نظام arcgis الحركة من المتوسط النقطية

لدي خريطة النقطية من الغرب الأوسط الأمريكي الذي هو متفرق جدا، أي بكسل من الاهتمام قليلة بما فيه الكفاية لتكون إنفيسبل تقريبا عندما ينظر إليها على نطاق حيث جميع ولايات الغرب الأوسط الأمريكي مرئية. أود اتباع النهج المبين في هذه الورقة يناس (pnas. orgcontent110104134.full) لإنشاء خريطة أفضل، ولكن لم تكن متأكدا من كيفية تكرار ذلك في أرتجيس. سيكون موضع تقدير أي مساعدة. وتحدد الورقة الوطنية للشرطة الوطنية الفلسطينية الخطوات التالية: نظرا للأحجام الصغيرة والتوزيع المتناثر لمناطق التغيير، كان من الصعب تصور الأنماط الإقليمية لكلوك في القرار المكاني الأصلي البالغ 56 مترا. ونتيجة لذلك، استخدمنا تقنيات التجانس المكاني لخلق سطح تغيير إقليمي أبرز النقاط الساخنة المحلية للتغيير. وتستخدم النهج ذات الصلة في مجالات مثل علم الأوبئة المكانية لتوليد تقدير مستقر لمعدلات المرض (48) ولكن لم تطبق على نطاق واسع في مجال علوم تغير الأراضي. في نهج التجانس لدينا، تم تغيير بكسل بكسل في القرار المكانية 56 متر لأول مرة إلى نسبة التغيير في القرار 560 م. وقد تم ذلك من خلال أخذ كتل 10-بي-10 من بكسل 56 م (أي كتل 100 بكسل) وتلخيص التغيير الثنائي داخل كل كتلة (الشكل S4A). التالي استخدمنا نواة 2D أكثر سلاسة لحساب تقدير ممهدة من التغيير في المئة لكل من بكسل القرار 560 م (الشكل S4B). تم استخدام دالة النواة الرباعية لحساب المتوسطات المتحركة عبر منطقة الدراسة عند عرض نطاق قدره 10 كم. واستخدمت نفس وظيفة النواة الرباعية لتسهيل تغيير النسبة المئوية من الذرة في عام 2006 إلى الأراضي العشبية في عام 2011. وأخيرا، قمنا بإنشاء خريطة سلسة من الغطاء العشبي في عام 2006 من خلال تجميع وجود المراعي في قرار 56 م إلى تغطية الأراضي العشبية في القرار 560 م ، ومن ثم تمهيد طبقة الغطاء المجمعة باستخدام نفس النواة الرباعية التي تبلغ 10 كم. وقد تم استخدام طبقة الغطاء العشبية الممسوحة لاحقا كمقام في إنشاء خريطة للمعدلات النسبية لتحويل الأراضي العشبية. بقدر ما أفهم، هذا هو المخطط الانسيابي: 1. استخدام إحصاءات كتلة في أرتجيس ل 10 x10 بكسل من النقطية 56 متر إلى 560m النقطية 2. نواة 2D سلاسة: غير متأكد من كيفية القيام بذلك 3. نواة كوارتي: غير متأكد كيف للقيام بذلك غير متأكد من كيفية التقدم إلى أبعد من الخطوة 1 سأل 15 أغسطس 14 في 0: 29Get خصائص النقطية (إدارة البيانات) الخاصية التي سيتم الحصول عليها من مجموعة البيانات النقطية أو مجموعة بيانات فسيفساء. مينيموم إرجاع أصغر قيمة من جميع الخلايا في النقطية الإدخال. ماكسيموم يعيد القيمة الأكبر من جميع الخلايا في النقطية الإدخال. مين لإرجاع متوسط ​​جميع الخلايا في النقطية الإدخال. ستد إرجاع الانحراف المعياري لجميع الخلايا في النقطية الإدخال. ونيكيفالويكونت يقوم بإرجاع عدد القيم الفريدة في مسقط الإدخال. توب ترجع القيمة الأعلى أو يماكس للمدى. ليفت يقوم بإرجاع اليسار أو قيمة زمين من المدى. رايت ترجع قيمة اليمين أو زماكس للمدى. بوتوم إرجاع قيمة الجزء السفلي أو يمين للمدى. سيلزيزيكس إرجاع حجم الخلية في اتجاه x. سيلزيزي إرجاع حجم الخلية في اتجاه y. فالويتيب إرجاع نوع قيمة الخلية في النقطية المدخل: 0 1 بت 1 2 بت 2 4 بت 3 8 بت عدد صحيح غير موقعة 4 8 بت بتوقيع