タグ付けされた質問 「interpolation」

周囲のポイントの既知の値に基づく非サンプリングポイントの値の推定。

1
DEM作成のためにIDW対Kriging Interpolationを選択しますか？
私は、約10m離れた非常に規則的な間隔のポイントデータを使用してDEMを作成しようとしています。私が内挿しているエリアは、多くの平坦な駐車場とサッカー場がある教育施設ですが、駐車場に停滞することが多いかなり急な丘がまだあります。これらの既知のプラトーのため、スプライン法は除外しました。ただし、IDWとKrigingのどちらの方法を使用するかはまだわかりません。両方を試してみても大きな違いは見られませんが、少し調査してもまだ決定していません。 誰かがこれを私のために解決するための知恵の言葉を持っていますか？
3
航空写真を投影する際に使用するリサンプリング手法は何ですか？
私は航空写真の時間を集中的に投影していますが、興味があります-航空写真で使用するのに最適なリサンプリング手法は何ですか？ArcMapのオプションは、NEAREST、BILINEAR、CUBIC、およびMAJORITYです。 カテゴリカルデータには最近傍と多数決が推奨されますが、連続データにはキュービックコンボリューションとバイリニア補間が推奨されます。 航空写真を投影するために一般的に使用されているアルゴリズムがあるかどうか知りたいです。Nearest Neighborを使用して1つの画像を投影し終えたところ、見た目は良さそうですが、航空写真はカテゴリデータではないため、次にBilinearを試します。 編集 航空写真はDEMや降水データと同じ種類の連続データとは考えていませんでしたが、whuberは連続写真であり、そのように処理する必要があると指摘しました。再度、感謝します。
3
GDALを使用してPythonでラスターを平滑化/補間しますか？
Pythonで開発し、OSGEOのGDALを使用して、ラスターとシェープファイルを操作および操作しています。 ポイントフィーチャを含むシェープファイルを取得して、サーフェスラスタに補間したいです。現在、私は「RasterizeLayer」メソッドを使用しています。このメソッドは、ポイントフィーチャからラスター（すべてのnodata値で設定されている）に値を焼き付けますが、すべてのタッチされていないピクセルを「nodata」値として残します。したがって、チェッカーボードタイプのラスターが残っています。 RasterizeLayerを使用した後の内容： 最終製品に必要なもの： 私が探している関数は、arcgisscripting importの 'Spline_sa（）'として知られていると思います。 GDALには同様の機能がありますか、または希望する出力を得るための別の方法がありますか？
2
クリギング補間の最小サンプル数
私は、クリギング法を使用して補間するためのリクエストとともに、いくつかの標本でいくつかのデータを取得します。 調査の結果、クリギングの結果（ArcGIS Geostatistical Analystでデフォルトのパラメーターを使用して実行）は満足のいくものではないようでした。補間された値は、測定値（特に一番上の値）とは大きく異なり、表面は信頼できるようには見えません。写真は次のとおり です。主な問題はサンプル数が不十分だと思います。 信頼できる結果を得るには、何ポイント使用する必要がありますか？ それとも、クリギング法はそのような多様な価値に適していませんか？
1
小さな湖の深浅測量に適した補間手法はどれですか？
これは約13 haの湖で、約10の横断線で81のサンプリングされた深度ポイントがあります。 以前は、50 haの湖と約100の深さのサンプリングポイントがあるARCgisで、このTopotoRasterツールを使用して適切な出力を得ました。ただし、QGISまたはオープンソースソフトウェアには、そのような正確な同等物は存在しないようです。 QGISでは、Raster InterpolationプラグインのTINメソッドを使用して、下の補間されたラスターを取得しました。しかし、これは幸運な結果のように思えました。繰り返してみたところ、実際にはパラメーターを変えていなかったにもかかわらず、異なる結果（不満足な結果）が得られました。 これらは湖よりも都市型の（構築された）タンクであるため、ベッドのプロファイルがかなり規則的であるため、サンプリング密度が低くなります。一部の記事では、逆距離重み付け（IDW）が最適な手法として提案されているように見えますが、それで（おそらく点密度が低いために）最悪の結果が得られるようです。 湖のサイズ、その通常のプロファイル、およびどの補間方法が適切かを判断するためのポイントサンプリング密度を考慮して、ここで使用できるヒューリスティックはありますか？（クリギング、IDW、バイリニア、キュービックコンボリューション、TIN、またはスプライン間） または、それは常に少しの試行錯誤ですか？
