Entscheiden Sie, welche Interpolationsmethode zum erneuten Abtasten von Rasterdaten verwendet werden soll.

40

Gibt es feste Regeln, welche Interpolationsmethoden für jede Art von Rasterdaten geeignet sind?

— neunseitig
quelle

1

Was interpolierst du? Ist das Ziel einfach, irgendeine Art von Verteilung zu visualisieren oder tatsächlich zu messen? Um Ihre Hoffnungen nicht zu wecken, gibt es praktisch keine festen Regeln.

— Andy W

4

@ninesided: Sind Sie sicher, dass Sie "Raster" -Daten angeben möchten? Die von Ihnen akzeptierte Antwort bezieht sich ausschließlich auf Methoden zum Interpolieren von Vektordaten (Pünktlich- und Liniendaten).

— whuber

5

Der Titel der Frage ist etwas mehrdeutig. Die Wörter Interpolation und Resample bedeuten zwei leicht unterschiedliche Dinge. Interpolieren heißt, eine Stichprobe von diskreten Datenpunkten (Raster oder Vektor) zu nehmen und daraus eine stetige Fläche zu berechnen. Beim Resampling wird eine Gruppe von Punkten (wieder ein Raster oder ein Vektor) verwendet, eine Art Algorithmus angewendet und ein neuer Satz von Punkten erstellt. Ich glaube also, dass Interpolation als eine Art von Resampling angesehen werden kann.

— Don Meltz

2

Imho ist der Titel falsch. Beim "Resampling von Rasterdaten" denke ich, dass Sie ein Raster haben und daraus ein neues größeres / kleineres Raster erstellen möchten. Wenn Sie ein Raster durch Interpolation von Vektorpunkten erzeugen möchten, ist "Resampling" der falsche Begriff.

— Underdunkel

3

@ninesided - Da Sie meine Antwort als Antwort auf Ihre Frage ausgewählt haben, haben Sie wahrscheinlich versucht, eine Reihe von diskreten Punkten auf eine kontinuierliche Rasterfläche zu interpolieren. Das Wort Resample wird von den meisten als Umwandlung eines Rasters in ein anderes interpretiert, basierend auf einem Algorithmus. Ich glaube nicht, dass Sie sich irren, das Wort zu verwenden, weil ich glaube, dass Interpolation eine Form des Resamplings ist. Es ist nur so, dass die meisten es nicht so sehen. Ich behaupte nicht, ein Experte auf diesem Gebiet zu sein, daher sind Korrekturen meiner Vermutung willkommen.

— Don Meltz

11

Ich bin damit einverstanden, dass es keine festen Regeln gibt, aber es gibt einige Richtlinien für verschiedene Interpolationsmethoden. Zum Beispiel ist IDW am besten geeignet, wenn Sie anfangs ziemlich dichte Punkte haben. Kriging ist rechenintensiv und wird normalerweise in der Boden- / Geologiemodellierung verwendet. Spline wird normalerweise verwendet, wenn eine glatte Oberfläche gewünscht wird, z. B. Temperaturdaten. Bei einigen Methoden wird das resultierende Raster durch die ursprünglichen Punkte geführt, bei anderen nicht.

Obwohl es sich um ArcGIS handelt, finden Sie auf dem vierseitigen Papier einen guten Überblick über die verschiedenen Methoden

Interpolieren von Oberflächen in ArcGIS Spatial Analyst

— Don Meltz
quelle

41

Eine Klärung der Frage zeigt, dass nach Methoden zum erneuten Abtasten eines Rasters gesucht wird. Viele werden in Bildgebungs- und Foto- Communities eingesetzt. Für GIS-Arbeiten sind jedoch mehrere einfache Methoden gebräuchlich:

Resampling beim nächsten Nachbarn . Jeder Zelle im neuen Raster wird der Wert der nächsten Zelle (Mitte zu Mitte) im ursprünglichen Raster zugewiesen. Verwenden Sie dies für kategoriale Daten wie Landnutzung und andere Klassifikationen.
Bilineare Interpolation . Jeder Zelle im neuen Raster wird ein Durchschnitt basierend auf den vier nächsten Originalzellen zugewiesen. Die Mittelung ist in horizontaler und vertikaler Richtung linear. (Die resultierende Formel ist jedoch nicht linear; sie ist tatsächlich quadratisch.) Dies ist gut für die allgemeine Glättung, aber die Mittelung, die fortgesetzt wird, schneidet in der Regel lokale Spitzen und Täler ein wenig ab.
Kubische Faltung . Dies ähnelt der bilinearen Interpolation, kann jedoch Werte aus benachbarten Zellen leicht extrapolieren. Dies geschieht auf eine Weise, die lokale Durchschnittswerte und Schwankungen im neuen Netz reproduzieren soll. Insbesondere sollte das Abschneiden lokaler Extrema nicht so schwerwiegend sein. (Eine unerwünschte Konsequenz, die sich in ArcGIS von ESRI als Fehler herausstellt, besteht darin, dass die Werte im neuen Raster möglicherweise über den Bereich des alten Rasters hinausgehen und einige der neuen Extreme nicht korrekt wiedergegeben werden. Dies ist jedoch eine Frage der Daten Nur Anzeige.) Der Nachteil ist, dass die Berechnung der kubischen Faltung etwas mehr Zeit in Anspruch nimmt als die bilineare Interpolation.

