全国高分辨率土地利用数据服务 土地利用数据服务 土地覆盖数据服务 坡度数据服务 土壤侵蚀数据服务 全国各省市DEM数据服务 耕地资源空间分布数据服务 草地资源空间分布数据服务 林地资源空间分布数据服务 水域资源空间分布数据服务 建设用地空间分布数据服务 地形、地貌、土壤数据服务 分坡度耕地数据服务 全国大宗农作物种植范围空间分布数据服务
多种卫星遥感数据反演植被覆盖度数据服务 地表反照率数据服务 比辐射率数据服务 地表温度数据服务 地表蒸腾与蒸散数据服务 归一化植被指数数据服务 叶面积指数数据服务 净初级生产力数据服务 净生态系统生产力数据服务 生态系统总初级生产力数据服务 生态系统类型分布数据服务 土壤类型质地养分数据服务 生态系统空间分布数据服务 增强型植被指数数据服务
多年平均气温空间分布数据服务 多年平均降水量空间分布数据服务 湿润指数数据服务 大于0℃积温空间分布数据服务 光合有效辐射分量数据服务 显热/潜热信息数据服务 波文比信息数据服务 地表净辐射通量数据服务 光合有效辐射数据服务 温度带分区数据服务 山区小气候因子精细数据服务
全国夜间灯光指数数据服务 全国GDP公里格网数据服务 全国建筑物总面积公里格网数据服务 全国人口密度数据服务 全国县级医院分布数据服务 人口调查空间分布数据服务 收入统计空间分布数据服务 矿山面积统计及分布数据服务 载畜量及空间分布数据服务 农作物种植面积统计数据服务 农田分类面积统计数据服务 农作物长势遥感监测数据服务 医疗资源统计数据服务 教育资源统计数据服务 行政辖区信息数据服务
Landsat 8 高分二号 高分一号 SPOT-6卫星影像 法国Pleiades高分卫星 资源三号卫星 风云3号 中巴资源卫星 NOAA/AVHRR MODIS Landsat TM 环境小卫星 Landsat MSS 天绘一号卫星影像
不同的栅格数据集不需要使用相同的像元分辨率进行存储。但在处理多个数据集时,最好使用相同的像元分辨率。将多个不同分辨率的栅格数据集输入任一ArcGIS Spatial Analyst 扩展模块工具时,会自动将一个或多个输入数据集重采样为输入数据集的最粗糙分辨率。
在默认情况下,使用最邻近分配重采样技术。这是因为它同时适用于离散数据和连续数据,而其他重采样类型(双线性插值和三次卷积插值)只适用于连续数据。使用重采样技术是很有必要的,因为输入像元的中心很少能与变换到所需分辨率后的像元中心对齐。在合并不同分辨率的栅格之前,可以使用重采样工具利用双线性和三次卷积技术作为预处理步骤。
可以使用像元大小环境参数来控制默认重采样分辨率,在该参数中可指定工具是使用输入栅格的最小分辨率还是使用定义的特定像元大小。
如下图所示,在分析环境中设置的像元大小比工具中的输入栅格的像元大小要粗糙。执行时,会首先将输入栅格重采样到较粗糙的分辨率,然后应用该工具。
执行分析时,请确定所设置的像元大小是否合适。例如,当像元大小为 5 千米时,不太可能研究鼠标移动。五千米的像元可能更适用于研究全球变暖对地球的影响。
要找到重采样输出栅格上每个像元应采用的值,必须将输出栅格中每个像元的中心映射到原始输入坐标系。每个像元中心坐标都会反向变换,以确定该点在原始输入栅格上的位置。确定输入位置后,将根据输入栅格中邻近的像元为输出位置分配一个值。输出像元中心很少能与输入栅格像元中心准确对齐。因此,多种技术已开发出来,以根据点相对于输入栅格像元中心的位置以及与这些像元相关联的值来确定输出值。用于确定输出值的三种技术分别为最邻近分配法、双线性插值法和三次卷积插值法。每种技术分配输出值的方式都不同。因此,分配到输出栅格像元的值可能由于所使用技术的不同而有所差异。
因为最邻近分配法不会更改输入像元的值,它是用于离散(分类)数据的重采样技术。将输出栅格数据集中像元中心的位置定位到输入栅格后,最邻近分配法将确定输入栅格上最近的像元中心位置并将该像元的值分配给输出栅格上的像元。
最邻近分配法不会更改输入栅格数据集中像元的任何值。输入栅格中的值 2 在输出栅格中仍将为 2,决不会为 2.2 或 2.3。由于输出像元值保持不变,因此最邻近分配法应该用于名目数据或序数数据,其中每个值都表示一个类、一个成员或一个分类(分类数据,如土地利用、土壤或森林类型)。
考虑到根据输入栅格创建的输出栅格会在操作中旋转 45°,因此将进行重采样。对于每个输出像元,都要从输入栅格中获取值。在下图中,输入栅格的像元中心为灰色点。输出像元为绿色阴影。正在处理的像元为黄色阴影。在最邻近分配法中,将确定与正在处理的像元中心(红色点)最邻近的输入栅格像元中心(橙色点),并将其指定为正在处理的像元(黄色阴影)的输出值。对输出栅格中的每个像元都重复此过程。
双线性插值法使用四个最邻近输入像元中心的值来确定输出栅格上的值。输出像元的新值是这四个值的加权平均值,将根据它们与输出像元中心的距离进行调整。与最邻近分配法相比,此插值法可生成更平滑的表面。
下图与最邻近插值法的图例一样,输入栅格的像元中心为灰色点,输出像元为绿色阴影,要处理的像元为黄色阴影。对于双线性插值法,先确定与正在处理的像元中心(红色点)最邻近的四个输入像元中心(橙色点),然后计算其加权平均值,再将所得的值指定为正在处理的像元(黄色阴影)的输出值。
由于输出像元值是根据输入像元的相对位置和值计算的,因此对于由某个已知点或现象的位置来决定分配像元值的数据(即连续表面),双线性插值法是首选方法。机场的高程、坡度、噪音强度以及河口附近地下水的盐度都是表示为连续表面的现象,最适合使用双线性插值法进行重采样。
三次卷积插值法与双线性插值法类似,它是通过 16 个最邻近输入像元中心及其值来计算加权平均值。
下图演示了如何计算三次卷积插值法的输出值。先确定与正在处理的像元中心(红色点)最邻近的 16 个像元中心(橙色点),然后计算其加权平均值,再将所得的值指定为要处理的像元(黄色阴影)的输出值。
与双线性插值法相比,三次卷积插值法倾向于锐化数据的边缘,因为计算输出值时涉及的像元较多。
不应对分类数据使用双线性插值法或三次卷积插值法,因为输出栅格数据集中不会保留类别。但是,这三种技术均可用于连续数据,其中最邻近法将生成块状输出,双线性插值法将生成更平滑的结果,三次卷积插值法将生成最清晰的数据。