7
セクションから河川の水深測量（地形）を生成する補間ツールを探しています
タイトルの通り、私は断面から川の水深を生成できるツールを探しています。そのようなツールを知っている人はおそらくこの種の補間が少し複雑である理由を説明する必要はないでしょうが、他の目的でそのようなことを知って使用する人のための説明の言葉をここにいくつか示します。 河床の深さで川の谷のDEMを取得するには、深さを作成する元のDEMの領域をバリアでフェンス/マークする必要があります。基本的に、TLSが底面を測定する機会がなかったのは、湿った河床の全領域です（水深測定）。川はさまざまな形状をしており、時には蛇行し、時には直線になります。また、底の深さとその配置は大きく変化します。垂直および水平。 Venkatesh Marwade博士は、ArcGIS 9.2へのそのような拡張機能を用意しましたが、いくつかの問題を経験し、何かを生成できるソフトウェアまたはコードを誰かが知っているのではないかと思っていました。 （編集：このチュートリアルのグラフィックを参照してください。）
3
PostGISでGPS位置を補間する方法
5秒ごとのGPS位置のPostGISテーブルがあります。 2011-01-01 00:00:05, POINT(x1,y1) 2011-01-01 00:00:10, POINT(x2,y2) 2011-01-01 00:00:15, POINT(x3,y3) ... 1秒ごとに値（タイムスタンプとポイント）を返すクエリを探しています。ポイントが直線で接続されていると仮定しても構いません。 私は、外部スクリプトを書くことではなく、データベース内でこれを行う方法を具体的に探しています。
3
家賃価格のモデリング-どの補間法を使用するか？
約1,4百万世帯の全国データセットがあります。そこには、家賃、広さ（部屋数とm2）、および各世帯のいくつかの追加特性に関する情報があります。 このデータを使用して、全国の家賃価格の表面を作成し、この情報を使用して、家賃情報を所有または保有していない残りの約150万世帯の価値を推定したいと思います。 ここにいくつか質問があります： そのようなアプローチは、この種の問題にはまったく適切ですか？ ここで使用するのに最適な補間方法はどれですか？ また、たとえば世帯の規模に関する情報を考慮することは可能でしょうか？ ArcInfoライセンスを使用してArcGIS 9.3を使用しています。
2
PostGIS補間/三角測量オプション
DEM構築を自動化するオープンソースワークフローを探しています。LIDARデータセットに含まれる一連のサイトがあります。各サイトにサイト固有のDEMを作成し、プロセスを自動化することを検討しています。 これまでのところ、自動化されています： PostGISへのデータの読み込み（LIDARおよびサイトポイント） サイト境界の作成（st_bufferとst_envelopeの組み合わせ） 現在、各サイトでデータサブセットを補間し、Surfer7グリッドファイルにエクスポートするオプションを探しています。 現在、QuantumGISを使用してPostGISデータベースのデータをクエリし、csvファイルにエクスポートしてから、Surfer7でデータを手動でインポートおよびグリッド化します。うまくいけば、これも自動化できます。 そのため、このユースケースでは、LIDARデータをDEMに三角化する必要があります。考えられる他の潜在的なケースには、さまざまな補間方法が関係します。したがって、逆距離とクリギングのオプションがある場合、興味があります。 これは私たちにとって非常に学習の練習です-私たちは赤ちゃんのステップで働いています！
4
Pythonのラスター上のポイントデータの双線形補間？
いくつかのポイント補間を行いたいラスターがあります。ここに私がいる場所があります： from osgeo import gdal from numpy import array # Read raster source = gdal.Open('my_raster.tif') nx, ny = source.RasterXSize, source.RasterYSize gt = source.GetGeoTransform() band_array = source.GetRasterBand(1).ReadAsArray() # Close raster source = None # Compute mid-point grid spacings ax = array([gt[0] + ix*gt[1] + gt[1]/2.0 for ix in range(nx)]) ay = …
