空间插值方法大致总结.pdf

前段时间要对气象要素进行插值,翻看了多种方法,做了个 PPT 报告.对每个方法有简单的介 绍极一些总结,不一定都是个人看法,参考了多方书面(sufer,ArcGIS 应用教程) 以及坛子里,百 度上等搜到的资料的看后笔记,有些注了出处有些忘了.截图共享下,也不知有用没用.有错的 地方请跟贴指正,谢谢啦! 所谓空间数据插值,即通过探寻收集到的样点/样方数据的规律,外推/内插到整个研究区域 为面数据的方法.即根据已知区域的数据求算待估区域值, 影响插值精度的主要因素就是插 值法的选取 空间数据插值方法的基本原理: 任何一种空间数据插值法都是基于空间相关性的基础上进行的。即空间位置上越靠近,则事 物或现象就越相似, 空间位置越远,则越相异或者越不相关，体现了事物/现象对空间位置的 依赖关系。（/dky/nb/page/2000-3-3/2000332117262480.htm，南京 师范大学地理科学学院地理信息系统专业网络课程教程） ➢ 由于经典统计建模通常要求因变量是纯随机独立变量，而空间插值则要求插值变量具备某种 程度的空间自相关性的具随机性和结构性的区域化变量。即区域内部是随机的，与位置无关 的，而在整体的空间分布上又是有一定的规律可循的，这也是不宜用简单的统计分析方法进 行插值预估的原因。从而空间统计学应用而生。 ➢ 无论用哪种插值方法，根据统计学假设可知，样本点越多越好，而样本的分布越均匀越好。 常用的空间数据插值方法之一：趋势面分析 ◼ 趋势面分析（Trend analyst）。严格来说趋势面分析并不是在一种空间数据插值法。它是根 据采样点的地理坐标X，Y 值与样点的属性Z 值建立多元回归模型，前提假设是，Z 值是独 立变量且呈正态分布，其回归误差与位置无关。 ◼ 根据自行设置的参数可建立线性、二次…或n 次多项式回归模型，从而得到不同的拟合平面， 可以是平面，亦可以是曲面。精度以最小二乘法进行验证。 趋势面分析中，将Z 值分解成如下等式： ➢ 由于空间数据不具备重复抽样条件，所以通常将后两项合并。趋势值即回归值，而后两项将 合并到拟合残差中。 ➢ 在趋势面拟合中，空间位置以平面坐标为佳，即将经纬度坐标转换为以米为单位的平面大地 坐标。 ➢ 通常趋势面分析用于分析趋势和异常而不追求高的拟合精度，一般达到60-80%，阶数在1-4 之间即可。拟合精度按R^2 系数和F 值检验。 由上述可知，趋势面分析是经典统计学在点数据进行空间展面上的应用，属于全局多项式插 值，即对整个研究区域用一个多项式进行拟合。 它的缺点在于：当研究区域范围较大，地形很复杂时，需要用高阶多项式拟合以提高精度， 1 但高阶将增加其计算成本，因而需要进行改进。 常用的空间数据插值方法之二：局部多项式插值 局部多项式插值（Local Polynomial Interpolation）：用多个多项式进行拟合。每个多项 式都只在特定重叠的邻近区域内有效，通过设定搜索半径和方向的来定义邻近区域。 显然，局部多项式插值是对全局多项式，即趋势面拟合的一大改进。这里涉及到一个搜索邻 域的概念。 空间数据插值之邻近区域： ◼ 从空间自相关性的概念可知，空间上越靠近，属性就越相似，相关性也越高。那么，两个样 点间在多远的距离内所具备相关性可以不考虑，或者其相关将消失呢？可以根据经验或专业 背景找出这么一个阈值，作为邻近区域的半径。 ◼ 同时，如果其自相关性在不同的方向上消失的距离值也不同的话，将还需要设置一个方向值 以及长短两个半径值，此时的邻近区域将呈椭圆。（如当属性值受风向影响较大时，应当将 风向角度设置为搜索方向，即长半径所在的方向） ◼ 通过半径和方向可以定义出一个以待估点为中心的区域（圆或者椭圆）。 ◼ 此外，还可以通过限制参与某待估点值进行预测的样点数来定义邻近区域。即参与某点预测 的最多样点数和最少样点数。 ◼ 在由半径和方向决定的区域内包含到的样点数为0 时，则扩大搜索区域使其达到最小样点数 值。 空间数据插值之各向异性： 在设定邻近区域时，提到了一个方向参数。即当空间相关性沿各个方向上的消失距离都一致 时，其邻近区域应该是一个圆，如图a，叫各向同性。否则，如图b，在西南-东北方向上的 消失距离明显小于东南-西北方向，则其邻近区域应当是一个平行于东南-西北方向的椭圆， 其方向角度（Angle Direction ）设为长轴与 X 轴的角度值