มีกฎที่ยากและรวดเร็วเกี่ยวกับวิธีการแก้ไขที่เหมาะกับข้อมูลแรสเตอร์แต่ละประเภทหรือไม่?
มีกฎที่ยากและรวดเร็วเกี่ยวกับวิธีการแก้ไขที่เหมาะกับข้อมูลแรสเตอร์แต่ละประเภทหรือไม่?
คำตอบ:
ฉันเห็นด้วยไม่มีกฎที่ยากและรวดเร็ว แต่มีแนวทางบางอย่างสำหรับวิธีการแก้ไขที่หลากหลาย ตัวอย่างเช่น IDW นั้นดีที่สุดเมื่อคุณมีจุดเริ่มต้นค่อนข้างหนาแน่น Kriging เป็นตัวประมวลผลที่เข้มข้นซึ่งมักใช้ในการสร้างแบบจำลองดิน / ธรณีวิทยา โดยทั่วไปจะใช้ Spline เมื่อต้องการพื้นผิวที่เรียบเช่นข้อมูลอุณหภูมิบางวิธีทำให้แรสเตอร์ที่เกิดผ่านจุดเดิมในขณะที่บางวิธีไม่ทำ
แม้ว่ามันจะเป็นศูนย์กลางของ ArcGIS แต่ภาพรวมที่ดีของวิธีการต่าง ๆ สามารถพบได้ในกระดาษ 4 หน้า
การชี้แจงคำถามแสดงให้เห็นว่าวิธีการ resampling แรสเตอร์จะถูกขอ หลายคนใช้ในการถ่ายภาพและชุมชนถ่ายภาพ สำหรับการทำงานของ GIS นั้นมีวิธีการตรงไปตรงมาหลายวิธีที่ใช้กันทั่วไป:
resampling ที่ใกล้ที่สุดเพื่อนบ้าน แต่ละเซลล์ในแรสเตอร์ใหม่จะถูกกำหนดค่าของเซลล์ที่ใกล้ที่สุด (กึ่งกลางไปยังศูนย์กลาง) ในแรสเตอร์ดั้งเดิม ใช้สิ่งนี้สำหรับข้อมูลที่เป็นหมวดหมู่เช่นการใช้ที่ดินและการจำแนกประเภทอื่น ๆ
bilinear แก้ไข แต่ละเซลล์ในแรสเตอร์ใหม่จะถูกกำหนดค่าเฉลี่ยโดยอ้างอิงจากเซลล์ดั้งเดิมสี่เซลล์ที่ใกล้ที่สุด ค่าเฉลี่ยเป็นเส้นตรงในทิศทางแนวนอนและแนวตั้ง (สูตรที่ได้นั้นไม่ใช่แบบเส้นตรง แต่จริงๆแล้วมันเป็นกำลังสอง) นี่เป็นวิธีที่ดีสำหรับการทำให้เรียบทั่วไป แต่การเฉลี่ยที่ดำเนินต่อไปโดยทั่วไปจะตัดยอดเขาและหุบเขาเล็กน้อย
บิดลูกบาศก์ สิ่งนี้มีความคล้ายคลึงกับวิญญาณในการประมาณค่าแบบสองชั้น แต่สามารถประมาณค่าเล็กน้อยจากเซลล์ใกล้เคียงได้ มันทำในลักษณะที่ตั้งใจจะทำซ้ำค่าเฉลี่ยและความแปรปรวนของท้องถิ่นในกริดใหม่ โดยเฉพาะอย่างยิ่งการตัดของ extrema ท้องถิ่นไม่ควรจะรุนแรง (ผลลัพธ์ที่ไม่ดีอย่างหนึ่งซึ่งเห็นได้ชัดว่าเป็นข้อบกพร่องใน ArcGIS ของ ESRI คือค่าในกริดใหม่อาจขยายออกไปเกินช่วงของค่าเดิมซึ่งทำให้สุดขั้วใหม่บางตัวไม่สามารถแสดงผลได้อย่างถูกต้อง แต่นี่เป็นเรื่องของข้อมูล แสดงเท่านั้น) การแลกเปลี่ยนคือการบิดแบบลูกบาศก์ต้องใช้เวลาในการคำนวณมากกว่าการแก้ไขแบบสองทาง
ฉันพูดคุยสองวิธีหลังในรายละเอียดบางอย่างที่http://www.quantdec.com/SYSEN597/GTKAV/section9/map_algebra.htm
สำหรับการคำนวณแบบครั้งเดียวอย่างรวดเร็วฉันมักจะชอบเนื้อหาเพื่อทำการแก้ไขแบบ bilinear (สำหรับข้อมูลต่อเนื่อง) หรือการประมาณแบบเพื่อนบ้านที่ใกล้ที่สุด สำหรับคนอื่น ๆ โดยเฉพาะอย่างยิ่งเมื่อเตรียมชุดข้อมูลหลักหรือเมื่อคาดว่าจะมีการจัดการที่กว้างขวางฉันขอแนะนำให้ใช้การบิดแบบลูกบาศก์ (รวมถึงให้ความคิดในการสั่งซื้อการดำเนินงาน
