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

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?

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.

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

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.