升尺度和降尺度

已于 2022-09-26 11:53:36 修改
阅读量2.1k 收藏 6
点赞数 1
分类专栏： 遥感 文章标签： 学习
于 2022-06-18 10:29:16 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/wangzhaoqi_818/article/details/125344121
版权

升尺度（Upscaling）、降尺度(Downscaling)可能是发端于气候研究的一个概念，后来逐渐地应用到地理与生态等地表科学领域。

1. 升尺度、降尺度”宜改为“尺度粗化、尺度细化“

原文：https://blog.sciencenet.cn/blog-350729-755670.html
2. 升尺度转换就是从小尺度到大尺度，即由点位到小区域再到大区域，空间分辨率降低，转换后数据趋于同质且信息量低，关键信息保留少，其作用是常为反演产品提供真实性检验的理论和技术支持；降尺度转换从大尺度到小尺度，即从大区域到小区域到局部点位，空间分辨率升高，信息量变丰富，其作用是借助额外数据源产生信息更为丰富的数据产品。总体而言，升尺度转换更具有实际意义，且相对于降尺度转换难度更小。
https://blog.sciencenet.cn/home.php?mod=space&uid=3428464&do=blog&quickforward=1&id=1236592
陆游与代代
关注
  • 1
    点赞
  • 踩
  • 6
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
遥感空间尺度转换技术（升尺度和降尺度）
「 刘一哥与GIS的故事」
12-29 1万+
遥感图像的一个基本特征是空间分辨率。目前已经可以有效获取大量不同空间分辨率遥感数据。 尺度和尺度转换已经成为遥感的核心问题之一，人们已经从不同角度提出了这一问题。尺度转换分为两种： 升尺度：从高分辨率到低分辨率的转换； 降尺度：从低分辨率到高分辨率的转换。 文章目录1. 升尺度的方法2. 降尺度的方法 1. 升尺度的方法 由于地球表面是非常异质性的，升尺度可能在产品真实性验证方面会比降尺度更显得重要。为了验证低分辨率产品(如lkm)，要找到块至少2~3个像元大小的较大同质区域作样地，这相当困难。另外
Google Earth Engine（GEE）——将原始影像进行升尺度计算（以海南省为例）
qq_31988139的博客
04-23 1706
本次使用的数据是： 欧洲航天局（ESA）WorldCover 10 m 2020产品提供了基于Sentinel-1和Sentinel-2数据的10米分辨率的2020年全球土地覆盖图。WorldCover产品有11个土地覆盖类别，是在欧洲航天局WorldCover项目的框架内生成的，是欧洲航天局第五个地球观测包络计划（EOEP-5）的一部分。 代码： var ext = /* color: #d63000 */ /* shown: false */ /*...
降尺度
kingjames1984的博客
12-15 3611
SDSM利用预报因子降尺度 多元线性回归；NWAI WG； 统计降尺度与动力学降尺度 时空降尺度 http://blog.sciencenet.cn/blog-3306552-1182349.html https://blog.csdn.net/kingjames1984/article/details/102623867 … ...
Python网格数据升尺度降尺度
horizon012的博客
03-08 1270
升尺度 降尺度 插值
统计降尺度与动力学降尺度
水滴石穿，绳锯木断
01-10 6732
1、统计降尺度：   1.1 概念解释：统计降尺度。也称为经验降尺度，是由大尺度气候信息获取小尺度气候信息的有力工具。他可被视作是与动力降尺度平行的降尺度方法，或者可被看做是动力降尺度的补充。   1.2 基本思路：局地气候是以大尺度气候为背景的，并且受局部下垫面特征，例如地形、离海岸的距离、植被等影响。在某个给定的范围中，大尺度和小尺度气候变量之间应该有关。   1.3 组   成：首先是
降尺度方法
HPUZJH
09-11 2813
风电百科 | 降尺度方法知多少 遥感空间尺度转换技术（升尺度和降尺度）_「 刘一哥与GIS的故事 」-CSDN博客
SDSM统计降尺度模型5.1版
05-03
SDSM统计降尺度模型，针对大尺度GCM数据降尺度处理，解压后正常可用。
SDSM统计降尺度模型
01-22
建立大气环流模式与地区气候要素的统计关系，windows桌面操作系统。
SDSM降尺度模型v5.2软件
12-04
SDSM统计降尺度模型，用于将GCM全球气候模式数据或CMIP5数据提高空间分辨率，使其使用于区域研究，在未来气候变化研究中广泛应用。
克里格法的土壤水分遥感尺度转换
03-20
并利用块状克里格法对地面实测样点数据进行点到７．５ｍ分辨率的面数据升尺度转换，将升尺度和降尺度转换结果与实测样点均值相比较，结果表明：７．５ｍ分辨率的实测样点土壤水均值误差在１．５７８２－５．０１９...
基于相关性分析的风电场群风速分布预测方法
01-14
提出了基于相关性分析的风电场群风速分布预测方法，首先以空间降尺度的思路，给出了基于修正经验变异函数的风电场群相关性区域划分方法，将风电场群划分为若干个相关性区域；以此为基础，利用空间升尺度的思路，运用...
陆地上AMSR-27.3 GHz 观测无线电频率干扰的检测
02-07
利用2014 年8 月1 至16 日AMSR-2 一个...越南全境内每天不论是升轨还是降轨7.3 GHz 都观测到很强的RFI。中国主要是7.3 GHz 和10.65 GHz 通道观测受污染，这两个频率受RFI 影响的地域与中国地基雷达站点分布吻合一致。a
