Editor pixel raster

Editor pixel è uno strumento di modifica interattivo per dati raster. Ti consente di modificare, correggere, riempire e migliorare manualmente singole celle o regioni di celle selezionate in un livello raster. Lo strumento è progettato per l'elaborazione delle immagini, l'analisi del telerilevamento e la produzione di mappe ed è comunemente utilizzato per la pulizia dei dati, la produzione di mappe tematiche e il perfezionamento delle immagini.

Seleziona un livello raster. Nella scheda Raster, fai clic su Pixel Editor per avviare la modifica dei pixel.

Selezione

Seleziona una regione prima di modificarne le celle.

Modalità di disegno

• Nuovo: disegna una nuova regione rettangolare quando nessuna regione è stata disegnata sul raster di origine.

• Aggiungi a: aggiunge la regione appena disegnata alla selezione corrente e uniscila con la selezione esistente. Ad esempio, se la modalità di disegno è Aggiungi a, il tipo di regione è Rettangolo e il raster ha già una selezione rettangolare, il rettangolo appena disegnato viene unito al rettangolo originale in un nuovo poligono.

• Rimuovi da: rimuove la regione appena disegnata dalla selezione esistente. Ciò applica un'operazione di differenza alla selezione corrente. Ad esempio, se la modalità di disegno è Rimuovi da, il tipo di regione è Rettangolo e il raster ha già una selezione rettangolare, rimuovendone parte si crea un nuovo poligono.

• Interseca: mantiene solo la parte sovrapposta tra la regione appena disegnata e la selezione esistente. Tutte le altre parti vengono rimosse. Ad esempio, se la modalità di disegno è Intersezione, il tipo di regione è Rettangolo e il raster dispone già di una selezione rettangolare, disegnando un altro rettangolo viene mantenuta solo l'intersezione dei due rettangoli. Se non si sovrappongono, il risultato è vuoto.

Mantieni vecchia regione

Se abilitata, le regioni esistenti vengono mantenute mentre disegni una nuova regione. Quando disabilitato, disegnando una nuova regione si cancellano tutte le regioni precedenti.

Colore regione

Imposta il colore di visualizzazione della regione disegnata per distinguere diverse regioni o migliorare il riconoscimento visivo.

Disegna regione

Rettangolo: crea una nuova regione di selezione o modifica una regione esistente disegnando un'estensione rettangolare. Disegna prima due vertici, quindi trascina per generare il rettangolo.

Poligono: traccia un confine poligonale personalizzato per creare una regione di selezione o modificare l'estensione della regione corrente. Fare clic su ciascun vertice del poligono in sequenza, quindi fare doppio clic per chiudere il confine e creare il poligono.

Lazo: traccia un confine a mano libera per creare o regolare in modo flessibile una regione di selezione. Ciò è utile per selezionare aree irregolari.

Cerchio: traccia una regione circolare da un punto centrale e un raggio specificati per creare o modificare una regione di selezione. Selezionare prima il punto centrale, quindi trascinare il puntatore per impostare il raggio.

Da feature a regione: seleziona una o più feature da un feature layer esistente e convertile automaticamente in regioni di selezione.

Seleziona un elemento dai dati vettoriali nello stesso sistema di coordinate e convertilo in una regione di selezione. È quindi possibile utilizzare operazioni come l'intersezione o l'aggiunta della regione.

Da segmento di linea a regione: seleziona uno o più segmenti di linea e genera una regione di selezione corrispondente in base alla loro estensione o buffer.

Opzioni di selezione

• Seleziona: spostare il puntatore su una regione disegnata e fare clic su di essa per selezionare quella regione per le operazioni successive.
• Zoom: esegue lo zoom e la panoramica della visualizzazione della mappa fino all'estensione della regione selezionata.
• Cancella: cancella la regione attualmente selezionata senza influenzare le altre regioni sulla mappa.
• Visibile: controlla la visibilità della regione. Se abilitato, la regione disegnata è visibile sulla mappa. Quando disabilitata, la regione viene nascosta ma conservata dal sistema.
• Rimuovi: elimina la regione attualmente selezionata dalla mappa.
• Rimuovi tutto: cancella tutte le regioni tracciate dalla mappa e torna a uno stato senza regioni.

