Arcgis ruchomy średni raster

Mam mapę rastrową US Midwest, która jest bardzo rzadka, tzn. Piksele interesujące nie są wystarczająco mało widoczne, gdy są oglądane w skali, w której są widoczne wszystkie państwa środkowo-zachodniego USA Chciałbym podążać za podejściem nakreślonym w tym dokumencie PNAS aby utworzyć lepszą mapę, ale nie wiesz, jak ją replikować w programie ArcGIS Wszelka pomoc byłaby doceniana. Dokument PNAS przedstawia kroki w następujący sposób. Ze względu na małe rozmiary i rozproszoną dystrybucję obszarów zmian trudno było wizualizować regionalne wzorce LCLUC w pierwotnej rozdzielczości przestrzennej 56 m Wynikiem tego były techniki wyrównywania przestrzennego, mające na celu stworzenie powierzchni zmian regionalnych, która podkreśliła lokalne gorące punkty zmian. Podobne podejścia są stosowane w dziedzinach takich jak epidemiologia przestrzenna w celu uzyskania stabilnej oceny częstości występowania chorób 48, ale mają nie były szeroko stosowane w dziedzinie nauki o zmianie terenu W naszym sposobie wygładzania zmień piksele na rozdzielczość przestrzenną 56-metrową po raz pierwszy agregowano do odsetka zmian przy 560 m rozdzielczość Dokonano tego przez 10-do-10 bloków 56-m pikseli, czyli 100 pikseli i podsumowanie zmian binarnych w obrębie każdego bloku Rys. S4A Następnie użyliśmy ziarna 2D gładszego, aby obliczyć wygładzone oszacowanie procentowej zmiany dla każdego z Piksele rozdzielczości pikseli 560 m Rys. S4B Do obliczania średnich ruchów w obszarze badawczym przy szerokości pasma 10 km zastosowano tę samą czworokątną funkcję jądra, aby wyrównać procentową zmianę z soi z kukurydzy w 2006 r. Na użytki zielone w 2017 r. Wreszcie, wygenerowała w 2006 roku wygładzoną mapę pokrywy użytków zielonych poprzez agregację obecności użytków zielonych w rozdzielczości 56 m do procentowego pokrycia użytków zielonych w rozdzielczości 560 m, a następnie wyrównywanie tej zagęszczonej warstwy pokrycia przy użyciu tego samego 10-kilometrowego jądra kwarcowego Ta wygładzona warstwa pokrywy trawy następnie wykorzystywana jako mianownik do generowania mapy względnych współczynników konwersji użytków zielonych. W mojej ocenie jest to schemat blokowy 1 Użyj statystyk blokowych w ArcGIS do sumy 10 x 10 pikseli rastra 56 m do 560m raster 2 ziarna 2D gładsze nie wiesz jak to zrobić 3 Kwarcowe jądro nie wiesz, jak to zrobić. Nie pamiętaj, jak postępować poza krokiem 1.asked Aug 15 14 at 0 29.Moving Window Kriging. Recalculates Range, Nugget i Częściowe parametry semiwaryogramu pół w oparciu o mniejszą dzielnicę, poruszające się we wszystkich punktach lokalizacji. Źródło modelu geostatystycznego jest albo warstwą geostatystyczną, albo modelem geostatystycznym XML reprezentującym model kriging inny niż empiryczne kriging Bayesa. Zbiór danych wejściowych musi zawierać więcej niż 10 punktów dla narzędzie do wykonania Jednak narzędzie jest najbardziej skuteczne z dużymi zbiorami danych, które mają tendencje niestacjonarne. W skryptach Pythona klasa ArcPy GeostatisticalDatasets będzie przydatna do wypełniania danych parametru danych wejściowych. For formatów danych, które obsługują wartości Null, takie jak plik geodatabase klasy funkcji, wartość Null będzie używana do wskazania, że ​​nie można przewidzieć przewidywanej lokalizacji lub że wartość ta powinna być ignorowana podczas używania jako inpu t Dla formatów danych, które nie obsługują wartości Null, takich jak shapefiles, wartość -1 7976931348623158e 308 jest ujemna dla stałej DB zdefiniowanej przez C, aby wskazać, że nie można przewidzieć przewidywanej lokalizacji dla funkcji lokalizacji. Funkcja Convolution wykonuje filtrowanie wartości pikseli na obrazie, które mogą być użyte do wyostrzenia obrazu, rozmycia obrazu, wykrywania krawędzi obrazu lub innych akcesoriów opartych na jądrze. Wejścia dla tej funkcji są następujące. Raster wejściowy Rodzaje filtrów konwekcyjnych. Filtry są używane w celu poprawy jakości obrazu rastrowego przez eliminowanie danych niepożądanych lub poprawianie funkcji danych Filtr ten jest używany w ruchomej, zachodzącej na siebie oknie jądra lub w sąsiedztwie, na przykład 3 przez 3 filtry Convolution obliczanie wartości pikseli w oparciu o ważenie sąsiadów. Istnieje wiele typów filtrów konwekcyjnych, które można wybrać w tej funkcji. Możesz także określić użytkownika definiowanego t ype i wprowadź własne wartości jądra. Można zastosować filtr medialny do obrazu, określając wagę 1 9 dla jądra 3 na 3, co daje każdemu pikselowi w jądrze taką samą wagę Filtr ten może być użyty do wygładzania obrazu Istnieją inne jądra, które mogą być użyte do wyostrzenia lub wzmocnienia krawędzi Możesz łączyć filtry w celu osiągnięcia konkretnych wyników Na przykład, możesz zastosować filtr, który usunie plamkę lub wygładzić obraz, a następnie zastosuj filtr, który wykryje krawędzie. optymalne wyniki wyświetlania, możesz zastosować odcięcie histogramu, aby dostosować kontrast lub jasność obrazu, aby ułatwić wysuwanie funkcji. Poniższe przykłady są stosowane do jednego z tych dwóch obrazów.