Quando si ha a che fare con raster di risoluzioni diverse si dovrebbe ricampionare alla risoluzione più alta o più bassa?

Sto cercando consigli sulle migliori pratiche per gestire i livelli di dati raster con diverse risoluzioni e proiezioni. Il consiglio che mi è stato dato è di ricampionare sempre al livello con la risoluzione più bassa prima di eseguire qualsiasi analisi, ma questo mi sembra un enorme spreco di precisione e non mi è mai stata data una solida spiegazione del perché dovrebbe essere fatto.

Quando è ragionevole ricampionare per abbinare una griglia a risoluzione più elevata e quali sono le implicazioni rispetto al ricampionamento a una risoluzione inferiore?

Mi rendo conto che ciò dipende molto dalla situazione. Sono principalmente alla ricerca di linee guida generali, ma ecco il mio scenario specifico di riferimento:

Scenario: sto cercando di costruire un modello di regressione spaziale che preveda l'uso del suolo basato su una varietà di strati ambientali e socio-economici. La mia mappa dell'uso del suolo è derivata da Landsat e quindi con una risoluzione di 30 m. Esempi di strati esplicativi includono SRTM DEM (3 secondi d'arco, ~ 90 m) e strati climatici Bioclim (30 secondi d'arco, ~ 1 km).

In realtà non dipende tutto da quella situazione ed è tutto basato sull'errore statistico.

Ogni volta che ricampi ad una risoluzione più alta, stai introducendo una falsa precisione. Considera un insieme di dati misurati in piedi solo a numeri interi. Ogni dato punto può trovarsi a +/- 0,5 piedi dalla sua posizione attuale. Se ricampi al decimo più vicino, ora stai dicendo che un dato numero non è più di +/- 0,1 dalla sua posizione attuale. Tuttavia, sai che le tue misure originali non erano così accurate e ora stai operando entro il margine di errore. Tuttavia, se si va dall'altra parte e si ricampiona alla risoluzione più bassa, si sa che ogni dato valore in punti è sicuramente accurato perché è contenuto nel margine di errore del campione più ampio.

Al di fuori della matematica statistica, il primo posto che viene in mente è il rilevamento del territorio. I sondaggi più vecchi hanno specificato solo i cuscinetti fino al mezzo minuto più vicino e le distanze al decimo di piede. Tracciare una traversata di confine con queste misurazioni può spesso portare a una chiusura errata (il punto iniziale e il punto finale devono essere uguali ma non vengono misurati) in piedi. I sondaggi moderni vanno almeno al secondo e al centesimo di piede più vicini. I valori derivati ​​(come l'area di un lotto) possono essere significativamente influenzati dalla differenza di precisione. Il valore derivato stesso può anche essere dato come eccessivamente preciso.

Nel tuo caso di analisi, se ricampi ad una risoluzione più alta i tuoi risultati implicheranno una precisione molto maggiore rispetto ai dati su cui si basano. Considera il tuo SRTM a 90m. Con qualunque metodo misurino l'elevazione (avg / max / mean return), l'unità più piccola (pixel) che può essere differenziata dai suoi vicini è 90m. Se lo ricampi a 30m, o:

• supponi che tutti e nove i pixel risultanti abbiano la stessa elevazione quando in verità forse solo uno - il centro, o in alto a sinistra - (o nessuno!) è
• si interpola tra i pixel, creando valori derivati ​​non presenti prima

Pertanto, in entrambi i casi si introduce una falsa precisione perché i nuovi sottocampioni non sono stati effettivamente misurati.

Domanda correlata: quali pratiche sono disponibili per modellare l'idoneità del terreno?