确定要使用哪种插值方法对栅格数据进行重采样？

关于哪种插值方法适合每种栅格数据，是否有硬性规定？

我同意没有硬性规定，但是对于各种插值方法有一些指导原则。例如，当您有比较密集的点开始时，IDW是最好的。克里金法是处理器密集型的，通常用于土壤/地质建模。样条线通常用于需要光滑表面的地方，例如温度数据。某些方法使所得栅格通过原始点，而另一些方法则不然。

尽管它以ArcGIS为中心，但可以在4页的论文中找到不同方法的完整概述。

在ArcGIS Spatial Analyst中插值曲面

对问题的澄清表明，正在寻求重新采样栅格的方法。许多用于成像和摄影社区。但是，对于GIS工作，通常使用几种简单的方法：

• 最近邻居重采样。为新栅格中的每个像元分配了原始栅格中最近的像元（中心到中心）的值。将此用于土地用途和其他分类等分类数据。

• 双线性插值。根据四个最接近的原始像元，为新栅格中的每个像元分配一个平均值。该平均值在水平和垂直方向上是线性的。（尽管所得公式不是线性的；它实际上是二次的。）这对通用平滑很有用，但进行的平均通常会略微剪切局部峰和谷。

• 三次卷积。这在本质上类似于双线性插值，但可以从附近的单元格稍微推断出值。这样做的目的是在新网格中重现局部平均值和可变性。特别是，局部极值的切除不应那么严重。（一个令人不快的后果，很明显是ESRI的ArcGIS中的一个错误，那就是新网格中的值可能会扩展到旧网格的范围之外，从而导致某些新的极端值无法正确呈现。但这是数据问题。折衷方案是三次卷积比双线性插值需要更多的时间来计算。

我会在http://www.quantdec.com/SYSEN597/GTKAV/section9/map_algebra.htm中详细讨论后两种方法

对于快速的一次性计算，我通常很满足于执行双线性插值（对于连续数据）或最近邻插值（对于分类数据）。对于所有其他对象，尤其是在准备主数据集或预期进行大量操作时，我建议使用三次卷积（以及考虑对操作进行排序以最大程度地减少浮点误差的传播）。

根据ESRI，可用的插值方法（在Spatial Analyst和其他扩展中可用）比较如下：（报价）

IDW（反距离加权）工具使用一种插值方法，该方法通过对每个处理单元附近的样本数据点的值求平均值来估计单元值。点越接近要估计的单元的中心，在平均过程中影响或权重越大。

克里金（Kriging）是一种先进的地统计程序，可从具有z值的分散点集生成估计表面。与ArcGIS Spatial Analyst支持的其他插值方法相比，在选择最佳的生成输出曲面的最佳估计方法之前，应该对z值表示的现象的空间行为进行彻底的研究。

自然邻域内插法可找到输入样本最接近查询点的子集，并根据比例区域对它们施加权重以对值进行内插（Sibson，1981）。也称为Sibson或“区域窃取”插值。

所述样条工具使用，使用数学函数的估计值的插值方法，该方法最小化整体的表面曲率，从而产生平滑的表面，其精确地通过各个输入点。

带障碍 的样条线带障碍的样条线工具使用的方法类似于样条工具中使用的技术，主要区别在于该工具支持输入障碍和输入点数据中编码的不连续性。

“按地形栅格化”和“ 按文件栅格栅格化”工具使用专门设计的插值技术来创建一个更紧密地代表自然排水面并更好地保留输入轮廓数据中的山脊线和河流网络的表面。

使用的算法基于澳大利亚国立大学Hutchinson等人开发的ANUDEM算法。

趋势是全局多项式插值法，可将由数学函数（多项式）定义的平滑表面拟合到输入采样点。趋势面逐渐变化并捕获数据中的粗略模式。

您也可以看一下这篇文章：http : //proceedings.esri.com/library/userconf/proc95/to100/p089.html

另外两个方法是Average4和Average16。他们按照自己的声音做，并取4个或16个周围单元的平均值。

这里的用例主要用于DEM数据。您不会在光栅图像上使用它（特别是3波段颜色）

它不是距离加权的，但是我认为我不会将其用于栅格（仅矢量），因为栅格数据集中的距离更加主观

我一直认为，Median4和Median16是从DEM数据中除去骤降和尖峰的好方法，尽管我不知道任何允许它的软件包。