Memutuskan metode interpolasi apa yang akan digunakan untuk resampling data raster?

Adakah aturan keras dan cepat tentang metode interpolasi mana yang cocok untuk setiap jenis data raster?

Saya setuju tidak ada aturan yang keras dan cepat, tetapi ada beberapa pedoman untuk berbagai metode interpolasi. Misalnya, IDW adalah yang terbaik ketika Anda memiliki poin yang cukup padat untuk memulai. Kriging adalah prosesor yang intensif, biasanya digunakan dalam pemodelan tanah / geologi. Spline biasanya digunakan ketika permukaan yang halus diinginkan, misalnya data suhu. Beberapa metode menjaga raster yang dihasilkan melewati titik-titik asli sementara yang lain tidak.

Meskipun ArcGIS sentris, tinjauan umum yang baik dari berbagai metode dapat ditemukan di kertas 4 halaman

Interpolasi Permukaan di ArcGIS Spatial Analyst

Klarifikasi untuk pertanyaan tersebut mengindikasikan bahwa metode resampling raster sedang dicari. Banyak yang digunakan dalam komunitas pencitraan dan fotografi . Namun, untuk pekerjaan SIG, beberapa metode langsung umum digunakan:

• Resampling tetangga terdekat . Setiap sel dalam raster baru diberi nilai sel terdekat (pusat ke pusat) dalam raster asli. Gunakan ini untuk data kategorikal seperti penggunaan lahan dan klasifikasi lainnya.

• Interpolasi bilinear . Setiap sel dalam raster baru diberi rata-rata berdasarkan pada empat sel asli terdekat. Rata-rata linier dalam arah horizontal dan vertikal. (Rumus yang dihasilkan, meskipun, tidak linier; itu sebenarnya kuadrat.) Ini bagus untuk perataan tujuan umum tetapi rata-rata yang terjadi biasanya klip puncak dan lembah lokal sedikit.

• Konvolusi kubik . Ini mirip dalam semangat untuk interpolasi bilinear tetapi sedikit dapat memperkirakan nilai dari sel-sel di dekatnya. Ia melakukannya dengan cara yang dimaksudkan untuk mereproduksi rata-rata dan variabilitas lokal dalam kisi baru; khususnya, kliping ekstrema lokal tidak boleh separah ini. (Salah satu konsekuensi yang tidak diinginkan, terbukti sebagai bug dalam ArcGIS ESRI, adalah bahwa nilai-nilai di grid baru dapat melampaui batas yang lama, menyebabkan beberapa ekstrem baru tidak dapat di-render dengan benar. Tetapi ini adalah masalah data hanya display.) Yang menjadi tradeoff adalah konvolusi kubik membutuhkan waktu lebih lama untuk dihitung daripada interpolasi bilinear.

Saya membahas dua metode terakhir secara terperinci di http://www.quantdec.com/SYSEN597/GTKAV/section9/map_algebra.htm

Untuk perhitungan cepat satu kali, saya biasanya puas melakukan interpolasi bilinear (untuk data kontinu) atau interpolasi tetangga terdekat (untuk data kategorikal). Untuk semua yang lain, terutama ketika menyiapkan dataset master atau ketika mengantisipasi manipulasi yang luas, saya sarankan menggunakan konvolusi kubik (serta memberikan pemikiran untuk memesan operasi untuk meminimalkan penyebaran kesalahan floating point).

Menurut ESRI metode interpolasi yang tersedia (Tersedia sebagai alat dalam Spatial Analyst dan ekstensi lainnya) dibandingkan sebagai berikut: (Mengutip)

Alat IDW (Inverse Distance Weighted) menggunakan metode interpolasi yang memperkirakan nilai sel dengan rata-rata nilai poin data sampel di lingkungan masing-masing sel pemrosesan. Semakin dekat suatu titik dengan pusat sel yang diperkirakan, semakin besar pengaruhnya, atau beratnya, dalam proses rata-rata.

Kriging adalah prosedur geostatistik canggih yang menghasilkan permukaan yang diperkirakan dari serangkaian titik yang tersebar dengan nilai z. Lebih dari metode interpolasi lainnya yang didukung oleh ArcGIS Spatial Analyst, penyelidikan menyeluruh terhadap perilaku spasial dari fenomena yang diwakili oleh nilai-z harus dilakukan sebelum Anda memilih metode estimasi terbaik untuk menghasilkan permukaan output.

Interpolasi Natural Neighbor menemukan subset terdekat dari sampel input ke titik kueri dan menerapkan bobot pada mereka berdasarkan area proporsional untuk menginterpolasi nilai (Sibson, 1981). Ini juga dikenal sebagai interpolasi Sibson atau "mencuri area".

Alat Spline menggunakan metode interpolasi yang memperkirakan nilai menggunakan fungsi matematika yang meminimalkan kelengkungan permukaan secara keseluruhan, menghasilkan permukaan halus yang melewati tepat melalui titik input.

Spline dengan Penghalang Alat Spline dengan Penghalang menggunakan metode yang mirip dengan teknik yang digunakan dalam alat Spline, dengan perbedaan utama adalah bahwa alat ini menghormati diskontinuitas yang dikodekan dalam hambatan input dan data titik input.

The Topo untuk Raster dan Topo untuk Raster oleh File alat menggunakan teknik interpolasi khusus dirancang untuk menciptakan permukaan yang lebih erat mewakili permukaan drainase alami dan lebih baik diawetkan baik Ridgelines dan jaringan aliran dari data masukan kontur.

Algoritma yang digunakan didasarkan pada ANUDEM, yang dikembangkan oleh Hutchinson et al di Australian National University.

Tren adalah interpolasi polinom global yang sesuai dengan permukaan halus yang didefinisikan oleh fungsi matematika (polinomial) ke titik sampel input. Permukaan tren berubah secara bertahap dan menangkap pola skala kasar dalam data.

Anda juga dapat melihat artikel ini: http://proceedings.esri.com/library/userconf/proc95/to100/p089.html

Dua metode lain adalah Average4 dan Average16. Mereka melakukan apa yang mereka suka dan mengambil rata-rata dari 4 atau 16 sel di sekitarnya.

Kasus penggunaan di sini sebagian besar untuk data DEM. Anda tidak akan menggunakannya pada gambar raster (esp 3 warna band)

Ini bukan jarak tertimbang, tapi kemudian saya tidak berpikir saya akan menggunakannya untuk raster (hanya vektor) karena jarak dalam dataset raster sedikit lebih subjektif

Saya selalu berpikir bahwa Median4 dan Median16 akan menjadi cara yang baik untuk menghapus penurunan dan lonjakan data DEM, meskipun saya tidak tahu ada paket yang memungkinkannya.