GIS应用技巧之空间插值分析

一、空间插值概论

空间插值常用于将离散点的测量数据转换为连续的数据曲面,以便探究空 间现象的分布模式,该方法通常用来分析地区环境污染、地区降水量、地区气候 变化、资源利用程度、公共基础设施影响效应等。空间插值方法分为两类:一类 是确定性方法,另一类是地质统计学方法。确定性插值方法是基于信息点之间 的相似程度或者整个曲面的光滑性来创建一个拟合曲面,比如反距离加权平均插值法(IDW)、趋势面法、样条函数法等。地质统计学插值方法是利用样本点 的统计规律,使样本点之间的空间自相关性定量化,从而在待预测的点周围构建样本点的空间结构模型,比如克立格(Kriging)插值法。确定性插值方法的 特点是在样本点处的插值结果和原样本点实际值基本一致,若是利用非确定性 插值方法的话,在样本处的插值结果与样本实测值就不一定一致了,有的相差 甚远。在实际的GIS 应用过程中,往往要根据实际的需要,综合考虑插值的精 度、效率等因素,来选择不同的插值方法。这里着重介绍下反距离加权,样条函 数和克里金插值法。

(1)反距离加权法(IDW)

GIS 中最常用的空间内插方法之一是反距离加权法,是以插值点与样 本点之间的距离为权重的插值方法,插值点越近的样本点赋予的权重越大,其 权重贡献与距离成反比。可表示为:

其中 Z 是插值点估计值,Zi(i =1、2、3、、、、)是实测样本值,n为参与计算 的实测样本数,Di为插值点与第 i 个站点间的距离,p是距离的幂,它显著影响 内插的结果,它的选择标准是最小平均绝对误差。

(2)样条函数内插法

样条函数是一个分段函数,进行一次拟合只有少数点拟合,同时保证曲线 段连接处连续,这就意味着样条函数可以修改少数数据点配准而不必重新计算 整条曲线。样条函数的一些缺点是:样条内插的误差不能直接估算,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,又不引入原始曲面中所没有的异常现象等问题。

(3)克里格插值法

克里格法是 GIS 软件地理统计插值的重要组成部分。这种方法充分吸收 了地理统计的思想,认为任何在空间连续性变化的属性是非常不规则的,不能 用简单的平滑数学函数进行模拟,可以用随机表面给予较恰当的描述。这种连 续性变化的空间属性称为"区域性变量",可以描述像气压、高程及其他连续性 变化的描述指标变量。地理统计方法为空间插值提供了一种优化策略,即在插 值过程中根据某种优化准则函数动态的决定变量的数值。Kriging 插值方法着 重于权重系数的确定,从而使内插函数处于最佳状态,即对给定点上的变量值 提供最好的线性无偏估计。

GIS 中有七类克里格法,下表是这七种方法的名称和适用范围:

克里格法的优点是以空间统计学作为其坚实的理论基础,可以克服内插中误差难以分析的问题,能够对误差做出逐点的理论估计;不但能估计测定参数 的空间变异分布,而且还可以估算估计参数的方差分布。其缺点是计算步骤较 繁琐,计算量大,且变异函数有时需要根据经验人为选定。

GIS海量数据、资源、教程:树谷资料库大全(2023年8月16日更新)

相关推荐
youcans_9 分钟前
【微软:多模态基础模型】(5)多模态大模型:通过LLM训练
人工智能·计算机视觉·大模型·大语言模型·多模态
飞凌嵌入式12 分钟前
飞凌嵌入式T113-i开发板RISC-V核的实时应用方案
人工智能·嵌入式硬件·嵌入式·risc-v·飞凌嵌入式
sinovoip14 分钟前
Banana Pi BPI-CanMV-K230D-Zero 采用嘉楠科技 K230D RISC-V芯片设计
人工智能·科技·物联网·开源·risc-v
谢眠27 分钟前
深度学习day3-自动微分
python·深度学习·机器学习
搏博36 分钟前
神经网络问题之一:梯度消失(Vanishing Gradient)
人工智能·机器学习
z千鑫36 分钟前
【人工智能】深入理解PyTorch:从0开始完整教程!全文注解
人工智能·pytorch·python·gpt·深度学习·ai编程
YRr YRr1 小时前
深度学习:神经网络的搭建
人工智能·深度学习·神经网络
威桑1 小时前
CMake + mingw + opencv
人工智能·opencv·计算机视觉
爱喝热水的呀哈喽1 小时前
torch张量与函数表达式写法
人工智能·pytorch·深度学习
rellvera1 小时前
【强化学习的数学原理】第02课-贝尔曼公式-笔记
笔记·机器学习