Interpolasi batimetri multibeam menggunakan ArcGIS Desktop?

8

Saya mencoba membuat peta 3D dengan batimetri multi-balok (fitur 65536, xyz), tetapi tampaknya metode interpolasi terlalu kaku. Saya perlu memuluskan data sehingga terlihat lebih alami dan realistis.

Parameter mana yang harus saya variasikan sehingga saya bisa mendapatkan ini?

Romina
sumber
Saya menggunakan ARCGIS 9.2
Romina
+1 Juga ingin tahu apakah teknik pemrosesan Lidar akan berlaku.
Kirk Kuykendall
7
Saya akan sangat curiga dengan sumber data karena 65536 adalah persis batas baris dari spreadsheet excel sebelum v2010 :-)
WolfOdrade

Jawaban:

7

Ini kemungkinan tidak sepenuhnya menjadi masalah dengan model interpolasi. Data batimetri dapat menunjukkan kebisingan yang cukup besar. Karena bobot yang sama terkait dengan setiap aspek TIN dan efek outlier, interpolasi basis TIN dapat memperparah kebisingan ini dan tidak direkomendasikan. Saya akan menerapkan Topogrid (Topo to raster tool) Interpolasi Spline dan kemudian menerapkan filter smoothing pada hasilnya. Saya biasanya menggunakan filter tertimbang Gaussian dengan sigma 2, tetapi di ArcGIS Anda bisa menggunakan focal mean. Ukuran jendela akan tergantung pada resolusi permukaan interpolasi dan kriteria kesalahan. Anda tidak ingin membuat data terlalu berlebihan, menilai Root Mean Squared Error (RMSE) dari yang diamati vs yang diprediksi sangat penting. Temukan ukuran jendela yang menunjukkan keseimbangan yang dapat diterima antara kelancaran dan kesalahan.

Jeffrey Evans
sumber
1

Coba FFT (Fast Fourrier Transform) di ENVI atau Alat Pengolah Gambar lainnya setelah membuat raster Anda. Anda juga bisa menerapkannya langsung pada raster Anda menggunakan IDL.

Di bawah Radar
sumber
saran yang sangat bagus!
Jeffrey Evans
1
FFT dengan sendirinya tidak memecahkan masalah ini - itu hanya cara mengekspresikan kembali data yang sama. Apa sebenarnya yang Anda usulkan untuk dilakukan dengan FFT untuk memperlancar data?
whuber
Anda harus menerapkan filter ke beberapa frekuensi (saya pikir untuk menghapus frekuensi tinggi) pada gambar FFT Anda dan kemudian lakukan FFT terbalik
Di bawah Radar
0

Cobalah membuat TIN dari batimetri. TIN akan melakukan interpolasi titik (garis), menciptakan permukaan yang lebih halus daripada kisi. Anda juga dapat menjalankan hillshade pada kisi interpolasi, ini dapat menghasilkan sesuatu yang Anda sukai secara visual.

Ryan Garnett
sumber
0

Anda dapat mencoba interpolasi Topo ke Raster hanya dalam satu langkah, mencoba nilai yang berbeda untuk parameter pemulusannya: faktor kesalahan diskritisasi (1,5, 2 atau lebih tinggi), toleransi # 1 (coba 2-3) dan toleransi # 2 (sekitar 100) . Penegakan drainase harus dinonaktifkan untuk batimetri (tidak ada penegakan), dan tipe data "tempat". Mungkin Anda berhasil mendapatkan kehalusan yang diinginkan tanpa filter.

nadya
sumber
0

Saya benci kontur tidak wajar yang Anda dapatkan dari kebanyakan model. Inilah alur kerja saya:

