Interpolasi batimetri multibeam menggunakan ArcGIS Desktop?

Saya mencoba membuat peta 3D dengan batimetri multi-balok (fitur 65536, xyz), tetapi tampaknya metode interpolasi terlalu kaku. Saya perlu memuluskan data sehingga terlihat lebih alami dan realistis.

Parameter mana yang harus saya variasikan sehingga saya bisa mendapatkan ini?

Ini kemungkinan tidak sepenuhnya menjadi masalah dengan model interpolasi. Data batimetri dapat menunjukkan kebisingan yang cukup besar. Karena bobot yang sama terkait dengan setiap aspek TIN dan efek outlier, interpolasi basis TIN dapat memperparah kebisingan ini dan tidak direkomendasikan. Saya akan menerapkan Topogrid (Topo to raster tool) Interpolasi Spline dan kemudian menerapkan filter smoothing pada hasilnya. Saya biasanya menggunakan filter tertimbang Gaussian dengan sigma 2, tetapi di ArcGIS Anda bisa menggunakan focal mean. Ukuran jendela akan tergantung pada resolusi permukaan interpolasi dan kriteria kesalahan. Anda tidak ingin membuat data terlalu berlebihan, menilai Root Mean Squared Error (RMSE) dari yang diamati vs yang diprediksi sangat penting. Temukan ukuran jendela yang menunjukkan keseimbangan yang dapat diterima antara kelancaran dan kesalahan.

Coba FFT (Fast Fourrier Transform) di ENVI atau Alat Pengolah Gambar lainnya setelah membuat raster Anda. Anda juga bisa menerapkannya langsung pada raster Anda menggunakan IDL.

Cobalah membuat TIN dari batimetri. TIN akan melakukan interpolasi titik (garis), menciptakan permukaan yang lebih halus daripada kisi. Anda juga dapat menjalankan hillshade pada kisi interpolasi, ini dapat menghasilkan sesuatu yang Anda sukai secara visual.

Anda dapat mencoba interpolasi Topo ke Raster hanya dalam satu langkah, mencoba nilai yang berbeda untuk parameter pemulusannya: faktor kesalahan diskritisasi (1,5, 2 atau lebih tinggi), toleransi # 1 (coba 2-3) dan toleransi # 2 (sekitar 100) . Penegakan drainase harus dinonaktifkan untuk batimetri (tidak ada penegakan), dan tipe data "tempat". Mungkin Anda berhasil mendapatkan kehalusan yang diinginkan tanpa filter.

Saya benci kontur tidak wajar yang Anda dapatkan dari kebanyakan model. Inilah alur kerja saya:

1. Buat garis pantai (coba gunakan lidar / citra yang lebih baru)
2. Buat TIN berdasarkan data garis pantai dan titik suara
3. Konversi Tin ke raster (saya biasanya menggunakan resolusi 1m)
4. Gunakan Multi Values ​​to Points untuk mengekstraksi nilai raster ke sounding point
5. Hitung bidang "Perbedaan" dalam data suara Anda dan periksa secara manual area di mana perbedaannya> 0,5 meter. Buat penghapusan yang perlu.
6. Buat NPWP berdasarkan bunyi dan garis pantai yang dikoreksi
7. Konversi TIN ke raster (saya biasanya menggunakan resolusi 5m)
8. Konversi raster ke point.
9. Pilih dari set data titik isi dengan set data titik suara (saya gunakan dalam jarak 10 meter) dan hapus titik-titik ini dari set data titik pengisian
10. Buat pilihan acak untuk mengurangi kepadatan set data pengisian (saya hanya permintaan untuk FID / beberapa nomor = CEILING (FID / beberapa nomor) setelah melakukan penghapusan awal dan menyimpan.
11. Gunakan titik isian acak, titik suara, garis pantai, dan poligon tingkat (dari garis pantai) di alat Topo ke Raster.
12. Buat kontur.

Ini memberi Anda kontur yang diperhalus, tetapi mempertahankan nilai yang terukur untuk data suara Anda. Ini tidak lebih baik, tetapi saya pikir itu terlihat jauh lebih baik.

Dalam hal kesederhanaan, TIN dapat memberikan pengembalian yang sangat masuk akal.

Saya tidak melihat alasan mengapa kebisingan menghalangi penggunaan TIN per se. Mereka akan secara tepat memodelkan titik data Anda jika Anda mengatur parameter seperti itu atau lebih pas di permukaan. Mereka juga memiliki keuntungan berbeda dari menjadi skala dan orientasi kisi independen, tidak seperti metode berbasis jendela bergerak.

Saya akan menyarankan :

1. Periksa poin WolfOdrade dulu!
2. Jika data batimetri disusun dalam baris atau geometri tidak teratur lainnya (misalnya dari bunyi perahu) maka topogrid ini ke permukaan raster. Jika titik di grid biasa atau tersebar secara acak, buat menjadi TIN yang cocok untuk setiap titik.
3. Visualisasikan dalam sesuatu yang sederhana, seperti ArcScene.
4. Kemudian Posting gambar itu di suatu tempat sehingga kami benar-benar dapat melihat data, menunjukkan titik perhatian Anda.

Algoritma smoothing yang tepat sangat tergantung pada jenis medan, filter Guassian mungkin bagus untuk DEM yang lebih halus. FFT akan sepadan dengan upaya untuk berbagai medan dan bisa menangani sudut yang lebih tajam, tetapi iteratif penyiangan node TIN bisa menjadi pilihan yang cukup dan lebih sederhana yang meminimalkan data simulasi.