Ich habe eine Rasterkarte von US-Mittelwesten, die sehr spärlich ist, d. h. die Pixel von Interesse sind wenige genug, um nahezu unsichtbar zu sein, wenn sie in einer Skala betrachtet werden, wo alle Zustände von US-Mittelwesten sichtbar sind. Ich möchte dem in diesem PNAS-Papier (pnas. orgcontent110104134.full) beschriebenen Verfahren folgen, um eine bessere Karte zu erstellen, aber nicht sicher, wie es in ArcGIS repliziert wird. Jede Hilfe wäre willkommen. Das PNAS-Papier skizziert die folgenden Schritte: Wegen der geringen Größe und der gestreuten Verteilung der Veränderungsbereiche war es schwierig, die regionalen Muster von LCLUC mit der ursprünglichen 56-m-räumlichen Auflösung zu visualisieren. Als Ergebnis haben wir räumliche Glättung Techniken verwendet, um eine regionale Veränderung Oberfläche, die lokalen Hotspots der Veränderung hervorgehoben zu schaffen. Verwandte Ansätze werden in Bereichen wie der räumlichen Epidemiologie verwendet, um eine stabile Schätzung der Krankheitsraten zu erzeugen (48), wurden aber im Bereich der Landveränderungswissenschaft nicht breit angewandt. In unserem Glättungsansatz wurden Pixeln mit einer Auflösung von 56 Metern zuerst auf den Prozentsatz der Änderung bei einer Auflösung von 560 m aufgelagert. Dies wurde durchgeführt, indem 10-mal-10 Blöcke von 56-m Pixeln (d. h. 100 Pixelblöcke) genommen wurden und die binäre Änderung innerhalb jedes Blocks summiert wurde (Fig. S4A). Als nächstes wurde ein 2D-Kernel verwendet, um eine geglättete Schätzung der prozentualen Veränderung für jedes der 560-m-Auflösungspixel (Fig. S4B) zu berechnen. Eine quartische Kernelfunktion wurde verwendet, um gleitende Mittelwerte über das Untersuchungsgebiet mit einer Bandbreite von 10 km zu berechnen. Die gleiche quartische Kernelfunktion wurde verwendet, um die prozentuale Veränderung von Cornsoy im Jahr 2006 auf Grasland im Jahr 2011 zu reduzieren. Schließlich erzeugten wir eine geglättete Karte der Graslandbedeckung im Jahr 2006, indem wir die Grünlandpräsenz bei einer Auflösung von 56 m bei einer Grasfläche von 560 m beschränkten , Und dann Glätten dieser aggregierten Deckschicht unter Verwendung desselben 10-km-Quarzkerns. Diese geglättete Grünland-Deckschicht wurde anschließend als der Nenner bei der Erzeugung einer Karte der relativen Raten der Grünland-Umwandlung 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 summieren. 2. 2D-Kernel glatter: nicht sicher, wie dies zu tun 3. Quartic-Kernel: nicht sicher, wie Um dies zu tun Nicht sicher, wie Fortschritte Schritt 1 gefragt Aug 15 14 bei 0: 29An Überblick über die Nachbarschaft toolset Nachbarschaft Funktionen erstellen Ausgabewerte für jeden Zellstandort auf der Grundlage der Wert für den Standort und die Werte in einer bestimmten Nachbarschaft identifiziert. Die Nachbarschaft kann zwei Arten haben: Bewegungs - oder Suchradius. Bewegliche Nachbarschaften können entweder überlappend oder nicht überlappend sein. Überlappende Nachbarschaftsfunktionen werden auch als Fokusfunktionen bezeichnet und berechnen im Allgemeinen eine bestimmte Statistik innerhalb der Nachbarschaft. Beispielsweise können Sie den mittleren oder maximalen Wert in einer 3 x 3 Nachbarschaft finden. Die Hoch - und Tiefpassfilterfunktionen, die die Daten glatt und akzentuieren, sind Variationen der überlappenden Nachbarschaftsstatistikfunktion. Die nicht überlappenden Nachbarschaftsfunktionen oder Blockfunktionen ermöglichen die Berechnung von Statistiken in einer spezifizierten nicht überlappenden Nachbarschaft. Die Blockfunktionen sind besonders nützlich, um die Auflösung eines Rasters auf eine gröbere Zellengröße zu ändern. Die den gröberen Zellen zugewiesenen Werte können auf einer separaten Berechnung basieren, wie beispielsweise dem Maximalwert in der gröberen Zelle, im Gegensatz zur Verwendung der standardmäßigen Nachbarinterpolation. Suchradius-Funktionen führen verschiedene Berechnungen auf der Grundlage einer bestimmten Entfernung von Punkt - und Linearfunktionen durch. Im Folgenden finden Sie eine Liste der Tools im Toolset "Nachbarschaft", gefolgt von einer kurzen Beschreibung. Die Nachbarschaft Werkzeuge sind in der Regel in zwei Arten von Nachbarschaften aufgeteilt: Bewegungs-oder Suchradius. Verschieben von Fenstern können sich entweder überlappen (Focal Statistics, Filter und Focal Flow) oder nonoverlapping (Block Statistics). Suchradius-Nachbarschaftstools werden um eine Art von Funktionalität (Linienstatistik und Punktstatistik) herum aufgebaut. Berechnet die Statistik für eine nicht überlappende Nachbarschaft. Führt einen voreingestellten Fokusfilter auf einem Raster aus. Bestimmt den Fluss der Werte im Eingabe-Raster innerhalb der einzelnen Zellen in unmittelbarer Nachbarschaft. Berechnet eine Statistik auf einem Raster über einer bestimmten Nachbarschaft. Berechnet eine Statistik für die Attribute von Zeilen in einer kreisförmigen Umgebung um jede Ausgabezelle. Berechnet eine Statistik für Punkte über einer bestimmten Nachbarschaft, die eine raster. Point-Statistik ausgibt. Berechnet eine Statistik für die Punkte in einer Umgebung um jede Ausgabezelle. Wenn das Feld eine Ganzzahl ist, sind die verfügbaren Überlagerungsstatistiken Mittelwerte, Majorität, Maximum, Median, Minimum, Minorität, Bereich, Standardabweichung, Summe und Varietät. Wenn das Feld Gleitkomma ist, sind die einzigen zulässigen Statistiken Mean, Maximum, Minimum, Range, Standardabweichung und Summe. Für die Statistiktypen Majority, Maximum, Median, Minimum, Minority, Range und Sum ist der Ausgabedatentyp des Rasters der gleiche wie der Eingabefeldtyp. Bei den Statistikarten Mittelwert und Standardabweichung ist das Ausgabe-Raster immer Gleitpunkt. Bei Variety wird das Ausgabe-Raster immer ganzzahlig sein. Wenn es irgendwelche Punkte in der Nachbarschaft einer Rasterzelle gibt, weist die Variationsstatistik einen Wert von 0 zu. Für die anderen Statistiken wird NoData zugewiesen. Weitere Informationen zu den Geoverarbeitungsumgebungen, die für dieses Tool gelten, finden Sie unter Analysis-Umgebungen und Spatial Analyst.
No comments:
Post a Comment