空间内插.docVIP

空间插值实习报告 一、实习目的 了解空间插值的意义和作用。 了解并掌握空间插值的方法的原理、特点及适用范围。 二、实习内容 学习空间插值的相关内容。 通过arcgis软件练习空间插值。 三、实习过程 1、空间插值 一般情况下采集到的数据都是以离散点的形式存在的，只有在这些采样点上才有较为准确的数值，而其他未采样的点上都没有数值。然而，在实际应用中却很有可能需要用到这些未采样的点的值，这时就需要通过已知采样点的数值来推算未知点的值。这个过程就是插值过程。 插值过程需要从已知数据中找到一个函数关系式，这个关系式要能最好地逼近已采样点的数值，并能够根据该函数关系式推求出一定区域范围内任意点的数值。 点的内插是用来建立具有连续变化特征现象的数值方法。内插的理论基础是空间相关性，即对于地理上连续分布的现象，邻近点之间关联性强，较远的点之间关联性弱或者根本无关。这样才能用已知点的数据来推算未知点的值。 2、空间插值主要方法 在ArcGIS栅格分析模块中，通过栅格插值运算生成表面主要有三种实现方式：反距离权重插值、样条函数插值和克里金插值。 反距离权重插值（IDW） IDW（Inverse Distance Weighted）是一种常用而简便的空间插值方法，它以插值点与样本点间的距离为权重进行加权平均，距离插值点越近的采样点赋予的权重越大。IDW通过对邻近区域的每个采样点的数值进行平均运算获得内插单元值。IDW是一个均匀分布的过程，这一方法要求采样点分布均匀，并且密集程度可以满足在分析中反应局部表面变化。其优点在于简便易行，可为变量值变化很大的数据集提供一个合理的插值结果，不会出现无意义的插值结果而无法解释。同时它的不足之处有：对权重函数的选择十分敏感，易受数据点集群的影响，结果常出现一种孤立点数据明显高于周围数据点的“鸭蛋”分布模式，IDW很少有预测的特点，全局最大和最小变量值都散布于数据之中。 样条函数插值（Spline） 样条函数插值可采用两种不同的发方法来计算：Regularized spline（规则样条）和Tension spline（张力/趋势样条） Regularized spline生成一个平滑、渐变的表面，但插值结果可能会超出采样点的取值范围较多。Tension spline根据要生成的现象的特征生成一个比较坚硬的表面，插值结果更接近采样点的取值范围。 同时，计算过程中除了需要选择不同的计算方法，还要在每种方法中设定一个合适的权重（weight）。Regularized spline插值时，权重越高，表面越光滑。而Tension spline插值时则相反，权重越高，表面越粗糙。 样条函数插值法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。同时其误差不能直接估算，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。 克里金插值（Kriging） 克里金插值不同于IDW和Spline，前两种是确定性插值，而克里金插值时一种基于统计学的插值方法。 克里金插值是基于这样的一个假设，即被插值的某要素可以被当做一个区域化的变量。区域化的变量就是介于完全随机的变量和完全确定的变量之间的一种变量，它随所在的区域位置的改变而连续改变，因此彼此距离近的点之间有某种程度上的空间相关性，而相隔比较远的点之间在统计上看是相互独立无关的。Kriging插值就是建立在一个预先定义的协方差模型的基础上通过线性回归方法把估计值的方差最小化的一种差值方法。 克里金差值又分为普通克里金法和泛克里金法。普通克里金法是最普通和应用最广泛的克里金插值方法，它假设采样点的数值不存在潜在的全局趋势，只用局部的因素就可以很好地推算未知值。泛克里金法假设这种潜在的趋势是存在的，且可以用一个确定性的函数或者多项式来模拟。泛克里金法仅用于趋势已知并且能够合理而科学地描述的数据的数据插值。 克里金法的基本原理是根据相邻变量的值，利用变异函数揭示的区域化变量的内在联系来推算空间变量数值。它分为两步：第一步是对采样点进行结构分析，也就是在充分了解采样点性质的前提下，提出变异函数模型；第二步是在该模型的基础上进行克里金插值计算。 空间插值过程 数据采集 数据采集的一些注意事项： 理想情况下点在研究区内是均匀布点的。当研究区内存在有规律的空间分布模式时，用完全规则的采样网络可能会得到片面的结果； 完全随机的采样。但它同样存在缺陷：采样点的分布位置是不相关的，完全随机采样可能会导致采样点的分布不均，一些点的数据密集，另一些点的数据缺少。 规则采样和随机采样好的结合方法是成层随机采样，即单个的点随机分布于规则的格网内。 以下是几种采样的方式： 本次实习用于进行插值的数据是山东年平均降水