Arcgis Flytting Gjennomsnittet Raster

Jeg har et rasterkart over US Midwest som er veldig sparsomt, dvs. at pikslene av interesse er få nok til å være nesten usynlige når de ses på en skala hvor alle delstater i USA Midtvesten er synlige. Jeg vil gjerne følge tilnærmingen skissert i dette PNAS-papiret for å lage et bedre kart, men ikke sikker på hvordan du replikerer det i ArcGIS. Enhver hjelp vil bli verdsatt. PNAS-papiret beskriver trinnene som følger. På grunn av de små størrelsene og spredt fordeling av endringsområder, var det vanskelig å visualisere regionale mønstre av LCLUC ved den originale geografiske oppløsningen på 56 m Som et resultat brukte vi romlig utjevningsteknikker for å skape en regional forandringsoverflate som fremhevet lokale hotspots of change. Relaterte tilnærminger brukes i felt som for eksempel spatial epidemiologi for å generere stabilt estimat av sykdomsrate 48, men har ikke blitt bredt anvendt på området for vekselsforskning. I vår utjevningstilgang ble endring av piksler ved 56 m spatial oppløsning først aggregert til prosentandelen forandring ved 560 m oppløsning Dette ble gjort ved å ta 10-i-10 blokker med 56-m piksler, dvs. 100 piksler og summere den binære endringen i hver blokk Fig S4A Deretter brukte vi en 2D-kjerne jevnere til å beregne et jevnt estimat av prosentendring for hver av de 560-m oppløsningspiksler Fig. S4B En kvartskjernefunksjon ble brukt til å beregne bevegelige gjennomsnitt over studieområdet med en båndbredde på 10 km. Den samme kvartiske kjernefunksjonen ble brukt til å jevne prosentendring fra mais soya i 2006 til greskeareal i 2011. genererte et utjevnet kart over gresskledddekselet i 2006 ved å samle greslandets tilstedeværelse ved 56 m oppløsning til prosent gresskleddeksel ved 560 m oppløsning og deretter utjevne dette aggregerte dekselaget ved å bruke den samme 10 km kvartiske kjernen. senere brukt som nevneren ved å generere et kart over relative gradergradsomregning. Så vidt jeg forstår, er dette flytskjemaet 1 Bruk blokkstatistikk i ArcGIS til å summe 10x10 piksler med 56-m raster til 560m raster 2 2D kjerne jevnere ikke sikker på hvordan du gjør dette 3 Quartic kjernen er ikke sikker på hvordan du gjør dette. Ikke sikker på hvordan du går videre enn trinn 1. Skrevet 15. august kl. 29 ved 0 29.Moving Window Kriging. Recalculates Range, Nugget, og Parallelt Sill-semivariogramparametere basert på et mindre nabolag, som beveger seg gjennom alle lokaliseringspunkter. Den geostatistiske modellkilden er enten et geostatistisk lag eller en geostatistisk modell XML som representerer en krigingmodell bortsett fra empirisk bayesisk kriging. Inndata datasettet må inneholde mer enn 10 poeng for verktøyet som skal utføres Men verktøyet er mest effektivt med store datasett som har ikke-stationære trender. I Python-skripting vil klassen GeostatisticalDatasets ArcPy være nyttig for å fylle inn parameterdatasettet s. For dataformater som støtter null-verdier, for eksempel fil geodatabase funksjonsklasser, vil en null-verdi brukes til å indikere at det ikke kan foretas en prediksjon for den plasseringen eller at verdien skal ignoreres når den brukes som inpu t For dataformater som ikke støtter null-verdier, for eksempel shapefiles, er verdien av -1 7976931348623158e 308 brukt. Dette er den negative for den C-definerte konstante DBLMAX for å indikere at det ikke kunne foretas en prediksjon for den plasseringen. Konvolusjonsfunksjon. Konvoluttfunksjonen utfører filtrering på pikselverdiene i et bilde, som kan brukes til å skarpe et bilde, sløre et bilde, oppdage kanter innenfor et bilde eller andre kjernebaserte forbedringer. Innspillene for denne funksjonen er følgende. Input Raster. Convolution-filtertyper. Filter brukes til å forbedre kvaliteten på rasterbildet ved å eliminere falske data eller forbedrende funksjoner i dataene. Disse konvoluttfiltre blir brukt på et bevegelig, overlappende kjernevindu eller nabolag, slik som 3 av 3 Konvoluttfiltre arbeider av beregner pikselverdien basert på vektingen av naboene. Det finnes en rekke konvoluttfiltertyper du kan velge i denne funksjonen Du kan også spesifisere en brukerdefinert t ype og skriv inn dine egne kjerneverdier. Du kan søke et medianfilter på bildet ved å angi en vekt på 1 9 for en 3 til 3 kjerne, og derved gi hver piksel i kjernen like vekt. Dette filteret kan brukes til å glatte et bilde Det finnes andre kjerner som kan brukes til å skjerpe eller forbedre kanter Du kan kombinere filtre for å oppnå bestemte resultater. For eksempel kan du bruke et filter som vil fjerne flekk eller glatt et bilde, og deretter bruke et filter som vil oppdage kanter. For optimale visningsresultater, kan det være lurt å bruke et strekk for histogram for å justere bildens kontrast eller lysstyrke for å trekke ut funksjoner. Eksemplene nedenfor brukes på ett av disse to bildene.