ArcGIS中几种空间插值方法
ArcGIS 中几种空间插值方法
1. 反距离加权法(IDW)
ArcGIS 中最常用的空间内插方法之一，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：
1111()
()n n
i
p p i i i i Z Z D D ===∑∑ 其中Z 是插值点估计值，Z i (i=1Λn)是实测样本值，n 为参与计算的实测样本数，D i 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.多项式法
多项式内插法(Polynomial Interpolation)是根据全部或局部已知值，按研究区域预测数据的某种特定趋势来进行内插的方法,属统计方法的范畴。在GA 模块中，有二种类型的多项式内插方法，即全局多项式内插和局部多项式内插。前者多用于分析数据的全局趋势；后者则是使用多个平面来拟合整个研究区域，能表现出区域内局部变异的情况。
3.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。
4.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”，可以描述象气压、高程及其它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。
对于普通克里格法，其一般公式为 01()()n
i i i Z x Z x λ==∑，其中，Z(x i )(i=1,
Λ,n)为n 个样本点的观测值，Z(x 0)为待定点值，i λ为权重，权重由克立格方程组：
011
(,)(,)1n
i i j i i n i i C x y C x x λμλ==?-=????=??∑∑ 决定，其中,C(x i ,x j )为测站样本点之间的协方差，C(x i ,x 0)为测站样本点与插值点之间的协方差，μ为拉格朗日乘子。
插值数据的空间结构特性由半变异函数描述，其表达式为：
()
21
1()(()())2()N h i i i h Z x Z x h N h ν==-+∑ 其中，N(h)为被距离区段分割的试验数据对数目，根据试验变异函数的特性，选
取适当的理论变异函数模型，根据试验半变异函数得到的试验变异函数图，从而确定出合理的变异函数理论模型。
克里格方法考虑了观测点和被估计点的位置关系，并且也考虑各观测点之间的相对位置关系，所以在点稀少时插值效果比反距离权重等其他方法要好。
一般而言，气象要素和高程之间是具有相关性的，气象要素会随着高程的变化而发生显著变化，所以经常应用引入高程信息的协同克里格方法。
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。
5.国外的进展
在气象气候学中，气象要素(如降水、温度、太阳辐射等)在空间尺度上连续分布的数据，对各类模型的研究有着重要意义，由于各种气象要素的观测台站分布是稀疏而不均匀的，在各个台站观测的点数据基础上，推算出空间面上气象要素的分布，空间插值方法是有力的工具。在气象上发展起来的PRISM插值方法和GIDS插值方法。
PRISM(Parameter-elevation Regressions on Independent Slopes Model)方法是由美国气象学家Christopher Daly提出的一种基于地理空间特征和回归统计方法生成气候图的插值模型。
GIDS(Gradient plusinverse distance squared, GIDS)梯度平方反比法是由Nalder等1998年提出的，它在距离权重的基础上考虑了气象要素随海拔和经纬向的梯度变化。两种方法在各种地区的气象要素插值中都得到了很好的运用。
6.总结
在实际应用中，没有绝对最好的空间插值方法，只有在特定的条件下，对于各种研究区域的实际情况的最佳方法。在运用空间插值方法时，要得到理想的空间插值效果，必须针对不同研究区域的实际情况，对实测数据样本点进行充分分析，反复试验比较来选择最佳的方法。最重要的是在运用一般插值方法的基础上，
依据自身需要及学科的特点，对插值方法进行改进以找到更优的空间插值方法。
THANKS !!!
致力为企业和个人提供合同协议，策划案计划书，学习课件等等
打造全网一站式需求
欢迎您的下载，资料仅供参考
arcgis空间内插教程(实例教程,超详细)
GIS空间插值（局部插值方法）实习记录 一、空间插值的概念和原理 当我们需要做一幅某个区域的专题地图，或是对该区域进行详细研究的时候，必须具备研究区任一点的属性值，也就是连续的属性值。但是，由于各种属性数据（如降水量、气温等）很难实施地面无缝观测，所以，我们能获取的往往是离散的属性数据。例如本例，我们现有一幅山东省等降雨量图，但是最终目标是得到山东省降水量专题图（覆盖全省，统计完成后，各地均具有自己的降雨量属性）。 空间插值是指利用研究区已知数据来估算未知数据的过程，即将离散点的测量数据转换为连续的数据曲面。利用空间插值，我们就可以通过离散的等降雨量线，来推算出山东省各地的降雨量了。 二、空间插值的几种方法及本次实习采用的原理和方法 –整体插值方法 ?边界内插方法 ?趋势面分析 ?变换函数插值 –局部分块插值方法 ?自然邻域法 ?移动平均插值方法：反距离权重插值 ?样条函数插值法（薄板样条和张力样条法） ?空间自协方差最佳插值方法：克里金插值 ■局部插值方法的控制点个数与控制点选择问题 局部插值方法用一组已知数据点（我们将其称为控制点）样本来估算待插值点（未知点）的值，因此控制点对该方法十分重要。 为此，第一要注意的是控制点的个数。控制点的个数与估算结果精确程度的关系取决于控制点的分布与待插值点的关系以及控制点的空间自相关程度。为了获取更精确的插值结果，我们需要着重考虑上述两点因素（横线所示）。 第二需要注意的是怎样选择控制点。一种方法是用离估算点最近的点作为控制点；另一种方法是通过半径来选择控制点，半径的大小必须根据控制点的分布来调整。 结合上述分析，在本次实习过程中，我们采用局部分块内插的这4种方法（上文中划横线的方法）进行插值，首先，我们按照默认参数进行插值，目的是粗略比较各种方法的优劣；然后选择出最好的一种方法，对该方法再尝试用不同的权重和点数参数来插值，得出最佳的效果。 三、目标 1、根据带坐标的山东省县域矢量地图（sd_county.shp），完成山东年平均降水量与矢量图的
