Próbowałem interpolować średnią średnią roczną temperaturę, aby uzyskać „realistyczną” powierzchnię. W QGIS użyłem interpolacji rastrowej. Obie metody TIN i IDW nie zapewniły „realistycznej” powierzchni (np. W porównaniu z dobrą mapą w atlasie).
IDW (współczynnik 3):
TIN (pokazuje także punkty interpolacji):
Wszelkie wskazówki, jak uzyskać „lepszą, bardziej realistyczną” interpolację?
qgis
interpolation
climate
Kurt
źródło
źródło
Odpowiedzi:
Możesz wziąć pod uwagę stosunek wysokości do temperatury, szczególnie na obszarach górskich. Można do tego użyć współkrigingu lub interpolacji splajnów (np. Splajny 3D obsługiwane przez GRASS GIS). W przypadku większych obszarów rolę mogą odgrywać inne zmienne: odległość od morza, szerokość geograficzna itp.
Aktualizacja: rozsądną metodą może być również regresja wielokrotna, dla GRASS 7 wprowadzono nowy dodatek: r.regression.multi
źródło
Interpolując dane klimatyczne, masz dwie opcje (widzę, że potrzebujesz gotowych samouczków, dam ci odniesienie, ale także kilka aspektów teoretycznych, które tutaj masz ):
prosta interpolacja przy użyciu podejścia kriging jest najlepszą opcją, ponieważ będziesz mieć statystyczną relację sondowania. Możesz skorzystać z tego samouczka: w języku rumuńskim, ale możesz użyć Tłumacza Google (użyj SAGA).
interpolacja współzmienna, kriging lub inna metoda, uzupełniająca dane temperaturowe o dane wysokościowe lub inne. Możesz skorzystać z tych samouczków: splajn Mitasova z napięciem (użyj GRASS) lub przykład książki Toma Hengla (używając R)
źródło
Czy atmosferycznie korygujesz dane dotyczące temperatury? To wyjaśniałoby wysokość powierzchni nad poziomem morza i atmosferę. NCEP zapewnia mnóstwo danych atmosferycznych dla Ameryki Północnej.
Również interpolacja liniowa nie byłaby tak dobra, ponieważ temperatura zmienia się dobowo w ciągu każdego dnia.
źródło
Kurt, możesz pogrupować wartości temperatur w twoim rastrze do klas i wyeksportować wyniki do nowego rastra za pomocą v.reclass z przybornika Sextante.
Chyba minimalna wartość interpolowanego rastra może wynosić (powiedzmy) -5, a maksymalna (powiedzmy) 30.
Użycie GRASS v.reclass z przybornika Sextante pozwoliłoby na zgrupowanie wartości w siedem klas za pomocą tego pliku tekstowego „rules” (można nazwać to „rules.txt”):
Wyjściem byłby nowy raster o wartości 1 dla wszystkich wartości od -5 do zera w oryginalnym rastrze, 2 dla wszystkich wartości od 1 do 5 w oryginalnym rastrze i tak dalej.
Procedura jest bardzo prosta, wystarczy interpolowany raster i plik tekstowy „reguły”. Zobacz także stronę Man dla v.reclass tutaj: http://grass.fbk.eu/gdp/html_grass64/r.reclass.html
Po sklasyfikowaniu nowy raster można również spoligonizować, aby uzyskać wielokątny plik kształtów, aby uzyskać twarde krawędzie na renderowanym kolorze obrazie. Możesz też stylizować plik kształtu i zapomnieć o rastrze.
Krótka notatka. Interpolacja jest jedną z tych rzeczy, które sprawiają, że to, co pozostało z moich włosów, stoi na końcu, ponieważ może generować bardzo przekonujące wyniki z bardzo cienkich danych. Co więcej, wyniki zwykle nie są możliwe do sprawdzenia, ponieważ wykorzystałeś wszystkie dane, które musisz wykonać interpolację, więc z natury rzeczy nie możesz przeprowadzić znaczących kontroli obszarów, dla których nie mieć dane.
W twoim przypadku dane dla obszaru poza granicami Austrii są cienkie i możesz rozważyć przycięcie końcowego obrazu mapy, aby pokazać tylko Austrię. A może zostawić punkty. Na przykład mogę mieć wykres z rozpryskami strzelby punktów, przez które rysuję linię prostą. Nieuczciwość zaczyna się, kiedy usuwam punkty :)
Nacięcie.
źródło