¿Decidir qué método de interpolación usar para volver a muestrear los datos ráster?

37

¿Existen reglas estrictas y rápidas sobre qué métodos de interpolación se adaptan a cada tipo de datos ráster?

    
pregunta ninesided 14.10.2010 - 21:30

4 respuestas

11

Estoy de acuerdo en que no hay reglas duras y rápidas, pero hay algunas pautas para varios métodos de interpolación. Por ejemplo, IDW es mejor cuando tienes puntos bastante densos para empezar. Kriging es un procesador intensivo, generalmente se utiliza en modelado de suelos / geología. La ranura se usa generalmente cuando se desea una superficie lisa, e. sol. datos de temperatura Algunos métodos mantienen el ráster resultante pasando a través de los puntos originales, mientras que otros no.

Aunque está centrado en ArcGIS, se puede encontrar una buena descripción general de los diferentes métodos en el documento de 4 páginas

Interpolar superficies en ArcGIS Spatial Analyst

    
respondido por el Don Meltz 15.10.2010 - 13:58
39

Una aclaración a la pregunta indica que se buscan métodos para remuestrear un ráster . Muchas están en uso en comunidades de imágenes y fotográficas . Sin embargo, para el trabajo de SIG, hay varios métodos sencillos de uso común:

  • Remuestreo del vecino más cercano . A cada celda del nuevo ráster se le asigna el valor de la celda más cercana (centro a centro) en el ráster original. Use esto para datos categóricos como el uso de la tierra y otras clasificaciones.

  • Interpolación bilineal . A cada celda del nuevo ráster se le asigna un promedio basado en las cuatro celdas originales más cercanas. El promedio es lineal en las direcciones horizontal y vertical. (Sin embargo, la fórmula resultante es no lineal; en realidad es cuadrática). Esto es bueno para el suavizado de propósito general, pero el promediado que se realiza generalmente recorta un poco los picos y valles locales.

  • Convolución cúbica . Esto es similar en espíritu a la interpolación bilineal pero puede extrapolar ligeramente los valores de las células cercanas. Lo hace de una manera que pretende reproducir los promedios locales y la variabilidad en la nueva cuadrícula; en particular, el recorte de los extremos locales no debe ser tan severo. (Una consecuencia adversa, evidente como un error en el ArcGIS de ESRI, es que los valores en la nueva cuadrícula pueden extenderse más allá del rango de la antigua, haciendo que algunos de los nuevos extremos no se representen correctamente. Pero esto es una cuestión de datos solo visualización.) La desventaja es que la convolución cúbica tarda un poco más en calcularse que la interpolación bilineal.

Analizo los dos últimos métodos con cierto detalle en enlace

Para cálculos puntuales rápidos, generalmente estoy contento de realizar interpolación bilineal (para datos continuos) o interpolación del vecino más cercano (para datos categóricos). Para todos los demás, especialmente al preparar conjuntos de datos maestros o al anticipar manipulaciones extensas, recomiendo usar la convolución cúbica (además de pensar en ordenar las operaciones para minimizar la propagación del error de punto flotante).

    
respondido por el whuber 15.10.2010 - 18:23
18

Según ESRI, los métodos de interpolación disponibles (disponibles como herramientas en Spatial Analyst y otras extensiones) se comparan de la siguiente manera: (Cotización)

La herramienta

IDW (ponderada por distancia inversa) utiliza un método de interpolación que estima los valores de las celdas al promediar los valores de los puntos de datos de muestra en la vecindad de cada celda de procesamiento. Cuanto más cerca esté un punto del centro de la celda que se está estimando, más influencia o peso tendrá en el proceso de promediación.

Kriging es un procedimiento geoestadístico avanzado que genera una superficie estimada a partir de un conjunto disperso de puntos con valores z. Más que otros métodos de interpolación compatibles con ArcGIS Spatial Analyst, se debe realizar una investigación exhaustiva del comportamiento espacial del fenómeno representado por los valores z antes de seleccionar el mejor método de estimación para generar la superficie de salida.

La interpolación Vecino Natural encuentra el subconjunto más cercano de muestras de entrada a un punto de consulta y les aplica ponderaciones basadas en áreas proporcionadas para interpolar un valor (Sibson, 1981). También se conoce como Sibson o interpolación de "robo de área".

La herramienta Spline utiliza un método de interpolación que estima valores utilizando una función matemática que minimiza la curvatura de la superficie general, lo que da como resultado una superficie suave que pasa exactamente a través de los puntos de entrada.

Spline con barreras La herramienta Spline con barreras utiliza un método similar a la técnica utilizada en la herramienta Spline, con la diferencia principal de que esta herramienta respeta las discontinuidades codificadas tanto en las barreras de entrada como en los datos del punto de entrada.

Las herramientas Topo a ráster y Topo a ráster por archivo utilizan una técnica de interpolación específicamente diseñada para crear una superficie que representa mejor una superficie de drenaje natural y preserva mejor ambas Ridgelines y redes de flujo de datos de contorno de entrada.

El algoritmo utilizado se basa en el de ANUDEM, desarrollado por Hutchinson et al. en la Australian National University.

Tendencia es una interpolación polinomial global que se ajusta a una superficie lisa definida por una función matemática (un polinomio) en los puntos de muestra de entrada. La tendencia de la superficie cambia gradualmente y captura patrones de escala gruesa en los datos.

También puede consultar este artículo: enlace

    
respondido por el Jakub Sisak GeoGraphics 15.10.2010 - 15:19
2

Otros dos métodos serían Average4 y Average16. Hacen lo que parecen y toman el promedio de las 4 o 16 celdas circundantes.

El caso de uso aquí es principalmente para datos DEM. No lo utilizarías en una imagen rasterizada (especialmente en el color de 3 bandas)

No es la distancia ponderada, pero entonces no creo que lo use para ráster (solo vector) ya que la distancia en un dataset raster es un poco más subjetiva

Siempre pensé que Median4 y Median16 serían buenas maneras de eliminar saltos y picos de los datos de DEM, aunque no conozco ningún paquete que lo permita.

    
respondido por el Mark Ireland 15.10.2010 - 19:04

Lea otras preguntas en las etiquetas