克里金方法内插生成高程曲面剖析.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  目录 1 实验目的 3 2 实验要求 3 3 实验步骤 3 3.1 数据准备与模块启用 3 3.2 子集要素 4 3.3 正态分布检测 5 3.4 趋势分析检测 7 3.5 克里金插值与精度评价（泛克里金插值） 8 3.6 克里金插值结果 13 3.7 jyg图层的符号化 13 3.8 插值结果转栅格 14 3.9 栅格符号化 16 3.10 总结 18 3.10.1 子集要素的选择对插值结果的影响 18 3.10.2 泛克里金趋势剔除理解 21 3.11 附加题 21 3.11.1 使用简单克里金插值 21  1 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。 2 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 3 实验步骤 3.1 数据准备与模块启用 启用地理统计模块 3.2 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 3.3 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。 3.4 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 3.5 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 3.6 克里金插值结果 3.7 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 3.8 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 3.9 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 3.10 总结 3.10.1.1 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。 3.10.2 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。 3.11 附加题 3.11.1 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