عدد صحيح 5 16 بت عدد صحيح غير موقعة 6 16 بت بتوقيع عدد صحيح 7 32 بت عدد صحيح غير موقعة 8 32 بت توقيع عدد صحيح 9 32 نقطة بت العائمة 10 64 بت دقة مزدوجة 11 8 بت معقدة 12 64 بت معقدة 13 16 بت معقدة 14 32 بت مجمع كولومنكونت إرجاع عدد الأعمدة في المدخلات النقطية. روكونت إرجاع عدد الصفوف في النقطية الإدخال. باندكونت إرجاع عدد النطاقات في مسقط الإدخال. أنينوداتا إرجاع ما إذا كان هناك نوداتا في النقطية. ألنوداتا إرجاع ما إذا كانت كافة وحدات البكسل هي نوداتا. هذا هو نفس إيسنول. سينسورنام إرجاع اسم المستشعر. برودوكتنام إعادة اسم المنتج المتعلق بالمستشعر. أكيسيتيونديت إرجاع التاريخ الذي تم التقاط البيانات فيه. سورسيتيب إرجاع نوع المصدر. كلودكوفر ترجع كمية الغطاء السحابي كنسبة مئوية. سونازيموث إرجاع سمت الشمس، بالدرجات. سونليفاتيون إرجاع ارتفاع الشمس، بالدرجات. سينسورازيموث إرجاع السمت الاستشعار، في درجة. سينسوريليفاتيون يقوم بإرجاع ارتفاع جهاز االستشعار، بالدرجات. أوفنادير يقوم بإرجاع الزاوية خارج النظير، بالدرجات. وافيلنغث إرجاع نطاق الطول الموجي للنطاق، في نانومتر. اختر من أي الفرقة للحصول على خصائص. إذا لم يتم اختيار أي فرقة، ثم سيتم استخدام الفرقة الأولى عند تشغيل الأداة. كود نموذج جيتراستيربروبيرتيز مثال 1 (إطار بيثون) هذه هي عينة بيثون ل جيتراستربروبيرتيز. جيتراستيربروبيرتيز مثال 2 (برنامج نصي مستقل) هذا هو نموذج النصي بيثون لأعمال GetRasterProperties. How تصفية يمكن استخدام أداة تصفية إما للقضاء على البيانات الهامشية أو تعزيز الميزات خلاف ذلك غير واضح بشكل واضح في البيانات. الفلاتر أساسا إنشاء قيم الإخراج من خلال، 3x3 نافذة حي الخلية المتداخلة التي تفحص من خلال النقطية المدخلات. كما يمر المرشح على كل خلية إدخال، يتم استخدام قيمة تلك الخلية وجيرانها الفوري 8 لحساب قيمة الإخراج هناك نوعان من الفلاتر المتوفرة في الأداة: تمريرة منخفضة وتمريرة عالية. أنواع المرشح يستخدم نوع المرشح لو تمريرة منخفضة، أو المتوسط، وتصفية على النقطية المدخلات وييسر أساسا البيانات. يستخدم نوع الفلتر العالي فلتر تمرير عالي لتعزيز الحواف والحدود بين الميزات الممثلة في المخطط النقطي. مرشح تمرير منخفض مرشح تمرير منخفض ينعم البيانات عن طريق تقليل الاختلاف المحلي وإزالة الضوضاء. وتحسب متوسط ​​(متوسط) قيمة لكل 3 × 3 حي. وهي تعادل أساسا أداة الإحصاءات البؤرية مع الخيار الإحصائي المتوسط. وأثر ذلك هو أن القيم المرتفعة والمنخفضة داخل كل حي ستبلغ متوسطا، مما يقلل القيم المتطرفة في البيانات. وفيما يلي مثال لقيم المدخلات في حي خلية معالجة واحدة، الخلية المركزية مع القيمة 8. حساب خلية المعالجة (خلية إدخال المركز مع القيمة 8) هو العثور على متوسط ​​خلايا الإدخال. هذا هو مجموع كل القيم في المدخلات التي يحتوي عليها الحي، مقسوما على عدد الخلايا في الحي (3 × 3 9). ستكون قيمة الإخراج لموقع خلية المعالجة 4.22. وبما أن المتوسط ​​يحسب من جميع قيم المدخلات، فإن متوسط ​​القيمة في القائمة، وهي القيمة 8 في خلية المعالجة، يتم حسابه في المتوسط. يوضح هذا المثال النقطية الناتجة الناتجة عن فيلتر مع خيار لو على شبكة مسح صغيرة 5x5. لتوضيح كيفية التعامل مع خلايا نوداتا، قيم الإخراج مع المعلمة تجاهل نوداتا تعيين البيانات ثم نوداتا