Arcgis Gleit Durchschnitt Raster

Ich habe eine Rasterkarte von US Midwest, die sehr spärlich ist, d. h. die Pixel von Interesse sind nur wenige genug, um fast unsichtbar zu sein, wenn sie in einer Skala betrachtet werden, wo alle Staaten von US Midwest sichtbar sind. Ich möchte dem Ansatz folgen, der in diesem PNAS-Papier (pnas. orgcontent110104134.full) umgesetzt wird, um eine bessere Karte zu erstellen, aber nicht sicher, wie man es in ArcGIS repliziert. Jede Hilfe wäre willkommen. Das PNAS-Papier skizziert die Schritte wie folgt: Aufgrund der geringen Größen und der verstreuten Verteilung der Veränderungsgebiete war es schwierig, regionale Muster von LCLUC bei der ursprünglichen 56-m-Raumauflösung zu visualisieren. Als Ergebnis haben wir räumliche Glättung Techniken verwendet, um eine regionale Veränderung Oberfläche, die lokale Hotspots der Veränderung hervorgehoben zu schaffen. Verwandte Ansätze werden in Bereichen wie räumliche Epidemiologie verwendet, um eine stabile Schätzung der Krankheitsraten zu erzeugen (48), wurden aber im Bereich der Landwechselwissenschaft nicht breit angewandt. In unserem Glättungsansatz wurden die Pixelpixel mit einer Auflösung von 56 m mit der prozentualen Veränderung bei 560-m-Auflösung zusammengefasst. Dies wurde durch die Durchführung von 10-mal-10 Blöcken von 56-m-Pixeln (d. h. 100 Pixelblöcken) und Summieren der binären Änderung innerhalb jedes Blocks (Fig. S4A) durchgeführt. Als nächstes benutzten wir einen 2D-Kernel, der glatter wurde, um eine geglättete Schätzung der prozentualen Veränderung für jedes der 560-m-Auflösung-Pixel zu berechnen (Abb. S4B). Eine quartic Kernel-Funktion wurde verwendet, um gleitende Durchschnitte im gesamten Studienbereich mit einer Bandbreite von 10 km zu berechnen. Die gleiche quartic Kernel-Funktion wurde verwendet, um prozentuale Veränderung von Cornsoy im Jahr 2006 zu Grasland im Jahr 2011 zu glätten. Schließlich haben wir eine geglättete Karte der Grasland-Abdeckung im Jahr 2006 durch Aggregation Grasland Präsenz bei 56-M-Auflösung zu Prozent Grasland Deckung bei 560-M-Auflösung , Und dann Glättung dieser aggregierten Deckschicht unter Verwendung des gleichen 10-km-Quarzkerns. Diese geglättete Grünland-Deckschicht wurde anschließend als Nenner bei der Erzeugung einer Karte der relativen Raten der Grünlandumwandlung verwendet. Soweit ich verstehe, ist dies das Flußdiagramm: 1. Verwenden Sie Blockstatistiken in ArcGIS, um 10x10 Pixel von 56-m Raster auf 560m Raster zu senken 2. 2D Kernel glatter: nicht sicher, wie dies zu tun ist 3. Quartikkernel: nicht sicher, wie Um dies zu tun Nicht sicher, wie man über Schritt 1 hinausgeht, fragte Aug 15 14 bei 0: 29Moving Window Kriging berechnet die Range-, Nugget - und Partial-Sill-Semivariogramm-Parameter, die auf einer kleineren Nachbarschaft basieren und sich durch alle Standortpunkte bewegen. Die geostatistische Modellquelle ist entweder eine geostatistische Schicht oder ein geostatistisches Modell (XML), das ein anderes kriging-Modell als das empirische Bayesschen kriging darstellt. Der Eingabedatensatz muss mehr als 10 Punkte für das auszuführende Werkzeug enthalten. Allerdings ist das Tool am effektivsten mit großen Datasets, die nichtstationäre Trends haben. Im Python-Scripting ist die GeostatisticalDatasets