Strumenti di modifica

Applica le operazioni di modifica dei pixel alla regione selezionata.

Imposta valore medio

Descrizione: imposta tutti i valori di cella nella regione selezionata sul valore medio di cella di quella regione.

Casi d'uso:

• Rimuovere valori anomali locali, come punti di elevazione anomali causati da errori di acquisizione.

• Aree di terreno lisce per generare un modello di superficie più regolare.

• Standardizza i valori in una regione per la mappatura tematica o l'analisi di simulazione, ad esempio assegnando uno spessore uniforme del suolo o una profondità dell'acqua.

Passaggi:

Fare clic su Imposta valore medio. I dati nella regione selezionata vengono modificati nel valore medio della cella di quella regione.

Imposta costante

Descrizione: imposta tutti i valori dei pixel nella regione selezionata su un valore costante specificato.

Casi d'uso:

• Costruisci una superficie di riferimento, ad esempio assegnando un valore di elevazione uniforme a una superficie d'acqua.

• Simula un'area con condizioni specifiche, come la bonifica del terreno o l'elevazione della base di un edificio.

• Costruisce una regione maschera per estrarre o escludere un'area specifica nell'analisi successiva.

Passaggi:

Fare clic su Imposta costante, immettere il valore da impostare e i valori della cella nella regione selezionata verranno modificati nella costante immessa.

Aggiungi a

Descrizione: aggiunge o sottrae un valore da tutti i valori dei pixel nella regione selezionata. Inserisci un valore positivo per aggiungerlo a ciascun pixel oppure inserisci un valore negativo per sottrarlo da ciascun pixel.

Casi d'uso:

• Aumenta o abbassa l'elevazione complessiva di una regione, ad esempio per simulare i cambiamenti del terreno prima o dopo lo scavo o il riempimento.

• Correggere un errore uniforme, come l'applicazione di un offset a un intero set di dati LiDAR.

• Simula cambiamenti ambientali nei valori, come un aumento della temperatura generale o un aumento della concentrazione di sostanze inquinanti.

Passaggi:

Fai clic su Aggiungi a e inserisci il valore da aggiungere.

Pixelate

Descrizione: aumenta la dimensione della cella attraverso il ricampionamento per oscurare o semplificare la regione selezionata.

Casi d'uso:

• Mosaica aree sensibili, come obiettivi militari o luoghi privati.

• Semplifica la rappresentazione delle immagini, riduci il volume dei dati e migliora l'efficienza del rendering.

• Preelabora immagini o mappe di telerilevamento per la visualizzazione stilizzata, ad esempio generando un effetto raster simile a un'icona.

Parametri:

• Fattore: un numero intero positivo che controlla quante celle originali vengono combinate in una nuova cella durante la pixelizzazione.

Note:

• Fattore = 1: non viene applicata alcuna pixelizzazione e viene mantenuta la risoluzione dell'immagine originale.

• Fattore = 3: un gruppo di celle 3 x 3 viene elaborato come un'area di celle più grande.

• Fattore = 8: una regione 8 x 8 viene unita in un'unica supercella.

Maggiore è il fattore, più grossolana sarà l'immagine e più sfocati saranno i dettagli.

• Modalità di campionamento: determina come viene derivato il valore finale per ciascun blocco unito o supercella.

  Modalità	Descrizione	Utilizzo consigliato
  Media	Utilizza il valore medio di tutte le celle nella regione selezionata.	Leviga l'immagine ed è comunemente utilizzato per rimuovere il rumore.
  Minimo	Utilizza il valore minimo nella regione come output.	Fornisce una stima conservativa e preserva le funzionalità di basso valore.
  Massimo	Utilizza il valore massimo nella regione come output.	Evidenzia le aree di alto valore, come le alture o i punti caldi.
  Mediana	Utilizza il valore medio dopo l'ordinamento.	Robusto contro i valori anomali e adatto per rimuovere il rumore estremo.

