Tente responder minha própria pergunta:
A causa da distribuição nos exemplos que forneci se deve inteiramente ao meu fluxo de trabalho, e não a qualquer problema herdado de como os dados foram originalmente montados ou mosaicos juntos. Os DEMs com os quais eu estava lidando foram todos gerados a partir de técnicas mais recentes, conforme evidenciado por este mapa:
Os dois métodos que cobrem as áreas com as quais eu estava trabalhando são o LIDAR e outros sensores ativos ou interpolação linear complexa. As técnicas mais antigas @Dan Patterson mencionadas são as técnicas Manual Profiling e Gestalt Photomapper. De fato, o USGS faz referência a isso no link da NED que @Dan Patterson compartilha:
Os DEMs de origem mais antigos produzidos por métodos agora obsoletos foram filtrados durante o processo de montagem do NED para minimizar artefatos comumente encontrados nos dados produzidos por esses métodos. A remoção de artefato melhora muito a qualidade das informações de inclinação, relevo sombreado e drenagem sintética que podem ser derivadas dos dados de elevação. O processo de filtragem de remoção de artefato não elimina todos os artefatos. Em áreas onde o único DEM disponível é produzido por métodos mais antigos, a "distribuição" ainda pode ocorrer. O processamento do NED também inclui etapas para ajustar valores onde DEMs adjacentes não coincidem bem e para preencher áreas com dados ausentes entre os DEMs. Essas etapas de processamento garantem que o NED não tenha áreas vazias e descontinuidades artificiais mínimas.
Então, o que causou meus problemas de striping?
Enquanto, para calcular corretamente os valores de TI no SAGA GIS, precisamos que as unidades celulares estejam em metros, não a medida do grau do Sistema de coordenadas geográficas original e, portanto, a primeira etapa do nosso fluxo de trabalho consistiu em usar o ArcMAP (eu odeio o conjunto de ferramentas de projeção da SAGA) para projetar o DEM na projeção UTM correta. Nesta etapa, existem diferentes opções para reamostrar o DEM. Em todos os DEMs e as saídas resultantes que tiveram striping, deixamos incorretamente a técnica de reamostragem padrão como nossa escolha- o algoritmo de reamostragem padrão é o vizinho mais próximo, que nunca deve ser usado com um conjunto de dados contínuos, como os dados de evolução presentes em um DEM. Quando os DEMs foram projetados usando a reamostragem de interpolação bi-linear, nenhum artefato horizontal ou vertical foi observado no DEM ou em qualquer um dos produtos resultantes.
A ESRI sabia disso:
DEMs são suscetíveis a artefatos. Muitos DEMs já possuem alguns artefatos introduzidos durante a criação; as colinas desses DEMs ampliarão as anomalias e as tornarão visíveis. Se o DEM não possuir nenhum artefato antes de ser renderizado como uma sombra de montanha, o problema poderá ser causado pelo uso de um método de reamostragem inadequado ao projetar os dados do DEM. Um DEM são dados rasterizados contínuos. O método de reamostragem bilinear deve ser usado em projeções rasterizadas ou em qualquer transformação rasterizada. Ao projetar dados de varredura usando a ferramenta Project Raster GP, não use o método de reamostragem padrão. Escolha o método de reamostragem bilinear ou de convolução cúbica por convolução.
Fonte: http://support.esri.com/en/knowledgebase/techarticles/detail/29127
E o USGS sabe disso, afirmando no FAQ:
P: Quais métodos de reamostragem são melhores para preservar a precisão dos dados do NED e as características do terreno?
A: Convolução cúbica e interpolação bilinear são os métodos preferidos para reamostrar dados de elevação digital e resultam em uma aparência mais suave. O vizinho mais próximo tem uma tendência a deixar artefatos como subir escadas e distribuir periodicamente os dados que podem não ser aparentes ao visualizar os dados de elevação, mas podem afetar os derivados, como relevo sombreado ou rasters de declive. *
Fonte: http://ned.usgs.gov/faq.html#RESAMPLE
Portanto, minha aceitação tola das configurações padrão no ArcMap (e minha ignorância dos resultados) causaram isso. Um erro muito óbvio, provavelmente.
Viva e aprenda.