래스터 데이터 리샘플링에 사용할 보간 방법을 결정합니까?

각 종류의 래스터 데이터에 적합한 보간 방법에 대한 단단하고 빠른 규칙이 있습니까?

강력하고 빠른 규칙은 없지만 다양한 보간 방법에 대한 몇 가지 지침이 있습니다. 예를 들어, IDW는 시작하기에 상당히 조밀 한 포인트가있을 때 가장 좋습니다. Kriging은 일반적으로 토양 / 지질학 모델링에 사용되는 프로세서 집약적입니다. 스플라인은 일반적으로 매끄러운 표면이 필요한 경우에 사용됩니다 (예 : 온도 데이터) 일부 방법은 결과 래스터가 원래 점을 통과하는 반면 다른 방법은 그렇지 않습니다.

ArcGIS 중심이지만 다른 방법에 대한 좋은 개요는 4 페이지 용지에서 찾을 수 있습니다.

ArcGIS Spatial Analyst의 표면 보간

이 질문에 대한 설명 은 래스터를 리샘플링하는 방법을 찾고 있음을 나타냅니다 . 많은 사람들이 이미징 및 사진 커뮤니티 에서 사용되고 있습니다. 그러나 GIS 작업의 경우 몇 가지 간단한 방법이 일반적으로 사용됩니다.

• 가장 가까운 이웃 리샘플링 . 새 래스터의 각 셀에는 원래 래스터에서 가장 가까운 셀 (가운데에서 중앙까지)의 값이 할당됩니다. 토지 사용 및 기타 분류와 같은 범주 형 데이터에 사용하십시오.

• 쌍 선형 보간 . 새 래스터의 각 셀에는 가장 가까운 네 개의 원래 셀을 기준으로 평균이 할당됩니다. 평균화는 가로 및 세로 방향으로 선형입니다. (그러나 결과 수식은 선형 이 아니며 실제로 2 차입니다.) 이것은 범용 스무딩에는 좋지만 평균적으로 진행되는 평균화는 로컬 피크와 밸리를 약간 클리핑합니다.

• 입방 컨벌루션 . 이것은 이중 선형 보간과 비슷하지만 근처의 셀에서 값을 약간 추정 할 수 있습니다. 새로운 그리드에서 지역 평균과 변동성을 재현하기위한 방식으로 수행됩니다. 특히, 국소 극한의 클리핑은 심각하지 않아야합니다. (ESRI의 ArcGIS의 버그로 명백히 드러난 한 가지 결과는 새로운 그리드의 값이 기존의 범위를 넘어 확장되어 일부 새로운 극단이 올바르게 렌더링되지 않을 수 있다는 것입니다. 그러나 이것은 데이터의 문제입니다 트레이드 오프는 입방 형 컨볼 루션이 쌍 선형 보간보다 계산하는 데 시간이 조금 더 걸린다는 것입니다.

후자의 두 가지 방법에 대해서는 http://www.quantdec.com/SYSEN597/GTKAV/section9/map_algebra.htm 에서 자세히 설명합니다 .

빠른 일회성 계산의 경우 일반적으로 쌍 선형 보간 (연속 데이터의 경우) 또는 가장 가까운 이웃 보간 (범주 형 데이터의 경우)을 수행하는 데 만족합니다. 다른 모든 경우, 특히 마스터 데이터 세트를 준비하거나 광범위한 조작을 예상 할 때 큐빅 컨벌루션을 사용하는 것이 좋습니다 (부동 소수점 오류의 전파를 최소화하기 위해 작업을 정렬하는 것에 대한 일부 생각 제공).

ESRI에 따르면 사용 가능한 보간 방법 (Spatial Analyst의 도구 및 기타 확장에서 사용 가능)은 다음과 같이 비교됩니다. (Quoting)

IDW (Inverse Distance Weighted) 도구는 각 처리 셀 근처의 샘플 데이터 포인트 값을 평균하여 셀 값을 추정하는 보간 방법을 사용합니다. 포인트가 계산되는 셀의 중심에 가까울수록 평균화 프로세스에 더 많은 영향을 미치거나 가중됩니다.

Kriging 은 z- 값을 갖는 흩어진 점 세트에서 추정 된 표면을 생성하는 고급 지질 통계 절차입니다. ArcGIS Spatial Analyst가 지원하는 다른 보간법보다 출력 표면 생성을위한 최상의 추정 방법을 선택하기 전에 z- 값으로 표현되는 현상의 공간 거동에 대한 철저한 조사를 수행해야합니다.

Natural Neighbor interpolation은 쿼리 지점에서 입력 샘플의 가장 가까운 부분 집합을 찾아 비례 영역을 기준으로 가중치를 적용하여 값을 보간합니다 (Sibson, 1981). Sibson 또는 "area-stealing"보간이라고도합니다.

스플라인 도구 추정 값은 수학 함수를 사용하는 것이 보간 방법을 사용하는 최소화 전체 표면 곡률 정확히 입력 포인트를 통과하는 매끄러운 표면 결과.

배리어가 있는 스플라인 배리어가있는 스플라인 도구는 스플라인 도구에 사용 된 기술과 유사한 방법을 사용하지만이 도구는 입력 배리어와 입력 포인트 데이터 모두에 인코딩 된 불연속성을 존중한다는 점이 다릅니다.

래스터 토포 및 파일에 의해 래스터 토포 툴은 특히 더 가깝게 자연 배수 표면과 잘 보존 입력 윤곽 데이터로부터 둘 능선 스트림 네트워크를 나타내는 표면을 생성하기위한 보간 방법을 사용한다.

사용 된 알고리즘은 호주 국립 대학교의 허친슨 (Hutchinson) 등이 개발 한 ANUDEM의 알고리즘을 기반으로합니다.

트렌드 는 수학 함수 (다항식)에 의해 정의 된 매끄러운 표면을 입력 샘플 포인트에 맞추는 전역 다항식 보간입니다. 추세 표면은 점차 변화하고 데이터의 대략적인 패턴을 포착합니다.

이 기사를 볼 수도 있습니다 : http://proceedings.esri.com/library/userconf/proc95/to100/p089.html

다른 두 가지 방법은 Average4 및 Average16입니다. 그들은 그들이하는 것처럼 행동하고 4 개 또는 16 개의 주변 세포의 평균을 취합니다.

여기서 사용 사례는 대부분 DEM 데이터에 대한 것입니다. 래스터 이미지에는 사용하지 않을 것입니다 (esp 3 밴드 컬러).

거리 가중은 아니지만 래스터 데이터 세트의 거리가 조금 더 주관적이므로 래스터 (그냥 벡터)에 사용하지 않을 것이라고 생각합니다.

나는 항상 Median4와 Median16이 DEM 데이터에서 딥과 스파이크를 제거하는 좋은 방법이 될 것이라고 생각했지만, 허용하는 패키지는 모릅니다.