Tamaño de cuadrícula óptima/pixel para interpolación de la precipitación y la temperatura

Question

Tengo un conjunto de precipitación mensual y los datos de temperatura dentro de un aproximado de 100 x 100 km área de estudio. Los puntos de muestreo se distribuyen de manera desigual dentro de la zona de estudio. Basado en un artículo por Janis et. al, el número de muestras es más que suficiente.

I plan para crear una capa ráster mediante la interpolación de los datos utilizando la Inversa de la Distancia de Ponderación o Spline técnicas. No puedo decidir sobre la mejor red/tamaño de píxel a utilizar. Hay un cierto tull de pulgar dado un x número de muestras y un y tamaño de la zona de estudio para determinar el mejor tamaño de la cuadrícula de usar?

Answer 1

El PRISMA del Clima del Grupo precipitación trama de abajo está a 800 m de la escala. También tienen 2 km y 4 km de productos climáticos. El clima de la fuente de los usos tanto de 400 m y a 2 km de rejillas para sus productos de la precipitación. Una descripción del PRISMA métodos se puede encontrar aquí. Un área de estudio, por ejemplo, en las Montañas Rocosas se beneficiarían de una mayor resolución, mientras que un área de estudio en las Grandes Llanuras tendría más homogéneas de precipitación características, que le permitirá aumentar su resolución. Por supuesto, la distribución de los puntos de muestreo se establece también un límite en su resolución. Espero que esto ayude.

Answer 2

He escrito una función de R que realiza una regresión robusta (menos desviación absoluta método) en contra de un DEM a la muestra de las variables del clima. Funciona bastante bien para áreas más pequeñas, donde la pendiente en la [X,Y] de dominio no tiene efecto sobre las estimaciones y es bastante superior a la de repetición de muestreo y técnicas de interpolación. Es un flojo de la implementación de Nick Zimmermann del código de Fortran. Me parece que una muestra aleatoria normalmente proporciona los mejores resultados sin embargo, para la comparación bien, puede que desee probar una muestra sistemática así. Otros de tener suficiente memoria RAM para mantener la submuestra y ejecutar el modelo, siempre como un ráster de salida se especifica el archivo, la memoria es seguro.

##########################################################################
# PROGRAM: RasterUpSample.R
# USE: UP SAMPLES A RASTER USING ROBUST REGRESSION 
# REQUIRES: RGDAL FORMAT COMPATIBLE RASTERS
#           PACKAGES: MASS, sp, raster, rgdal 
#
# ARGUMENTS: 
#  x                X (HIGHER RESOLUTION) INDEPENDENT VARIABLE RASTER 
#  y                Y (LOWER RESOLUTION) DEPENDENT VARIABLE RASTER    
#  p                PERCENT SUBSAMPLE (DEFAULT=0.05 or 5%)
#  sample.type      TYPE OF SAMPLE (random OR systematic); DEFAULT IS random
#  file             IF SPECIFIED, A RASTER SURFACE WILL BE WRITTEN TO DISK.
#                     THE FILE EXTENSION WILL DICTATE THE RASTER FORMAT.
#  ...              ADDITIONAL ARGUMENTS PASSED TO predict
#
# EXAMPLES: 
#    setwd("C:/ANALYSIS/TEST/RRR")
#    x <- paste(getwd(), paste("elev", "img", sep="."), sep="/")
#    y <- paste(getwd(), paste("precip90", "img", sep="."), sep="/")
#    RasterUpSample(x=x, y=y, p=0.01, sample.type="random", filename="RPREDICT.img")
#      praster <- raster( paste(getwd(), "RPREDICT.img", sep="/"))
#      Y <- raster(paste(getwd(), paste("precip90", "img", sep="."), sep="/"))
#     op <- par(mfrow = c(1, 2))
#        plot(Y)
#        plot(praster) 
#     par(op)
#
# CONTACT: 
#     Jeffrey S. Evans
#     Senior Landscape Ecologist  
#     The Nature Conservancy
#     Central Science/DbyD
#     Affiliate Assistant Professor
#     Environment and Natural Resources
#     University of Wyoming
#     Laramie, WY 82070 
#     jeffrey_evans@tnc.org
#     (970) 672-6766
##########################################################################
RasterUpSample <- function(x, y, p=0.05, sample.type="random", filename=FALSE, ...) {
   if (!require(MASS)) stop("MASS PACKAGE MISSING")
     if (!require(sp)) stop("sp PACKAGE MISSING")
     if (!require(raster)) stop("raster PACKAGE MISSING")
   if (!require(rgdal)) stop("rgdal PACKAGE MISSING")
      X <- stack(x)
      Y <- raster(y) 
     if(sample.type == "random") { 
       print("SAMPLE TYPE RANDOM")
        SubSamps <- sampleRandom(X, ((nrow(X)*ncol(X))*p), sp=TRUE)
        } 
     if(sample.type == "systematic") {
       print("SAMPLE TYPE SYSTEMATIC")
      SubSamps <- sampleRegular(X, ((nrow(X)*ncol(X))*p), asRaster=TRUE)     
      SubSamps <- as(SubSamps, 'SpatialPointsDataFrame') 
        }    
      Yvalues <- extract(Y, SubSamps)
    SubSamps@data <- data.frame(SubSamps@data, Y=Yvalues) 
   ( rrr <- rlm(as.formula(paste(names(SubSamps@data)[2], ".", sep=" ~ ")), 
                data=SubSamps@data, scale.est="Huber", psi=psi.hampel, 
                init="lts") )
  if (filename != FALSE) {
    predict(X, rrr, filename=filename, na.rm=TRUE, progress='window', 
            overwrite=TRUE, ...)
     print(paste("RASTER WRITTEN TO", filename, sep=": "))          
    }
     print(paste("MEAN RESIDUAL ERROR", round(mean(rrr$residuals), digits=5), sep=":"))
     print(paste("AIC", round(AIC(rrr), digits=5), sep=": "))   
  return(rrr)       
}