Değişken çözünürlükteki rasterlerle uğraşırken, kişi en yüksek veya en düşük çözünürlükle yeniden örneklenmelidir?

Farklı çözünürlüklerde ve projeksiyonlarda raster veri katmanlarıyla başa çıkmak için en iyi uygulamalar hakkında öneriler arıyorum. Verdiğim tavsiye, herhangi bir analiz yapmadan önce her zaman en düşük çözünürlüğe sahip katmanı yeniden örneklemektir, ancak bu bana büyük bir israf gibi görünüyor ve neden yapılması gerektiğine dair sağlam bir açıklama yapılmadı.

Daha yüksek çözünürlüklü bir ızgarayla eşleştirmek için yeniden örnekleme ne zaman mantıklıdır ve daha düşük bir çözünürlüğe yeniden örnekleme ile karşılaştırıldığında sonuçları nelerdir?

Bunun büyük olasılıkla duruma bağlı olduğunun farkındayım. Çoğunlukla genel yönergeler arıyorum, ancak burada referans için özel senaryom:

Senaryo: Çeşitli çevresel ve sosyo-ekonomik katmanlara dayalı arazi kullanımını öngören mekansal bir regresyon modeli oluşturmak istiyorum. Arazi kullanım haritam Landsat türevi ve dolayısıyla 30m çözünürlük. Açıklayıcı katmanlara örnek olarak SRTM DEM (3 ark-saniye, ~ 90m) ve Bioclim iklim tabakaları (30 ark-saniye, ~ 1km) verilebilir .

analysis resolution resampling

— Matt SM
kaynak

Regresyon modeli ve uygulama yöntemi hakkında daha fazla bilgi verebilir misiniz? İyi yapılandırılmış, ilginç bir soru için +1!

— Aaron

Orman örtüsünü iki noktada karşılaştırıyorum ve cevabım olarak (ikili) ormansızlaşma olasılığı olan bir lojistik regresyon modeli kullanıyorum. R'de uygulayacağım

— Matt SM

Aslında hepsi bu duruma bağlı değildir ve tamamen istatistiksel hatalarla ilgilidir.

Daha yüksek bir çözünürlüğe her yeniden örnekleme yaptığınızda, yanlış doğruluk sağlarsınız. Sadece tam sayılarla feet cinsinden ölçülen bir veri kümesini düşünün. Herhangi bir nokta gerçek konumundan +/- 0,5 feet olabilir. En yakın onda birine yeniden örneklerseniz, şimdi verilen herhangi bir sayının gerçek konumundan +/- 0,1'den fazla olmadığını söylüyorsunuz. Yine de orijinal ölçümlerinizin o kadar doğru olmadığını biliyorsunuz ve şimdi hata payı içinde çalışıyorsunuz. Ancak, başka yöne giderseniz ve daha düşük çözünürlüğe yeniden örneklerseniz, verilen herhangi bir nokta değerinin kesinlikle doğru olduğunu bilirsiniz, çünkü daha büyük örneğin hata marjında bulunur.

İstatistiksel matematik dışında, ilk akla gelen yer arazi araştırmasıdır. Daha eski araştırmalar sadece rulmanları en yakın yarım dakikaya ve ayağın onda birine kadar olan mesafeleri belirtmiştir. Bu ölçümlerle bir sınır hareketinin çizilmesi, ayaklarda yanlış bir ölçümle (başlangıç noktası ve bitiş noktası aynı olmalı, ancak olmamalıdır) sonuçlanabilir. Modern araştırmalar en az bir ayağın en yakın saniye ve hundrethine gider. Türetilen değerler (bir lotun alanı gibi) hassasiyetteki farktan önemli ölçüde etkilenebilir. Elde edilen değerin kendisi de aşırı kesin olarak verilebilir.

