Arcgis Glidande-Medelvärde Rastret

Jag har en raster karta över USA Midwest som är mycket sparsom, dvs pixlar av intresse är få nog att vara nästan osynliga när de ses i en skala där alla stater i USA Midwest är synliga. Jag skulle vilja följa den inställning som skisseras i detta PNAS-papper För att skapa en bättre karta men inte säker på hur man replikerar den i ArcGIS. Vilken hjälp som helst skulle vara uppskattad. PNAS-papperet beskriver stegen enligt följande. På grund av de små storlekarna och spridningen av förändringsområdena var det svårt att visualisera regionala mönster av LCLUC vid den ursprungliga rymdupplösningen på 56 m Som ett resultat använde vi rumsliga utjämningstekniker för att skapa en regional förändringsyta som lyfte fram lokala hotspots of change. Tillhörande metoder används i områden som rumsepidemiologi för att generera en stabil uppskattning av sjukdomsgraden 48 men har Inte tillämpats i stor utsträckning inom området för förändring av markförändringar I vårt utjämningsförfarande aggregerades pixlarna vid en geografisk upplösning på 56 m först i procent av förändringen vid 560 m Upplösning Detta gjordes genom att ta 10-i-10-block med 56 m pixlar, dvs 100 pixelblock och summera den binära ändringen inom varje block Fig S4A Sedan använde vi en 2D-kärna jämnare för att beräkna en jämn uppskattning av procentuell förändring för var och en av 560-m upplösningspixlar Fig S4B En kvartisk kärnfunktion användes för att beräkna rörliga medelvärden över studieområdet vid en bandbredd på 10 km. Den samma kvartiska kärnfunktionen användes för att släta procentförändringen från majssoppa 2006 till gräsmark 2011. Genererade en jämn kartong över gräsmarkskyddet år 2006 genom att aggregera gräsmark närvaro vid 56 m upplösning till procent gräsmarkdäck vid 560 m upplösning och sedan utjämna detta aggregerade skyddskikt med samma 10 km kvartiska kärna. Som används som nämnare för att generera en karta över relativa graden av gräsmarkomvandling. Såvitt jag förstår är detta flödesschemat 1 Använd blockstatistik i ArcGIS för att summera 10x10 pixlar med 56-m raster till 560m raster 2 2D-kärna mjukare osäker på hur man gör det här 3 Quartic-kärnan är inte säker på hur man gör det. Inte säker på hur man går vidare än steg 1.asked aug 15 14 på 0 29.Regning av fönster Kriging. Recalculates Range, Nugget, och Parallell Sill-semivariogramparametrar baserade på ett mindre grannskap, som går igenom alla platspunkter. Den geostatistiska modellkällan är antingen ett geostatistiskt skikt eller en geostatistisk modell XML som representerar en annan krigingmodell än empirisk Bayesian kriging. Inputdatasatsen måste innehålla mer än 10 poäng för Verktyget som ska utföras Men verktyget är mest effektivt med stora dataset som har icke-stationära trender. I Python-skriptet kommer klassen GeostatisticalDatasets ArcPy att användas för att fylla parametern Input dataset s. För dataformat som stöder Null-värden, till exempel fil geodatabase Funktionsklasser används ett Null-värde för att ange att en prediktion inte kunde göras för den platsen eller att värdet ska ignoreras när det används som inpu T För dataformat som inte stöder Null-värden, till exempel shapefiles, används värdet -1 7976931348623158e 308. Detta är det negativa av C-definierade konstanta DBLMAX för att indikera att en förutsägelse inte kunde göras för den platsen. Konvolutionsfunktion. Konvolutionsfunktionen utför filtrering på pixelvärdena i en bild, som kan användas för att skärpa en bild, suddning av en bild, upptäcka kanter i en bild eller andra kärnbaserade förbättringar. Ingångarna för denna funktion är följande. Inmatningsrader. Convolution-filtertyper. Filtrar används för att förbättra kvaliteten på rasterbilden genom att eliminera falska data eller förbättrade funktioner i data. Dessa konvolutionsfiltrer appliceras på ett rörligt överlappande kärnfönster eller grannskap, såsom 3 av 3 konvolutionfilter arbetar av Beräkna pixelvärdet baserat på vägarnas viktning. Det finns ett antal konvolutionfiltertyper du kan välja inom denna funktion Du kan också ange en användardefinierad t Ype och ange dina egna kärnvärden. Du kan tillämpa ett medianfilter på bilden genom att ange en vikt på 1 9 för en 3 till 3 kärna, vilket ger varje pixel i kärnan lika vikt. Detta filter kan användas för att släta en bild Det finns andra kärnor som kan användas för att skärpa eller förbättra kanterna Du kan kombinera filter för att uppnå specifika resultat. Du kan till exempel tillämpa ett filter som kommer att ta bort speckle eller släta en bild och sedan tillämpa ett filter som kommer att upptäcka kanter. Optimala visningsresultat, kanske du vill tillämpa ett histogramsträcka för att justera bildens kontrast eller ljusstyrka för att hjälpa till att dra ut funktionerna. Exemplen nedan tillämpas på en av dessa två bilder.