Arcgis średnia ruchoma rastrowa

Mam rastrową mapę amerykańskiego środkowego zachodu, która jest bardzo rzadka, tj. Piksele będące przedmiotem zainteresowania są nieliczne, aby być niemal niewidoczne w skali, w której widoczne są wszystkie stany środkowo-zachodnich stanów USA. Chciałbym zastosować podejście opisane w tym dokumencie PNAS (pnas. orgcontent110104134.full), aby stworzyć lepszą mapę, ale nie wiem, jak ją skopiować w ArcGIS. Każda pomoc będzie doceniona. W dokumencie PNAS przedstawiono następujące kroki: Ze względu na małe rozmiary i rozproszone rozmieszczenie obszarów zmian trudno było zwizualizować regionalne wzory LCLUC w oryginalnej 56-metrowej rozdzielczości przestrzennej. W rezultacie zastosowaliśmy techniki wygładzania przestrzennego, aby stworzyć regionalną powierzchnię zmian, która uwidoczniła lokalne hotspoty zmian. Powiązane podejścia są stosowane w dziedzinach takich jak epidemiologia przestrzenna, aby uzyskać stabilne oszacowanie wskaźników chorób (48), ale nie zostały szeroko zastosowane w dziedzinie nauki o zmianach gruntów. W naszym sposobie wygładzania zmieniono piksele o rozdzielczości przestrzennej 56 m, a następnie zagregowano je do wartości procentowej zmiany przy rozdzielczości 560 m. Dokonano tego, pobierając 10-na-10 bloków z 56-m pikseli (czyli bloków o wielkości 100 pikseli) i zsumowując zmiany binarne w każdym bloku (fig. S4A). Następnie użyliśmy wygładzania jądra 2D, aby obliczyć wygładzoną estymatę zmiany procentowej dla każdego z 560-m rozdzielczości pikseli (ryc. S4B). Kwartową funkcję jądra użyto do obliczenia średnich ruchomych w badanym obszarze przy szerokości pasma 10 km. Ta sama kwartalna funkcja jądra została wykorzystana do wyrównania zmian procentowych z kukurydzy w 2006 r. Na użytki zielone w 2017 r. Wreszcie, w 2006 r. Wygenerowaliśmy wygładzoną mapę pokrywy łąkowej poprzez zsumowanie terenów trawiastych z 56-metrowym rozkładem do procentowego pokrycia użytków zielonych przy rozdzielczości 560-m , a następnie wygładzanie tej zagregowanej warstwy wierzchniej za pomocą tego samego dziesięciokilometrowego jądra. Ta wygładzona warstwa przykrywająca użytki zielone została następnie wykorzystana jako mianownik w generowaniu mapy względnych wskaźników konwersji użytków zielonych. O ile rozumiem, jest to schemat blokowy: 1. Używaj statystyk bloków w ArcGIS do sumowania 10x10 pikseli rastra 56-m do 560m rastra 2. Lepiej kernel 2D: nie wiem jak to zrobić 3. Jądro kwartetu: nie wiem jak Aby to zrobić Nie wiem, jak postępować dalej niż krok 1 z 15 sierpnia 14 o 0: 29 Okno ruchome Kriging Ponownie oblicza parametry semivariogramu Range, Nugget i Partial Sill na podstawie mniejszego otoczenia, przechodząc przez wszystkie punkty lokalizacji. Źródłem modelu geostatystycznego jest warstwa geostatystyczna lub model geostatystyczny (XML) reprezentujący model krigingowy inny niż empiryczny kriging bayesowski. Zestaw danych wejściowych musi zawierać więcej niż 10 punktów dla narzędzia do wykonania. Jednak narzędzie jest najbardziej skuteczne w przypadku dużych zestawów danych, które mają niestacjonarne trendy. W skryptach w języku Python klasa GeostatisticDatasets ArcPy będzie przydatna do zapełniania parametru Input dataset (s). W przypadku formatów danych, które obsługują wartości Null, takich jak klasy obiektów geobazy pliku, zostanie użyta wartość Null, aby wskazać, że prognozy nie mogą być wykonane dla tej lokalizacji lub że wartość powinna zostać zignorowana, gdy jest używana jako dane wejściowe. W przypadku formatów danych, które nie obsługują wartości Null, takich jak shapefiles, używana jest wartość -1.7976931348623158e308 (jest to wartość ujemna zdefiniowanej przez C stałej DBLMAX), aby wskazać, że przewidywanie nie może być wykonane dla tej lokalizacji. Narzędzia Filtr można użyć do wyeliminowania danych niepożądanych lub ulepszenia funkcji, które nie są wyraźnie widoczne w danych. Filtry w zasadzie generują wartości wyjściowe za pomocą ruchomego, nakładającego się okna komórki 3x3, które skanuje raster wejściowy. Gdy filtr przechodzi przez każdą komórkę wejściową, wartość tej komórki i jej 8 bezpośrednich sąsiadów jest używana do obliczenia wartości wyjściowej Dostępne są dwa typy filtrów: dolnoprzepustowy i górnoprzepustowy. Rodzaje filtrów Typ filtra LOW stosuje filtr dolnoprzepustowy lub uśredniający, filtrujący raster wejściowy i zasadniczo wygładzający dane. Typ filtra HIGH wykorzystuje filtr górnoprzepustowy do poprawiania krawędzi i granic między obiektami reprezentowanymi w rastrze. Filtr dolnoprzepustowy Filtr dolnoprzepustowy wygładza dane poprzez zmniejszenie lokalnej zmienności i usuwanie szumów. Oblicza