Como generalizar uma classe de recurso de ponto

Eu tenho uma classe de pontos com um ponto para cada 25 cm - no total de 400.000 pontos. Gostaria de reduzir essa resolução para um ponto a cada metro. Como instruir o ArcGIS Advanced (ArcInfo) para fazer isso? Não vejo uma ferramenta de desbaste ou generalização para as classes de recursos do Point e não quero criar uma varredura a partir dos dados ainda para redefinir a amostra.

Use a ferramenta Excluir idêntico (Gerenciamento de dados) no ArcGIS. Você pode ver nas capturas de tela, eu gerei uma grade uniforme de pontos na extensão do polígono e usei a ferramenta Excluir Identidade com uma tolerância de 10m XY para afinar os pontos.

Como alternativa, use a ferramenta Integrar (Gerenciamento de dados) para tornar os pontos coincidentes com uma certa tolerância XY.

1) crie uma nova grade com espaçamento de 1 m (rede de pesca)

2) use "junção espacial" para agregar os atributos dos pontos dentro dos polígonos

3) criar os centróides dos polígonos

3b) Como alternativa, você pode fazer uma junção espacial entre os centróides e seus pontos originais, para poder definir regras de mesclagem mais avançadas (também conhecidas com base na distância)

Você pode usar a ferramenta de desbaste disponível para conjuntos de dados LAS, lasthin , a partir do LASTools (download gratuito).

Embora eu não tenha usado muito isso nos shapefiles (tentei nos arquivos LAS), o texto da ajuda declara:

Usa lasthin.exe para afinar os pontos LiDAR colocando uma grade uniforme sobre os pontos e mantendo em cada célula da grade apenas o ponto com a coordenada Z mais baixa (ou mais alta ou aleatória).

A entrada LiDAR pode ser LAS, LAZ, BIN, SHP , ASC ou TXT. A saída LiDAR pode estar no formato LAS, LAZ, BIN ou TXT.

Além disso, se você tiver acesso ao FME, existe um transformador PointCloudThinner que deve fazer o que você precisa.

"Desbaste" implica dimensionalidade, que os pontos não possuem. Dada uma grade regular de valores de pontos, eu converteria os pontos em uma varredura, depois reamostraria para o intervalo desejado e os converteria novamente em pontos. Isso seria muito menos computacionalmente intenso do que tentar resolver isso com tipos de dados vetoriais.