Viktigt
Översättning är en gemenskapsinsats du kan gå med i. Den här sidan är för närvarande översatt till 75.00%.
17.23. Mer interpolering
Observera
Detta kapitel visar ett annat praktiskt fall där interpolationsalgoritmer används.
Interpolering är en vanlig teknik och kan användas för att demonstrera flera tekniker som kan tillämpas med hjälp av QGIS bearbetningsramverk. I den här lektionen används några interpolationsalgoritmer som redan har introducerats, men med ett annat tillvägagångssätt.
Data för den här lektionen innehåller också ett punktlager, i det här fallet med höjddata. Vi ska interpolera det på ungefär samma sätt som vi gjorde i den föregående lektionen, men den här gången sparar vi en del av originaldata för att använda dem för att bedöma kvaliteten på interpoleringsprocessen.
First, we have to rasterize the points layer and fill the resulting no–data cells, but using just a fraction of the points in the layer. We will save 10% of the points for a later check, so we need to have 90% of the points ready for the interpolation. To do so, we could use the Split shapes layer randomly algorithm, which we have already used in a previous lesson, but there is a better way to do that, without having to create any new intermediate layer. Instead of that, we can just select the points we want to use for the interpolation (the 90% fraction), and then run the algorithm. As we have already seen, the rasterizing algorithm will use only those selected points and ignore the rest. The selection can be done using the Random selection algorithm. Run it with the following parameters.
Det kommer att välja 90% of punkterna i lagret för att rasterisera
Urvalet är slumpmässigt, så ditt urval kan skilja sig från det urval som visas i bilden ovan.
Now run the Rasterize algorithm to get the first raster layer, and then run the Close gaps algorithm to fill the no-data cells [Cell resolution: 100 m].
För att kontrollera kvaliteten på interpoleringen kan vi nu använda de punkter som inte är valda. Nu känner vi till den verkliga höjden (värdet i punktlagret) och den interpolerade höjden (värdet i det interpolerade rasterlagret). Vi kan jämföra de två genom att beräkna skillnaderna mellan dessa värden.
Eftersom vi ska använda de punkter som inte är markerade, ska vi först invertera markeringen.
The points contain the original values, but not the interpolated ones. To add them in a new field, we can use the Add raster values to points algorithm
The raster layer to select (the algorithm supports multiple raster, but we just need one) is the resulting one from the interpolation. We have renamed it to interpolate and that layer name is the one that will be used for the name of the field to add.
Nu har vi ett vektorlager som innehåller båda värdena, med punkter som inte användes för interpoleringen.
Now, we will use the fields calculator for this task. Open the Field calculator algorithm and run it with the following parameters.
Om ditt fält med värdena från rasterlagret har ett annat namn, bör du ändra ovanstående formel i enlighet med detta. Om du kör den här algoritmen får du ett nytt lager med bara de punkter som vi inte har använt för interpoleringen, var och en av dem innehåller skillnaden mellan de två höjdvärdena.
Genom att representera lagret enligt detta värde får vi en första uppfattning om var de största avvikelserna finns.
Om du interpolerar det lagret får du ett rasterlager med det beräknade felet i alla punkter i det interpolerade området.
Du kan också få samma information (skillnaden mellan ursprungliga punktvärden och interpolerade värden) direkt med .
Dina resultat kan skilja sig från dessa, eftersom det finns en slumpmässig komponent som infördes när du körde det slumpmässiga urvalet i början av den här lektionen.