średnią (średnią) wartość dla każdego sąsiedztwa 3 x 3. Jest to zasadniczo odpowiednik narzędzia Focal Statistics z opcją Średnia statystyka. Efekt jest taki, że wartości wysokie i niskie w każdym sąsiedztwie zostaną uśrednione, zmniejszając ekstremalne wartości danych. Poniżej przedstawiono przykład wartości sąsiednich wejść dla jednej komórki przetwarzania, komórka środkowa o wartości 8. Obliczenie komórki przetwarzania (środkowa komórka wejściowa o wartości 8) służy do znalezienia średniej z komórek wejściowych. Jest to suma wszystkich wartości na wejściu zawartym w sąsiedztwie, podzielona przez liczbę komórek w sąsiedztwie (3 x 3 9). Wartość wyjściowa dla lokalizacji komórki przetwarzania będzie wynosić 4,22. Ponieważ średnia jest obliczana ze wszystkich wartości wejściowych, najwyższa wartość na liście, która jest wartością 8 komórki przetwarzania, jest uśredniana. Ten przykład pokazuje wynikowy raster wygenerowany przez Filtr przy opcji LOW na małym rastrze 5x5 komórek. Aby zilustrować sposób obsługi komórek NoData, wartości wyjściowe z parametrem Ignore NoData ustawionym na Dane następnie NODATA: Wartości komórek wejściowych: Wartości komórek wyjściowych z zestawem opcji DATA (komórki NoData w oknie filtru zostaną zignorowane w obliczeniach): Wyjście wartości komórek z zestawem opcji NODATA (wyjście będzie miało wartość NoData, jeśli dowolna komórka w oknie filtra to NoData): W poniższym przykładzie raster wejściowy ma nieprawidłowy punkt danych spowodowany błędem gromadzenia danych. Uśrednianie charakterystyki opcji LOW wygładziło anomalny punkt danych. Przykład wyjścia filtra z opcją NISKI Filtr górnoprzepustowy Filtr górnoprzepustowy podkreśla różnicę porównawczą między wartościami komórek i ich sąsiadami. Efektem jest podkreślanie granic między cechami (na przykład, gdy ciało wodne spotyka się z lasem), w ten sposób wyostrzając krawędzie między obiektami. Jest to ogólnie określane jako filtr poprawiający krawędź. Przy opcji WYSOKIEJ, dziewięć wejściowych wartości z jest ważonych w taki sposób, że usuwa zmiany o niskiej częstotliwości i podkreśla granicę między różnymi regionami. Filtr 3 x 3 dla opcji WYSOKI to: Zauważ, że wartości w sumie jądra wynoszą 0, ponieważ są one znormalizowane. Filtr górnoprzepustowy jest zasadniczo równoważny za pomocą narzędzia Focal Statistics z opcją statystyk Sum i specyficznego ważonego jądra. Wyjściowe wartości z wskazują na gładkość powierzchni, ale nie mają żadnego związku z oryginalnymi wartościami z. Wartości Z są rozmieszczone wokół zera z dodatnimi wartościami na górnej krawędzi i ujemnymi wartościami na dolnej stronie. Obszary, w których wartości z są bliskie zeru, to regiony o prawie stałym nachyleniu. Obszary o wartościach bliskich z-min i z-max to regiony, w których nachylenie zmienia się gwałtownie. Poniżej przedstawiono prosty przykład obliczeń dla jednej komórki przetwarzania (komórka środkowa o wartości 8): Obliczenia dla komórki przetwarzania (komórka środkowa o wartości 8) są następujące: Wartość wyjściowa dla komórki przetwarzania będzie następująca: 29,5. Podając ujemne masy sąsiadom, filtr akcentuje lokalny szczegół, usuwając różnice lub granice między obiektami. W poniższym przykładzie raster wejściowy ma ostry brzeg wzdłuż regionu, w którym wartości zmieniają się od 5,0 do 9,0. Charakterystyka wzmocnienia krawędzi opcji WYSOKA wykryła krawędź. Przetwarzanie komórek NoData Opcja Ignoruj ​​NoData w obliczeniach kontroluje sposób obsługi komórek NoData w oknie sąsiedztwa. Gdy ta opcja jest zaznaczona (opcja DATA), wszystkie komórki w sąsiedztwie, które są NoData, zostaną zignorowane podczas obliczania wartości komórki wynikowej. Po odznaczeniu (opcja NODATA), jeśli jakakolwiek komórka w sąsiedztwie to NoData, komórka wyjściowa będzie miała wartość NoData. Jeśli komórka przetwarzania sama w sobie jest NoData, z wybraną opcją Ignore NoData, wartość wyjściowa dla komórki zostanie obliczona na podstawie innych komórek w okolicy, które mają poprawną wartość. Oczywiście, jeśli wszystkie komórki w sąsiedztwie są NoData, wyjście będzie NoData, niezależnie od ustawienia dla tego parametru. Referencje Gonzalez, R. C. i P. Wintz. 1977. Cyfrowe przetwarzanie obrazu. Massachusetts: AddisonWesley. Hord, R. M. 1982. Cyfrowe przetwarzanie obrazu zdalnie sterowanych danych. Nowy Jork: Academic. Moik, J. G. 1980. Cyfrowe przetwarzanie zdalnie sterowanych obrazów. Nowy Jork: Academic. Richards, J. A. 1986. Teledetekcja Cyfrowa analiza obrazu: wstęp. Berlin: Springer-Verlag. Rosenfeld, A. 1978. Przetwarzanie i uznawanie obrazów. Raport techniczny 664. University of Maryland Laboratorium wizji komputerowej. Powiązane tematy