ฉันรู้ว่าคำถามนี้ค่อนข้างเก่า แต่ฉันต้องการเพิ่ม 2 เซ็นต์ของฉันในกรณีที่คนอื่นเจอกระทู้นี้พยายามตอบคำถามเดียวกัน ...
คำตอบก่อนหน้านี้ถูกต้องเมื่อคุณต้องการ RESAMPLE ข้อมูลของคุณเช่นถ้าคุณรวมข้อมูลจากขนาดพิกเซล 30 ม. เป็นขนาด 90 ม. ในกรณีนี้คุณกำลังพยายามสร้างค่าใหม่สำหรับแต่ละพิกเซลขึ้นอยู่กับการรวบรวมพิกเซลใกล้เคียง ใช่ที่นี่สำหรับชุดข้อมูลแยกคุณจะเลือกเพื่อนบ้านที่ใกล้ที่สุดในขณะที่สำหรับข้อมูลอย่างต่อเนื่องคุณจะเลือก Bilinear หรือ Cubic Convolution
อย่างไรก็ตามในคำถามนี้เป้าหมายไม่ใช่การสุ่มตัวอย่างข้อมูลจริง ๆ แต่เป็นการแปลงข้อมูลที่มีอยู่เป็นการฉายใหม่ - คุณต้องการค่าเดียวกันเพียงแค่ในการฉายใหม่ ในกรณีนี้คุณต้องการใช้ตัวอย่างเพื่อนบ้านที่ใกล้เคียงที่สุดสำหรับชุดข้อมูลที่ไม่ต่อเนื่องและชุดข้อมูลอย่างต่อเนื่องเพื่อรักษาความสมบูรณ์ของค่าข้อมูลดั้งเดิมของคุณ ฉันรู้ว่าคำแถลงนี้ขัดแย้งกับทุกสิ่งที่คุณอ่านเกี่ยวกับ "การสุ่มตัวอย่างใหม่" แต่คิดอย่างจริงจังถึงสิ่งที่คุณต้องการบรรลุและสิ่งที่คุณกำลังทำกับข้อมูล นอกจากนี้ฉันไม่ได้ทำตามคำแนะนำนี้โดยฉับพลัน ... ฉันใช้เวลา 5 ปีในการทำงานในระดับปริญญาเอกที่เชี่ยวชาญด้าน GIS / Remote Sensing รวมถึงการสอนหลักสูตร GIS / Remote Sensing
หมายเหตุอื่นผู้โพสต์ดั้งเดิมถามเกี่ยวกับค่าศูนย์และ / หรือค่าลบ ... หากค่าเหล่านี้เป็นค่าข้อมูลจริง (เช่นความสูงสามารถเป็น 0 หรือ -34.5) จริง ๆ แล้วคุณต้องการรวมค่าเหล่านี้ อย่างไรก็ตามหากค่าที่เป็นปัญหาไม่ใช่ข้อมูลจริงและแทนที่จะใช้เพื่อเป็นตัวแทนของ NoDATA (เช่น 0 หรือ -9999) คุณต้องปิดบังพิกเซลเหล่านี้จากแรสเตอร์ของคุณ (ลบ) ก่อนที่จะทำการสุ่มใหม่ผ่านไบลิเนียร์หรือลูกบาศก์ . มิฉะนั้นพิกเซล -9999 เหล่านั้นจะรวมอยู่ในการคำนวณการสุ่มตัวอย่างเช่นหากพิกเซลนั้นมีระดับความสูงจริง -9999 และคุณจะได้รับข้อมูลที่ไม่ถูกต้อง ในฐานะที่เป็นตัวอย่างที่ง่ายมากในรูปแบบลูกบาศก์หากค่าเซลล์ที่ใกล้ที่สุด 4 ค่าของคุณคือ 4, 5, 16, -9999 รวมถึง -9999 อาจส่งผลให้ค่าพิกเซลใหม่เป็น -9974 ซึ่งไม่ใช่ข้อมูลที่ถูกต้อง