Die beiden letztgenannten Methoden werden unter http://www.quantdec.com/SYSEN597/GTKAV/section9/map_algebra.htm ausführlich beschrieben

Für schnelle einmalige Berechnungen bin ich normalerweise damit zufrieden, bilineare Interpolation (für kontinuierliche Daten) oder Nearest-Neighbor-Interpolation (für kategoriale Daten) durchzuführen. Für alle anderen empfehle ich, insbesondere bei der Vorbereitung von Master-Datensätzen oder bei der Antizipation umfangreicher Manipulationen, die kubische Faltung zu verwenden (und die Operationen anzuordnen, um die Ausbreitung von Gleitkommafehlern zu minimieren).

— whuber
quelle

Einige nützliche zusätzliche Hinweise finden Sie in den Kommentaren unter gis.stackexchange.com/questions/17328/… .

— Whuber

18

Gemäß ESRI werden die verfügbaren Interpolationsmethoden (Verfügbar als Tools in Spatial Analyst und anderen Erweiterungen) wie folgt verglichen:

Das Werkzeug IDW (Inverse Distance Weighted) verwendet eine Interpolationsmethode, mit der die Zellenwerte geschätzt werden, indem der Durchschnitt der Werte der Abtastdatenpunkte in der Nachbarschaft jeder Verarbeitungszelle gebildet wird. Je näher ein Punkt an der Mitte der zu schätzenden Zelle liegt, desto mehr Einfluss oder Gewicht hat er auf den Mittelungsprozess.

Kriging ist ein fortgeschrittenes geostatistisches Verfahren, das eine geschätzte Oberfläche aus einer Menge von Punkten mit Z-Werten erzeugt. Im Gegensatz zu anderen von ArcGIS Spatial Analyst unterstützten Interpolationsmethoden sollte eine gründliche Untersuchung des räumlichen Verhaltens des durch die Z-Werte dargestellten Phänomens durchgeführt werden, bevor Sie die beste Schätzmethode zum Generieren der Ausgabeoberfläche auswählen.

Bei der Natural Neighbor- Interpolation wird die einem Abfragepunkt am nächsten liegende Teilmenge von Eingabemustern ermittelt und anhand von Proportionalbereichen gewichtet, um einen Wert zu interpolieren (Sibson, 1981). Es ist auch als Sibson- oder "Area-Stealing" -Interpolation bekannt.

Das Spline- Werkzeug verwendet eine Interpolationsmethode, mit der Werte mithilfe einer mathematischen Funktion geschätzt werden, mit der die Gesamtkrümmung der Oberfläche minimiert wird. Dies führt zu einer glatten Oberfläche, die genau durch die Eingabepunkte verläuft.

Spline mit Barrieren Das Spline mit Barrieren-Werkzeug verwendet eine ähnliche Methode wie das Spline-Werkzeug. Der Hauptunterschied besteht darin, dass dieses Werkzeug Diskontinuitäten berücksichtigt, die sowohl in den Eingabebarrieren als auch in den Eingabepunktdaten codiert sind.

Die Werkzeuge " Topo zu Raster" und " Topo zu Raster nach Datei" verwenden eine Interpolationstechnik, die speziell zum Erstellen einer Oberfläche entwickelt wurde, die einer natürlichen Entwässerungsoberfläche besser entspricht und sowohl Kammlinien als auch Stromnetze besser von den eingegebenen Konturdaten schützt.

Der verwendete Algorithmus basiert auf dem von Hutchinson et al. An der Australian National University entwickelten ANUDEM.

Trend ist eine globale Polynominterpolation, die eine durch eine mathematische Funktion (ein Polynom) definierte glatte Oberfläche an die eingegebenen Abtastpunkte anpasst. Die Trendoberfläche ändert sich allmählich und erfasst grobe Muster in den Daten.

Sie können sich auch diesen Artikel ansehen: http://proceedings.esri.com/library/userconf/proc95/to100/p089.html

— Jakub Sisak GeoGraphics
quelle

1

+1 für die Auswahl von etwas aus der ESRI-Hilfe, um zu zitieren, was tatsächlich Sinn macht und richtig ist!

— whuber

Könnten Sie den Link zum Verfahren aktualisieren, ist der von Ihnen gepostete Link nicht mehr verfügbar (Seite nicht gefunden). Alternativ können Sie auf der ESRI-Seite einen Titel oder Informationen einfügen, nach denen wir suchen können.

— Renata Dis

2

Zwei andere Methoden wären Average4 und Average16. Sie machen das, wonach sie klingen, und nehmen den Durchschnitt der 4 oder 16 umgebenden Zellen.

Der Anwendungsfall ist hier hauptsächlich für DEM-Daten. Sie würden es nicht für ein Rasterbild verwenden (insbesondere 3-Band-Farbe)

Es ist nicht entfernungsgewichtet, aber ich glaube nicht, dass ich das für Raster (nur Vektor) verwenden würde, da die Entfernung in einem Raster-Dataset etwas subjektiver ist

Ich habe immer gedacht, dass Median4 und Median16 gute Möglichkeiten sind, um Dips und Spikes von DEM-Daten zu entfernen, obwohl ich keine Pakete kenne, die dies zulassen.

— Markieren Sie Irland
quelle

2

Ihr Vorschlag, für das Screening lokaler Ausreißer in DEMs Nachbarschaftsmediane zu verwenden, ist gut, Mark. Das GRID / Spatial Analyst-Paket von ESRI enthält seit langer Zeit Nachbarschaftsmedianwerte. Ich weiß, dass IDRISI dies kann, und wahrscheinlich auch GRASS und Manifold. Diese Methode wäre jedoch eine schlechte Wahl für das Resampling eines Gitters. Ebenso haben die anderen Methoden, die Sie erwähnen, keine guten Eigenschaften: Sie glätten die Originaldaten effektiv mit der Auflösung des Originalgitters und sollten daher für das Resampling überhaupt nicht in Betracht gezogen werden.

— whuber