드론 지도 및 고도 데이터를 위한 래스터 리샘플링 선택
재투영을 통해 유용한 측정값과 범주형 레이블이 보존되도록 최근접 이웃, 보간 및 집계 방법을 래스터 의미와 비교합니다.
각 픽셀이 무엇을 의미하는지 식별
리샘플링은 래스터가 그리드, 해상도 또는 좌표계를 변경할 때 출력 픽셀을 추정합니다. 올바른 선택은 값이 연속 측정, 사진 색상 또는 개별 범주를 설명하는지 여부에 따라 달라집니다. 고도 래스터와 토지 피복 분류는 하나의 내보내기 사전 설정을 자동으로 공유하면 안 됩니다. 매력적인 디스플레이는 후속 계산에 중요한 수치 변화를 숨길 수 있으므로 처리하기 전에 의도된 용도와 단위를 기록해 두십시오.
범주형 정체성 유지
가장 가까운 이웃 샘플링은 클래스 코드 사이를 보간하는 대신 기존 값을 선택합니다. 이는 평균 삼림 및 도로 식별자가 의미 없는 범주를 생성하는 범주형 래스터의 일반적인 시작점이 됩니다. 그러나 선택에 따라 작은 패치나 좁은 경계의 표시가 변경될 수 있습니다. 모든 원래 지형지물이 유지된다고 가정하는 대신 제안된 출력 해상도에서 클래스 수, 경계 예 및 영향을 받는 영역을 비교하십시오.
연속 표면의 보간 이해
이중선형 및 3차 접근 방식은 서로 다른 방식으로 인접한 값을 결합합니다. 연속적인 이미지나 표면을 더 부드럽게 보이게 만들 수 있지만, 매끄러움이 정확성을 나타내는 독립적인 증거는 아닙니다. 보간은 로컬 값을 변경하며 일부 커널은 급격한 전환 근처에서 오버슈트를 생성할 수 있습니다. 단면과 원본 샘플을 사용하여 지붕 가장자리, 제방 및 유효한 데이터 경계를 검사합니다. 시각적으로 가장 만족스러운 결과를 선택하기보다는 분석 질문에 적합한 동작을 선택하십시오.
해상도 축소를 별도의 결정으로 다루기
더 거친 래스터를 만들 때 기여하는 관찰을 요약하는 방법은 하나의 소스 픽셀을 샘플링하는 것과 다른 질문에 답합니다. 평균 표면 고도가 반드시 가장 높은 장애물이나 가장 낮은 배수 지점은 아닙니다. 사용자에게 필요한 통계를 지정합니다. 대표적인 작은 구조와 넓고 균일한 영역을 테스트하고 변경된 모양이 고의적인 정보 요약을 따르는지 아니면 의도하지 않은 세부 정보 손실을 따르는지 문서화합니다.
마스크와 정렬을 함께 확인하세요.
NoData, 알파 마스크 및 출력 그리드 위치는 소스 픽셀이 기여하는 데 영향을 미칩니다. 제외된 영역 옆의 값은 전체 범위로 둘러싸인 값과 다르게 동작할 수 있습니다. 방법을 비교하기 전에 소스 유효성 규칙을 확인하세요. 이미 변경된 사본을 반복적으로 다시 샘플링하는 대신, 실용적일 때 보존된 원본에서 다시 투영하십시오. 최종 래스터가 각 이전 작업의 효과를 상속하기 때문에 겉보기에 무해해 보이는 여러 변환은 해석을 복잡하게 만들 수 있습니다.
목적별 승인 사례를 기록하세요.
가상 배수 연구의 경우 내보내기 처리 절차를 승인하기 전에 고정된 단면 세트와 알려진 참조 위치에 대한 대체 출력을 비교하십시오. 방법이 조사되는 변수가 되도록 동일한 범위, 그리드 원점 및 픽셀 크기를 유지하십시오. 선택한 알고리즘을 이론적 근거 및 소스 버전과 함께 제공합니다. GDAL의 gdalwarp 및 gdal_translate 문서에는 사용 가능한 방법이 설명되어 있습니다. 프로젝트별 검사는 결과가 실제로 필요한 정보를 보존하는지 여부를 확인합니다.
