Я знаю, что этот вопрос довольно старый, но я хотел добавить свои 2 цента, на случай, если другие натолкнутся на эту тему, пытаясь ответить на тот же вопрос ...
Предыдущие ответы верны, если вы действительно хотите ПРОВЕРИТЬ свои данные, например, если вы агрегируете данные с размера пикселя 30 м до размера пикселя 90 м. В этом случае вы пытаетесь создать новое значение для каждого отдельного пикселя на основе набора соседних пикселей. Так что да, здесь для дискретных наборов данных вы бы выбрали Nearest Neighbor, в то время как для непрерывных данных вы бы выбрали Bilinear или Cubic Convolution.
В этом вопросе, однако, цель на самом деле не в том, чтобы пересчитать данные, а просто преобразовать существующие данные в новую проекцию - вам нужны те же значения, только в новой проекции. В этом случае вам НЕОБХОДИМО использовать повторную выборку Nearest Neighbor для дискретных, а также непрерывных наборов данных, чтобы сохранить целостность исходных значений данных. Я знаю, что это утверждение идет вразрез со всем, что вы читаете о «повторной выборке», но действительно критически подумайте о том, чего вы хотите достичь и что вы делаете с данными. Кроме того, я не делаю эту рекомендацию по прихоти ... Я провел 5 лет, работая над докторской диссертацией, специализирующейся на ГИС / дистанционном зондировании, а также преподавал курсы по ГИС / дистанционному зондированию.
Еще одно примечание: оригинальный постер спрашивал о нулевых и / или отрицательных значениях ... Если эти значения являются истинными значениями данных (т.е. высота может фактически быть 0 или -34,5), то вы хотите включить эти значения. Однако если рассматриваемые значения не являются истинными данными и вместо этого используются для представления NoDATA (скажем, 0 или -9999), то вам необходимо замаскировать эти пиксели из своего растра (удалить) до повторной выборки с помощью билинейной или кубической свертки , В противном случае эти -9999 пикселей будут включены в расчет передискретизации, как если бы этот пиксель имел реальную высоту -9999, и в результате вы получите недопустимые значения данных. В качестве ОЧЕНЬ упрощенного примера кубической свертки, если ваши 4 значения ближайших ячеек равны 4, 5, 16, -9999, в том числе -9999 может привести к новому значению пикселя -9974, что является недопустимым данными.