问题标签 [spatial-interpolation]
For questions regarding programming in ECMAScript (JavaScript/JS) and its various dialects/implementations (excluding ActionScript). Note JavaScript is NOT the same as Java! Please include all relevant tags on your question; e.g., [node.js], [jquery], [json], [reactjs], [angular], [ember.js], [vue.js], [typescript], [svelte], etc.
mapping - 如何将数据从一个不规则的 3D 网格插入(映射)到另一个?
对于一个几何图形,我有 2 个不同的不规则网格。第一个(高保真)有 2,488,321 个网格点(x_hf、y_hf、z_hf、quantity_hf)。我想将这些值插入(或映射)到具有 37,684 个点的不同(低保真)网格(x_lf、y_lf、z_lf)。我该怎么做?
python - 非二次二维矩阵的插值
我正在尝试对非二次二维矩阵进行插值,但我只能使用 scipy interp2d 库以二次方式进行插值,如下例所示。
我的问题是如何对维度为 6000x5000 的矩阵执行插值,该矩阵不是二次的,并且有许多数字,它介于零值之间,例如 4x4 矩阵的示例。
python - 如何在已知尺寸的网格上拟合缺失点?
我有一定数量的未排序的 2D 点,我想确认它们属于已知尺寸的网格并推断缺失点的位置。这个问题最简单的情况是未旋转的网格,我使用以下代码生成:
在这种情况下,我选择了一个 10x10 的网格,其中包含 30 个缺失点,但这些数字可能会有所不同。这些点如下图所示:
其中蓝色点是已知的,而橙色点丢失并且必须检索。
我尝试了各种方法,比如在图像中插入点并使用 OpenCV 的霍夫线变换来找到网格的指导方针,或者像使用 Tensorflow 开发一个简单的神经网络,但这些似乎都过于复杂,而且似乎不可能没有已经存在这样一个简单问题的最优解。
一般来说,我需要将任何技术扩展到稍微失真和嘈杂的数据的情况,但现在只要解决这个简单问题就很好了。
django - IDW(Inverse Distance Weighted) Interpolation in openlayers 6.4.3
I have a django3.1 web application with map using ol6 in which I want to show IDW. I have generated an idw image using python & added to map as an image layer but it does not overlay in accurate point positions. So I am looking for a method or technique for overlaying idw as a vector/raster/anything which is correct using ol 6.
python - 如何在 python 中重新采样两个 .asc 高程模型?它不需要很复杂,比如最近的邻居是好的
我对 python 和编码非常陌生。我正在尝试使冰 DEM(test5) 适合 NZ DEM 的顶部,以便点对齐。数据具有不同的像元大小。这就是我到目前为止所拥有的。目前它所做的只是将数据放入一个 numpy 数组中。我不确定我的下一步应该是什么。附件是包含文件的谷歌驱动器的链接。 https://drive.google.com/drive/folders/1E_IxZoA1PnA4gufFHBtLVRtVTUvFNFPs?usp=sharing
angular - 传单 idw 绘制整个地图。我希望 idw 仅对特定区域、特定纬度、lng 产生影响
app.component.html
// 我有任务在我们的地图中执行 idw。这个 idw 基于地图上的 aqi 和我们的设备 lat lng。我创建了 idw,它工作正常。但问题是它会为所有地图着色。我只希望 idw 影响我作为 idw 层中的数据传递的那个区域。
app.component.ts
正如您在图像中看到的那样,整个地图都涂有紫色,但我不想要那样。我希望 idw 仅对我作为数据传递以执行 idw 的特定纬度和经度产生 影响
artificial-intelligence - 具有高斯过程回归的空间插值
我有一个140.000 点(行)的csv 文件。它包括:
- 经度值
- 纬度值
- 特定点的沉降值。我假设这些点在空间上是相关的。
我想对点的区域进行空间插值分析。意思是,我将使用例如克里金法(即高斯过程回归)进行地统计插值分析。
我正在阅读关于高斯回归的sci-kit 学习页面。但我不确定如何实现它。
哪些特性决定了我可以使用哪个内核?如何正确使用我的空间数据实现这一点?
pandas - 如何在 openturns 中获得更好的克里金结果图?
我执行了球形克里金法,但似乎无法获得好的输出图。坐标(x 和 y)的范围从大约 51 纬度和大约 6.5 度,因为我的观察范围从 -70 到 +10 这是我的代码:
这是我的输出:
我不知道为什么我的图表不会显示我的输入以及我的克里金结果。
感谢您的想法和帮助
r - 由于内存限制,在 R 中加载 mlr 包时出现问题
我正在尝试使用集成机器学习重现空间插值/预测的示例
为此我需要使用我已经安装的“mlr”包,一切都很好,但是在尝试加载它时出现以下错误:
我知道这是因为我的系统是 32 位的(平台:i386-w64-mingw32 / i386)另外值得一提的是我使用 R 的 4.1.1 版,Rstudio 1.0.153 版
我不明白的是,当我看到内存限制时:
这显然高于 2.5 Gb,但我无法继续加载包
并且由于我的 32 位系统而无法修改此限制,正如我所调查的那样,当我尝试以同样的方式得到这个时:
知道如何使这个包工作?