Arcgis เคลื่อนไหว เฉลี่ย แรสเตอร์

ฉันมีแผนที่แบบแรสเตอร์ของมิดเวสต์ของสหรัฐฯซึ่งเบาบางมากพิกเซลที่น่าสนใจมีไม่มากพอที่จะมองไม่เห็นเกือบเมื่อดูในระดับที่สามารถมองเห็นรัฐทั้งหมดของมิดเวสต์ของสหรัฐฯได้ ฉันต้องการปฏิบัติตามแนวทางที่กำหนดไว้ในเอกสาร PNAS (pnas. orgcontent110104134.full) เพื่อสร้างแผนที่ที่ดีขึ้น แต่ไม่แน่ใจว่าจะทำซ้ำใน ArcGIS อย่างไร ความช่วยเหลือใด ๆ จะได้รับการชื่นชม เอกสาร PNAS ระบุขั้นตอนดังนี้เนื่องจากขนาดเล็กและกระจายพื้นที่การเปลี่ยนแปลงจึงเป็นเรื่องยากที่จะมองเห็นรูปแบบภูมิภาคของ LCLUC ที่ความละเอียดเชิงพื้นที่ 56 ม. ด้วยเหตุนี้เราจึงใช้เทคนิคการทำให้ราบเรียบเชิงพื้นที่เพื่อสร้างพื้นผิวการเปลี่ยนแปลงในระดับภูมิภาคที่เน้นจุดร้อนในท้องถิ่นของการเปลี่ยนแปลง วิธีการที่เกี่ยวข้องจะใช้ในด้านต่างๆเช่นการระบาดวิทยาเชิงพื้นที่เพื่อสร้างอัตราการเกิดโรคที่มั่นคง (48) แต่ยังไม่เคยมีการใช้กันอย่างกว้างขวางในสาขาวิทยาศาสตร์การเปลี่ยนแปลงที่ดิน ในวิธีการปรับให้เรียบของเราพิกเซลที่มีการเปลี่ยนแปลงที่ความละเอียดเชิงพื้นที่ 56 ม. ได้รวมเป็นเปอร์เซ็นต์ของการเปลี่ยนแปลงที่ความละเอียด 560 ม. ทำเช่นนี้โดยการถ่ายภาพบล็อกขนาด 10 x 10 พิกเซลขนาด 56 พิกเซล (เช่นบล็อก 100 พิกเซล) และบวกการเปลี่ยนแปลงเลขฐานสองภายในแต่ละบล็อก (รูป S4A) ถัดไปเราใช้เคอร์เนล 2 มิติที่นุ่มนวลเพื่อคำนวณเปอร์เซ็นต์การเปลี่ยนแปลงเปอร์เซ็นต์ของคะแนนความละเอียด 560 เมตรแต่ละภาพ (รูป S4B) ฟังก์ชันเคอร์เนลเคอร์เนลถูกใช้ในการคำนวณค่าเฉลี่ยเคลื่อนที่ในพื้นที่ศึกษาที่แบนด์วิธ 10 กม. มีการใช้ฟังก์ชันเคอร์เนลเคอร์ติคเดียวกันเพื่อลดการเปลี่ยนแปลงของเปอร์เซ็นต์จากข้าวโพดเลี้ยงสัตว์ในปี 2549 ไปสู่ทุ่งหญ้าในปี 2554 ในที่สุดเราได้สร้างแผนที่ทุ่งหญ้าที่ราบรื่นขึ้นในปีพ. ศ. 2549 โดยการรวมพื้นที่ทุ่งหญ้าที่ความละเอียด 56 เมตรไปยังพื้นที่ทุ่งหญ้าร้อยละที่ความละเอียด 560 ม. จากนั้นจึงเรียบเลเยอร์ปกรวมนี้โดยใช้เคอร์บอล quartic ระยะ 10 กม. เดียวกัน ชั้นปกคลุมของทุ่งหญ้าที่ราบเรียบนี้ถูกใช้เป็นตัวหารในการสร้างแผนที่ของอัตราการแปลงทุ่งหญ้าที่สัมพันธ์กัน เท่าที่ฉันเข้าใจนี่คือผังงาน: 