ArcPy-Klasse nützlich, um den Input-Dataset-Parameter zu füllen. Für Datenformate, die Null-Werte unterstützen, z. B. Datei-Geodatabase-Feature-Classes, wird ein Null-Wert verwendet, um anzuzeigen, dass eine Vorhersage nicht für diesen Standort vorgenommen werden konnte oder dass der Wert ignoriert werden sollte, wenn er als Eingabe verwendet wird. Für Datenformate, die keine Nullwerte wie Shapefiles unterstützen, wird der Wert von -1.7976931348623158e308 verwendet (dies ist der Negativ der C definierten Konstante DBLMAX), um anzuzeigen, dass eine Vorhersage nicht für diesen Standort vorgenommen werden konnte Das Filter-Tool kann verwendet werden, um entweder falsche Daten zu beseitigen oder Funktionen zu verbessern, die sonst nicht sichtbar in den Daten sichtbar sind. Filter erzeugen im Wesentlichen Ausgabewerte durch ein sich bewegendes, überlappendes 3x3-Zellen-Nachbarschaftsfenster, das durch das Eingabe-Raster scannt. Wenn der Filter über jede Eingangszelle geht, wird der Wert dieser Zelle und seiner 8 unmittelbaren Nachbarn verwendet, um den Ausgangswert zu berechnen. Es gibt zwei Arten von Filtern, die im Werkzeug verfügbar sind: Tiefpass und Hochpass. Filtertypen Der Filtertyp LOW verwendet einen Tiefpass oder Mittelwert, filtert über das Eingabe-Raster und glättet im Wesentlichen die Daten. Der HIGH-Filtertyp verwendet ein Hochpassfilter, um die Kanten und Grenzen zwischen den im Raster dargestellten Funktionen zu verbessern. Tiefpassfilter Ein Tiefpassfilter glättet die Daten durch Verringerung der lokalen Variation und Entfernung von Rauschen. Es berechnet den durchschnittlichen (mittleren) Wert für jede 3 x 3 Nachbarschaft. Es entspricht im Wesentlichen dem Focal Statistics Tool mit der Option Mean statistic. Der Effekt ist, dass die hohen und niedrigen Werte innerhalb jeder Nachbarschaft gemittelt werden, wodurch die extremen Werte in den Daten reduziert werden. Im Folgenden finden Sie ein Beispiel für die Eingangsnachbarschaftswerte für eine Verarbeitungszelle, die Mittelzelle mit dem Wert 8. Die Berechnung für die Verarbeitungszelle (die mittlere Eingabezelle mit dem Wert 8) besteht darin, den Mittelwert der Eingangszellen zu finden. Dies ist die Summe aller Werte in der Eingabe, die in der Nachbarschaft enthalten ist, geteilt durch die Anzahl der Zellen in der Nachbarschaft (3 x 3 9). Der Ausgangswert für den Standort der Bearbeitungszelle beträgt 4.22. Da der Mittelwert aus allen Eingabewerten berechnet wird, wird der höchste Wert in der Liste, der der Wert 8 der Verarbeitungszelle ist, ausgemittelt. Dieses Beispiel zeigt das resultierende Raster, das von Filter mit der LOW-Option auf einem kleinen 5x5-Zellenraster erzeugt wird. Um zu veranschaulichen, wie NoData-Zellen behandelt werden, folgen die Ausgabewerte mit dem Ignore NoData-Parameter auf Data und dann NODATA: Input-Zellenwerte: Ausgabezellenwerte mit DATA-Optionssatz (NoData-Zellen in einem Filterfenster werden bei der Berechnung ignoriert): Output Zellenwerte mit NODATA-Option gesetzt (die Ausgabe ist NoData, wenn eine Zelle im Filterfenster NoData ist): Im folgenden Beispiel hat das Eingabe-Raster einen anomalen Datenpunkt, der durch einen Datenerfassungsfehler verursacht wird. Die Mittelungsmerkmale der LOW-Option haben den anomalen Datenpunkt geglättet. Beispiel