ArcGIS中柵格數(shù)據(jù)重采樣方法

2.用ArcGIS中的Resampling工具進(jìn)行柵格重采樣操作

在ArcToolbox中依次找到Data Management Tools—>Raster—>Raster Processing—>Resample工具锡垄,工具界面如下圖所示:

其中各參數(shù)含義如下:

Input raster: 輸入柵格數(shù)據(jù)集

Output raster dataset: 輸出柵格數(shù)據(jù)集吉嫩,以文件格式存儲(chǔ)柵格數(shù)據(jù)集時(shí),需要制定文件擴(kuò)展名,有以下格式可選魁袜,可將輸出保存為 BIL续语、BIP邀窃、BMP氨菇、BSQ、DAT响牛、GIF玷禽、GRID、IMG呀打、JPEG矢赁、JPEG 2000、PNG贬丛、TIFF 格式或任意地理數(shù)據(jù)庫(kù)柵格數(shù)據(jù)集

Output Cell size: 新柵格數(shù)據(jù)集像元大小

Resampling techinque:要使用的重采樣算法撩银,默認(rèn)設(shè)置為NEAREST

NEAREST: 最近鄰分配法

BILINEAR:雙線性插值法

CUBIC:三次卷積法

MAJORITY:重采樣法

1.柵格重采樣方法

柵格重采樣主要包括三種方法:最鄰近法、雙線性內(nèi)插法和三次卷積插值法豺憔。最鄰近法是把原始圖像中距離最近的像元值填充到新圖像中;雙線性內(nèi)插法和三次卷積插值法都是把原始圖像附近的像元值通過(guò)距離加權(quán)平均填充到新圖像中额获。默認(rèn)情況下,采用最近鄰分配重采樣技術(shù)焕阿,這種方法同時(shí)適用于離散和連續(xù)值類型,而其他重采樣方法只適用于連續(xù)數(shù)據(jù)首启。

1.1 最近鄰法

最鄰近分配法是用于離散(分類)數(shù)據(jù)的重采樣技術(shù)暮屡,因?yàn)樗粫?huì)更改輸入單元的值。將輸出柵格數(shù)據(jù)集中單元中心的位置定位到輸入柵格后毅桃,最鄰近分配法將確定輸入柵格上最近的單元中心位置并將該單元的值分配給輸出柵格上的單元褒纲。

最鄰近分配法不會(huì)更改輸入柵格數(shù)據(jù)集中單元的任何值。輸入柵格中的值 2 在輸出柵格中仍將為 2钥飞,決不會(huì)為 2.2或 2.3莺掠。由于輸出單元值保持不變,因此最鄰近分配法應(yīng)該用于名目數(shù)據(jù)或順序數(shù)據(jù)读宙,其中每個(gè)值都表示一個(gè)類彻秆、一個(gè)成員或一個(gè)分類(分類數(shù)據(jù),如土地利用、土壤或森林類型)唇兑。

考慮到根據(jù)輸入柵格創(chuàng)建的輸出柵格會(huì)在操作中旋轉(zhuǎn) 45°酒朵,因此將進(jìn)行重采樣。對(duì)于每個(gè)輸出單元扎附,都要從輸入柵格中獲取值蔫耽。在下圖中,輸入柵格的單元中心為灰色點(diǎn)留夜。輸出單元為綠色陰影匙铡。要處理的單元為黃色陰影。在最鄰近分配法中碍粥,將確定與要處理的單元中心(紅色點(diǎn))最鄰近的輸入柵格單元中心(橙色點(diǎn))鳖眼,并將其指定為要處理的單元(黃色陰影)的輸出值。對(duì)輸出柵格中的每個(gè)單元都重復(fù)此過(guò)程即纲。

1.2 雙線性插值法

雙線性插值法使用四個(gè)最鄰近輸入單元中心的值來(lái)確定輸出柵格上的值具帮。輸出單元的新值是這四個(gè)值的加權(quán)平均值,將根據(jù)它們與輸出單元中心的距離進(jìn)行調(diào)整低斋。與最鄰近分配法相比蜂厅,此插值法可生成更平滑的表面。

下圖與最鄰近插值法的圖例一樣膊畴,輸入柵格的單元中心為灰色點(diǎn)掘猿,輸出單元為綠色陰影,要處理的單元為黃色陰影唇跨。對(duì)于雙線性插值法稠通,先確定與要處理的單元中心(紅色點(diǎn))最鄰近的四個(gè)輸入單元中心(橙色點(diǎn)),然后計(jì)算其加權(quán)平均值买猖,再將所得的值指定為要處理的單元(黃色陰影)的輸出值

由于輸出單元值是根據(jù)輸入單元的相對(duì)位置和值計(jì)算的改橘,因此對(duì)于由某個(gè)已知點(diǎn)或現(xiàn)象的位置來(lái)決定分配單元值的數(shù)據(jù)(即連續(xù)表面),雙線性插值法是首選方法玉控。機(jī)場(chǎng)的高程飞主、坡度、噪音強(qiáng)度以及河口附近地下水的鹽度都是表示為連續(xù)表面的現(xiàn)象高诺,最適合使用雙線性插值法進(jìn)行重采樣碌识。