1. ใช้สถิติบล็อกใน ArcGIS เพื่อรวม 10x10 พิกเซลของ raster 56 m ไปเป็น rasp 560m 2. เคอร์เนล 2 มิติเรียบ: ไม่แน่ใจว่าจะทำอย่างไร 3. Quartic kernel: ไม่แน่ใจว่า การทำเช่นนี้ไม่แน่ใจว่าจะดำเนินการอย่างไรนอกเหนือจากขั้นตอนที่ 1 ถาม 15 ส. ค. 14 ที่ 0: 29 หน้าต่าง Kriging กำลังคำนวณค่าพารามิเตอร์ Semivariogram ของช่วง, นุ๊กเก็ตและเซตบางส่วนขึ้นอยู่กับพื้นที่ใกล้เคียงที่มีขนาดเล็กซึ่งเคลื่อนที่ผ่านจุดที่ตั้งทั้งหมด แหล่งที่มาของรูปแบบ geostatistical เป็นชั้น geostatistical หรือโมเดล geostatistical (XML) ที่แสดงถึงรูปแบบ kriging นอกเหนือจาก kriging แบบ Bayesian kriging ชุดข้อมูลอินพุตต้องมีมากกว่า 10 จุดสำหรับเครื่องมือที่จะเรียกใช้งาน อย่างไรก็ตามเครื่องมือนี้มีประสิทธิภาพมากที่สุดกับชุดข้อมูลขนาดใหญ่ที่มีแนวโน้มไม่หยุดนิ่ง ในการเขียนสคริปต์ Python ชั้น GeostatisticalDatasets ArcPy จะเป็นประโยชน์สำหรับการใส่พารามิเตอร์ DataSet (ข้อมูล) ป้อนข้อมูล สำหรับรูปแบบข้อมูลที่สนับสนุนค่า Null เช่นคลาสคุณลักษณะ geodatabase ไฟล์ค่า Null จะถูกใช้เพื่อระบุว่าไม่สามารถทำนายตำแหน่งนั้นหรือไม่ควรละเว้นค่านี้เมื่อใช้เป็นอินพุต สำหรับรูปแบบข้อมูลที่ไม่สนับสนุนค่า Null เช่น shapefiles จะใช้ค่า -1.7976931348623158e308 (ซึ่งเป็นค่าลบของค่าคงที่ DBLMAX ที่กำหนดไว้) เพื่อระบุว่าไม่สามารถทำนายตำแหน่งนั้นได้ตัวกรองทำงานอย่างไร เครื่องมือตัวกรองสามารถใช้เพื่อขจัดข้อมูลปลอมแปลงหรือเพิ่มคุณสมบัติอื่น ๆ ที่ไม่ปรากฏชัดในข้อมูล ตัวกรองส่วนใหญ่จะสร้างมูลค่าเอาต์พุตโดยการเคลื่อนย้ายหน้าต่างซ้อนทับซ้อนกัน 3x3 cell ซึ่งจะสแกนผ่านแรสเตอร์อินพุท เมื่อกรองผ่านแต่ละเซลล์ใส่ค่าของเซลล์นั้นและ 8 เพื่อนบ้านทันทีที่ใช้ในการคำนวณค่าเอาท์พุทมีตัวกรองสองแบบที่มีอยู่ในเครื่องมือ ได้แก่ low pass และ high pass ประเภทของตัวกรองชนิดตัวกรอง LOW ใช้วงจรกรองความถี่ต่ำหรือเฉลี่ยเพื่อกรองข้อมูลบนแรสเตอร์อินพุตและทำให้ข้อมูลมีความราบรื่นมากขึ้น ชนิดตัวกรองเสียงสูงใช้ตัวกรองความถี่สูงเพื่อเพิ่มขอบและขอบเขตระหว่างคุณลักษณะที่แสดงในแรสเตอร์ ตัวกรองความถี่ต่ำตัวกรองความถี่ต่ำจะทำให้ข้อมูลมีความลื่นไหลโดยการลดความแปรปรวนในท้องถิ่นและการขจัดเสียงรบกวน จะคำนวณค่าเฉลี่ย (ค่าเฉลี่ย) สำหรับแต่ละพื้นที่ 3 x 3 เป็นหลักเท่ากับเครื่องมือสถิติโฟกัสกับตัวเลือกสถิติ Mean ผลกระทบคือค่าที่สูงและต่ำในแต่ละพื้นที่ใกล้เคียงจะได้รับการเฉลี่ยออกลดค่าที่มากที่สุดในข้อมูล ต่อไปนี้คือตัวอย่างค่าอินพุทสำหรับพื้นที่ประมวลผลหนึ่งเซลล์ศูนย์ด้วยค่า 8 การคำนวณสำหรับเซลล์การประมวลผล (เซลล์ป้อนข้อมูลกลางที่มีค่า 8) คือการหาค่าเฉลี่ยของเซลล์อินพุต นี่คือผลรวมของค่าทั้งหมดในอินพุตที่มีอยู่ในพื้นที่ใกล้เคียงหารด้วยจำนวนเซลล์ในละแวก (3 x 3 9) ค่าเอาท์พุทสำหรับตำแหน่งของเซลล์การประมวลผลจะเท่ากับ 4.22 เนื่องจากค่าเฉลี่ยจะถูกคำนวณจากค่าอินพุททั้งหมดค่าที่สูงที่สุดในรายการซึ่งเป็นค่า 8 ของเซลล์ประมวลผลจะเฉลี่ยออก ตัวอย่างนี้แสดงผลแรสเตอร์ที่สร้างขึ้นโดยตัวกรองที่มีตัวเลือก LOW ใน raster ขนาด 5x5 เซลล์ เพื่อแสดงให้เห็นถึงวิธีจัดการกับเซลล์ NoData ค่าเอาท์พุทโดยใช้พารามิเตอร์ Ignore NoData ที่กำหนดให้เป็น Data แล้ว NODATA ปฏิบัติตาม: Input cell values: ค่าเซลล์เอาท์พุทที่มี DATA option set (NoData เซลล์ในหน้าต่างตัวกรองจะถูกละเว้นในการคำนวณ): Output ค่าเซลล์ด้วยชุดตัวเลือก NODATA (ผลลัพธ์จะเป็น NoData ถ้าเซลล์ใด ๆ ในหน้าต่างตัวกรองเป็น NoData): ในตัวอย่างต่อไปนี้ raster อินพุทมีจุดข้อมูลผิดปกติเกิดจากข้อผิดพลาดในการรวบรวมข้อมูล ลักษณะเฉลี่ยของตัวเลือก LOW ทำให้จุดข้อมูลผิดปกติเรียบขึ้น ตัวอย่างตัวกรองเอาท์พุทที่มีตัวเลือก LOW ตัวกรองความถี่สูงตัวกรองความถี่สูงจะเน้นถึงความแตกต่างระหว่างค่าเซลล์กับเพื่อนบ้าน มันมีผลต่อการเน้นขอบเขตระหว่างลักษณะ (เช่นที่ร่างกายน้ำตรงป่า) จึงคมชัดขอบระหว่างวัตถุ โดยทั่วไปจะเรียกว่าตัวกรองขอบเสริม เมื่อใช้ตัวเลือก HIGH ค่า z-input ทั้งเก้ารายการจะถูกถ่วงน้ำหนักในลักษณะที่สามารถลบรูปแบบความถี่ต่ำและไฮไลต์ขอบเขตระหว่างพื้นที่ต่างๆได้ ตัวกรอง 3 x 3 สำหรับตัวเลือก HIGH คือ: โปรดทราบว่าค่าในเคอร์เนลรวมกันเป็น 0 เนื่องจากเป็นค่าปกติ ตัวกรอง High Pass เป็นหลักการที่เท่าเทียมกันโดยใช้เครื่องมือ Focal Statistics ด้วยตัวเลือก