ArcGIS影像空值填充\插补
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档
文章目录
- 前言
- 下面将是对空值处理的一种思路:
- 方法一:巧用栅格计算器来填充影像
- 填充后的结果如下:
- 注意:
- 参考文献:
前言
遥感,遥远的感知。既然是遥远的,就避免不了会出现看不清的现象:比如被天空中的云遮挡住,冬天地物被雪覆盖住等等,就会导致影像出现空值缺失值等。
下面将是对空值处理的一种思路:
MODIS产品中的部分异常值区域采用同产品的前一个月或者后一个月的相同位置的值填充,或选择同产品的前一年或后一年的相同时间的相同位置的值做填充处理,或选择其周围相邻3×3位置的像元均值填充。
方法一:巧用栅格计算器来填充影像
存在较多空值的影像:图A,日期是19年1月25日
质量较好的影像:图B,日期是19年2月2日
那么我们可以用
a.拿前后一年的同日期影像来填充(如18年1月25日或者20年1月25日,或者18年1月25日和20年1月25日这两年的平均值来填充19年1月25日);
b.拿相邻月份的影像来填充(如那19年2月2日的影像来填充,虽然是2月份的,但也就相差不到10天19年1月25日)
采用栅格计算器输入以下公式即可:
Con(IsNull(“mod_19_01_25”),“mod_19_02_02.tif”,“mod_19_01_25.tif”)
通过IsNull(“mod_19_01_25"来判断该"mod_19_01_25"栅格是否存在nodata,如果存在则将nodata的地方用"mod_19_02_02.tif"影像对应的地方的值来填充,如果不存在则返回原值,也就是"mod_19_01_25.tif”。(Con是条件函数,IsNull判断是否存在nodata,
填充后的结果如下:
(第一个图层是19年1月25日填充后的栅格;第二个图层是19年1月25日的原始栅格;第三个是用来填充的19年2月2日的图像。)
下图就是19年1月25日填充后的结果图:
该点是原始图有值,这填充后的还用原始值:
该点是原始图为nodata,则用19年的2月2的栅格的值来填充该点。
注意:
空值的填充具体是用前后月的来填充还是前后年的值来填充,要具体分析。如过原始图像质量太差或者,原始图像和 用来填充的图像 之间差异较大那么填充后的质量也一般,会有颜色突变的问题,不平滑,不能为了填充为填充。
参考文献:
1.《基于MOD16的乌江流域地表蒸散发时空特征及影响因素》
MODIS产品中的部分异常值区域采用同产品的前一个月或者后一个月的相同位置的值填充,或选择同产品的前一年或后一年的相同时间的相同位置的值做填充处理,或选择其周围相邻3×3位置的像元均值填充。
2.《基于CSLE的福建省闽清县水土流失动态监测与分析》
MODIS-NDVI数据预处理:首先是原始数据的格式转换,其次将所有影像进行投影变换,转换成要求的空间参考坐标系,最后利用异常或空值区域相邻月份的值进行逐像素填充和修补,以获得有效值相对完整的项目区NDVI产品数据。
3.《郑州市三维扩张与地表温度的时空变化研究》
ArcGIS影像空值填充\插补相关推荐
- 写一个随机森林插补和填充风力发电功率数据的程序
好的,以下是一个简单的用随机森林进行插补和填充风力发电功率数据的程序: # 导入需要的库 import numpy as np import pandas as pd from sklearn.ens ...
- 数据预处理 第3篇:数据预处理(使用插补法处理缺失值)
插补法可以在一定程度上减少偏差,常用的插补法是热卡插补.拟合插补和多重插补.拟合插补,要求变量间存在强的相关性:多重插补(MCMC法),是在高缺失率下的首选插补方法,优点是考虑了缺失值的不确定性. 一 ...
- python 线性回归回归 缺失值 忽略_机器学习 第3篇:数据预处理(使用插补法处理缺失值)...
插补法可以在一定程度上减少偏差,常用的插补法是热卡插补.拟合插补和多重插补.拟合插补,要求变量间存在强的相关性:多重插补(MCMC法),是在高缺失率下的首选插补方法,优点是考虑了缺失值的不确定性. 一 ...
- python预处理缺失值_数据预处理 第3篇:数据预处理(使用插补法处理缺失值)...
插补法可以在一定程度上减少偏差,常用的插补法是热卡插补.拟合插补和多重插补.拟合插补,要求变量间存在强的相关性:多重插补(MCMC法),是在高缺失率下的首选插补方法,优点是考虑了缺失值的不确定性. 一 ...
- 独家 | 在机器学习中利用统计插补来处理缺失值(附代码)
作者:Jason Brownlee 翻译:吴振东 校对:冯羽 本文约4500字,建议阅读10分钟 本文以病马数据集为例,帮助你了解在机器学习领域如何利用统计策略来处理缺失值,对代码进行了较为详细的讲解 ...
- missforest_missforest最佳丢失数据插补算法
missforest Missing data often plagues real-world datasets, and hence there is tremendous value in im ...
- python 插补数据_python 2020中缺少数据插补技术的快速指南
python 插补数据 Most machine learning algorithms expect complete and clean noise-free datasets, unfortun ...
- R语言︱缺失值处理之多重插补——mice包
每每以为攀得众山小,可.每每又切实来到起点,大牛们,缓缓脚步来俺笔记葩分享一下吧,please~ --------------------------- 笔者寄语:缺失值是数据清洗过程中非常重要的问题 ...
- 数据挖掘之缺失数据缺失的各种插补算法比较
0前言 代码请访问github的个人储存库里下载,喜欢的给个Star喔. 实验要求:完成插补实验 实验工具: 1.excel表格 2.记事本txt文件 3..pycharm 4.JBPCAfill.j ...
- MATLAB数据预处理之缺失值插补
文章目录 前言 1 加载原始数据 2 查找缺失值并填充缺失值 总结 2021年4月5日09:51:56更新 2021年5月18日10:46:15更新 2022年10月15日07:25:01更新 参考资 ...
最新文章
- 解题报告:【kuangbin带你飞】专题四 最短路练习题
- 探讨SQL Server 2005.NET CLR编程
- iPhone 11的秘密武器:超宽频U1芯片,不止AirDrop,480Mbps高速传输,更有大用途
- Maven:Maven 入门
- wxWidgets 编译 ICON 资源
- Vue+Openlayers实现地图上绘制线
- Reparameterization Trick
- java禁止数据库写入事务_Java -- JDBC 事务处理, 事务的隔离级别 脏读 不可重复读 等......
- 怎么提高自己的系统架构水平
- mysql 优化 系统_MySQL 优化(一)
- 计算机三级需要学哪些,计算机三级有必要考吗_计算机三级有哪些科目_上学吧...
- 数字后端基本概念介绍——Routing Blockage
- Linux基础——Linux 基本指令 mkdir, rmdir 和 rm
- CDH-5.9.2整合spark2
- 【越南风景梯田Win7主题】
- Linux C/C++内存映射
- 汽车电子电气TARA分析从入门到放弃
- 教资高中计算机科目,中学信息技术考试科目
- 计算机学校属于什么学历,技校毕业是什么学历 技校属于什么文凭
- matlab箭头大小固定,科学网—Matlab 粗箭头绘制 - 肖鑫的博文