SIFT特征的生成一般包括以下几个步骤.docx
06-01
SIFT特征的生成通常涉及多个步骤，这些步骤旨在确保特征的稳定性和可重复性，即使在不同的尺度和旋转下也能保持不变。 首先，我们要了解SIFT特征提取的基本概念。降采样和升采样是图像处理中的关键操作。降采样通过...
matlab开发-Haar小波变换矩阵化
08-23
在MATLAB环境中，Haar小波变换是一种常用的数据分析和信号处理工具，它将复杂的信号分解为不同尺度和位置的简单部分，便于理解和提取特征。本文将深入探讨如何在MATLAB中实现Haar小波变换的矩阵化处理，并基于提供的...
CMIP6降尺度方法
weixin_60784949的博客
06-20 484
除此，CMIP5 的 RCP 情景只考虑了未来100年达到稳定CO2浓度以及相应辐射强迫的目标，并没有针对特定的社会发展路径，而CMIP6中的新的共享社会经济路径充分考虑了这一点，提供了更加多样化的排放情景，可以对减缓适应研究以及区域气候预估提供更加合理的模拟结果，因此在很大程度上弥补了CMIP5中RCP情景的不足。Biome-BGC是利用站点描述数据、气象数据和植被生理生态参数，模拟日尺度碳、水和氮通量的模型，其研究的空间尺度可以从点尺度扩展到陆地生态系统。案例中以单点模拟方式制备CMIP6的气象数据。
【算法】统计降尺度方法
hydrozyh的博客
05-12 4730
总结一些遇到过的可以实现的降尺度方法。 Statistical Downscaling Model, SDSM (Wilby and Dawson) 模型下载： Statistical Downscaling Model 模型论文： sdsm — a decision support tool for the assessment of regional climate change impacts SDSM, known as a hybrid of mutiple linear regressi
CMIP6数据统计降尺度思路与流程操作
houhaha_的博客
08-09 3634
【代码】CMIP6数据统计降尺度思路与流程操作。
时空降尺度学习1
kingjames1984的博客
10-18 1662
参考： 1：https://download.csdn.net/download/weixin_38744435/11648884 2.https://download.csdn.net/download/u013538989/6874265 3.https://download.csdn.net/download/smddp/7286399 4.https://download.csdn.net...
TsHARP降尺度的python代码
最新发布
02-20
TsHARP（Temporal Sharpness-Aware Refocusing and Pooling）是一种用于图像降尺度的方法，它可以在保持图像细节的同时减小图像的尺寸。下面是一个使用Python实现TsHARP降尺度的代码示例： ```python import cv2 import numpy as np def tsharp_downscale(image, scale_factor): # 计算降尺度后的图像尺寸 new_width = int(image.shape[1] / scale_factor new_height = int(image.shape[0 / scale_factor) # 使用双线性插值进行图像降尺度 downscaled_image = cv2.resize(image, (new_width, new_height), interpolation=cv2.INTER_LINEAR) # 计算图像的梯度 gradient_x = cv2.Sobel(downscaled_image, cv2.CV_64F, 1, 0, ksize=3) gradient_y = cv2.Sobel(downscaled_image, cv2.CV_64F, 0, 1, ksize=3) # 计算图像的锐度 sharpness_map = np.sqrt(gradient_x**2 + gradient_y**2) # 根据锐度进行图像重构 reconstructed_image = cv2.resize(sharpness_map, (image.shape[1], image.shape[0]), interpolation=cv2.INTER_LINEAR) return reconstructed_image # 读取原始图像 image = cv2.imread('input.jpg') # 设置降尺度因子 scale_factor = 2 # 进行TsHARP降尺度 downscaled_image = tsharp_downscale(image, scale_factor) # 显示降尺度后的图像 cv2.imshow('Downscaled Image', downscaled_image) cv2.waitKey(0) cv2.destroyAllWindows() ``` 上述代码中，`tsharp_downscale`函数实现了TsHARP降尺度的过程。首先，根据指定的降尺度因子计算降尺度后的图像尺寸。然后，使用双线性插值方法对图像进行降尺度处理。接下来，计算降尺度后图像的梯度，并根据梯度计算图像的锐度。最后，根据锐度信息对图像进行重构，得到降尺度后的图像。 请注意，上述代码中的`input.jpg`是输入图像的文件名，你需要将其替换为你自己的图像文件名。
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值