ตาม ESRI วิธีการแก้ไขที่มีอยู่ (มีให้เป็นเครื่องมือใน Spatial Analyst และส่วนขยายอื่น ๆ ) มีการเปรียบเทียบดังนี้: (Quoting)
เครื่องมือ IDW (Inverse Distance Weighted) ใช้วิธีการแก้ไขที่ประมาณค่าของเซลล์โดยเฉลี่ยค่าของจุดข้อมูลตัวอย่างในละแวกของแต่ละเซลล์ประมวลผล จุดที่ใกล้ยิ่งขึ้นคือจุดศูนย์กลางของเซลล์ที่ถูกประเมินยิ่งมีอิทธิพลมากขึ้นหรือมีน้ำหนักมากขึ้นก็จะอยู่ในกระบวนการหาค่าเฉลี่ย
Krigingเป็นกระบวนการทางธรณีวิทยาขั้นสูงที่สร้างพื้นผิวโดยประมาณจากชุดของจุดที่กระจัดกระจายพร้อมค่า z มากกว่าวิธีการแก้ไขอื่น ๆ ที่สนับสนุนโดย ArcGIS Spatial Analyst การตรวจสอบอย่างละเอียดเกี่ยวกับพฤติกรรมเชิงพื้นที่ของปรากฏการณ์ที่แสดงโดยค่า z ควรทำก่อนที่คุณจะเลือกวิธีการประมาณค่าที่ดีที่สุดสำหรับการสร้างพื้นผิวเอาต์พุต
Natural Neighbor Interpolation ค้นหาเซตย่อยที่ใกล้ที่สุดของตัวอย่างอินพุตให้กับจุดสอบถามและใช้น้ำหนักกับพวกมันตามพื้นที่ที่ได้สัดส่วนเพื่อแก้ไขค่า (Sibson, 1981) มันเป็นที่รู้จักกันในชื่อการแก้ไข Sibson หรือ "การขโมยพื้นที่"
Splineเครื่องมือที่ใช้วิธีการแก้ไขว่าค่าประมาณการโดยใช้ฟังก์ชั่นทางคณิตศาสตร์ที่ช่วยลดผิวโดยรวมโค้งส่งผลให้พื้นผิวเรียบที่ผ่านตรงจุดผ่านการป้อนข้อมูล
Spline with Barriers เครื่องมือ Spline with Barriers ใช้วิธีการที่คล้ายคลึงกับเทคนิคที่ใช้ในเครื่องมือ Spline โดยมีความแตกต่างที่สำคัญคือเครื่องมือนี้ให้การเข้ารหัสที่ไม่ต่อเนื่องทั้งในอินพุตและข้อมูลจุดเข้า
Topo เพื่อ Rasterและโทโปจะ Raster โดยไฟล์เครื่องมือใช้เทคนิคการแก้ไขออกแบบมาโดยเฉพาะเพื่อสร้างพื้นผิวที่ใกล้ชิดมากขึ้นแสดงให้เห็นถึงการระบายน้ำที่พื้นผิวธรรมชาติและรักษาที่ดีกว่าทั้ง ridgelines และเครือข่ายสตรีมจากข้อมูลเข้าเส้นแสดงรูปร่าง
อัลกอริทึมที่ใช้ขึ้นอยู่กับ ANUDEM พัฒนาโดย Hutchinson และคณะจากมหาวิทยาลัยแห่งชาติออสเตรเลีย
Trendคือการประมาณพหุนามสากลที่เหมาะสมกับพื้นผิวที่เรียบซึ่งกำหนดโดยฟังก์ชันทางคณิตศาสตร์ (พหุนาม) กับจุดตัวอย่างอินพุต พื้นผิวแนวโน้มเปลี่ยนไปอย่างค่อยเป็นค่อยไปและรวบรวมรูปแบบหยาบในข้อมูล
คุณสามารถดูที่บทความนี้: http://proceedings.esri.com/library/userconf/proc95/to100/p089.html
อีกสองวิธีจะเป็นค่าเฉลี่ย 4 และค่าเฉลี่ย 16 พวกเขาทำสิ่งที่พวกเขาชอบและใช้ค่าเฉลี่ยของเซลล์โดยรอบทั้ง 4 หรือ 16 เซลล์
กรณีการใช้งานที่นี่ส่วนใหญ่สำหรับข้อมูล DEM คุณจะไม่ใช้มันกับภาพแรสเตอร์ (สี esp 3 band)
มันไม่ใช่ระยะทางถ่วงน้ำหนัก แต่จากนั้นฉันไม่คิดว่าฉันจะใช้มันสำหรับ raster (แค่เวกเตอร์) เนื่องจากระยะทางในชุดข้อมูล raster เป็นเรื่องส่วนตัวมากกว่า
ฉันคิดเสมอว่า Median4 และ Median16 จะเป็นวิธีที่ดีในการลบ dips และ spikes ออกจากข้อมูล DEM แม้ว่าฉันจะไม่ทราบแพ็คเกจที่อนุญาต