Najlepsza metoda na agregację mozaiki DEM 1m do DEM 10m

11

Mam mozaikę 1m DEM pochodzącego z LiDar. Muszę wyprowadzić podzbiór danych jako DEM 10 m. Obecnie używam narzędzia agregującego w ARCGIS 10 do tworzenia średniej wartości dla każdego nowego 10-metrowego piksela. Wszelkie porady na temat tego, czy jest to najlepsza technika do wykonywania takich zadań? Czy wartość średnia jest najlepszym podejściem dla tego rodzaju danych?

użytkownik6784
źródło
1
Czy możesz wyjaśnić przebieg pracy, dlaczego dane muszą być ponownie próbkowane do niższej rozdzielczości? Czy może być lepszy sposób niż obniżenie rozdzielczości przestrzennej jako pierwszy krok?
MLowry

Odpowiedzi:

10

Częstym błędem (który również popełniłem) jest próbkowanie w dół rastra za pomocą narzędzia do ponownego próbkowania z interpolacją dwuliniową. Zobacz tę odpowiedź, aby wyjaśnić, dlaczego to nie jest dobre. Próbkowanie rastra można przeprowadzić w trzech krokach.

  1. Pierwszy krok może nie być wymagany. Ponownie skieruj raster do docelowego zakresu. Użyj interpolacji dwuliniowej i utrzymuj rozmiar komórki wyjściowej taki sam jak rozdzielczość wejściowa (np. 1 m). Użyj punktu rejestracji, aby „przyciągnąć” rogi do projekcji. Zakresy wyjściowe można określić w „Środowiskach” i sugeruję określenie zakresu wielokrotności 10 m (lub dowolnej rozdzielczości). Zakresy te będą kontrolować, gdzie statystyki są ustalane dla końcowego rastra.

  2. Wykonaj statystyki bloków (znalezione w Narzędziach Analityka przestrzennego> Okolica). Użyj prostokąta z 10 komórkami dla wysokości i szerokości, a następnie wybierz „ZNACZ” dla typu statystyki. Wypróbuj różne kształty i typy, jeśli chcesz. Rozmiar komórki to współczynnik próbkowania w dół.

  3. Ponieważ statystyki bloków nie zmieniają rozdzielczości rastra, ostatnim krokiem jest ponowne próbkowanie (znalezione w Narzędzia do zarządzania danymi> Raster> Przetwarzanie rastra ). Wybierz 10 m i użyj „NAJBLIŻSZE”, aby wybrać statystykę bloku w środku komórki.

Kroki 2 i 3 można zastąpić sugestią Curtvprice'a, aby użyć narzędzia Agregacja , które skutecznie da te same wyniki za pomocą prostokątów.

Mike T.
źródło
2
whoa. Robiłem to od 20 lat i nie wiedziałem, że dwuliniowe ponowne próbkowanie wykorzystuje tylko 4 pobliskie punkty danych! to zdecydowanie wymaga wyższego profilu.
matt wilkie
6

Możesz wyciąć krok z procesu za pomocą narzędzia Agreguj, co pozwala uniknąć konieczności replikacji wszystkich komórek wartości podsumowania i ponownego próbkowania.

Cena Curtis
źródło
Dobra rada, mniej kroków do wykonania.
nadya
4

Należy wziąć pod uwagę wszystkie powyższe punkty i całkowicie się zgadzam, że dwuliniowe ponowne próbkowanie jest dość problematyczne. Chociaż jestem ciekawy, dlaczego nikt nie omawia splotu sześciennego? Problem z użyciem funkcji blokowej polega na tym, że średnia jest dość nieistotna, gdy rozkład jest nienormalny lub multimodalny, zgodnie z oczekiwaniami w przypadku DEM pochodzącego z lidaru.

Jeśli masz dostęp do oryginalnych danych lidar, po prostu interpoluj dane do żądanej rozdzielczości za pomocą narzędzia „Topo to Raster” w ArcGIS. Jeśli masz dostęp tylko do rastra DEM o długości 1 m, wydaje się, że najlepszą, aczkolwiek najmniej wydajną metodą byłoby przekonwertowanie rastra na punkty i użycie cienkiej płyty lub splajnu bi-sześciennego. Umożliwiłoby to dopasowanie sąsiedztwa ponownego próbkowania do dopasowania krzywej nieliniowej do danych.

Alternatywnie, możesz wygładzić raster 1m za pomocą jądra Gaussa, zbliżając się do rozmiaru pożądanej rozdzielczości ponownego próbkowania (10x10), a wtedy próbkowanie dwuliniowe byłoby znacznie bardziej odpowiednie. Takie podejście umożliwiłoby ci bezpośrednią kontrolę nad parametrem wygładzania i spowodowałoby „lokalny” rozkład normalny, w którym średnia staje się istotna jako wskaźnik tendencji centralnej i obsługiwane jest dopasowanie liniowe.

Jeffrey Evans
źródło
Właściciel pytania nie pojawia się tutaj od dawna, ale mam ten sam problem (moje rastry lidar mają 0,5 m), więc doszedłem do dyskusji :) Jeśli chodzi o konwersję rastra na punkty, ArcGIS wydaje się znacznie łatwiejszy do obsługi dużych rastrów niż miliony punktów.
nadya