Decidere quale metodo di interpolazione utilizzare per il ricampionamento dei dati raster?


40

Esistono regole rigide e veloci su quali metodi di interpolazione sono adatti a ciascun tipo di dati raster?


1
Cosa stai interpolando? L'obiettivo è semplicemente visualizzare o misurare effettivamente un qualche tipo di distribuzione? Tuttavia, per non suscitare le tue speranze, non sono praticamente regole rigide o veloci.
Andy W,

4
@ninesided: sei sicuro di voler indicare i dati "raster"? La risposta accettata si riferisce esclusivamente ai metodi di interpolazione di dati vettoriali (puntuali e lineari).
whuber

5
Il titolo della domanda è un po 'ambiguo. Le parole interpolazione e ricampionamento significano due cose leggermente diverse. Interpolare è prendere un campione di punti dati discreti (raster o vettoriale) e calcolare una superficie continua da quello. Il ricampionamento sta prendendo un gruppo di punti (di nuovo, raster o vettoriale), applicando loro una sorta di algoritmo e producendo un nuovo set di punti. Quindi, credo che l'interpolazione possa essere vista come un tipo di ricampionamento.
Don Meltz,

2
Imho, il titolo è sbagliato. "ricampionamento dei dati raster" mi fa pensare che tu abbia un raster e desideri produrre da esso un nuovo raster più grande / più piccolo. Se si desidera produrre un raster interpolando punti vettoriali "ricampionamento" è il termine sbagliato.
underdark

3
@ninesided - Dato che hai scelto la mia risposta come risposta alla tua domanda, presumo che stavi cercando di interpolare una serie di punti discreti su una superficie raster continua. La parola resample viene interpretata dalla maggior parte come una conversione di un raster in un altro, basata su un algoritmo. Non credo che tu abbia sbagliato a usare la parola perché credo che l'interpolazione sia una forma di ricampionamento. È solo che la maggior parte non la vede così. Non professo di essere un esperto in questo settore, quindi le correzioni alla mia ipotesi sono benvenute.
Don Meltz,

Risposte:


11

Sono d'accordo che non ci sono regole rigide e veloci, ma ci sono alcune linee guida per vari metodi di interpolazione. Ad esempio, IDW è il migliore quando si hanno punti abbastanza densi per cominciare. Kriging è un processore intensivo, di solito utilizzato nella modellazione del suolo / geologia. La spline viene solitamente utilizzata quando si desidera una superficie liscia, ad es. Dati di temperatura Alcuni metodi consentono al raster risultante di passare attraverso i punti originali, mentre altri no.

Sebbene sia incentrato su ArcGIS, una buona panoramica dei diversi metodi può essere trovata nel documento di 4 pagine

Interpolazione di superfici nell'analista spaziale ArcGIS


41

Un chiarimento alla domanda indica che si cercano metodi per ricampionare un raster . Molti sono in uso nelle comunità di imaging e fotografia . Per il lavoro GIS, tuttavia, sono di uso comune diversi metodi semplici:

  • Ricampionamento del vicino più vicino . A ogni cella nel nuovo raster viene assegnato il valore della cella più vicina (da centro a centro) nel raster originale. Usalo per dati categorici come l'uso del suolo e altre classificazioni.

  • Interpolazione bilineare . A ogni cella nel nuovo raster viene assegnata una media basata sulle quattro celle originali più vicine. La media è lineare nelle direzioni orizzontale e verticale. (La formula risultante, tuttavia, non è lineare; in realtà è quadratica). Questo è utile per il livellamento per scopi generici, ma la media che va di solito taglia un po 'i picchi e le valli locali.

  • Convoluzione cubica . Questo è simile nello spirito all'interpolazione bilineare ma può estrapolare leggermente i valori dalle cellule vicine. Lo fa in un modo destinato a riprodurre le medie locali e la variabilità nella nuova griglia; in particolare, il taglio degli estremi locali non dovrebbe essere così grave. (Una conseguenza spiacevole, evidente come un bug in ArcGIS di ESRI, è che i valori nella nuova griglia possono estendersi oltre l'intervallo di quello precedente, facendo sì che alcuni dei nuovi estremi non vengano resi correttamente. Ma si tratta di dati solo visualizzazione.) Il compromesso è che la convoluzione cubica richiede un po 'più di tempo per calcolare l'interpolazione bilineare.

Discuto questi ultimi due metodi in dettaglio su http://www.quantdec.com/SYSEN597/GTKAV/section9/map_algebra.htm

Per i calcoli una tantum rapidi di solito sono contento di eseguire l'interpolazione bilineare (per dati continui) o l'interpolazione del vicino più vicino (per dati categorici). Per tutti gli altri, specialmente quando si preparano set di dati principali o quando si prevedono manipolazioni estese, consiglio di utilizzare la convoluzione cubica (oltre a riflettere sull'ordinamento delle operazioni per ridurre al minimo la propagazione dell'errore in virgola mobile).