Sfocatura

Descrizione: applica un'operazione di sfocatura ai valori dei pixel nella regione per ridurre i dettagli locali.

Casi d'uso:

• Nascondi contenuti sensibili, come veicoli o persone nelle immagini satellitari.

• Attenua il rumore ad alta frequenza nelle immagini di telerilevamento e migliora la qualità dell'immagine.

• Preelabora i dati dell'immagine per l'input del modello di deep learning e riduce l'interferenza della trama.

Parametri:

• Fattore: un numero intero positivo che controlla l'intensità della sfocatura o la dimensione della finestra del filtro, ovvero il numero di celle vicine a cui viene fatto riferimento durante l'elaborazione di ciascuna cella.

• Note:

  • Fattore = 1: la sfocatura è molto leggera e l'area circostante è piccola.

  • Fattore = 3: Equivalente all'utilizzo di un kernel di sfocatura 3 x 3.

  • Fattore = 5: utilizza un kernel di sfocatura 5 x 5 e produce un'area sfocata più ampia.

Maggiore è il fattore, più forte è la sfocatura e maggiore è la perdita di dettagli dell'immagine.

• Nitidezza: solitamente implementato migliorando il contrasto dei bordi. Quando Nitidezza è abilitato, il contrasto dei dati viene migliorato lungo i bordi dell'immagine dopo la sfocatura per compensare l'attenuazione dei bordi causata dalla sfocatura.

Passaggi: seleziona Sfocatura, inserisci un fattore, attiva Nitidezza se necessario e applica la sfocatura alla regione selezionata.

Imposta NoData

Descrizione: imposta tutti i pixel nella regione selezionata sul valore NoData per ciascuna banda. Questa operazione può mascherare le aree non valide in modo che vengano ignorate nelle analisi successive.

Casi d'uso:

• Rimuovere le aree errate, come i bordi di scansione o le parti occluse nelle immagini scansionate.

• Maschera le estensioni che non dovrebbero partecipare all'analisi, come le aree di valori non validi lungo i bordi dei dati.

• Da utilizzare con le maschere per la segmentazione delle immagini o l'estrazione di aree valide.

Passaggi:

Seleziona Imposta NoData per impostare i valori dei pixel nella regione selezionata su NoData.

Riempi i vuoti

Descrizione: genera valori di pixel ragionevoli tramite interpolazione dove esistono valori null o NoData.

Casi d'uso:

• Riempi le aree mancanti nelle immagini di telerilevamento causate da corpi idrici, copertura nuvolosa, ombre e fattori simili.
• Ricostruisci modelli di superficie del terreno, comunemente utilizzati per la riparazione dei vuoti nella creazione di modelli di elevazione digitale (DEM).
• Preserva la completezza per l'analisi di continuità o l'analisi di spartiacque ed evita interruzioni di calcolo causate da buchi.

Parametri:

• Metodo di interpolazione: definisce l'algoritmo di interpolazione utilizzato per riempire i vuoti.

