问题标签 [spatial-interpolation]

我有一个RasterBrick，其中包含每日积雪数据，其值为 1、2 和 3（1= 下雪，2= 无雪，3= 被云遮挡）。

一天的积雪示例：

现在我希望插入被云遮挡的像素（但仅限于单个 RasterLayer 中云量少于 90% 的情况，否则应为该图层保留原始值）。

对于空间插值，我想使用数字高程模型（相同的研究区域并且已经具有相同的分辨率）分别为RasterBrick 的每个图层提取上下雪线边界。上方的雪线表示所有无云像素都归类为雪的海拔高度。较低的雪线标识了所有无云像素也无雪的高度。

对于上部雪线，我需要雪覆盖像素的最小高度（值 = 1）。现在，RasterBrick 的 RasterLayer 中高于此最小高程的所有值为 3 的像素都应重新分类为值 1（假设被雪覆盖）。

另一方面，对于较低的雪线，我需要确定无雪像素的最大海拔（值 = 2）。现在，RasterBrick 的 RasterLayer 中高于此最大高程的所有值为 3 的像素都应重新分类为值 2（假设无雪）。

这可能使用R吗？

我试图利用覆盖功能，但我被困在那里。

我有一个包含 81 个数字的 1D 数组，对应于每 2.5 米深度的 81 个温度，我需要将其插入到一个 3D 数组网格中，该网格在 z-dir 中有 100 个点，在 x-dir 中有 6 个点，在 y-中有 599 个点目录 我创建一维值的功能是：

下面是我的网格的横截面

我不知道我是否清楚我的要求，但如果有人知道一种方法，我将非常感激。

问候，

假设我有一个如下所示的 pd DataFrame：

假设我有一本字典，其键是邮政编码，其值是附近邮政编码的列表（在它们关键邮政编码的 x 公里内），按它们与关键邮政编码的接近程度排序，最接近的邮政编码首先出现。这本字典看起来像：

我怎样才能有效地插入数据，所以如果对于任何列，所有值都是邮政编码索引中的 NaN，找到该列具有非 NaN 值的最近邮政编码，并使用这些值填写所有邮政编码列的 NaN 值。

对于上述示例 DataFrame 的参考输出如下所示：

请注意邮政编码索引 91111.0 和 96666.0 中的数据以及它们的变化方式。

我必须从相同的输入坐标（x，y）到相同的输出坐标（xo，yo）执行多个二维线性插值。每次只有数据值 (z) 发生变化 (z1,z2,z3,...)。

我一直在 R 上使用包 interp。到目前为止，我已经多次调用命令“interp”。像这样：

但是，我怀疑有一种方法可以大大加快我的计算速度。插值过程由多个步骤组成。我认为其中一些只需要执行一次，然后将它们的结果多次用于多个数据向量。

有没有办法做到这一点？

有很多问题（和答案）可供人们将非结构化数据插入结构化输出。解决方案包括网格或双变量样条。但是我正在寻找相反的情况。如何将结构化数据内插到非结构化（delaulany）三角形（快速）？

我拥有的数据作为 pygmsh 的一部分加载了 meshio。

显示下图。我有新数据要在这个三角形网格上更新。我计划将规则结构化数据的值插入到空间中的相同点，然后更新三角形网格的值。

我有一个用于 26 个 EEG 通道的 1d 阵列（EEG 电压），我也有 EEG 通道的 3d 坐标。

现在我想根据通道位置（x、y 和 z）将 1d 数组（数据）投影到 3d 插值表面上。

我的问题是我不知道如何将 1d 向量塑造成反映点的位置和值的 3d 数组，然后对它们进行插值以制作更易解释的图。此外，我还可以在绘制它时使用一些帮助。

我正在使用 > python 3，用于绘图我主要使用 matplotlib。

使用 scipy.interpolate.griddata 进行 2d 插值（最终制作 2d 拓扑图）。

尝试对 data.shape 和坐标进行类似的 3d 插值不会累加。

我知道在这里选择轴上的最小值/最大值也不是正确的做法，但我不确定还能做什么。

我确实想出了如何制作通道的 x、y、z 坐标的 3d 散点图。

我很抱歉不是很精确，但我完全处于黑暗之中......

我将在 R中创建与此类似的巴布亚语/南岛语种语言分布图。

为此，我收集了transnewguinea.org和南岛语基本词汇数据库中列出的语言的地理参考，以及它们被分类为南岛语或巴布亚语的分类。这些数据可以很容易地在地图上绘制为彩色点：

在上面的代码中，我只是给出了 100 条语言记录的样本。然而，原始数据库要大得多（参见所附图片，其中包含来自所考虑区域的所有语言样本的图）：

但是，我想知道如何根据空间样本分布估计语言组的近似区域，以及如何将这些估计的语言区域绘制为地图上的彩色区域。

任何帮助表示赞赏！提前非常感谢！

我有一个空间二维域，比如 [0,1]×[0,1]。在这个域中，有 6 个点可以观察到一些感兴趣的标量（例如，温度、机械应力、流体密度等）。如何预测未观察点的兴趣数量？换句话说，我如何在 Python 中插入空间数据？

例如，考虑 2D 域（输入）中的点的以下坐标和感兴趣数量的相应观察值（输出）。

X 和 Y 坐标可以通过以下方式提取：

以下脚本创建一个散点图，其中黄色（分别为蓝色）代表高（分别为低）输出值。

我想使用克里金法预测二维输入域内规则网格上的感兴趣标量。我怎样才能在 Python 中做到这一点？

我试图在一个由称为 PbWO4 的闪烁体制成的巨大物体中插入温度。有 10 个称为“卫星”的外部温度传感器，它们仅帮助我参考 4 个点的内部温度。我面临的主要问题是，scipy 的 griddata 方法和https://pypi.org/project/naturalneighbor/的 griddata 方法计算身体所有顶点的温度，加起来可以达到 200 万（200mm *100 毫米*100 毫米）。这个任务必须做很多次，我问自己，这里是否有人有类似的问题，解决方案只在这 4 个点而不是 200 万个点进行插值。你可以在下面看到我的尝试

代码执行如下：为了研究测试用例，我使用了一个边长为 20 毫米的立方体，中心位于

我在 csv 文件中有 GPS 坐标，我使用回归模型预测它，只有两列代表赛道的经度和纬度。现在我想把它画在谷歌地图上看看它的样子。

当我这样做时，我注意到曲线并不平滑，这是有道理的，因为我用我的回归模型预测了这些值，并且它们不是直接从 GPS 获取的。

我搜索了如何解决这个问题，我发现通常使用样条插值，但我不知道如何使用它。我在互联网上找到的所有示例都假设我们有 x 是数据，y 是函数，在我的情况下没有函数，我只是将数据提供给模型，它预测那些值就是它。因此，如果我有经度和纬度，是否可以进行某种插值，以便绘制曲线时曲线看起来很平滑？

例子：

假设这些是我的数据

当我绘制这些数据时，它给了我某种图，其中每个点都用直线连接到另一个点，但我想要的是平滑它。仅当我将经度和纬度作为变量而仅此而已时，这是否可行？我会很感激任何帮助