Scelta del ricampionamento raster per mappe drone e dati di elevazione
Confronta i metodi del vicino più vicino, di interpolazione e di aggregazione con il significato raster in modo che la riproiezione preservi misurazioni utili ed etichette categoriche.
Identifica il significato di ciascun pixel
Il ricampionamento stima i pixel di output quando un raster cambia griglia, risoluzione o sistema di coordinate. La scelta corretta dipende dal fatto che i valori descrivano misurazioni continue, colore fotografico o categorie discrete. Un raster di elevazione e una classificazione di copertura del suolo non dovrebbero condividere automaticamente una preimpostazione di esportazione. Annotare l'uso previsto e le unità prima dell'elaborazione, perché una visualizzazione attraente può nascondere modifiche numeriche importanti per i calcoli successivi.
Preservare le identità categoriche
Il campionamento del vicino più vicino seleziona un valore esistente anziché eseguire l'interpolazione tra codici di classe. Ciò lo rende un punto di partenza comune per i raster categorici, in cui la media degli identificatori di boschi e strade creerebbe una categoria priva di significato. Tuttavia, la selezione può alterare la rappresentazione di piccole aree o confini ristretti. Confronta i conteggi delle classi, gli esempi di confini e le aree interessate alla risoluzione di output proposta invece di dare per scontato che ogni caratteristica originale sopravviverà.
Comprendere l'interpolazione di superfici continue
Gli approcci bilineare e cubico combinano valori vicini in modi diversi. Possono far sì che le immagini continue o le superfici appaiano più lisce, ma la levigatezza non è una prova indipendente di accuratezza. L'interpolazione modifica i valori locali e alcuni kernel potrebbero produrre un superamento in prossimità di transizioni nette. Esamina i bordi del tetto, i terrapieni e i confini dei dati validi utilizzando profili e campioni originali. Scegli un comportamento appropriato alla domanda analitica, piuttosto che selezionare il risultato visivamente più gradevole.
Trattare la riduzione come una decisione separata
Quando si crea un raster più grossolano, un metodo che riassume le osservazioni che contribuiscono risponde a una domanda diversa dal campionamento di un pixel sorgente. L'elevazione media della superficie non è necessariamente l'ostruzione più alta o il punto di drenaggio più basso. Specificare la statistica di cui l'utente ha bisogno. Testare una piccola struttura rappresentativa e un'ampia area uniforme e documentare se il loro aspetto modificato è dovuto a un riepilogo intenzionale delle informazioni o a una perdita involontaria di dettagli.
Controllare insieme le maschere e l'allineamento
NoData, maschere alfa e posizioni della griglia di output influenzano il contributo dei pixel di origine. I valori accanto a un'area esclusa possono comportarsi diversamente dai valori circondati da una copertura completa. Confermare le regole di validità della fonte prima di confrontare i metodi. Riproiettare dall'originale conservato quando possibile invece di ricampionare ripetutamente una copia già modificata. Diverse conversioni apparentemente innocue possono complicare l'interpretazione perché il raster finale eredita gli effetti di ogni operazione precedente.
Registra un esempio di accettazione specifico per lo scopo
Per un ipotetico studio sul drenaggio, confrontare risultati alternativi su un insieme fisso di profili e posizioni di riferimento note prima di approvare la ricetta di esportazione. Mantenere la stessa estensione, origine della griglia e dimensione dei pixel in modo che il metodo sia la variabile da analizzare. Fornire l'algoritmo selezionato con la sua logica e la versione sorgente. La documentazione di gdalwarp e gdal_translate di GDAL descrive i metodi disponibili; i controlli specifici del progetto stabiliscono se i loro risultati preservano le informazioni effettivamente richieste.
