重采样

使用说明

栅格数据进行配准或纠正、投影等几何变换后，像元的中心位置通常会发生变化，导致栅格的像元不都是对齐的，因此需要对栅格数据按一定规则进行重采样，建立新的栅格矩阵。栅格重采样是将输入图像的像元值或推导值赋予输出图像中每个像元的过程。返回的结果类型为栅格数据集（RasterRDD）。

此外，栅格重采样是栅格数据在空间分析中处理栅格分辨率匹配问题的常用数据处理方法，为了便于分析，通常将不同的分辨率通过栅格重采样转化为相同的分辨率。对于一个既定的空间分辨率的栅格数据，可以通过重采样操作，将栅格数据重采样成更大的像元，即降低空间分辨率。这个过程会丢失部分原高空间分辨率的细节信息；也可以重采样成更小的像元，但是并不会增加更多的信息。将低空间分辨率的多光谱遥感影像重采样成与高空间分辨率的全色影像相同的分辨率，然后对两个影像进行融合，得到的图像将同时具有高光谱分辨率和高空间分辨率的信息，可用于专题提取和应用，是常用的遥感数据融合方式。

重采样是改变栅格数据集分辨率的操作，根据分辨率的变化可以分为上采样和下采样，上采样即单元格边长变小单元格数量变多，下采样即单元格边长变大单元格数量变少。 SuperMap分布式重采样工具主要包括六种方法：最邻近法、双线性内插法、三次卷积插值法、三次样条插值法、Lanczos法、平均值法。可以划分为两类：

1. 聚合：根据目标分辨率大小左右扩半个格子，然后计算出上下左右起始栅格行列号，然后统计栅格值。聚合类的重采样方法为平均值法。
2. 基于点：根据欧式距离获取点周围的值进行计算。基于点的重采样方法为最邻近法、双线性内插法、三次卷积插值法、三次样条插值法和Lanczos法。

最邻近法

最邻近法是将输入栅格数据集中最邻近的像元值作为输入值，赋予输出栅格数据集的相应像元。

该方法的优点是不会改变原始栅格值，而且处理速度快，但是该方法会有半个像元大小的位移。适用于表示分类或某种专题的离散数据，如土地利用、植被类型等。

如上图所示，为栅格数据经过平移和旋转等几何变换后，对输出栅格数据集进行重采样，采用最邻近法。其中，黑色线框表示输入栅格数据集，浅绿色填充表示输出栅格数据集，红色方点表示输出栅格数据集中某一像元的中心位置，其像元值将被重新计算。找到距离红色方点所在像元最近的像元的中心点，即图中所示紫色圆点，将紫色圆点所表示的像元值填充到红色方点中，完成一个栅格像元的重采样。

双线性内插法

双线性插值法是基于三次线性插值的方法，将输入栅格数据集中的4个最邻近像元（4邻域）的像元值进行加权平均计算出新的像元值，并将其赋予输出栅格数据集的相应像元。其中，权值是由4邻域中每个像元的中心与内插点之间的距离决定的。

该方法的重采样结果会比最邻近法更平滑，但会改变原来的栅格值。适用于表示某种现象分布、地形表面的连续数据，如 DEM、气温或降雨量分布、坡度等，这些数据本来就是通过采样点内插得到的连续表面。

如上图所示，为栅格数据经过平移和旋转等几何变换后，对输出栅格数据集进行重采样，采用双线性内插法。其中，黑色线框表示输入栅格数据集，浅绿色填充表示输出栅格数据集，红色方点表示输出栅格数据集中某一像元的中心位置，其像元值将被重新计算。取红色方点周围的4个邻近点，这4个邻近点的中心点即图中紫色圆点表示的位置，通过对其进行距离加权平均计算，将计算结果填充到红色方点中，完成一个栅格像元的重采样。

三次卷积内插法

与双线性内插法类似，三次卷积内插法是基于五次多项式插值的方法，将输入栅格数据集中的16个最邻近像元（16邻域）的像元值进行加权平均计算出新的像元值，并将其赋予输出栅格数据集的相应像元。其中，权值是由16邻域中每个像元的中心点与内插点之间的距离决定的。

三次卷积内插法通过增加邻近点来获取最佳插值函数，可以进一步提高内插精度，算法较为复杂，计算量大，处理时间较长。由于该方法使用16邻域进行加权计算，处理结果会更加清晰，栅格数据的边界会有锐化的效果。该方法同样会改变原来的栅格值，且有可能会超出输入栅格的值域范围。适用于航片和遥感影像的重采样。

如上图所示，为栅格数据经过平移和旋转等几何变换后，对输出栅格数据集进行重采样，采用三次卷积内插法。其中，黑色线框表示输入栅格数据集，浅绿色填充表示输出栅格数据集，红色方点表示输出栅格数据集中某一像元的中心位置，其像元值将被重新计算。取红色方点周围的16个邻近点，这16个邻近点的中心点即图中紫色圆点表示的位置。通过对其进行距离加权平均计算，将计算结果填充到红色方点中，完成一个栅格像元的重采样。

三次样条插值法

三次样条插值法基于Akima插值算法，Akima插值法规定在两个实测点之间进行内插，除需要用到这两个实测值之外，还要用这两个点相近邻的四个实测点上的观测值。也就是说，使用三次样条插值法对输入栅格数据集中的像元值进行重采样，共需要考虑六个像元值。该算法考虑了要素导数值的效应，因此得到的整个插值曲线是光滑、自然的，不会导致生成的的曲线出现不自然的摆动。

Lanczos法

Lanczos法是将对称矩阵通过正交相似变换变成对称三对角矩阵的算法，在输入的栅格数据集中选取一个矩形区域通过计算权重得到新的像元值。由于其增强对比度的趋势，Lanczos重采样通常被称为“锐化滤波器”，一方面，Lanczos重采样可以提高检测边缘和线性特征的能力，另一方面，输出的栅格数据集可能会失去一些空间精度。

平均值法

使用源栅格数据的一组像元进行平均值计算结果像元值，其值由其包含的原栅格的值共同决定。使用平均值法可以通过对栅格数据进行概化，达到清除不需要的信息或者删除微小错误的目的。

由上，双线性内插和三次卷积内插法并不适合于离散的分类数据，因为这两种方法都会改变原始栅格的值；最邻近法、双线性内插法、三次卷积内插法这三种重采样方法都适用于连续数据，只是运算的时间和处理的结果会有不同……对大数据量的栅格做重采样之前，建议先选取一部分数据进行实验，分别采用不同方法进行重采样，评价哪一种方法的精度更高，从而对全区数据选取最优的重采样方法。

参数说明

参数名	默认值	参数释义	参数类型
待分析RDD		需要进行重采样的RasterRDD。	RasterRDD
单元格大小	0.0	期望的重采样后的单元格大小。	Double
重采样方法		重采样方法。可选值有NearestNeighbor, Bilinear, CubicConvolution , CubicSpline, Lanczos, Average	JavaResampleMethod