Alcuni utili consigli aggiuntivi appaiono nei commenti su gis.stackexchange.com/questions/17328/… .
whuber

18

Secondo ESRI i metodi di interpolazione disponibili (disponibili come strumenti in Analista spaziale e altre estensioni) vengono confrontati come segue: (Citando)

Lo strumento IDW (Inverse Distance Weighted) utilizza un metodo di interpolazione che stima i valori delle celle facendo la media dei valori dei punti dei dati campione nelle vicinanze di ciascuna cella di elaborazione. Più un punto è vicino al centro della cellula da stimare, maggiore è l'influenza o il peso che ha nel processo di calcolo della media.

Kriging è una procedura geostatistica avanzata che genera una superficie stimata da un insieme sparso di punti con valori z. Più di altri metodi di interpolazione supportati da ArcGIS Spatial Analyst, un'analisi approfondita del comportamento spaziale del fenomeno rappresentato dai valori z dovrebbe essere eseguita prima di selezionare il miglior metodo di stima per generare la superficie di output.

L' interpolazione Natural Neighbor trova il sottoinsieme più vicino di campioni di input in un punto di query e applica pesi a essi in base ad aree proporzionate per interpolare un valore (Sibson, 1981). È anche noto come Sibson o interpolazione "area-furto".

Lo strumento Spline utilizza un metodo di interpolazione che stima i valori utilizzando una funzione matematica che riduce al minimo la curvatura della superficie complessiva, ottenendo una superficie liscia che passa esattamente attraverso i punti di input.

Spline con barriere Lo strumento Spline con barriere utilizza un metodo simile alla tecnica utilizzata nello strumento Spline, con la differenza principale che questo strumento onora le discontinuità codificate sia nelle barriere di input che nei dati dei punti di input.

Gli strumenti Topo to Raster e Topo to Raster by File utilizzano una tecnica di interpolazione specificamente progettata per creare una superficie che rappresenta più da vicino una superficie di drenaggio naturale e preserva meglio sia le linee di giunzione che le reti di flusso dai dati di contorno di input.

L'algoritmo utilizzato si basa su quello di ANUDEM, sviluppato da Hutchinson et al presso la Australian National University.

La tendenza è un'interpolazione polinomiale globale che si adatta a una superficie liscia definita da una funzione matematica (un polinomio) ai punti di campionamento di input. La superficie di tendenza cambia gradualmente e acquisisce modelli su larga scala nei dati.

Puoi anche dare un'occhiata a questo articolo: http://proceedings.esri.com/library/userconf/proc95/to100/p089.html


1
+1 per aver scelto qualcosa dall'ESRI aiuta a citare ciò che ha davvero senso ed è corretto!
whuber

Potresti aggiornare il link al procedimento, quello che hai pubblicato non è più disponibile (pagina non trovata). In alternativa, è possibile inserire un titolo o alcune informazioni che ci consentano di cercarlo nella pagina ESRI.
Renata Dis,

2

Altri due metodi sarebbero Average4 e Average16. Fanno quello che sembrano e prendono la media delle 4 o 16 celle circostanti.

Il caso d'uso qui è principalmente per i dati DEM. Non lo useresti su un'immagine raster (esp 3 band color)

Non è ponderato per la distanza, ma poi non penso che lo userei per il raster (solo vettore) poiché la distanza in un set di dati raster è un po 'più soggettiva

Ho sempre pensato che Median4 e Median16 sarebbero stati dei buoni modi per rimuovere cali e picchi dai dati DEM, anche se non conosco alcun pacchetto che lo permetta.


2
Il tuo suggerimento di utilizzare mediane di quartiere per lo screening dei valori anomali locali nei DEM è positivo, Mark. Il pacchetto GRID / Analista spaziale di ESRI ha incluso mediane di quartiere per molto tempo, so che IDRISI può farlo, e probabilmente anche GRASS e Manifold. Ma questo metodo sarebbe una scelta sbagliata per ricampionare una griglia. Allo stesso modo gli altri metodi citati non avrebbero buone proprietà: levigano efficacemente i dati originali alla risoluzione della griglia originale, e quindi non dovrebbero essere presi in considerazione per il ricampionamento.
whuber
Utilizzando il nostro sito, riconosci di aver letto e compreso le nostre Informativa sui cookie e Informativa sulla privacy.
Licensed under cc by-sa 3.0 with attribution required.