空间分析7.插值.pptxVIP

空间分析 ;空间插值分析;观测站数据由于意外而缺失 一些点的数据无法观测而获得 由离散点到空间连续曲面;离散点数据转换成连续的表面数据 修补数据中的缺失采样点数据 空间分布建模; 距离衰减效应 空间位置上越靠近的点，越可能具有相似的观察值；而距离越远的点，其特征值相似的可能性越小。 地理学第一定律 地理事物或属性在空间分布上互为相关，存在集聚、随机、规则分布。 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。 ;整体插值和局部插值 确定性插值和地统计插值 精确插值和近似插值;整体插值：用研究区所有采样点数据进行全区特征拟合。 整个区域的数据都会影响单个插值点，单个数据点变量值的增加、减少或者删除，都对整个区域有影响。 典型例子：全局趋势面分析 ;局部插值：只使用邻近的数据点来估计未知点的值。 样条函数插值法 距离倒数插值 Kriging插值（空间自由协方差最佳内插）;确定性方法 基于未知点周围点的值和特定的数学公式，来直接生成平滑的曲面； 地统计方法 基于自相关性 (测量点的统计关系)，根据测量数据的统计特征产生曲面； 由于建立在统计学的基础上，因此不仅可以产生预测曲面，而且可以产生误差和不确定性曲面，用来评估预测结果的好坏。;精确插值：产生通过所有观测点的曲面。 在精确插值中，插值点落在观测点上，内插值等于估计值。 近似插值：插值产生的曲面不通过所有观测点。 当数据存在不确定性时，应该使用近似插值，由于估计值替代了已知变量值，近似插值可以平滑采样误差。;空间插值分析;基本原理;基本原理;分布均匀时效果好 分布差异性多大时不适用于最近邻插值？ 用于只有少数缺失值时，对缺失值进行填补 数据缺失到什么程度，不能 采用最近邻插值方法？ 可插值性问题！ ;优点 插值结果图变化只发生在边界上，在边界内都是均质的和无变化的； 适用于较小的区域内，变量空间变异性不是很明显的情况； 快速插值，符合人们思维习惯； 不需其他前提条件，方法简单，效率高。 不足 精度一般，受样本点的影响较大?? 实际应用中，效果常不十分理想。;最近邻法实际应用;特征：用泰森多边形插值方法得到的结果图变化只发生在边界上，在边界内都是均质的和无变化的； 适用于较小的区域内，变量空间变异性也不很明显的情况； 符合人思维习惯，距离近的点比距离远的点更相似，对插值点的影响也更明显； 优点：不需其他前提条件，方法简单，效率高； 缺点：受样本点的影响较大，只考虑距离因素，对其他空间因素和变量所固有的某些规律没有过多地考虑。实际应用中，效果常不十分理想。;18;空间插值分析;距离反比插值方法最早由 Shepard 提出的，并逐步得到发展和推广应用。 每个采样对插值结果的影响随距离增加而减弱，因此距离目标点较近的样点赋予的权重较大。;反距离加权法（IDW）基本原理;优点 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； 全局最大和最小变量值都散布于数据之中。 不足 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“牛眼”分布模式； 距离反比很少有预测的特点，内插得到的插值点数据在样点数据取值范围内。 ;反距离加权法（IDW）的实际应用;搜索半径－固定 对固定型半径，搜索距离一定，所有在该半径内的样点参与计算。 可预先设定一个阈值，当给定半径内搜索到的点小于该值时可扩大搜索半径，直到达到该阈值为止。 搜索半径－可变 设定参与计算的样点数是固定的，则搜索的半径是可变的。这样对每个插值点的搜索半径可能都不同，因为要达到规定的点数所需要搜索的区域是不一样的。;权重过高，较近点的影响较大，拟合表面更细致（不光滑）； 权重过低，较远点的影响增加，拟合表面更光滑。;不同权重系数（W）和搜索半径（R）的影响;反距离加权法（IDW）的一个改进 ---按方位取点！;空间插值分析;把实际的地理曲面分解为趋势面和剩余面两部分： 前者反应地理要素的宏观分布规律，属于确定性因素作用的结果； 后者则对应微观区域，被认为是随机因素影响的结果。 趋势面分析是通过回归分析原理，运用最小二乘法拟合一个非线性函数。 模拟地理要素在空间上的分布规律，展示地理要素在地域空间上的变化趋势。;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。; 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； 优点是易于理解便于计算。 缺点 高次多项式在数据区外围产生异常高值或低值； 空间采样选择会影响结果。;4.趋势面法;空间插值分析;样条插值的目标就是寻找一表面s(t)，