GIS空间插值方法小结

IDW

基本思想是目标离观察点越近则权重越大,受该观察点的影响越大。好处是观察点本身是绝对准确的,而且可以限制插值点的个数。通过power可以确定最近原则对于结果影响的程度。Search radius可以控制插值点的个数。

克里金插值

克里金插值与IDW插值的区别在于权重的选择,IDW仅仅将距离的倒数作为权重,而克里金考虑到了空间相关性的问题。它首先将每两个点进行配对,这样就能产生一个自变量为两点之间距离的函数。对于这种方法,原始的输入点可能会发生变化。在数据点多时,结果更加可靠。时, 其内插的结果可信度较高。通过某种函数来模拟他们之间的关系,这样就能够得到空间分布的关系了。接着再用这种空间分布的关系来模拟出所得的数据。

Natural Neighbour

原理是构建voronoi多边形,也就是泰森多边形。首先将所有的空间点构建成voronoi多边形,然后将待求点也构建一个voronoi多边形,这样就与圆多边形有很多相交的地方,根据每一块的面积按比例设置权重,这样就能够求得待求点的值了。个人感觉这种空间插值方法没有实际的意义来支持。

样条函数插值spline

这种方法使用样条函数来对空间点进行插值,它有两个基本条件:

1.表面必须完全通过样本点

2.表面的二阶曲率是最小的。

下面是一篇论文里spline与IDW之间的比较:
从本文实验数据可以看出,IDW 插值主要受幂指数和各采样点属性值变化情况的影响,幂指数越高,其局部影响的程度越高,在IDW搜索半径内,若各个采样点属性值变化较小时,内插结果受幂指数的影响较小;Spline 插值主要受插值类型(Regularized 或Tension)和weight 值的影响,一般Regularize 插值结果比Tension插值结果光滑,在Regularized Spline 插值中,weight 值越高生成的表面越光滑,Tension Spline 插值则相反;总体来看,IDW和SPLINE 插值受采样点范围、采样点密度、采样点属性取值变化以及各自的参数影响,当采样点足够密时,使用IDW插值可以取得良好效果,SPLINE插值则适合那些空间连续变化且光滑的表面的生成。

Topo to Raster

这种方法是用于各种矢量数据的,特别是可以处理等高线数据

Trend

这种方法是用多项式拟合,虽然它不一定在局部很符合输入点,但是在总体上是非常符合的。由Polynominal order来确定多项式的级数,1表示平面,最高是12,这是最复杂的情况。

IDL使用XYOUTS生成图例 IDL采用CONGRID抽样数据

作者:,GIS爱好者。
分享本文,请您带上本文链接
分享到:

已有 4 条评论

  1. 疯狂野兔
    1#
    疯狂野兔  · 2013-11-03 00:06

    少年好技术!我的GIS都学软件开发去了,你这才是真GIS。

      1. Sailor
        Sailor  · 2013-11-03 16:41

        额,实在受之有愧,这也是copy的,我只用过IDW

  2. 大师兄
    2#
    大师兄  · 2013-11-10 18:53

    艾玛,好高端啊

      1. Sailor
        Sailor  · 2013-11-11 15:10

        嘿嘿~~~

发表评论