  Metodo di interpolazione	Principio	Vantaggi	Svantaggi	Tipi di dati e casi d'uso consigliati
  Interpolazione Kriging	Esegue una stima lineare ottimale e imparziale costruendo un modello di autocorrelazione spaziale basato su variogrammi e principi statistici.	Alta precisione; riflette la struttura spaziale; fornisce stime di errore.	Calcolo complesso; molti parametri; richiede tempo.	DEM ripara e continua i dati con correlazione spaziale, come le precipitazioni o i dati del suolo.
  Interpolazione bilineare	Utilizza la media ponderata delle quattro celle circostanti, con pesi che variano linearmente in base alla distanza.	Calcolo semplice; transizioni fluide; nessun evidente effetto scalino.	Non preserva i valori originali; i dettagli possono essere levigati.	Ricampionamento di immagini di rilevamento remoto e riempimento di vuoti di piccole aree per dati raster continui.
  Interpolazione B-spline	Adatta una superficie utilizzando polinomi cubici a tratti o B-spline.	Superficie continua e liscia; adatto per la modellazione della superficie del terreno.	Sensibile ai valori anomali; scarsa previsione per buchi grandi.	Ricostruzione della superficie DEM e adattamento dei dati di rilievo ingegneristico.
  Interpolazione dei vicini naturali	Interpola utilizzando valori campione vicini basati sui pesi dei poligoni di Thiessen.	Preserva le funzionalità locali; i risultati non superano l'intervallo dei valori del campione.	Prestazioni scarse in aree sparse; potrebbe essere instabile vicino ai confini.	Interpolazione dei dati delle stazioni meteorologiche e riparazione dei dati di classificazione dell'uso del territorio.
  Interpolazione del vicino più vicino	Utilizza direttamente il valore della cella più vicina per riempire il vuoto.	Conserva i valori originali; veloce; non crea nuovi valori.	Non liscio; produce evidenti effetti a blocchi o frastagliati.	Dati categorici, come l'uso del territorio o il tipo di vegetazione, e mosaicatura di immagini di telerilevamento.
  Interpolazione inversa ponderata della distanza	Utilizza la media ponderata della distanza, dove i valori più vicini ricevono pesi maggiori.	Semplice e intuitivo; pochi parametri; calcolo efficiente.	Ignora la struttura spaziale e può creare effetti bullseye.	Variabili ambientali con continuità locale, come idrologia, qualità dell'acqua o monitoraggio degli inquinanti.
  Interpolazione lineare	Stima valori sconosciuti tra punti noti utilizzando una funzione lineare.	Semplice ed efficiente; adatto per dati unidimensionali o griglie regolari.	Non rappresenta bene le tendenze non lineari.	Riempimento dei valori mancanti nelle immagini delle serie temporali e interpolazione di dati di sezioni trasversali regolari.
  Interpolazione spline	Costruisce una curva uniforme tra punti noti utilizzando polinomi di ordine superiore.	Superficie liscia; preserva le tendenze; adatto per transizioni fluide.	Sensibile ai valori anomali; possono oscillare vicino ai confini. Riparazione	DEM, modellazione di superfici variabili ambientali e calcolo del fattore terreno.

• Modello variogramma: un modello di funzione di correlazione spaziale che descrive come una variabile cambia con la distanza nell'interpolazione spaziale.

  Modello variogramma	Principio	Vantaggi	Svantaggi	Casi d'uso
  Modello lineare	La semivarianza aumenta linearmente con la distanza e non ha una soglia evidente, presupponendo che la variabilità spaziale aumenti indefinitamente con la distanza.	Semplice e intuitivo; adatto per dati con evidenti tendenze locali.	Potrebbe causare un'estrapolazione eccessiva.	Dati con un andamento lineare significativo, come aree DEM locali con pendii ripidi.
  Modello di potenza	La semivarianza aumenta come funzione di potenza con la distanza e non ha un limite superiore evidente.	Cattura le differenze spaziali che aumentano gradualmente con la distanza.	Come il modello lineare, non converge a un valore stabile e non può descrivere bene un processo stazionario.	Scenari geologici o del suolo in cui la variabilità continua ad aumentare con la scala.
  Modello gaussiano	La semivarianza cresce come una funzione quadrata esponenziale con la distanza, cambia gradualmente a brevi distanze e si avvicina gradualmente al valore soglia a lunghe distanze.	Vestibilità morbida; adatto per dati continui con forte correlazione spaziale.	Calcolo complesso; potrebbero sottovalutare le differenze a breve distanza.	Dati ambientali continui e uniformi come temperatura e umidità e riparazione DEM ad alta precisione.
  Modello sferico	La semivarianza aumenta inizialmente e si avvicina al valore soglia dopo l'intervallo; un modello comune a range finito.	Classico e ampiamente utilizzato; processo di cambiamento ragionevole; calcolo efficiente.	La transizione è relativamente brusca e non abbastanza fluida.	Interpolazione convenzionale di dati spaziali per DEM, precipitazioni, concentrazione di inquinanti e dati simili.
  Modello esponenziale	La semivarianza cresce esponenzialmente con la distanza e si stabilizza gradualmente vicino all'intervallo.	Cattura il rapido decadimento a breve distanza nella correlazione spaziale.	La variazione a breve distanza potrebbe essere eccessiva e l'adattamento potrebbe essere distorto.	Precipitazioni, deflusso, umidità del suolo e altri dati con differenze locali significative.
  Modello effetto buco	La semivarianza fluttua periodicamente con la distanza, mostrando un certo grado di periodicità spaziale.	Cattura cambiamenti periodici e regolari nelle variabili spaziali.	Calcolo complesso; i parametri sono difficili da determinare; incline al sovradattamento.	Dati geologici o ecologici con periodicità spaziale, come la deposizione degli strati, i profili del suolo e la distribuzione della vegetazione.

