I en del fria höjddata, men jag gissar även andra data, så finns det ibland hål där det saknas data. För att ”laga” dessa så kan man göra på lite olika sätt.
Om man har tillgång till andra data, kanske med annan upplösning, så kan man fylla hålen med dessa. Det kanske är mest användbart om man har ganska stora hål i förhållande till pixelstorleken.
Om man inte har några andra data, om hålen är små, eller om det inte blev speciellt bra att laga med andra data, då kan en lösning vara att ”interpolera” data för hålen.
Jag har här ett ganska stort område med data från Japanska ALOS 30 meters DSM data. Som synes finns det både mindre och gigantiska hål.
Jag har inget att ersätta de stora bristerna med, men det område jag primärt är intresserad av ligger en bit ifrån de områden med stora hål. Dessa data har inte ”NULL” värden där data saknas, utan värdet -9999, vilket jag inte kan använda i nästa steg, så först måste jag göra om dessa värden till just ”NULL”. Det gör jag med GRASS verktyget r.null.
Sedan skall de tomma ytorna fyllas. För detta använder jag ett GDAL verktyg ”GDAL Fill No Data”.
Beroende på hur stora hålen som skall fyllas är i pixlar, så kan man justera ett värde i verktyget. Detta läser det angivna antalet pixlar bort och fyller så långt algoritmen tycker det är lämpligt. Ett stort värde fyller större hål och tar längre tid att köra.
När jag testar så tycker jag att jag får bäst resultat genom att köra processen flera gånger, med lite lägre värden inledningsvis, då jag inbillar mig att det ger mer trovärdiga beräknade värden i närheten av befintliga värden. Sedan kan jag dra på för att fylla de stora hålen. Dessa områden måste ändå markeras på något sätt som ”obekräftade” höjdvärden.
I bilderna ovan har jag zoomat in till ett område med hål före och efter ett antal fyllnadsprocesser. Det ser ganska trovärdigt ut, men det är svårt att bedöma om det är korrekt.
Med utgångspunkt i det inledande lagret där ”NULL” hade värdet -9999 kan ett nytt polygonlager ganska enkelt skapas som bara består av polygoner som täcker dessa områden.
Områden med null-data kan nu markeras i alla produkter där höjddata har en avgörande betydelse.
Min spontana känsla kring denna metod att ”fixa” brister i höjddata är försiktigt optimistisk. Rent visuellt så ser det riktigt bra ut, men det återstår att verifiera på något sätt. Tills det går att göra så är de genererade ”null-polygonerna” praktiska för att ha ryggen fri om man behöver förlita sig på dessa data.
Hej
Har köpt orthofoto från Lantmäteriet. 4-kanaler 0.16m. Flygår 2019.
Det innehåller mängder med hål. Ca 5% av ytan och flera 100 kvm stora ytor med null-värden.
Är detta verkligen normalt?
Hälsningar
Per
Nej. Det är inte normalt.