für Filterausgang mit LOW-Option Hochpassfilter Der Hochpassfilter akzentuiert den Vergleichsunterschied zwischen den Zellenwerten und seinen Nachbarn. Es hat die Wirkung, Grenzen zwischen den Merkmalen hervorzuheben (z. B. wo ein Wasserkörper auf den Wald trifft) und damit die Kanten zwischen den Objekten schärfen. Es wird allgemein als ein Kantenverstärkungsfilter bezeichnet. Mit der Option HIGH werden die neun Eingangs-z-Werte so gewichtet, dass niederfrequente Variationen entfernt werden und die Grenze zwischen verschiedenen Regionen hervorgehoben wird. Der 3 x 3-Filter für die HIGH-Option ist: Beachten Sie, dass die Werte im Kernel auf 0 liegen, da sie normalisiert sind. Der Hochpassfilter ist im Wesentlichen gleichbedeutend mit dem Focal Statistics-Tool mit der Summenstatistikoption und einem bestimmten gewichteten Kernel. Die Ausgangs-z-Werte sind ein Hinweis auf die Glätte der Oberfläche, aber sie haben keine Beziehung zu den ursprünglichen z-Werten. Z-Werte werden um Null mit positiven Werten auf der Oberseite einer Kante und negativen Werten auf der Unterseite verteilt. Bereiche, in denen die z-Werte nahe Null sind, sind Regionen mit nahezu konstanter Steigung. Bereiche mit Werten in der Nähe von z-min und z-max sind Bereiche, in denen sich die Steigung schnell ändert. Im Folgenden finden Sie ein einfaches Beispiel für die Berechnungen für eine Verarbeitungszelle (die Mittelzelle mit dem Wert 8): Die Berechnung für die Verarbeitungszelle (die Mittelzelle mit dem Wert 8) lautet wie folgt: Der Ausgangswert für die Bearbeitungszelle ist 29.5. Indem er seinen Nachbarn negative Gewichte verleiht, akzentuiert der Filter das lokale Detail, indem er die Unterschiede oder die Grenzen zwischen den Objekten herauszieht. Im folgenden Beispiel hat das Eingangsraster eine scharfe Kante entlang der Region, in der sich die Werte von 5,0 auf 9,0 ändern. Die Kantenerweiterungscharakteristik der HIGH-Option hat die Kante erkannt. Verarbeiten von Zellen von NoData Die Option Ignore NoData in Berechnungen steuert, wie NoData-Zellen innerhalb des Nachbarschaftsfensters behandelt werden. Wenn diese Option aktiviert ist (die DATA-Option), werden alle Zellen in der Nachbarschaft, die NoData sind, bei der Berechnung des Ausgabezellenwertes ignoriert. Wenn nicht markiert (die NODATA-Option), wenn eine Zelle in der Nachbarschaft NoData ist, wird die Ausgabezelle NoData sein. Wenn die Verarbeitungszelle selbst NoData ist, wird mit der Option Ignore NoData der Ausgangswert für die Zelle auf der Grundlage der anderen Zellen in der Nachbarschaft berechnet, die einen gültigen Wert haben. Natürlich, wenn alle Zellen in der Nachbarschaft NoData sind, wird die Ausgabe NoData sein, unabhängig von der Einstellung für diesen Parameter. Referenzen Gonzalez, R. C. und P. Wintz. 1977. Digitale Bildverarbeitung. Massachusetts: AddisonWesley. Hord, R. M. 1982. Digitale Bildverarbeitung von ferngesteuerten Daten. New York: Akademisch Moik, J. G. 1980. Digitale Verarbeitung von ferngesteuerten Bildern. New York: Akademisch Richards, J. A. 1986. Fernerkundung Digitale Bildanalyse: Eine Einführung. Berlin: Springer-Verlag Rosenfeld, A. 1978. Bildverarbeitung und Anerkennung. Technischer Bericht 664. University of Maryland Computer Vision Laboratory. Verwandte Themen