Soll man bei Rastern mit unterschiedlichen Auflösungen auf die höchste oder niedrigste Auflösung resampeln?

Ich suche Empfehlungen zu bewährten Methoden für den Umgang mit Rasterdatenebenen mit unterschiedlichen Auflösungen und Projektionen. Der Rat, den ich erhalten habe, besteht darin, immer die Ebene mit der niedrigsten Auflösung erneut abzutasten, bevor ich eine Analyse durchführe. Dies scheint mir jedoch eine enorme Verschwendung von Präzision zu sein, und ich habe nie eine solide Erklärung dafür erhalten, warum dies getan werden sollte.

Wann ist es sinnvoll, eine Neuabtastung durchzuführen, um sie an ein Raster mit höherer Auflösung anzupassen, und was bedeutet dies im Vergleich zur Neuabtastung auf eine niedrigere Auflösung?

Mir ist klar, dass dies wahrscheinlich sehr situationsabhängig ist. Ich suche hauptsächlich nach allgemeinen Richtlinien, aber hier ist mein spezielles Referenzszenario:

Szenario: Ich möchte ein räumliches Regressionsmodell aufbauen, das die Landnutzung auf der Grundlage verschiedener ökologischer und sozioökonomischer Ebenen vorhersagt. Meine Landnutzungskarte ist von Landsat abgeleitet und daher 30m Auflösung. Beispiele für erklärende Schichten sind SRTM DEM (3 Bogensekunden, ~ 90 m) und Bioclim Climate Layer (30 Bogensekunden, ~ 1 km).

Eigentlich ist es nicht alles situationsabhängig und dreht sich alles um statistische Fehler.

Jedes Mal, wenn Sie auf eine höhere Auflösung resampeln, führen Sie eine falsche Genauigkeit ein. Betrachten Sie einen Datensatz, der nur in Fuß bei ganzen Zahlen gemessen wird. Jeder gegebene Punkt kann +/- 0,5 Fuß von seiner tatsächlichen Position entfernt sein. Wenn Sie zum nächsten Zehntel resampeln, sagen Sie jetzt, dass eine bestimmte Zahl nicht mehr als +/- 0,1 von ihrer tatsächlichen Position entfernt ist. Sie wissen jedoch, dass Ihre ursprünglichen Messungen nicht so genau waren, und arbeiten jetzt innerhalb der Fehlergrenze. Wenn Sie jedoch in die andere Richtung gehen und erneut auf die niedrigere Auflösung setzen, wissen Sie, dass jeder gegebene Punktwert definitiv genau ist, da er in der Fehlertoleranz des größeren Samples enthalten ist.

Außerhalb der statistischen Mathematik ist die Landvermessung der erste Punkt, an den man sich erinnert. In älteren Umfragen wurden nur Peilungen bis zur nächsten halben Minute und Entfernungen von einem Zehntel Fuß angegeben. Das Zeichnen einer Grenzüberschreitung mit diesen Messungen kann häufig zu einer Fehleinschätzung führen (Start- und Endpunkt sollten identisch sein, werden jedoch nicht angegeben), die in Fuß gemessen wird. Moderne Vermessungen gehen mindestens bis zur nächsten Sekunde und Hundertstel Fuß. Abgeleitete Werte (z. B. die Fläche einer Partie) können durch den Genauigkeitsunterschied erheblich beeinflusst werden. Der abgeleitete Wert selbst kann auch als zu genau angegeben werden.

Wenn Sie in Ihrem Analysefall auf die höhere Auflösung resampeln, implizieren Ihre Ergebnisse eine viel größere Genauigkeit als die Daten, auf denen sie basieren. Betrachten Sie Ihre SRTM auf 90 m. Mit welcher Methode auch immer sie die Höhe messen (Durchschnitt / Maximum / mittlere Rendite), die kleinste Einheit (Pixel), die von ihren Nachbarn unterschieden werden kann, ist 90 m. Wenn Sie das erneut auf 30 m abtasten, haben Sie folgende Möglichkeiten:

• Sie nehmen an, dass alle neun der resultierenden Pixel dieselbe Höhe haben, obwohl in Wahrheit nur eines - die Mitte oder die obere linke - (oder keine!) ist
• Sie interpolieren zwischen Pixeln und erstellen abgeleitete Werte, die vorher nicht vorhanden waren

In beiden Fällen führen Sie daher eine falsche Genauigkeit ein, da Ihre neuen Unterproben nicht tatsächlich gemessen wurden.

Verwandte Frage: Welche Methoden stehen zur Modellierung der Bodeneignung zur Verfügung?