空间插值方法对比整理版探究.ppt

多项式回归 多项式分析 多项式趋势面随着N值的不同，其形态也不同。 一般地讲，N值越大，拟合精度越高。拟合精度C以下式表示，通常C为60％～70％时，该多项式就能够揭示空间趋势。 一次多项式 二次多项式 三次多项式 3、趋势面模型的适度检验 趋势面拟合适度的R2检验 式中， 为剩余平方和，它表示随机因素对z的离差 为回归平方和，它表示p个自变量对因变量z的离差的总影响 R2越大，趋势面的拟合度就越高。 3、趋势面模型的适度检验（续） 趋势面拟合适度的显著性F检验 检验的办法是在显著性水平下，查F分布表得Fa。若计算的F值大于临界值Fa ，则认为趋势面方程显著；否则，不显著。 p为多项式项数（不包括常数项）， 4、趋势面分析应用实例 序号 降水量Z/mm 横坐标x/104m 纵坐标y/104m 1 27.6 0 1 2 38.4 1.1 0.6 3 24 1.8 0 4 24.7 2.95 0 5 32 3.4 0.2 6 55.5 1.8 1.7 7 40.4 0.7 1.3 8 37.5 0.2 2 9 31 0.85 3.35 10 31.7 1.65 3.15 11 53 2.65 3.1 12 44.9 3.65 2.55 上表为某流域1月份降水量与各观测点的坐标位置数据 4、趋势面分析应用实例（续） 1）建立趋势面模型 运用上述介绍的趋势面分析原理，首先采用二次多项式进行趋势面拟合，用最小二乘法求得拟合方程为 z=5.998+17.438x+29.787y-3.558x2+0.375xy-8.070y2 (R2=0.839,F=6.236) 再采用三次趋势面进行拟合，用最小二乘法求得拟合方程为 z=-48.810+37.557x+130.130y+8.389x2-33.166xy-62.740y2-4.133x3+6.138x2y+2.566xy2+9.785y3 (R2=0.965,F=6.054) 4、趋势面分析应用实例（续） 2）模型检验 （1）趋势面拟合适度的R2检验。结果表明，二次趋势面回归模型和三次趋势面回归模型的显著性都较高，而且三次趋势面较二次趋势面具有更高的拟合程度。 （2）趋势面适度的显著性F检验。在置信水平a＝0.05下，查F分布表得F2a＝F0.05(5,6)＝4.53, F3a＝F0.05(9,2)＝19.4。显然， F2 F2a ，而F3 F3a，故二次趋势面的回归方程显著而三次趋势面不显著。因此，F检验的结果表明，用二次趋势面进行拟合比较合理。 优点和缺点 优点 产生平滑的曲面； 结果点很少通过原始数据点，只是对整个研究曲产生最佳拟合面； 缺点 高次多项式在数据区外围产生异常高值或低值 六、最优插值(Optimal) 最优插值由Gandin首先发表，并应用在气象领域的“对象分析(Objective Analysis)”中，随后由世界气象组织(World Meteorological Organization)推荐使用。 此法假设观测变量域是二维随机过程的实现，此外，还认为未知变量值测点的变量值是它周围n个测点变量值的线性组合(Creutin,1982)。 最优插值数学表示式为： Ve 是待估点的变量值，vj 是点 j(xj, yj) 的变量值，wj 是点 j(xj, yj) 的权重系数。 上式的插值误差为： var[ ]表示误差方差。最优插值的权重系数，就是使插值误差的方差最小。 最优插值过程 最优插值在计算前要求指定空间相关函数的模型及其参数，这可以由用户给出，或者给出必要的数据，由程序计算。 七、样条插值(Spline Surface) 样条插值的目标就是寻找一表面s(t)，使它满足最优平滑原则，也就是说，利用样本点拟合光滑曲线，使其表面曲率最小。 相当于扭曲一个橡皮，使它通过所有样点，同时曲率最小。 样条函数是灵活曲线规的数学等式，为分段函数，一次拟合只有少数数据点配准，同时保证曲线段的连接处为平滑连续曲线。这就意味着样条函数可以修改曲线的某一段而不必重新计算整条曲线，插值速度快；保留了微地物特征，视觉上的满意效果。 样条插值插值评价 不适用于在短距离内属性有较大变化的地区，否则估计结果偏大。 样条内插的误差不能直接估算，同时在实践中要解决的问题是样条块的定义以及如何在三维空间中将这些块拼成复杂曲面而又不至于引入原始曲面中所没有的异常现象等问题 八、克里金插值(Kriging) 克里金插值由南非采矿工程师D.G.克里格（D. G. Krige）于1951年首次提出，故命名为“克里金”法，后经法