Question

官方文档

nearneighbor

简介

使用最邻近算法网格化表数据

nearneighbor 读取 (x,y,z[,w]) 形式的数据，并使用最邻近算法计算网格点的加权平均值。计算原理为

\[w(r_i) = \frac{w_i}{1 + d(r_i) ^ 2}, \quad d(r) = \frac {3r}{R}, \quad \bar{z} = \frac{\sum_i^n w(r_i) z_i}{\sum_i^n w(r_i)}\]

其中 n 为满足筛选标准的数据点数，\(r_i\) 为网格点到第 i 个数据点的距离，如果不给定输入点的权重，则假定其为等权，即 \(w_i = 1\)

Source Code

算法示意图。R 为搜索半径，其限制了考虑的点和扇区的数量，只有每个扇区中最近的点（红色点）参与估计

gmt nearneighbor [ table ]

table

输入表数据，包含三列或四列 (x,y,z[,w]) 形式的数据（见

-Eempty

指定空节点的值为 empty ，默认为 NaN

-Nsectors[+mmin_sectors]|n

以每个网格节点为中心可以将圆形的搜索区域划分为扇区 sectors 。+m 选项用来设置最少搜索的扇区 min_sectors ，即至少 min_sectors 个扇区至少含有一个数据时，才计算最终的加权值；未通过此测试的节点值被设置为 NaN，见

GMT支持多种不同的距离单位，以及三种不同的球面距离计算方式。详情见 单位 和 -j 选项。

示例

将文件 ship_15.txt 格网化成 5 分分辨率的网格，搜索半径设置为 15 分，绘制最终的网格

gmt begin map
    gmt nearneighbor @ship_15.txt -R245/255/20/30 -I5m -Ggrid.nc -S15m
    gmt grdimage grid.nc -B
gmt end show

使用 seaMARCII_bathy.lon_lat_z 文件创建 0.5 分分辨率的网格，设置搜索半径为 5 km，将搜索圆范围分为八个扇区，每个扇区必须有数据，并将最终的空节点设置为 -9999

gmt nearneighbor seaMARCII_bathy.lon_lat_z -R242/244/-22/-20 -I0.5m -E-9999 -Gbathymetry.nc -S5k -N8+m8

使用 geoid.xyz 数据创建全球 1 度分辨率的网格，搜索半径为 200 km，距离计算使用球面距离，将搜索范围分为4个扇区，至少 2 个扇区包含数据时计算加权值

gmt nearneighbor geoid.xyz -R0/360/-90/90 -I1 -Ggeoid.nc -S200k -N4

相关模块

blockmean, blockmedian, blockmode, greenspline, sphtriangulate, surface, triangiulate