Suite

Comment ST_SnapToGrid fonctionne-t-il en utilisant l'interpolation du voisin le plus proche ?


J'ai des rasters dans une base de données PostGIS qui ne sont pas nécessairement alignés (certains rasters décalés de la grille). je veux utiliserST_SnapToGridpour aligner tous les rasters sur la même grille, mais vous avez des questions sur son fonctionnement en utilisant les voisins les plus proches.

Laquelle de ces manières fonctionne le voisin le plus proche ?

  1. Si les pixels sont alignés alors c'est juste la valeur du pixel source, mais sinon le pixel cible prend la valeur du pixel source le plus proche. Cela reviendrait à "déplacer" le pixel au bon endroit.

  2. Le pixel cible prend la moyenne des voisins les plus proches, de sorte qu'il peut chevaucher 99 % avec le pixel source A et 1 % avec le pixel source B, mais considère que les moyennes de ces pixels sont la valeur du pixel cible.

  3. Un autre moyen ?


Le voisin le plus proche est exactement ce que vous décrivez par (1). (2) serait une forme d'interpolation, bilinéaire si vous multipliez simplement les valeurs de couleur par le pourcentage de chevauchement.

Les documents sont ici : http://postgis.net/docs/RT_ST_SnapToGrid.html

Pensez également à ST_Resample : http://postgis.net/docs/RT_ST_Resample.html

J'ai remarqué que la documentation ne décrit pas vraiment le fonctionnement des différents algorithmes de rééchantillonnage, mais ce sont tous des algorithmes standard - recherchez-les dans wikipedia ou ailleurs.


Évaluation et visualisation de l'interpolation spatiale des valeurs de pH du sol dans les terres agricoles

L'agriculture spécifique au site implique une détection à petite échelle des paramètres de terrain qui affectent le rendement, associée à l'orientation des intrants de gestion appropriés vers des zones sélectionnées qui améliorent la rentabilité du système de culture à l'échelle du terrain. Actuellement, des technologies limitées sont disponibles pour évaluer la variabilité spatiale des propriétés du sol à une échelle fine (résolution submétrique). Par conséquent, les informations sont généralement générées en collectant des échantillons discrets et en utilisant une interpolation spatiale pour estimer les données pour les emplacements non échantillonnés. Dans cette étude, des échantillons de pH du sol ont été collectés dans un champ agricole de 12,15 ha dans le nord-ouest du Missouri en utilisant deux régimes d'échantillonnage en grille : 0,11 ha avec 110 échantillons et 0,98 ha avec 12 échantillons. Trois méthodes d'interpolation spatiale (pondération en distance inverse, spline et krigeage) ont été testées pour évaluer les effets de l'interpolation sur des emplacements non échantillonnés. En plus des évaluations de validation quantitatives, les résultats ont également été évalués par visualisation 2D et visualisation 3D. Bien que chaque approche d'évaluation ait fourni des informations utiles, la technique de pondération par distance inverse a globalement mieux estimé les valeurs de pH du sol déterminées par une combinaison des trois approches.

Ceci est un aperçu du contenu de l'abonnement, accessible via votre institution.


Voir la vidéo: StatQuest: K-nearest neighbors, Clearly Explained (Octobre 2021).