Чи існують жорсткі та швидкі правила щодо того, які методи інтерполяції підходять до кожного виду растрових даних?
Чи існують жорсткі та швидкі правила щодо того, які методи інтерполяції підходять до кожного виду растрових даних?
Відповіді:
Я погоджуюся, що немає жорстких і швидких правил, але є деякі вказівки щодо різних методів інтерполяції. Наприклад, IDW найкраще, коли у вас є досить щільні точки для початку. Кригінг є інтенсивним процесором, як правило, застосовується для моделювання ґрунту / геології. Шпонка зазвичай використовується, коли бажана гладка поверхня, наприклад, дані про температуру. Деякі методи утримують отриманий растр через початкові точки, а інші - ні.
Хоча це ArcGIS орієнтоване, хороший огляд різних методів можна знайти в папері на 4 сторінки
Пояснення до цього питання вказує на те, що шукаються методи переустановки растру . Багато хто використовується у візуальних та фотографічних спільнотах. Для роботи в ГІС, однак, є декілька простих методів:
Перестановка найближчого сусіда . Кожній комірці нового растру присвоюється значення найближчої комірки (центр до центру) у вихідному растрі. Використовуйте це для категоричних даних, таких як землекористування та інших класифікацій.
Білінеарна інтерполяція . Кожній комірці в новому растрі призначається середнє значення на основі чотирьох найближчих оригінальних комірок. Усереднення лінійне в горизонтальному та вертикальному напрямках. (Отримана формула, однак, не є лінійною; вона насправді є квадратичною.) Це добре для згладжування загального призначення, але усереднення, яке зазвичай триває на місцевих вершинах і долинах трохи.
Кубічна згортка . Це за духом схоже на білінеарну інтерполяцію, але може дещо екстраполювати значення у сусідніх клітинах. Це робиться таким чином, щоб відтворити локальні середні показники та мінливість у новій сітці; зокрема, відсікання місцевої крайності не повинно бути таким серйозним. (Одним із наслідків, який очевидний як помилка в ArcGIS ESRI, є те, що значення в новій сітці можуть виходити за межі діапазону старої, внаслідок чого деякі нові крайності не будуть відображені належним чином. Але це питання даних лише показ.) Компроміс полягає в тому, що для обчислення кубічної затрати потрібно трохи більше часу, ніж білінеарної інтерполяції.
Останні два методи я детально обговорюю на http://www.quantdec.com/SYSEN597/GTKAV/section9/map_algebra.htm
Для швидких одноразових обчислень, як правило, я задоволений виконанням білінеарної інтерполяції (для постійних даних) або інтерполяції найближчого сусіда (для категоричних даних). Для всіх інших, особливо під час підготовки головних наборів даних або коли очікують масштабних маніпуляцій, я рекомендую використовувати кубічну згортку (а також давати деяку думку для впорядкування операцій, щоб мінімізувати поширення помилки з плаваючою комою).
Відповідно до ESRI, доступні методи інтерполяції (Доступні як інструменти в Spatial Analyst та інших розширеннях) порівнюються таким чином: (Цитування)
Інструмент IDW (Inverse Distance Weighted) використовує метод інтерполяції, який оцінює значення комірок шляхом усереднення значень зразків точок даних в околицях кожної комірки обробки. Чим ближче точка до центру оцінюваної клітини, тим більший вплив чи вага вона має на процес усереднення.
Кригінг - це вдосконалена геостатистична процедура, яка генерує оцінену поверхню з розсіяного набору точок із z-значеннями. Більше, ніж інші методи інтерполяції, що підтримуються ArcGIS Spatial Analyst, слід ретельно дослідити просторову поведінку явища, представленого z-значеннями, перш ніж вибрати найкращий метод оцінки для генерування вихідної поверхні.
Натуральна сусідська інтерполяція знаходить найближчий підмножина вхідних зразків до точки запиту і застосовує до них ваги на основі пропорційних площ для інтерполяції значення (Sibson, 1981). Він також відомий як Сибсон або інтерполяція "крадіжки на територію".
Інструмент Spline використовує метод інтерполяції, який оцінює значення за допомогою математичної функції, що мінімізує загальну кривизну поверхні, внаслідок чого виходить гладка поверхня, яка проходить точно через точки введення.
Шпонка з бар'єрами Інструмент "Шпонка з бар'єрами" використовує метод, подібний до методики, що використовується в інструменті "Сплайн", головна відмінність полягає в тому, що цей інструмент вшановує розриви, кодовані як вхідними бар'єрами, так і даними вхідної точки.
Інструменти Topo to Raster та Topo to Raster by File використовують техніку інтерполяції, спеціально розроблену для створення поверхні, яка більш ретельно представляє природну дренажну поверхню і краще зберігає ригелі та потокові мережі від вхідних даних контуру.
Використовуваний алгоритм базується на ANUDEM, розробленому Хатчінсоном та ін в Австралійському національному університеті.
Тенденція - це глобальна поліноміальна інтерполяція, яка підходить до гладкої поверхні, визначеної математичною функцією (поліном) до вхідних точок вибірки. Поверхня тренда змінюється поступово і фіксує грубі масштабні структури в даних.
Ви також можете подивитися на цю статтю: http://proceedings.esri.com/library/userconf/proc95/to100/p089.html
Два інші методи будуть Середнім4 та Середнім16. Вони роблять те, що їм здається, і беруть в середньому 4 або 16 навколишніх комірок.
Випадок використання тут здебільшого стосується даних DEM. Ви б не використовували його для растрового зображення (3-смуговий колір esp)
Це не зважено на відстань, але тоді я не думаю, що я використовував би це для растрових (просто векторних), оскільки відстань у растровому наборі даних трохи більш суб'єктивна
Я завжди вважав, що Median4 та Median16 - це хороші способи видалення прогалин та шипів із даних DEM, хоча я не знаю жодного пакету, який це дозволяє.