Meilleure méthode pour agréger une mosaïque de 1 m DEM à 10 m DEM

J'ai une mosaïque d'un DEM dérivé de LiDar de 1 m. J'ai besoin de sortir un sous-ensemble des données en tant que DEM de 10 m. J'utilise actuellement l'outil d'agrégation dans ARCGIS 10 pour produire une valeur moyenne pour chaque nouveau pixel de 10 m. Un conseil pour savoir si c'est la meilleure technique pour une telle tâche? La valeur moyenne est-elle la meilleure approche avec ce type de données?

Une erreur courante (que j'ai également commise) consiste à sous-échantillonner un raster à l'aide de l'outil de rééchantillonnage avec interpolation bilinéaire. Voir cette réponse pour une explication pourquoi ce n'est pas bon. Un raster peut être sous-échantillonné en trois étapes.

1. La première étape peut ne pas être requise. Reprojetez le raster aux étendues cibles. Utilisez une interpolation bilinéaire et conservez la taille de la cellule de sortie identique à la résolution d'entrée (par exemple, 1 m). Utilisez le point d'alignement pour «accrocher» les coins du raster à la projection. Les extensions de sortie peuvent être spécifiées dans les "Environnements", et je suggère de spécifier les extensions avec un multiple de 10 m (ou quelle que soit la résolution). Ces étendues contrôleront où les statistiques sont déterminées pour le raster final.

2. Effectuer des statistiques de bloc (trouvées dans Spatial Analyst Tools> Neighborhood). Utilisez un rectangle avec 10 cellules pour la hauteur et la largeur, et choisissez "MOYEN" pour un type de statistique. Essayez différentes formes et types, si vous le souhaitez. La taille des cellules est le rapport de sous-échantillonnage.

3. Étant donné que les statistiques de bloc ne modifient pas la résolution du raster, la dernière étape consiste à rééchantillonner (dans Outils de gestion des données> Raster> Traitement raster). Choisissez 10 m et utilisez "LE PLUS PROCHE" pour choisir la statistique de bloc au centre de la cellule.

Les étapes 2 et 3 peuvent être remplacées par la suggestion de Curtvprice d'utiliser l' outil d'agrégation , qui produira effectivement les mêmes résultats en utilisant des moyens rectangulaires.

Vous pouvez couper une étape du processus en utilisant l' outil d'agrégation, qui évite d'avoir à répliquer toutes ces cellules de valeur récapitulative, et le rééchantillonnage.

Tous les points mentionnés ci-dessus sont importants à prendre en compte et je suis entièrement d'accord que le rééchantillonnage bilinéaire est assez problématique. Bien, je suis curieux de savoir pourquoi personne ne parle de convolution cubique? Le problème avec l'utilisation d'une fonction de bloc est que la moyenne n'est pas pertinente lorsque la distribution est non normale ou multimodale, comme prévu avec un DEM dérivé du lidar.

Si vous avez accès aux données lidar d'origine, interpolez simplement les données à la résolution souhaitée à l'aide de l'outil «Topo to Raster» dans ArcGIS. Si vous n'avez accès qu'au raster DEM de 1 m, il semble que la meilleure méthode, quoique la moins efficace, serait de convertir le raster en points et d'utiliser une plaque mince ou une spline bi-cubique. Cela permettrait au voisinage de rééchantillonnage d'adapter une courbe non linéaire aux données.

Alternativement, vous pouvez lisser le raster de 1 m en utilisant un noyau gaussien, approximant la taille de votre résolution de rééchantillonnage souhaitée (10x10), puis un rééchantillonnage bilinéaire serait beaucoup plus approprié. Cette approche vous permettrait d'avoir un contrôle direct sur le paramètre de lissage et entraînerait une distribution normale "localement" où la moyenne devient pertinente comme indicateur de tendance centrale et un ajustement linéaire est pris en charge.