Sum statistics และเคอร์เนลที่มีการระบุอย่างเฉพาะเจาะจง ค่า z-output แสดงให้เห็นถึงความเรียบของพื้นผิว แต่ไม่มีความสัมพันธ์กับค่า z เดิม ค่า Z จะกระจายไปที่ศูนย์ซึ่งมีค่าบวกที่ด้านบนของขอบและค่าลบที่ด้านล่าง พื้นที่ที่ค่า z ใกล้กับศูนย์เป็นพื้นที่ที่มีความลาดชันเกือบเท่าตัว พื้นที่ที่มีค่าใกล้ z-min และ z-max เป็นบริเวณที่มีการเปลี่ยนแปลงความลาดชันอย่างรวดเร็ว ต่อไปนี้เป็นตัวอย่างง่ายๆของการคำนวณสำหรับเซลล์ประมวลผล (เซลล์ศูนย์ที่มีค่า 8): การคำนวณสำหรับเซลล์การประมวลผล (เซลล์กลางที่มีค่า 8) มีดังนี้: ค่าเอาต์พุตสำหรับเซลล์การประมวลผลจะเป็น 29.5 โดยการให้น้ำหนักลบกับเพื่อนบ้านตัวกรองจะเน้นรายละเอียดในท้องถิ่นโดยดึงความแตกต่างหรือขอบเขตระหว่างวัตถุ ในตัวอย่างด้านล่างอินพุตแรสเตอร์จะมีขอบคมตามภูมิภาคที่ค่าเปลี่ยนจาก 5.0 เป็น 9.0 ลักษณะการเพิ่มประสิทธิภาพขอบของตัวเลือก HIGH ได้ตรวจพบขอบแล้ว การประมวลผลเซลล์ของ NoData ตัวเลือก Ignore NoData ในการคำนวณจะควบคุมวิธีจัดการเซลล์ NoData ภายในหน้าต่างละแวกเดียวกัน เมื่อเลือกตัวเลือกนี้ (ตัวเลือก DATA) เซลล์ใด ๆ ในละแวกที่เป็น NoData จะถูกละเว้นในการคำนวณค่าเอาท์พุทเซลล์ เมื่อยกเลิกการทำเครื่องหมาย (ตัวเลือก NODATA) ถ้าเซลล์ใด ๆ ในละแวกใกล้เคียงเป็น NoData เซลล์ผลลัพธ์จะเป็น NoData ถ้าเซลล์การประมวลผลเป็น NoData โดยมีตัวเลือก Ignore NoData ที่เลือกค่าเอาต์พุตสำหรับเซลล์จะคำนวณจากเซลล์อื่นในละแวกที่มีค่าที่ถูกต้อง แน่นอนถ้าทุกเซลล์ในละแวกใกล้เคียงเป็น NoData ผลลัพธ์จะเป็น NoData โดยไม่คำนึงถึงการตั้งค่าสำหรับพารามิเตอร์นี้ Gonzalez, R. C. และ P. Wintz 1977 การประมวลผลภาพดิจิตอล แมสซาชูเซตส์: AddisonWesley Hord, R. M. 1982 การประมวลผลภาพดิจิตอลของข้อมูลที่ได้จากระยะไกล นิวยอร์ก: วิชาการ Moik, G. G. 1980 การประมวลผลภาพดิจิตอลจากระยะไกล นิวยอร์ก: วิชาการ Richards, J. A. 1986. การวิเคราะห์ภาพดิจิตอลด้วยภาพระยะไกล: บทนำ เบอร์ลิน: Springer-Verlag Rosenfeld, A. 1978 การประมวลผลภาพและการรับรู้ รายงานทางเทคนิค 664. ห้องปฏิบัติการวิสัยทัศน์คอมพิวเตอร์มหาวิทยาลัยแมรี่แลนด์ หัวข้อที่เกี่ยวข้อง