Riepilogo:

• I modelli sferici, gaussiani ed esponenziali sono comuni e pratici per la maggior parte delle variabili geografiche continue.

• I modelli lineari e di potenza sono adatti per dati non stazionari o con trend forti.

• Il modello dell'effetto buco viene utilizzato per fenomeni di geoscienza con evidenti schemi periodici.

• Numero di gruppi di ritardo: il numero di intervalli di distanza utilizzati durante il calcolo del variogramma sperimentale. Altri gruppi descrivono la correlazione spaziale in modo più dettagliato ma aumentano il calcolo.

• Ponderazione della distanza con ritardo breve: specifica se le coppie di punti a distanze più brevi ricevono pesi maggiori. Nella modellazione del variogramma, ciò aumenta intenzionalmente l'influenza delle coppie di punti a breve distanza in modo che l'adattamento del modello rifletta meglio la struttura spaziale locale. È comunemente utilizzato per i dati geospaziali, in particolare per le variabili con forti differenze locali.

• Fattore di scala dell'anisotropia: utilizzato quando l'autocorrelazione spaziale ha intensità diverse in direzioni diverse. Se un fenomeno si estende con maggiore intensità in una direzione, ad esempio lungo un crinale o una valle fluviale, il fattore di scala regola i calcoli della distanza.

• Angolo di rotazione dell'anisotropia: specifica l'angolo tra la direzione dell'anisotropia principale e l'asse X del sistema di coordinate, fino a 360 gradi. Identifica la direzione con la correlazione spaziale più forte, come la direzione del flusso del fiume o l'orientamento della catena montuosa.

• Utilizza valori esatti: specifica se i risultati dell'interpolazione devono essere esattamente uguali ai valori osservati nelle posizioni dei punti noti.

  • Abilitato: mantiene invariati i valori noti. Questo è adatto per la riparazione di DEM e altri scenari che richiedono una rigorosa conservazione dei punti originali.

  • Disabilitato: consente regolazioni di livellamento. Questo è adatto per osservazioni con più rumore.

• Usa matrice pseudo-inversa: specifica se viene utilizzata una matrice pseudo-inversa per approssimare una soluzione alle equazioni di Kriging quando la matrice di covarianza è mal condizionata o non invertibile.

• Metodo di adattamento del variogramma: un metodo matematico utilizzato per adattare il variogramma sperimentale. Nell'interpolazione spaziale, in particolare nell'interpolazione Kriging, il variogramma sperimentale è solo un risultato statistico basato su coppie di punti campione. È necessaria una funzione matematica uniforme per descrivere la sua struttura spaziale.

  Metodo	Principio	Vantaggi	Svantaggi	Casi d'uso
  Minimi quadrati	Determina i parametri del modello minimizzando la somma dei quadrati dei residui tra il variogramma sperimentale e il variogramma teorico. I metodi comuni includono i minimi quadrati ordinari e i minimi quadrati ponderati.	Semplice e intuitivo; computazionalmente efficiente; facile da implementare.	Sensibile ai valori anomali; garantisce solo l'adattamento complessivo e non garantisce la definizione positiva della matrice di covarianza.	DEM e scenari di attributi del suolo che richiedono un rapido adattamento del modello; preferito per la ricerca sperimentale o l'adattamento di dati su larga scala.
  Metodo degli autovalori del variogramma	Utilizza la scomposizione degli autovalori della matrice di covarianza o semivarianza per selezionare e regolare i parametri del modello garantendo al tempo stesso la definizione positiva della matrice di covarianza.	Garantisce la definizione positiva della matrice di covarianza; risultati più stabili; adatto per applicazioni Kriging che richiedono una rigorosa determinatezza positiva; gestisce complesse strutture di correlazione spaziale.	Teoricamente complesso; computazionalmente costoso; sensibile alla distribuzione dei dati e alla dimensione del campione; l'interpretazione dei parametri è debole e non intuitiva.	Interpolazione spaziale ad alta precisione come Kriging; esplorazione geologica e valutazione delle risorse dove la stabilità del modello è importante; dati sparsi o distribuiti in modo irregolare.

