การประมาณเวกเตอร์เป็นแรสเตอร์

การประมาณจากเวกเตอร์เป็นแรสเตอร์ใน Earth Engine จะสร้าง Imageจาก FeatureCollection กล่าวโดยละเอียดคือ Earth Engine ใช้ข้อมูลตัวเลขที่จัดเก็บไว้ในพร็อพเพอร์ตี้ขององค์ประกอบเพื่อหาค่าที่แน่นอนในตำแหน่งใหม่นอกองค์ประกอบ การประมาณจะให้Imageค่าที่ประมาณอย่างต่อเนื่องจนถึงระยะทางที่ระบุ

การประมาณแบบถ่วงน้ำหนักตามระยะทางผกผัน

ฟังก์ชันการถ่วงน้ำหนักตามระยะทางแบบผกผัน (IDW) ใน Earth Engine อิงตามวิธีการที่อธิบายโดย Basso et al. (1999) ระบบจะเพิ่มพารามิเตอร์การควบคุมเพิ่มเติมในรูปแบบของปัจจัยการลดลง (gamma) ในระยะทางผกผัน พารามิเตอร์อื่นๆ ได้แก่ ค่าเฉลี่ยและค่าเบี่ยงเบนมาตรฐานของพร็อพเพอร์ตี้ที่จะใช้หาค่าระหว่างและระยะทางสูงสุดที่จะใช้หาค่าระหว่าง ตัวอย่างต่อไปนี้สร้างพื้นผิวที่อัตราส่วนกันของ ความเข้มข้นของมีเทนเพื่อเติมช่องว่างเชิงพื้นที่ในชุดข้อมูลแรสเตอร์ต้นฉบับ FeatureCollection สร้างขึ้นโดยการสุ่มตัวอย่างคอมโพสิตมีเทน 2 สัปดาห์

// Import two weeks of S5P methane and composite by mean.
var ch4 = ee.ImageCollection('COPERNICUS/S5P/OFFL/L3_CH4')
  .select('CH4_column_volume_mixing_ratio_dry_air')
  .filterDate('2019-08-01', '2019-08-15')
  .mean()
  .rename('ch4');

// Define an area to perform interpolation over.
var aoi =
  ee.Geometry.Polygon(
    [[[-95.68487605978851, 43.09844605027055],
       [-95.68487605978851, 37.39358590079781],
       [-87.96148738791351, 37.39358590079781],
       [-87.96148738791351, 43.09844605027055]]], null, false);

// Sample the methane composite to generate a FeatureCollection.
var samples = ch4.addBands(ee.Image.pixelLonLat())
  .sample({region: aoi, numPixels: 1500,
    scale:1000, projection: 'EPSG:4326'})
  .map(function(sample) {
    var lat = sample.get('latitude');
    var lon = sample.get('longitude');
    var ch4 = sample.get('ch4');
    return ee.Feature(ee.Geometry.Point([lon, lat]), {ch4: ch4});
  });

// Combine mean and standard deviation reducers for efficiency.
var combinedReducer = ee.Reducer.mean().combine({
  reducer2: ee.Reducer.stdDev(),
  sharedInputs: true});

// Estimate global mean and standard deviation from the points.
var stats = samples.reduceColumns({
  reducer: combinedReducer,
  selectors: ['ch4']});

// Do the interpolation, valid to 70 kilometers.
var interpolated = samples.inverseDistance({
  range: 7e4,
  propertyName: 'ch4',
  mean: stats.get('mean'),
  stdDev: stats.get('stdDev'),
  gamma: 0.3});

// Define visualization arguments.
var band_viz = {
  min: 1800,
  max: 1900,
  palette: ['0D0887', '5B02A3', '9A179B', 'CB4678',
            'EB7852', 'FBB32F', 'F0F921']};

// Display to map.
Map.centerObject(aoi, 7);
Map.addLayer(ch4, band_viz, 'CH4');
Map.addLayer(interpolated, band_viz, 'CH4 Interpolated');

โปรดทราบว่าการประมาณค่าจะอยู่ที่ไม่เกิน 70 กิโลเมตรจากสถานีวัดที่ใกล้ที่สุดตามที่ระบุโดยพารามิเตอร์ range

Kriging

การประมาณ Kriging เป็นวิธีการประมาณที่ใช้ค่าประมาณแบบโมเดลของค่าสัมประสิทธ์ของค่าเบี่ยงเบนมาตรฐานเพื่อสร้างรูปภาพของค่าที่ประมาณ ซึ่งเป็นการรวมค่าที่ดีที่สุดในตำแหน่งที่ทราบ เครื่องประมาณ Kriging ต้องใช้พารามิเตอร์ที่อธิบายรูปร่างของ Semi-variogram ที่พอดีกับจุดข้อมูลซึ่งทราบ พารามิเตอร์เหล่านี้แสดงอยู่ในรูปที่ 1

รูปที่ 1 พารามิเตอร์ nugget, sill และ range ที่แสดงในฟังก์ชัน Variogram สมมติ

ตัวอย่างต่อไปนี้แสดงการสุ่มตัวอย่างรูปภาพอุณหภูมิผิวน้ำทะเล (SST) ณ ตำแหน่งต่างๆ จากนั้นจะประมาณ SST จากตัวอย่างโดยใช้ Kriging

// Load an image of sea surface temperature (SST).
var sst = ee.Image('NOAA/AVHRR_Pathfinder_V52_L3/20120802025048')
  .select('sea_surface_temperature')
  .rename('sst')
  .divide(100);

// Define a geometry in which to sample points
var geometry = ee.Geometry.Rectangle([-65.60, 31.75, -52.18, 43.12]);

// Sample the SST image at 1000 random locations.
var samples = sst.addBands(ee.Image.pixelLonLat())
  .sample({region: geometry, numPixels: 1000})
  .map(function(sample) {
    var lat = sample.get('latitude');
    var lon = sample.get('longitude');
    var sst = sample.get('sst');
    return ee.Feature(ee.Geometry.Point([lon, lat]), {sst: sst});
  });

// Interpolate SST from the sampled points.
var interpolated = samples.kriging({
  propertyName: 'sst',
  shape: 'exponential',
  range: 100 * 1000,
  sill: 1.0,
  nugget: 0.1,
  maxDistance: 100 * 1000,
  reducer: 'mean',
});

var colors = ['00007F', '0000FF', '0074FF',
              '0DFFEA', '8CFF41', 'FFDD00',
              'FF3700', 'C30000', '790000'];
var vis = {min:-3, max:40, palette: colors};

Map.setCenter(-60.029, 36.457, 5);
Map.addLayer(interpolated, vis, 'Interpolated');
Map.addLayer(sst, vis, 'Raw SST');
Map.addLayer(samples, {}, 'Samples', false);

ขนาดของพื้นที่ใกล้เคียงที่จะใช้ทำการอินเตอร์โพเลชันจะระบุโดยพารามิเตอร์ maxDistance ความละเอียดที่สูงขึ้นจะทำให้เอาต์พุตลื่นไหลขึ้น แต่การประมวลผลจะช้าลง