Вирішення, який метод інтерполяції використовувати для перекомпонування растрових даних?


40

Чи існують жорсткі та швидкі правила щодо того, які методи інтерполяції підходять до кожного виду растрових даних?


1
Що ви інтерполюєте? Це мета просто візуалізувати або фактично виміряти якийсь тип розповсюдження? Не сподівайтесь надії, хоча їх практично немає жорстких чи швидких правил.
Енді Ш

4
@ninesided: Ви впевнені, що хотіли вказати "растрові" дані? Відповідь, яку ви прийняли, стосується виключно методів інтерполяції векторних (пунктуальних та лінійних) даних.
качан

5
Назва питання трохи неоднозначна. Інтерполяція слів і повторна вибірка означають дві дещо різні речі. Для інтерполяції - це взяти зразок дискретних точок даних (растрових чи векторних) та обчислити з цього суцільну поверхню. Перекомпонування - це взяття групи точок (знову ж таки, растрових чи векторних), застосування до них якогось алгоритму та створення нового набору точок. Отже, я вважаю, що інтерполяцію можна розглядати як один тип перекомпонування.
Дон Мельц

2
Імхо назва невірна. "перекомпонування растрових даних" змушує мене думати, що у вас є растр, і ви хочете створити з нього новий більший / менший растр. Якщо ви хочете отримати растр шляхом інтерполяції векторних точок, "перекомпонування" - це неправильний термін.
андерпарк

3
@ninesided - Оскільки ви вибрали мою відповідь як відповідь на ваше запитання, я припускаю, що ви хотіли інтерполювати набір дискретних точок на суцільну растрову поверхню. Слово resample трактується більшістю як перетворення одного растру в інший на основі певного алгоритму. Я не думаю, що ви неправильно вживаєте слово, тому що я вважаю, що інтерполяція є формою перестановки. Просто більшість не бачить цього. Я не визнаю себе експертом у цій галузі, тому коригування моїх припущень вітаються.
Дон Мельц

Відповіді:


11

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

Інтерполяція поверхонь у просторовому аналітику ArcGIS


41

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).


Деякі корисні додаткові поради з’являються в коментарях на сайті gis.stackexchange.com/questions/17328/… .
whuber

18

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


1
+1 для вибору чогось із ESRI допоможе цитувати, що насправді має сенс і є правильним!
whuber

Чи можете ви оновити посилання на процедуру, яку ви опублікували, вона більше недоступна (сторінка не знайдена). Крім того, ви можете розмістити назву або якусь інформацію, яка дозволила б нам шукати її на сторінці ESRI.
Рената Діс

2

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.


2
Ваша пропозиція використовувати посередників для обстеження місцевих людей, що перебувають у DEM, є корисною, Марк. Пакет GRID / Spatial Analyst ESRI дуже довго включав посередників, які знають, що IDRISI може це зробити, і, ймовірно, GRASS та Manifold також. Але цей метод буде поганим вибором для перекомпонування сітки. Так само інші методи, які ви згадуєте, не мали б хороших властивостей: вони ефективно згладжують вихідні дані при роздільній здатності оригінальної сітки, і тому їх взагалі не слід розглядати за перекомпонування.
качан
Використовуючи наш веб-сайт, ви визнаєте, що прочитали та зрозуміли наші Політику щодо файлів cookie та Політику конфіденційності.
Licensed under cc by-sa 3.0 with attribution required.