基于反距离加权网格化插值的等值线图绘制.docxVIP

基于反距离加权网格化插值的等值线图绘制 1 规则分布的数据插值加密 在地球物理数据处理、气候预测和气候预测分析等领域，等值线的构建是一个非常重要的组成部分。这些数据大多都是离散的、不规则分布的, 为了客观地描述和表征相应的研究对象, 需要进行数据网格化。所谓网格化, 即是通过一定的插值方法, 将稀疏的、不规则分布的数据插值加密为规则分布的网格数据, 为绘制等值线图提供数据需要[1~3]。 目前, 用于等值线绘制时网格化插值的方法很多, 如反距离加权法、克里格法、最小曲率法、自然邻点法和最近邻点法等。同一数据采用不同的网格化方法, 所得到的等值线图效果不同。本文主要讨论反距离加权网格化插值算法, 该方法比较简单、容易实现, 是一种十分常用的网格化插值方法。但是, 如果离散的样本数据比较多的时候, 其计算量将会很大, 使得该方法的效率大大降低。因此, 本文采用窗口法对反距离加权网格化插值算法进行改进, 以提高该算法的效率。此前, 大都采用正方形窗口法进行改进, 然而正方形窗口法也有一定的不足。本文在正方形窗口法的基础上做了进一步改进, 采用圆形窗口代替正方形窗口, 并将两种窗口应用到实例中进行对比和分析。 2 网格点的距离 反距离加权法又称N-P法, 是非规则分布点变成规则分布点常用的网格化方法之一。该方法的基本思想是离所估算的网格点距离越近的离散点对该网格点的影响越大, 越远的离散点影响越小, 甚至可以认为没有影响。在估算某一网格点的值时, 假设离网格点最近的N个点对其有影响, 那么这N个点对该网格点的影响与他们之间的距离成反比。 首先, 需要计算所有离散数据点与所求网格点的距离, 在二维平面空间, 离散点 (xi, yj) 到网格 (A, B) 的距离Di为: 然后, 需要找出离网格点 (A, B) 最近的N个离散点的距离, 则网格点 (A, B) 上的估算值为: 其中, Zi为离散点i上的观测值, Z(A, B)为网格点 (A, B) 上的估算值。 反距离加权改进前的基本算法, 在计算任一网格结点的值时, 都要先计算出所有离散点到该网格结点的距离, 然后要对计算出的所有距离进行排序, 这样才能得到离所求网格结点最近的N个离散点。当离散点比较少时, 该算法的缺点体现不出来, 但当离散点的数量很大时, 该算法计算量就会大大增加, 使得其效率变低。然而进行地球物理数据处理时其数据量通常是相当大的, 未改进的反距离加权算法用于网格化插值效率不高, 因此需要对其进行改进。 影响该算法效率的主要因素就是求取离散点到网格结点的距离, 和对距离值进行排序。实际上, 在网格化插值过程中, 对某一网格结点值有影响的离散点是很少的, 大多数对这一网格结点无影响。因此, 如果能先找出所求网格结点周围附近的离散点, 然后再求取它们之间的距离, 并排序, 这样就可以提高该算法的计算效率。窗口法就是这样一种可以提高该算法计算效率的改进方法。 3 窗口改进法计算效率分析 窗口法是指在计算某一网格结点的值时, 可以先把范围缩小到该结点的周围, 即先判断出在该结点周围一定范围内的离散点。如图1所示, 当计算结点 (A, B) 的值时, 先以结点 (A, B) 为中心设置一个窗口 (正方形窗口或者圆形窗口) , 然后找出落在该窗口内的离散点, 这时要找离结点 (A, B) 最近的N个点时, 只需从这些少数的离散点中进行判断即可。窗口法改进的具体步骤如下 (改进后算法实现的流程如图2所示) : 1) 对于某一待求网格结点, 以其为中心设置一个窗口, 正方形或者圆形窗口; 2) 判断离散数据点是否在窗口范围内, 如果在该窗口范围内则计算该离散点与待求网格结点的距离D并存储, 同时记下落入该窗口内的离散点个数L; 3) 比较L与N的大小, 如果LN, 则需扩大窗口范围, 返回步骤2) 重新判断, 直到L≥N; 4) 对落在窗口范围内的L个距离进行排序, 找出距离待求网格结点最近的N个离散点, 以这N个点的值根据公式 (2) 来计算待求网格结点的值; 5) 循环以上步骤, 直到计算出所有网格结点上的值为止。 从图1中可以看出, N离散点到 (A, B) 网格结点的距离比M离散点到 (A, B) 网格结点的距离要小, 如果选择圆形窗口, 那么M, N两个离散点都在窗口内, 但是如果选择正方形窗口, 则使得较远的M离散点在窗口内而较近的N离散点却没有在窗口内。这就使得在使用正方形窗口法计算 (A, B) 网格结点的值时, 误认为M离散点是距离其最近的N个离散点之一, 而N离散点不是。如果当计算某一网格结点的值时, 像N离散点这样的点有很多, 就会使这种改进的网格化插值法得到的结果与未改进的算法网格化插值得到的结果之间有很大的误差。这也正是使用正方形窗口对反距离加权网格化插