ENVI+IDL+Matlab: Pixel Aggregate without Average

Introduction

在Fine Resolution向Coarse Resolution重采样过程中，ENVI已有的重采样算法Pixel Aggregate是将临近像元数值平均后得到输出像元数值。

Fig. 1

但，有时降采样的目的是要将Fine Resolution像元数值合并到Coarse Resolution像元数值，即后者是前者的累计之和，这种情况多见于人口密度分布等情况。

举例：Fig. 1左边Fine Resolution像元尺寸4×4 m，降采样至右边Coarse Resolution像元尺寸6×6 m，要求是合并输出新数值。如Fig. 2所示，以输出像元(2, 1)为例，说明处理过程，IDL表示像元在矩阵中的位置以列先行后为序，均起始于0，它由如下像元而得：

100%的输入(3, 2)=15；

50%的输入(3, 1)=9；

50%的输入(4, 2)=16；

25%的输入(4, 1)=10；

则该输出像元(2, 1)是由各部分合并之和得到的，如下：

1×15+0.5×9+0.5×16+0.25*10=30

Fig. 2

如上所述，全部输出像元数值：

(0, 0)：0×1+0.5×1+0.5×6+0.25×7=5.25

(1, 0)：0.5×1+1×2+0.5×8+0.25×7=8.25

(2, 0)：1×3+0.5×4+0.5×9+0.25×10=12

(3, 0)：1×5+0.5×4+0.5×11+0.25×10=15

(0, 1)：12+0.5×6+0.5×13+0.25×7=23.25

(1, 1)：14+0.5×8+0.5×13+0.25×7=26.25

(2, 1)：15+0.5×9+0.5×16+0.25×10=30

(3, 1)：17+0.5×16+0.5×11+0.25×10=33

(0, 2)：18+0.5×24+0.5×19+0.25×25=45.75

(1, 2)：20+0.5×19+0.5×26+0.25×25=48.75

(2, 2)：21+0.5×22+0.5×27+0.25×28=52.5

(3, 2)：23+0.5×22+0.5×29+0.25×28=55.5

(0, 3)：30+0.5×24+0.5×31+0.25×25=63.75

(1, 3)：32+0.5×31+0.5×26+0.25×25=66.75

(2, 3)：33+0.5×27+0.5×34+0.25×28=70.5

(3, 3)：35+0.5×34+0.5×29+0.25×28=73.5

得到降采样后的矩阵如下：

Fig. 3

简述处理过程，首先，ENVI+IDL处理输入数据以Pixel Aggregate（Average）方法重采样，得到6×6 m空间分辨率的输出结果，但此时的输出结果是ENVI Standard格式；第二步，转换为Geotiff格式文件；第三步，参阅文献[1]，将栅格数据乘以转换因子，祛除Average换为Summation，这一因子是目标分辨率（Coarse Resolution）与原始分辨率（Fine Resolution）之比值，最终得到像元数值表示累计之和的结果。注意：此处仅仅适用于影像空间分辨率X/Y相等的情况，对于X/Y不等的情况暂不适用。

示例影像降采样前后的空间覆盖范围完全一致。

Fig. 4

附上代码。

References

[1] How does the Pixel Aggregate method work when resizing data with ENVI?