文章目录
- 前言
- 第一步：你要解决的问题（为什么要插值？）
- 第二步：核心思想------"近的东西更相似"（空间自相关）
- [第三步：半变异函数 ------ 找到"距离与差异"的数学关系](#第三步：半变异函数 —— 找到“距离与差异”的数学关系)
- 第四步：选择理论半变异函数模型（给规律套公式）
- 总结
前言
克里金法是通过一组具有 z 值的分散点生成估计表面的高级地统计过程。与插值工具集中的其他插值方法不同，选择用于生成输出表面的最佳估算方法之前，有效使用克里金法工具涉及 z 值表示的现象的空间行为的交互研究。
第一步：你要解决的问题（为什么要插值？）
想象一下，你在一个城市开了几家奶茶店，每间店都记录了今天的平均销量。现在你想做一张全市奶茶销量热度预测图，但你不能在全市每个路口都开店。
你的已知数据：散布在城市里的10家店的销量数据。
你的目标：预测那些没有开店的区域（比如某个小区、某个商场门口）的销量大概是多少。
克里金插值，就是帮你完成这个预测的"超级算法"。它不是一个简单的平均，而是一个聪明的、考虑距离和空间规律的加权平均。
第二步：核心思想------"近的东西更相似"（空间自相关）
这是克里金插值的核心假设：距离越近的两家店，它们的销量应该越相似；距离越远，销量差异可能越大。
就像两家紧邻的奶茶店销量会差不多，但一个在市中心，一个在郊区，销量就可能天差地别。
那么，这个"相似度随距离如何变化"的规律，怎么找呢？
答案就是靠 "半变异函数"。
第三步：半变异函数 ------ 找到"距离与差异"的数学关系
我们来"发明"这个函数：
- 收集数据对：把你所有的奶茶店两两配对。
- 计算：
距离（h）：测量每一对店之间的直线距离。
差异值（γ）：计算这一对店销量的差异，公式是：差异值 = (销量1 - 销量2)² / 2。
画点：以距离（h） 为横轴，差异值（γ） 为纵轴，把每一对店的数据点画在图上。你会得到很多散点。
拟合曲线：画一条最能代表这些散点分布趋势的平滑曲线。这条曲线就是经验半变异函数。
这条曲线告诉了我们一个关于你奶茶生意的秘密：
- 开始阶段（近处）：曲线快速上升。说明即使距离很近，销量差异也可能不小（比如店开在马路两边，一边人多一边人少）。
- 平稳阶段：曲线上升到某个高度后，开始变得平缓，不再明显上升。
- 变程（Range）：曲线开始变平缓的那个距离点。这意味着，超过这个距离的两家店，它们的销量就没什么空间相关性了，和随便选两家店差不多。比如"变程=3公里"，意味着3公里以外的店对彼此销量预测基本没参考价值。
- 基台值（Sill）：曲线平缓时达到的高度。代表了数据的总体波动水平。
- 块金值（Nugget）：曲线在距离为0时与纵轴的截距。理论上距离为0差异应该为0，但现实中由于测量误差或微小尺度的剧烈变化（比如同个商场里不同位置的店销量也有差别），会导致一个初始差值。块金值越大，说明小范围的随机波动越强。
第四步：选择理论半变异函数模型（给规律套公式）
经验曲线是散点，我们需要用一个标准的数学公式（模型）来拟合它，才能用于计算。ArcGIS里常用的几个模型，就像不同形状的"尺子"：
-
球状模型
特点：线性增长，达到变程后突然变得完全平缓。
比喻：像爬一个坡，到顶后是一个平地。最常用，适用于大多数具有明确影响范围的现象（如污染物扩散、气温）。
什么时候选：当你数据的半变异函数在变程内增长比较均匀，到达变程后相关性迅速消失。
-
指数模型
特点：从原点开始以指数形式增长，逐渐逼近基台值，在数学上需要到无穷远才完全达到基台值。通常定义一个"有效变程"（达到基台值95%的距离）。
比喻：像一个永远在接近但很难完全到达天花板的过程。空间影响的范围没有绝对的边界，只是影响越来越弱。
什么时候选：当空间相关性随距离衰减得非常缓慢，没有绝对边界时。
-
高斯模型
特点：在原点附近呈抛物线形状（非常平缓），然后加速上升，最后逐渐平缓。
比喻：现象在非常近的范围内非常相似（曲线很平），然后差异性才开始显现。比如土壤中某种元素含量，一小片区域内可能很均匀，超出一定范围才变化。
什么时候选：当数据在短距离内具有高度的连续性、非常平滑时。
如何选择？黄金法则：
- 让软件自动拟合：这是最推荐新手使用的方法。在ArcGIS的克里金工具中，直接选择"最优"选项，软件会根据你的数据，自动计算并匹配最佳模型和参数。
- 手动比较：如果自动效果不好，你可以分别用这几个模型试一遍，然后看预测误差。重点关注：
均方根误差（RMSE）：越小越好。
平均标准误差（ASE）：越小越好。
标准平均值：越接近0越好。
RMSSE：最理想是接近1。>1表示低估了预测的不确定性，<1表示高估了。
选择那个让RMSE最小，且RMSSE最接近1的模型。
总结
把整个流程串起来，就像做一杯"空间预测奶茶"：
- 原料（你的数据）：散布在各处的奶茶店销量。
- 研究配方（半变异分析）：分析"距离"和"销量差异"的关系，找到"3公里以内有参考价值，3公里外不管用"的规律。
- 选择标准量具（选择模型）：
球状模型像有刻度的量杯，界限分明。
指数模型像一把有弹性的软尺，边界模糊。
高斯模型像一个漏斗，开始很细，变化慢。
不知道怎么选？让厨师长（软件）自动推荐一个最合适的！ - 制作奶茶（克里金插值）：预测一个新地点（如A小区）的销量时：
找出A小区附近3公里内的所有店。
根据它们各自的距离和我们找到的配方规律，给每家店的销量分配一个权重（近的权重大，远的权重小）。
用这个加权平均算出的值，作为A小区的预测销量。 - 品控报告（检验误差）：最后，算法还会告诉你这杯"预测奶茶"的可信度如何（Kriging方差），误差大不大。