اتبع: قيم خلية الإدخال: قيم خلية الإخراج مع مجموعة الخيار داتا (سيتم تجاهل خلايا نوداتا في إطار عامل تصفية في الحساب): الإخراج قيم الخلايا مع مجموعة الخيار نوداتا (سيكون الإخراج نوداتا إذا كان أي خلية في نافذة التصفية هو نوداتا): في المثال التالي، نقطة النقطية المدخلات لديه نقطة بيانات شاذة الناجمة عن خطأ في جمع البيانات. وقد ساهمت خصائص المتوسط ​​لخيار منخفض في نقطة البيانات الشاذة. مثال على مرشح المرشح مع خيار منخفض مرشح تمريرة عالية مرشح الترشيح العالي يبرز الفرق المقارن بين قيم الخلايا وجيرانها. له تأثير تسليط الضوء على الحدود بين الميزات (على سبيل المثال، حيث يلتقي الجسم الماء الغابة)، وبالتالي شحذ حواف بين الكائنات. ويشار إليها عموما باسم مرشح تحسين الحافة. مع خيار هاي، يتم حساب قيم z الإدخال التسعة في مثل هذه الطريقة التي تزيل الاختلافات التردد المنخفض ويسلط الضوء على الحدود بين مناطق مختلفة. مرشح 3 × 3 للخيار هاي هو: لاحظ أن القيم في مجموع النواة إلى 0، منذ يتم تطبيعها. مرشح باس عالية تعادل أساسا باستخدام أداة الإحصاءات البؤرية مع خيار إحصائية المجموع، ونواة مرجحة محددة. وتمثل قيم z للمخرجات مؤشرا على نعومة السطح، ولكنها ليست لها علاقة بقيم z الأصلية. يتم توزيع قيم Z حول الصفر مع القيم الإيجابية على الجانب العلوي من الحافة والقيم السلبية على الجانب السفلي. المناطق التي تكون فيها قيم z قريبة من الصفر هي مناطق ذات منحدر ثابت تقريبا. المناطق ذات القيم القريبة من z-مين و z-ماكس هي المناطق التي يتغير فيها الميل بسرعة. وفيما يلي مثال بسيط لحسابات خلية معالجة واحدة (الخلية المركزية مع القيمة 8): حساب خلية المعالجة (الخلية المركزية مع القيمة 8) كما يلي: قيمة الإخراج لخلية المعالجة ستكون 29.5. من خلال إعطاء الأوزان السلبية لجيرانها، ويبرز مرشح التفاصيل المحلية عن طريق سحب الاختلافات أو الحدود بين الكائنات. في المثال أدناه، يكون لمسح المدخلات حافة حادة على طول المنطقة حيث تتغير القيم من 5.0 إلى 9.0. وقد كشفت ميزة تحسين حافة الخيار هاي الحافة. خلايا معالجة نوداتا يتحكم خيار تجاهل نوداتا في العمليات الحسابية في كيفية معالجة خلايا نوداتا داخل نافذة الحي. عند تحديد هذا الخيار (الخيار داتا)، سيتم تجاهل أية خلايا في الحي التي هي نوداتا في حساب قيمة خلية الإخراج. عندما غير محدد (الخيار نوداتا)، إذا كان أي خلية في حي نوداتا، فإن خلية الانتاج يكون نوداتا. إذا كانت خلية المعالجة نفسها نوداتا، مع تحديد الخيار تجاهل نوداتا، سيتم حساب قيمة الإخراج للخلية استنادا إلى الخلايا الأخرى في الحي التي لها قيمة صالحة. وبطبيعة الحال، إذا كانت جميع الخلايا في حي نوداتا، فإن الإخراج يكون نوداتا، بغض النظر عن الإعداد لهذه المعلمة. المراجع غونزاليس، R. C. و P. وينتز. 1977. معالجة الصور الرقمية. ماساتشوستس: أديسونويسلي. هورد، R. M. 1982. معالجة الصور الرقمية للبيانات المستشعرة عن بعد. نيويورك: الأكاديمية. مويك، J. G. 1980. المعالجة الرقمية للصور المستشعرة عن بعد. نيويورك: الأكاديمية. ريتشاردز، J. A. 1986. الاستشعار عن بعد تحليل الصور الرقمية: مقدمة. برلين: سبرينغر-فيرلاغ. روزنفيلد، A. 1978. معالجة الصور والاعتراف بها. التقرير الفني 664. جامعة ميريلاند مختبر الرؤية الكمبيوتر. مواضيع ذات صلة