  1. Buat garis pantai (coba gunakan lidar / citra yang lebih baru)
  2. Buat TIN berdasarkan data garis pantai dan titik suara
  3. Konversi Tin ke raster (saya biasanya menggunakan resolusi 1m)
  4. Gunakan Multi Values ​​to Points untuk mengekstraksi nilai raster ke sounding point
  5. Hitung bidang "Perbedaan" dalam data suara Anda dan periksa secara manual area di mana perbedaannya> 0,5 meter. Buat penghapusan yang perlu.
  6. Buat NPWP berdasarkan bunyi dan garis pantai yang dikoreksi
  7. Konversi TIN ke raster (saya biasanya menggunakan resolusi 5m)
  8. Konversi raster ke point.
  9. Pilih dari set data titik isi dengan set data titik suara (saya gunakan dalam jarak 10 meter) dan hapus titik-titik ini dari set data titik pengisian
  10. Buat pilihan acak untuk mengurangi kepadatan set data pengisian (saya hanya permintaan untuk FID / beberapa nomor = CEILING (FID / beberapa nomor) setelah melakukan penghapusan awal dan menyimpan.
  11. Gunakan titik isian acak, titik suara, garis pantai, dan poligon tingkat (dari garis pantai) di alat Topo ke Raster.
  12. Buat kontur.

Ini memberi Anda kontur yang diperhalus, tetapi mempertahankan nilai yang terukur untuk data suara Anda. Ini tidak lebih baik, tetapi saya pikir itu terlihat jauh lebih baik.

mstead
sumber
0

Dalam hal kesederhanaan, TIN dapat memberikan pengembalian yang sangat masuk akal.

Saya tidak melihat alasan mengapa kebisingan menghalangi penggunaan TIN per se. Mereka akan secara tepat memodelkan titik data Anda jika Anda mengatur parameter seperti itu atau lebih pas di permukaan. Mereka juga memiliki keuntungan berbeda dari menjadi skala dan orientasi kisi independen, tidak seperti metode berbasis jendela bergerak.

Saya akan menyarankan :

  1. Periksa poin WolfOdrade dulu!
  2. Jika data batimetri disusun dalam baris atau geometri tidak teratur lainnya (misalnya dari bunyi perahu) maka topogrid ini ke permukaan raster. Jika titik di grid biasa atau tersebar secara acak, buat menjadi TIN yang cocok untuk setiap titik.
  3. Visualisasikan dalam sesuatu yang sederhana, seperti ArcScene.
  4. Kemudian Posting gambar itu di suatu tempat sehingga kami benar-benar dapat melihat data, menunjukkan titik perhatian Anda.

Algoritma smoothing yang tepat sangat tergantung pada jenis medan, filter Guassian mungkin bagus untuk DEM yang lebih halus. FFT akan sepadan dengan upaya untuk berbagai medan dan bisa menangani sudut yang lebih tajam, tetapi iteratif penyiangan node TIN bisa menjadi pilihan yang cukup dan lebih sederhana yang meminimalkan data simulasi.

AnserGIS
sumber
2
"Pemodelan tepat" dari noise hanya menyebarkan kesalahan. Ketika ada kebisingan, Anda harus memilih metode yang memuluskan data daripada menghormatinya. Itu menunjukkan mencari alternatif untuk TIN. Saran Anda menjelang akhir iteratif penyiangan simpul TIN ada dalam semangat ini, tetapi sayangnya begitu Anda selesai, Anda masih menyematkan TIN ke simpul yang tersisa, tidak ada yang benar (karena kebisingan). Menerapkan statistik yang lebih halus terdengar seperti ide yang lebih baik.
whuber
Maksud saya mengenai TIN adalah bahwa mereka hanya struktur data, dengan metode smoothing mereka sendiri. Tetapi apakah dalam TIN atau GRID, penyaringan meninggalkan data mentah dengan kesalahan. Smoothing membutuhkan distribusi titik yang baik. Keduanya menghapus maxima dan minima yang mungkin nyata dan perlu. Semua metode grid rentan terhadap skala dan orientasi. Tanpa melihat data dan mengetahui penggunaan akhirnya, kami tidak tahu metode apa yang dibutuhkan atau dapat dipertahankan. Jika hanya untuk visualisasi maka sedikit kesalahan acak yang terbatas mungkin sebenarnya membuatnya terlihat lebih realistis sehingga menyaring / menyingkirkan daripada halus.
AnserGIS