Analiz durumunuzda, daha yüksek çözünürlüğe yeniden örnek verirseniz, sonuçlarınız dayandıkları verilere göre çok daha fazla doğruluk anlamına gelir. SRTM'nizi 90m'de düşünün. Hangi yöntemle olursa olsun, yüksekliği (ortalama / maks / ortalama getiri) ölçtüklerinde, komşularından ayırt edilebilen en küçük birim (piksel) 90m'dir. Bunu 30 metreye yeniden örneklerseniz:

sonuçta elde edilen piksellerin dokuzunun da gerçekte yalnızca bir tane - merkez veya sol üst - (veya hiçbiri!)
daha önce mevcut olmayan türetilmiş değerler oluşturarak pikseller arasında enterpolasyon yaparsınız

Böylece, her iki durumda da yanlış doğruluk sağlarsınız çünkü yeni alt örnekleriniz gerçekte ölçülmemiştir.

İlgili soru: Arazi uygunluğunun modellenmesi için hangi uygulamalar mevcuttur?

— Chris W
kaynak

Bu kesinlikle nokta verileri için geçerlidir. Ancak, konumun hassasiyeti ve ölçülen miktarın hassasiyeti olduğu sürekli değişen bir uzaysal miktarın ortalaması olan tarama verileri için farklı olup olmadığını merak ediyorum. Ayrıca, farklı miktarların farklı uzaysal varyasyon seviyeleri vardır. Örneğin, yükseklik verilerinin daha yüksek bir çözünürlüğe yeniden örneklenmesi, dağlık alanlarda çayırlardan daha fazla hataya neden olmalıdır.

— Matt SM

@MattSM Tüm uzamsal veriler için geçerlidir ve ölçülen miktarın istatistiksel hatası ile birleştirilir. SRTM'nizi 90m'de düşünün. Hangi yöntemle olursa olsun yüksekliği (ortalama / maks / ortalama getiri) ölçüyorlar, komşularından ayırt edilebilen en küçük birim (piksel) 90m. Bunu 30 metreye yeniden örneklerseniz, sonuçta ortaya çıkan piksellerin 9'unun tümü, gerçekte sadece bir (veya hiçbiri!) Değil, merkez veya sol üst olduğunda aynı yükseklik olduğunu söylüyorsunuz. Veya pikseller arasında enterpolasyon yaparsınız, daha önce olmayan değerler yaratırsınız, dolayısıyla yanlış doğruluk. Ve evet, değer aralığı potansiyel hataya neden olur.

— Chris W

Yan not olarak , desenin açıkça sınırlı olduğu özel durumlarda belirli özellikleri enterpolasyonlamak mümkündür - akla gelen, coğrafi olmayan bir özellik, okunması için çok düşük bir çözünürlükteki fotoğraflardan plaka bilgilerini yeniden yapılandırmaktır. Ama neye baktığınızı bilmek zorundasınız, plaka yeniden yapılandırılmasının başarısız olduğu bazı vakaları hatırlıyorum çünkü söz konusu plaka Arapça gibi Avrupa dışı bir senaryodaydı.

— Steve Barnes

Ark-bazlı çözünürlüğe sahip rasterler ne durumda, farklı alanlarda farklı alanlarda / en / boy oranlarında olabilecek ızgara hücrelerine sahip değiller mi?

— CMCDragonkai

@CMCDragonkai Bunu nasıl ele alacağımdan emin değilim, çünkü format ve koordinat sistemleri / projeksiyonları gibi veri sunumuna giriyorsunuz. Evet, rasterdeki coğrafi alan mutlaka kare (veya başka bir en boy oranı) piksel kadar düzgün değildir. Birçok uydu veri özelliği bunu size söyleyecektir (piksel nadiren x, kenarda y). Ancak yeniden örnekleme sorunları hala geçerlidir - herhangi bir şey varsa sorunu daha da güçlendirir. (Ve gecikme için özür dilerim, bir süredir SE'de bulunmadım.)

— Chris W