Найкращий метод для агрегації 1м DEM мозаїки до 10м DEM

У мене є мозаїка DEM, отримана в 1м. Мені потрібно вивести підмножину даних у вигляді 10-мільйонної DEM. Наразі я використовую інструмент сукупності в ARCGIS 10 для створення середнього значення для кожного нового 10-піксельного пікселя. Будь-яка порада, чи це найкраща техніка для таких завдань? Чи є середнє значення найкращим підходом для даного типу даних?

Поширена помилка (що я теж зробив) полягає в тому, щоб зменшити вибірку растру за допомогою інструмента для повторної вибірки з білінеарною інтерполяцією. Дивіться цю відповідь для пояснення, чому це не добре. Растр можна знеболити в три етапи.

1. Перший крок може не бути необхідним. Відхиліть растр до цільових розширень. Використовуйте білінеарну інтерполяцію та підтримуйте розмір вихідної комірки таким же, як вхідна роздільна здатність (наприклад, 1 м). Використовуйте точку реєстрації, щоб "прив’язати" растрові кути до проекції. Вихідні розширення можна вказати в "Середовищах", і я пропоную вказати розширення з кратним 10 м (або будь-якою роздільною здатністю). Ці розширення контролюватимуть, де визначається статистика для остаточного растру.

2. Виконайте статистику блоку (знайдено в Інструментах просторової аналітики> Поруччя). Використовуйте прямокутник з 10 комірок як по висоті, так і по ширині, а для типу статистики виберіть "MEAN". Спробуйте різні форми та типи, якщо хочете. Розмір комірки - коефіцієнт зменшення вибірки.

3. Оскільки статистика блоків не змінює роздільну здатність растру, останнім кроком є переупорядкування (знайдено в Інструментах управління даними> Растр> Обробка растра ). Виберіть 10 м та скористайтеся "БІЛЬШЕ", щоб вибрати статистику блоку в центрі комірки.

Кроки 2 і 3 можна замінити пропозицією Curtvprice щодо використання інструменту агрегатування , який ефективно дасть ті самі результати за допомогою прямокутних засобів.

Ви можете вирвати крок із процесу, скориставшись інструментом Aggregate, який уникне необхідності повторювати всі ці клітинки підсумкового значення та Resample.

Усі зазначені вище пункти важливо враховувати, і я повністю погоджуюся, що білінеарне переутворення є досить проблематичним. Хоча, мені цікаво, чому ніхто не обговорює кубічну згортку? Проблема використання функції блоку полягає в тому, що середнє значення є неактуальним, коли розподіл є не нормальним або мультимодальним, як це очікувалося при DEM, отриманому з лідару.

Якщо у вас є доступ до вихідних даних lidar, просто інтерполюйте їх до потрібної роздільної здатності, використовуючи інструмент "Topo to Raster" в ArcGIS. Якщо у вас є лише доступ до растру 1мм DEM, це здається найкращим, хоча і найменш ефективним, методом було б перетворення растра в точки і використання тонкої пластини або бі-кубічного сплайна. Це дозволило б сусідству з повторним зразком відповідати нелінійній кривій даних.

Крім того, ви можете згладити растр на 1 м за допомогою ядра Гаусса, наблизивши розмір до потрібної роздільної здатності повторної вибірки (10x10), і тоді білінеарна повторна вибірка була б набагато доречнішою. Такий підхід дозволить вам мати прямий контроль над параметром згладжування і призведе до "локального" нормального розподілу, коли середнє значення стає актуальним як показник центральної тенденції та підтримується лінійне прилягання.