Interpola dai vertici

Descrizione: questa funzione estrae i valori dei pixel del vertice, o dell'angolo, nella regione selezionata e li utilizza come origini dati note per interpolare le celle rimanenti nella regione e ricostruire la superficie. Il metodo di interpolazione utilizza solitamente metodi bilineari o spline, quindi il risultato è omogeneo e naturale.

Casi d'uso:

• Rimozione di elementi non terrestri: in un modello di superficie digitale, in una regione potrebbero essere visualizzati edifici, chiome degli alberi e altre strutture non terrestri. L'interpolazione dai vertici circostanti può ripristinare l'elevazione del terreno originale.
• Riempi i buchi dei dati: quando esistono buchi o aree danneggiate durante l'acquisizione dei dati, come le regioni NoData, l'interpolazione dei vertici può riempire rapidamente queste posizioni. È particolarmente adatto per ripristinare fori raster regolari.
• Ripara il rumore e uniforma localmente: quando l'area centrale contiene cambiamenti improvvisi o valori anomali, l'interpolazione dei vertici può creare una transizione naturale e una correzione uniforme.

I parametri sono gli stessi di Riempi vuoti.

Interpola dai bordi

Descrizione: questa funzione utilizza i valori dei pixel lungo il confine della regione selezionata come condizioni note e interpola verso l'interno per ricostruire i valori di altri pixel nella regione. Questo metodo enfatizza la conservazione delle informazioni sui confini e la stima graduale dei valori della regione centrale. L'interpolazione è comunemente basata su pesi, distanza o modelli spline.

Casi d'uso:

• Rimuovi elementi non terrestri: oggetti alti come edifici, ponti e alberi possono essere sostituiti con valori del terreno ragionevoli stimati dalle informazioni sull'elevazione del suolo lungo il bordo, ripristinando l'elevazione della nuda terra.

• Ripristina aree vuote: riempi grandi aree mancanti nelle immagini o nei dati di elevazione, soprattutto quando i dati sui bordi rimangono intatti e possono supportare la ricostruzione accurata dei dati interni.

• Integrate elevation data: When boundaries between merged data sources do not match well, this method can create a transition on one side of the join boundary and improve seamless integration.

Passaggi:

Seleziona Interpola dai bordi e scegli Interpolazione bilineare come metodo di interpolazione.

I parametri sono gli stessi di Riempi vuoti.

Filtro medio

Descrizione: applica un filtro medio alla regione selezionata per uniformare i valori dei pixel. Questa operazione calcola la media dei pixel circostanti per ridurre la fluttuazione dell'elevazione locale. È adatto per rimuovere rumore su piccola scala o valori anomali.

Casi d'uso:

• Rimuovi la fluttuazione locale o il rumore dai dati di elevazione.

• Dati DEM o DSM uniformati per la visualizzazione o la modellazione.

• Riduce le ondulazioni su piccola scala in aree come i confini di montagne o corsi d'acqua e migliora la continuità complessiva del terreno.

Parametri:

• Filtro: seleziona la dimensione della finestra del filtro utilizzata durante l'esecuzione dell'operazione. Una dimensione del filtro pari a 8 significa che viene utilizzata una finestra del filtro 8 x 8. Valori più grandi producono uno smoothing più forte.

Filtro mediano

Descrizione: applica un filtro mediano alla regione selezionata. Questo metodo sostituisce il pixel corrente con il valore medio nelle vicinanze dei pixel. Sopprime efficacemente i valori anomali isolati preservando le informazioni sui bordi ed è comunemente utilizzato per rimuovere il rumore sale e pepe.

