克里金方法内插生成高程曲面要点.docxVIP

杭州师范大学Hangzhou Normal University《GIS分析与建模》实验报告学院班级：理学院地信141实验名称：克里金方法内插值生成高程曲面学生姓名：赵文彪学生学号：2014212425授课老师：胡潭高提交日期：2016年11月24日实验目的通过熟练掌握并理解统计模块里的六中克里金插值方法，原理和过程，体会在具体应用中的适用性。实验要求根据数据特征，至少选用一种克里金插值方法内插生成高程曲面，并分析对于此例，该方法的适用性实验步骤数据准备与模块启用启用地理统计模块子集要素输入要素jyg，选择训练的子集要素和测试的子集要素的输出路径，选择训练子集要数所占总要数的比例：80（80%），其他默认。单击ＯＫ。训练要素（黑色）和测试要素（红色）分布图正态分布检测按图找到直方图统计工具，查看数据是否符合正太分布。注：统计源为上一步的训练数据，不是原始数据和测试数据。直方图统计QQ正态图工具正态QQ图由以上两个统计图，得到数据分布符合正态分布的假设，不需要进行数据变换。趋势分析检测按图找到趋势分析工具下图为趋势分析的结果图，南北方向具有微弱的趋势（蓝线），而东西方向具有明显的东高西低的趋势（绿线），后续要进行趋势剔除操作。趋势分析结果图克里金插值与精度评价（泛克里金插值）按照下图找到地理统计导向工具按图选择插值方法Kring/CoKinging，右边的数据集为训练数据，字段为默认。克里金的类型选择泛克里金，并进行趋势剔除（Order of trend removal 为First）趋势剔除示意图下图为半变异/协方差建模图，将Number of Lag 设为10（在设置分组时，尽量保持每组的样本数大于10）搜索领域图交叉验证结果图，显示了对模型的评价，发现Number of Lag 设为10的精度较好。符合以下模型是最优的，标准平均值最接近于0，均方根最小，平均值误差最接近于均方根误差，平均标准误差最接近于1。克里金插值方法参数报表克里金插值结果jyg图层的符号化找到iyg的属性，找符号化界面，参数如下符号化结果图插值结果转栅格右键插值结果图，按图选择转栅格工具输入输出栅格的路径和像元大小，按下图参数设置插值结果转栅格结果图栅格符号化找到栅格的属性表，符号化选项卡，按图进行设置。栅格符号化结果图泛克里金插值生成高程曲面的结果图保存文件保存mxd文件总结子集要素的选择对插值结果的影响发现我做的高程曲面插值结果与光盘上的结果不同，可能在取子集的时候有误，下面是再次进行泛克里金插值的结果图20%的检查样本点（红色）80%的训练点（蓝色）正态检测精度评价插值结果图为了检验子集要素的对插值结果的影响如下，再次新建子集要素（红色为测试点），与上一次的子集选取有差别的这是插值结果结论：克里金的插值的结果的准确性与子集要素的选择有极大的关联，最好多做几次子集要素选择，进行插值结果比较，再确定比较好的子集要素和插值结果。泛克里金趋势剔除理解下图反映的全局趋势图。全局趋势反映了空间物体在空间区域上的主体特征，它主要揭示了空间物体的总体趋势，而忽略了局部的变异。所以为了能更准确地模拟随机的短程变异，要剔除全局趋势。我们的所要插值的对象是高程数据，在短程变异中比较明显，所以要进行趋势剔除操作。附加题使用简单克里金插值关键步骤如下正态分布检查选择简单克里金插值，转换类型为LOG，并进行趋势剔除。交叉验证结果简单克里金插值结果图泛克里金插值结果仅仅从结果图来看，简单克里金插值结果是比较平滑的。简单克里金是区域变化量的线性估计，它假设数据变化为正态分布，并已知区域变化值的期望，进而可以确定每个点的误差值。泛克里金插值假设数据存在主导趋势，即该趋势可以用一个函数或多项式来拟合。所以简单克里金是利用统计学的期望进行插值运算，比较适合符合统计学的对象进行插值，如GDP，人口密度等难以用数学函数或多项式表达，更加适用于进行统计分析。而泛克里金是利用数学上的数据函数拟合方式进行插值，在插值对象很符合数学表达式上插值效果最好，如高程（山的高度可以用一个很简单的数学表达式或多项式表示，数学题上经常出这样的题目），还有全球地表温度和降水量进行插值，利用泛克里金插值的结果也比较好。所以本次高程曲面生成就是利用泛克里金插值，其效果理论上是比较好的。