1.3 三次卷積插值法

三次卷積插值法與雙線性插值法類似,除了通過(guò) 16 個(gè)最鄰近輸入單元中心及其值來(lái)計(jì)算加權(quán)平均值虱而。下圖演示了如何計(jì)算三次卷積插值法的輸出值筏餐。先確定與要處理的單元中心(紅色點(diǎn))最鄰近的 16 個(gè)單元中心(橙色點(diǎn)),然后計(jì)算其加權(quán)平均值牡拇,再將所得的值指定為要處理的單元(黃色陰影)的輸出值魁瞪。與雙線性插值法相比穆律,三次卷積插值法傾向于銳化數(shù)據(jù)的邊緣,因?yàn)橛?jì)算輸出值時(shí)涉及的單元較多佩番。

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末众旗,一起剝皮案震驚了整個(gè)濱河市,隨后出現(xiàn)的幾起案子趟畏,更是在濱河造成了極大的恐慌贡歧,老刑警劉巖,帶你破解...
    沈念sama閱讀 217,826評(píng)論 6 506
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件赋秀,死亡現(xiàn)場(chǎng)離奇詭異利朵,居然都是意外死亡,警方通過(guò)查閱死者的電腦和手機(jī)猎莲,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,968評(píng)論 3 395
  • 文/潘曉璐 我一進(jìn)店門(mén)绍弟,熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái),“玉大人著洼,你說(shuō)我怎么就攤上這事樟遣。” “怎么了身笤?”我有些...
    開(kāi)封第一講書(shū)人閱讀 164,234評(píng)論 0 354
  • 文/不壞的土叔 我叫張陵豹悬,是天一觀的道長(zhǎng)。 經(jīng)常有香客問(wèn)我液荸,道長(zhǎng)瞻佛,這世上最難降的妖魔是什么? 我笑而不...
    開(kāi)封第一講書(shū)人閱讀 58,562評(píng)論 1 293
  • 正文 為了忘掉前任娇钱,我火速辦了婚禮伤柄,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘文搂。我一直安慰自己适刀,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,611評(píng)論 6 392
  • 文/花漫 我一把揭開(kāi)白布煤蹭。 她就那樣靜靜地躺著笔喉,像睡著了一般。 火紅的嫁衣襯著肌膚如雪疯兼。 梳的紋絲不亂的頭發(fā)上然遏,一...
    開(kāi)封第一講書(shū)人閱讀 51,482評(píng)論 1 302
  • 那天贫途,我揣著相機(jī)與錄音吧彪,去河邊找鬼。 笑死丢早,一個(gè)胖子當(dāng)著我的面吹牛姨裸,可吹牛的內(nèi)容都是我干的秧倾。 我是一名探鬼主播,決...
    沈念sama閱讀 40,271評(píng)論 3 418
  • 文/蒼蘭香墨 我猛地睜開(kāi)眼傀缩,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼那先!你這毒婦竟也來(lái)了?” 一聲冷哼從身側(cè)響起赡艰,我...
    開(kāi)封第一講書(shū)人閱讀 39,166評(píng)論 0 276
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤售淡,失蹤者是張志新(化名)和其女友劉穎,沒(méi)想到半個(gè)月后慷垮,有當(dāng)?shù)厝嗽跇?shù)林里發(fā)現(xiàn)了一具尸體揖闸,經(jīng)...
    沈念sama閱讀 45,608評(píng)論 1 314
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 37,814評(píng)論 3 336
  • 正文 我和宋清朗相戀三年料身,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了汤纸。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點(diǎn)故事閱讀 39,926評(píng)論 1 348
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡芹血,死狀恐怖贮泞,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情幔烛,我是刑警寧澤啃擦,帶...
    沈念sama閱讀 35,644評(píng)論 5 346
  • 正文 年R本政府宣布,位于F島的核電站说贝,受9級(jí)特大地震影響议惰,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜乡恕,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,249評(píng)論 3 329
  • 文/蒙蒙 一言询、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧傲宜,春花似錦运杭、人聲如沸。這莊子的主人今日做“春日...
    開(kāi)封第一講書(shū)人閱讀 31,866評(píng)論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)。三九已至报嵌,卻和暖如春虱咧,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背锚国。 一陣腳步聲響...
    開(kāi)封第一講書(shū)人閱讀 32,991評(píng)論 1 269
  • 我被黑心中介騙來(lái)泰國(guó)打工腕巡, 沒(méi)想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留,地道東北人血筑。 一個(gè)月前我還...
    沈念sama閱讀 48,063評(píng)論 3 370
  • 正文 我出身青樓绘沉,卻偏偏與公主長(zhǎng)得像煎楣,于是被迫代替她去往敵國(guó)和親。 傳聞我的和親對(duì)象是個(gè)殘疾皇子车伞,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 44,871評(píng)論 2 354

推薦閱讀更多精彩內(nèi)容