Casi d'uso:

• Rimuovi i valori anomali di elevazione locale dai dati LiDAR, come singoli punti misurati erroneamente.

• Pulisci il rumore preservando la chiarezza della pendenza e dei confini.

• Preelabora i modelli di elevazione per l'analisi dei bacini idrografici o l'estrazione della morfologia.

Passaggi:

Seleziona Filtro medio e imposta la dimensione del filtro su 3.

Filtro vincolato

Descrizione: applica un filtro medio controllato dalla soglia nella regione selezionata. Questa operazione uniforma i valori garantendo al contempo che i valori dei pixel non superino l'intervallo di modifica massimo specificato, riducendo il rumore e preservando importanti caratteristiche di modifica dell'elevazione.

Casi d'uso:

• Preserva i bordi degli edifici o i bruschi cambiamenti di elevazione nel terreno urbano rimuovendo le leggere ondulazioni.
• Ripara errori su piccola scala su superfici lineari, come strade o argini.
• Applica una levigatura limitata al terreno con strutture brusche, come scogliere o pendii ripidi.

Parametri:

Parametro	Descrizione	Effetto	Note
Dimensione del filtro	Definisce la dimensione della finestra del filtro, comunemente 3 x 3, 5 x 5, 7 x 7 e dimensioni simili. Le finestre più grandi includono più celle vicine nel calcolo della media e producono un livellamento più forte.	Finestra piccola, ad esempio 3 x 3: rimuove il rumore su piccola scala preservando maggiori dettagli. Finestra grande, ad esempio 5 x 5 o più grande: levigatura più forte ma potrebbe sfocare i dettagli del terreno.	Scegli in base alla risoluzione dei dati. I dati DEM fini utilizzano comunemente 3 x 3, mentre la rimozione del rumore dalle immagini di telerilevamento può utilizzare una finestra più grande.
Soglia	Controlla la differenza massima consentita tra la cella filtrata e il valore originale. Se il risultato medio differisce dal valore originale di oltre la soglia, viene mantenuto il valore originale.	Previene l'eccessiva levigatura e preserva le caratteristiche ripide del terreno, come pendii ripidi o canaloni. Soglia più ampia: più vicina a un filtro medio normale con un livellamento più forte. Soglia più piccola: preserva più dettagli e indebolisce la levigatura.	Se la soglia è troppo grande, i dettagli potrebbero andare persi. Se è troppo piccolo, la rimozione del rumore potrebbe essere insufficiente. Impostalo in base al livello di rumore dei dati o all'intervallo di variazione dell'elevazione, ad esempio da 1 a 3 metri.

Filtro outlier

Descrizione: rileva e rimuove i valori di elevazione esterni o i punti di rumore evidenti nella regione selezionata, come uccelli, punti nuvolosi e altri obiettivi non superficiali nei dati LiDAR. Questa operazione migliora il realismo del terreno nei dati di origine e l'accuratezza delle analisi successive.

Casi d'uso:

• Pulisci i valori anomali negli DSM generati da LiDAR nuvole di punti o immagini, come quelli causati da uccelli, nuvole o veicoli.

• Rimuovi i dati anomali generati durante l'acquisizione DEM a causa di occlusione, interferenza dell'eco e problemi simili.

• Fornire un modello di superficie più accurato per la modellazione o il calcolo del volume.

Parametri:

