem samych danych.


źródło
Dzięki za te pomocne linki. Pomogli mi zrozumieć, w jaki sposób obserwuję paski lub ręcznie profilowane dane DEM (aby użyć terminologii tutaj: ctmap.com/assets/pdfprojects/destripe.pdf ) lub automatycznie przetwarzać dane za pomocą GPM (Gestalt Photomapper). Ale doprowadziły również do źródeł wskazujących, że pobrane przeze mnie pliki DEM pochodzą z nowszych technik przetwarzania. Na przykład zestaw danych Colorado został wygenerowany przy użyciu „Złożonej interpolacji liniowej, a zestaw danych PA przy użyciu danych LIDAR. Sądzę, że techniki te znacznie zmniejszą paskowanie. Czyż nie?
traggatmot
Spróbuj streścić informacje w linkach.
Aaron