Metode terbaik untuk mengumpulkan 1m DEM mosaik ke 10m DEM

11

Saya memiliki mosaik DEM turunan 1D LiDar. Saya perlu menampilkan subset data sebagai DEM 10m. Saat ini saya menggunakan alat agregat di ARCGIS 10 untuk menghasilkan nilai rata-rata untuk setiap piksel 10m baru. Adakah saran apakah ini teknik terbaik untuk tugas seperti itu? Apakah nilai rata-rata merupakan pendekatan terbaik dengan tipe data ini?

— pengguna6784
sumber

1

Bisakah Anda menjelaskan lebih lanjut alur kerja Anda tentang mengapa data perlu sampel ulang ke resolusi yang lebih rendah? Mungkin ada cara yang lebih baik untuk melakukannya daripada menurunkan resolusi spasial sebagai langkah pertama?

— MLowry

10

Kesalahan umum (yang saya buat juga) adalah untuk mengambil sampel raster menggunakan alat resample dengan interpolasi bilinear. Lihat jawaban ini untuk penjelasan mengapa ini tidak baik. Raster dapat disampel dalam tiga langkah.

Langkah pertama mungkin tidak diperlukan. Proyeksi ulang raster ke luasan target. Gunakan interpolasi bilinear, dan jaga ukuran sel output sama dengan resolusi input (misalnya, 1 m). Gunakan titik registrasi untuk "mematahkan" sudut raster ke proyeksi. Keluaran keluaran dapat ditentukan dalam "Lingkungan", dan saya sarankan menentukan luasan dengan kelipatan 10 m (atau resolusi apa pun). Luas ini akan mengontrol di mana statistik ditentukan untuk raster terakhir.
Lakukan Statistik Blok (ditemukan di Alat Analis Tata Ruang> Lingkungan). Gunakan persegi panjang dengan 10 sel untuk tinggi dan lebar, dan pilih "BERARTI" untuk jenis statistik. Cobalah berbagai bentuk dan jenis, jika Anda mau. Ukuran sel adalah rasio down-sampling.
Karena statistik blok tidak mengubah resolusi raster, langkah terakhir adalah untuk Resample (ditemukan di Alat Manajemen Data> Raster> Pemrosesan Raster). Pilih 10 m, dan gunakan "TERDEKAT" untuk memilih statistik blok di tengah sel.

Langkah 2 dan 3 dapat diganti dengan saran Curtvprice untuk menggunakan alat Agregat , yang secara efektif akan menghasilkan hasil yang sama menggunakan cara persegi panjang.

— Mike T
sumber

2

whoa. Saya telah melakukan hal ini selama 20 tahun dan tidak tahu bahwa pengujian bilinear hanya menggunakan 4 titik data terdekat! ini jelas membutuhkan profil yang lebih tinggi.

— matt wilkie

6

Anda dapat memotong langkah dari proses dengan menggunakan alat Agregat, yang menghindari keharusan untuk mereplikasi semua sel nilai ringkasan, dan sampel ulang.

— Harga Curtis
sumber

Saran yang bagus, lebih sedikit langkah untuk dilakukan.

— nadya

4

Semua poin yang disebutkan di atas penting untuk dicatat dan saya sepenuhnya setuju bahwa resampling bilinear cukup bermasalah. Meskipun, saya ingin tahu mengapa tidak ada yang membahas konvolusi kubik? Masalah dengan menggunakan fungsi blok adalah bahwa rata-rata sangat tidak relevan ketika distribusinya non-normal atau multimodal, seperti yang diharapkan dengan DEM turunan lidar.

Jika Anda memiliki akses ke data LIDAR asli, cukup sisipkan data ke resolusi yang diinginkan menggunakan alat "Topo to Raster" di ArcGIS. Jika Anda hanya memiliki akses ke raster DEM 1m, sepertinya metode yang terbaik, meskipun paling tidak efisien, adalah mengubah raster menjadi titik dan menggunakan pelat tipis atau spline Bi-cubic. Ini akan memungkinkan untuk lingkungan sampel untuk mencocokkan kurva nonlinear dengan data.

Atau, Anda dapat memuluskan raster 1m menggunakan kernel Gaussian, mendekati ukuran resolusi resample yang Anda inginkan (10x10), dan kemudian sebuah bilinear resample akan jauh lebih tepat. Pendekatan ini akan memungkinkan Anda memiliki kontrol langsung atas parameter smoothing dan akan menghasilkan distribusi normal "lokal" di mana rata-rata menjadi relevan sebagai indikator kecenderungan pusat dan didukung linear.

— Jeffrey Evans
sumber

Pemilik pertanyaan tidak terlihat untuk waktu yang lama di sini, tapi saya memiliki masalah yang sama (raster lidar saya 0,5 m), jadi saya datang ke diskusi :) Mengenai raster konversi ke poin, untuk ArcGIS sepertinya jauh lebih mudah untuk menangani raster besar dari jutaan poin.

— nadya