1
GRASSのv.kernelはどのように使用しますか？
GRASSのv.kernelの使用方法に困惑しています。 約250万ポイントのベクターレイヤーがあります。重なったポイント、時には巨大なオーバーラップを持つ変数インスタンスがあるため、v.kernelを使用してヒートマップを作成して濃度を表示したいと思います。 GRASSで既にこのベクターレイヤーを取得していますが、うまく表示されます。 ここや他のフォーラムで見たものに基づいてGRASSのv.kernelコマンドを使用しようとしましたが、単なるピンク色の正方形のラスターを出力する以外には何もできません。 私が使用しているコマンドは次のとおりです。 v.kernel --verbose input=master_grass7 output=master_grass7a_heatmap stddeviation=.0001 標準偏差を1000000から.000001までのあらゆる種類の値に変更しましたが、効果はありませんでした。 v.kernelのドキュメントを繰り返し読みましたが、何が得られているのかよくわかりません。少なくとも、説明は難解な概念に関するものであり、実用的なものではありません。また、ソースコードも確認しましたが、実際には理解していません。はい、Cを読むことができます。問題は、GRASS GISの他の場所で定義されている多くのものに依存していることです。 また、多くのGoogle検索を実行しましたが、包括的なガイドが見つかりません。私が取得しているのは、v.kernelのdoc / manページのコピーが散らばっているか、明らかに大騒ぎせずに動作するようになった人々です。 また、カーネル密度推定（KDE）の概念を確認しましたが、それでもv.kernelコマンドの使用方法がわかりません。このコマンドは、KDEの特定の解釈のようです。そのスイッチは一般的なKDEの概念にうまく対応していないようです。 それでは、ここでの主な質問に戻りましょう。GRASS製品開発に詳しくない人がv.kernelコマンドをどのように使用できますか？利用可能な平易な言語翻訳はありますか？
3
RまたはArcGISでの時空間補間？
ArcGIS 9.3のInverse Weighted Distanceツールを使用して、複数のポイントから平均降雨値を計算しようとしています。 私の問題は、各ポイントに独自の時系列があるため、補間プロセスはすべての年（いわば反復の種類）実行できる必要があるということです。 サンプル属性テーブルは次のとおりです。 ID X Y Name Rain1990 Rain1991 Rain1992 Rain1993 .... Rain2010 1 xx1 yy1 AA 1210 1189 1863 1269 ...... 2 xx2 yy2 BB 1492 1502 2187 1923 ...... ...... 誰もそれを行う方法を教えてもらえますか？ 編集1：最終的に、ArcGISマスクグリッド、データファイル、すべてのポイントの場所を必要とするC ++コードを使用してこれを行いました。 編集2：最近、この補間タスクを行うためにRを使用しました。hydroTSM、gstatまたはspacetimeパッケージのいずれかを使用できます。以下のリンク例はほとんどありません。 http://spatial-analyst.net/wiki/index.php?title=Spatial_interpolation_exercises_%28NL%29 http://www.geostat-course.org/Topic_Bivand_2012 編集3：将来の読者のために、以下の作業例を追加しました
4
温度を正しく補間する方法は？
「平均的な」表面を作成するために、平均年間平均気温を補間しようとしました。QGISでは、Raster-Interpolation-Interpolationを使用しました。TINとIDWの両方の方法は、「現実的な」表面を提供しませんでした（たとえば、アトラスの良い地図と比較して）。 IDW（要因3）​​： TIN（補間ポイントも表示）： 「より良く、より現実的な」補間を得るためのヒントはありますか？
弊社のサイトを使用することにより、あなたは弊社のクッキーポリシーおよびプライバシーポリシーを読み、理解したものとみなされます。
Licensed under cc by-sa 3.0 with attribution required.