Parametro	Descrizione	Effetto	Note
Dimensione del filtro	Definisce l'intervallo di prossimità per il rilevamento dei valori anomali, comunemente 3 x 3, 5 x 5 e dimensioni simili. All'interno di ciascun quartiere, la cella centrale viene confrontata con le statistiche del quartiere come la media o la mediana.	Finestra piccola: rileva picchi locali o rumore isolato. Finestra ampia: migliore per rilevare anomalie su larga scala, come il rumore di striping.	Un valore troppo piccolo potrebbe non riuscire a identificare anomalie generali, mentre un valore troppo grande potrebbe considerare anomale le variazioni reali del terreno. Selezionare un valore che corrisponda alla risoluzione dei dati e alle caratteristiche del rumore.
Soglia	Controlla la differenza massima consentita tra una cella e le statistiche del quartiere. Una regola comune è: il valore assoluto della cella centrale meno la media dei dintorni maggiore della soglia significa che la cella è classificata come anomala. Può essere utilizzata anche una soglia dinamica basata sulla deviazione standard o sull'intervallo interquartile.	Soglia piccola: rileva anomalie più sottili ma potrebbe rimuovere per errore funzionalità reali. Soglia ampia: rimuove solo il rumore evidente e potrebbe non rilevare lievi anomalie.	Seleziona la soglia in base al livello di rumore dei dati. Le DEM utilizzano comunemente da 2 a 5 metri, mentre le nuvole di punti LiDAR possono utilizzare una soglia dinamica basata sulla distribuzione statistica.

Esempio:

• Media vicinale 3 x 3 = 105

• Valore della cella centrale = 160

• Soglia = 20

• |160 - 105| = 55 > 20. Il valore viene classificato come anomalo e sostituito con la media del vicinato.

Filtro terreno

Descrizione: rimuove gli oggetti fuori terra, come edifici e alberi, da un modello di superficie digitale preservando le caratteristiche naturali del terreno. Questo è adatto per estrarre superfici del terreno o analizzare caratteristiche della morfologia come pendenza e drenaggio.

Casi d'uso:

• Ottieni terreno senza interferenze edilizie per simulazioni di frane, inondazioni, drenaggio e altri rischi geografici.
• Fornisce dati chiari sul terreno per l'analisi ecologica e la modellazione della superficie.

Parametri:

• Metodo di rilevamento del terreno: il processo di distinzione dei punti a terra da punti non a terra o oggetti in superficie come edifici, alberi e veicoli, in LiDAR, fotogrammetria UAV, estrazione di immagini stereo o altri dati di modelli di superficie digitali.

Obiettivi:

• Estrarre la superficie naturale del terreno per idrologia, pendenza, morfologia e analisi correlate.

• Rimuovi le interferenze dagli oggetti in superficie in modo che il modello rappresenti meglio il terreno reale.

Metodo di rilevamento del terreno	Principio	Vantaggi	Svantaggi	Casi d'uso
Conservativo	Tende a mantenere più punti come non a terra e contrassegna i punti come a terra solo quando vi è un'elevata certezza.	Preserva il terreno reale il più possibile e raramente rimuove per errore elementi del terreno. Adatto a terreni complessi come pendii ripidi e canaloni.	Potrebbero rimanere altri oggetti fuori terra, come edifici o alberi. Successivamente potrebbe essere necessaria un'ulteriore elaborazione.	Aree urbane dense di grattacieli dove i manti stradali non dovrebbero essere rimossi per errore; montagne, canyon e altri terreni complessi in cui i pendii non devono essere rimossi per errore.
Aggressivo	Rimuove rapidamente e rigorosamente i punti più alti rispetto al terreno circostante, trattando la maggior parte dei valori alti anomali come non-terra.	Rimuove efficacemente alberi, edifici e altri oggetti fuori terra. Produce una superficie di output più pulita.	Potrebbe rimuovere per errore sporgenze reali del terreno, come crinali o piccole colline, e causare un'eccessiva levigatura del terreno.	Aree pianeggianti come terreni agricoli o praterie, soprattutto dove i requisiti di pulizia DEM sono elevati. Efficace per rimuovere uccelli ed edifici dai dati LiDAR.
	standard bilancia il comportamento conservativo e aggressivo utilizzando soglie e differenze di elevazione locali per la classificazione.	Bilancia la preservazione del terreno con la rimozione degli oggetti in superficie. Di uso generale e adatto alla maggior parte dei casi.	In casi speciali, come aree densamente edificate o terreni estremi, è meno efficace dei due metodi più estremi.	Creazione DEM generale e aree moderatamente ondulate in cui gli alberi e gli edifici devono essere rimossi mentre il terreno viene preservato.