Utilisez les statistiques de blocage .
Cela fonctionne comme les statistiques focales en calculant un résumé statistique (tel que la moyenne que vous souhaitez) dans un voisinage spécifié de cellules (comme un carré de 8 x 8, où 8 = 240 m / 30 m), sauf qu'il ne le fait que pour un subdivision régulière de la grille, plutôt qu'avec un ensemble de quartiers qui se chevauchent, un à chaque cellule.
Vous pouvez également utiliser les statistiques focales si vous le souhaitez vraiment: après avoir calculé la moyenne focale sur 8 par 8 carrés, rééchantillonner sur une grille de 240 m en utilisant le rééchantillonnage du plus proche voisin . Lorsque les grilles sont enregistrées les unes aux autres ( c'est-à - dire qu'elles ont la même origine), cela devrait donner le même résultat que block statistics. (Je ne garantis pas que: certains choix arbitraires doivent être faits lorsque de nouveaux centres cellulaires coïncident avec d'anciens coins de cellule - comme ils le feront ici - et, si différents comités ont codé les deux procédures, ils peuvent avoir fait des choix différents: peu dans ArcGIS est vraiment cohérent, je le crains.)
Une autre approche consiste à créer une grille de zones, une zone par carré où une moyenne est souhaitée, et à effectuer un résumé zonal sous forme de grille. Les zones peuvent être calculées mathématiquement à partir de grilles de coordonnées de ligne et de colonne (au moyen de la fonction floorou int, par reclassement ou en joignant une table appropriée à la table attributaire).
Je terminerai en remarquant que l'interpolation bilinéaire, bien qu'elle produira effectivement des valeurs dans la plage 0..1, n'est pas ce que vous voulez: elle fonctionne en trouvant au plus quatre cellules de grille d'origine (30 m) entourant le centre d'une nouvelle ( 240 m) cellule et en interpolant uniquement leurs valeurs. En tant que tel, il ignorera les autres 8 * 8 - 4 = 60 cellules d'origine se trouvant dans chaque nouveau bloc. J'illustre l'interpolation bilinéaire sur http://www.quantdec.com/SYSEN597/GTKAV/section9/map_algebra.htm : la discussion commence vers le milieu de la page.
Dans ArcGIS, lorsque vous rééchantillonnez des données à l'aide d'un rééchantillonnage bilinéaire, il examine uniquement les valeurs des quatre cellules centrales ( documentation de rééchantillonnage ). En tant que tel, en utilisant cette méthode, vous perdrez toujours des données si vous ne compensez pas la perte de données.
Étant donné que nous savons que pour les cellules rééchantillonnées, vous recherchez une proportion des cellules qui sont boisées, nous pouvons la considérer comme la somme des cellules de 30 m divisée par 64 (il y a 64 cellules de 30 m dans le bloc de 240 m).
Cela signifie que si nous pouvons créer un nouveau raster avec les valeurs centrales comme la somme des valeurs environnantes à une résolution de 30 m, réduire la résolution en utilisant le rééchantillonnage avec le voisin le plus proche ou une interpolation bilinéaire nous donnera 240 cellules m qui sont la somme des cellules 30 m qu'elles couverture. Nous pouvons le faire avec l' outil de somme focale sur le raster de 30 m.
Enfin, une fois que nous avons une trame de somme focale de 240 m, divisez par 64 pour obtenir votre réponse proportionnelle.
Dans Idrisi, je ne suis pas sûr des algorithmes d'échantillonnage d'images, de même dans QGIS, mais j'imagine qu'il y a quelque chose de similaire. Certes, dans QGIS, vous pouvez traiter le raster en Python en utilisant scipy ndimage ou similaire.
la source