arcgis栅格数据空间分析实验报告
实验五栅格数据的空间分析 一、实验目的 理解空间插值的原理，掌握几种常用的空间差值分析方法。 二、实验内容 根据某月的降水量，分别采用IDW、Spline、Kriging方法进行空间插值，生成中国陆地范围内的降水表面，并比较各种方法所得结果之间的差异，制作降水分布图。 三、实验原理与方法 实验原理：空间插值是利用已知点的数据来估算其他临近未知点的数据的过程，通常用于将离散点数据转换生成连续的栅格表面。常用的空间插值方法有反距离权重插值法（IDW）、 样条插值法（Spline）和克里格插值方法（Kriging）。 实验方法：分别采用IDW、Spline、Kriging方法对全国各气象站点1980年某月的降水量进行空间插值生成连续的降水表面数据，分析其差异，并制作降水分布图。 四、实验步骤 ⑴打开arcmap，加载降水数据，行政区划数据，城市数据，河流数据，并进行符号化， 对行政区划数据中的多边形取消颜色填充 ⑵点击空间分析工具spatial analyst→options，在general标签中将工作空间设置为实验数据所在的文件夹
⑶点击spatial analyst→interpolate to raster→inverse distance weighted，在input points 下拉框中输入rain1980，z字段选择rain，像元大小设置为10000 点击空间分析工具spatial analyst→options，在extent标签中将分析范围设置与行政区划一致，点击spatial analyst→interpolate to raster→inverse distance weighted，在input points下拉框中输入rain1980，z字段选择rain，像元大小设置为10000 点击空间分析工具spatial analyst→options在general标签中选province作为分析掩膜，点击spatial analyst→interpolate to raster→inverse distance weighted，在input points下拉框中输入rain1980，z字段选择rain，像元大小设置为10000
空间插值方法汇总
空间插值方法汇总 Inverse Distance to a Power（反距离加权插值法） Kriging（克里金插值法） Minimum Curvature（最小曲率） Modified Shepard's Method（改进谢别德法） Natural Neighbor（自然邻点插值法） Nearest Neighbor（最近邻点插值法） Polynomial Regression（多元回归法） Radial Basis Function（径向基函数法） Triangulation with Linear Interpolation（线性插值三角网法） Moving Average（移动平均法） Local Polynomial（局部多项式法） 1、距离倒数乘方法 距离倒数乘方格网化方法是一个加权平均插值法，可以进行确切的或者圆滑的方式插值。方次参数控制着权系数如何随着离开一个格网结点距离的增加而下降。对于一个较大的方次，较近的数据点被给定一个较高的权重份额，对于一个较小的方次，权重比较均匀地分配给各数据点。计算一个格网结点时给予一个特定数据点的权值与指定方次的从结点到观测点的该结点被赋予距离倒数成比例。当计算一个格网结点时，配给的权重是一个分数，所有权重的总和等于1.0。当一个观测点与一个格网结点重合时，该观测点被给予一个实际为 1.0 的权重，所有其它观测点被给予一个几乎为 0.0 的权重。换言之，该结点被赋给与观测点一致的值。这就是一个准确插值。距离倒数法的特征之一是要在格网区域内产生围绕观测点位置的"牛眼"。用距离倒数格网化时可以指定一个圆滑参数。大于零的圆滑参数保证，对于一个特定的结点，没有哪个观测点被赋予全部的权值，即使观测点与该结点重合也是如此。圆滑参数通过修匀已被插值的格网来降低"牛眼"影响。 2、克里金法 克里金法是一种在许多领域都很有用的地质统计格网化方法。克里金法试图那样表示隐含在你的数据中的趋势，例如，高点会是沿一个脊连接，而不是被牛眼形等值线所孤立。克里金法中包含了几个因子：变化图模型，漂移类型和矿块效应。 3、最小曲率法 最小曲率法广泛用于地球科学。用最小曲率法生成的插值面类似于一个通过各个数据值的，具有最小弯曲量的长条形薄弹性片。最小曲率法，试图在尽可能严格地尊重数据的同时，生成尽可能圆滑的曲面。使用最小曲率法时要涉及到两个参数：最大残差参数和最大循环次数参数来控制最小曲率的收敛标准。 4、多元回归法 多元回归被用来确定你的数据的大规模的趋势和图案。你可以用几个选项来确定你需要的趋势面类型。多元回归实际上不是插值器，因为它并不试图预测未知的 Z 值。它实际上是一个趋势面分析作图程序。使用多元回归法时要涉及到曲
空间插值算法汇总
空间插值算法： 1、距离倒数乘方法 (Inverse Distanee to a Power ) 距离倒数乘方格网 化方法是一个加权平均插值法，可以进行确切的或者圆滑的方式插值。方次参数控制着权系数如何随着离开一个格网结点距离的增加而下降。对于 一个较大的方次，较近的数据点被给定一个较高的权重份额，对于一个较小的方次，权重比较均匀地分配给各数据点。计算一个格网结点时给予一个特定数据点的权值与指定方次的从结点到观测点的该结点被赋予距离倒数成比例。当计算一个格网结点时，配给的权重是一个分数，所有权重的总和等于1.0。当一个观测点与一个格网结点重合时，该观测点被给予一个实际为1.0的权重，所有其它观测点被给予一个几乎为0.0的权重。换 言之，该结点被赋给与观测点一致的值。这就是一个准确插值。距离倒数法的特征之一是要在格网区域内产生围绕观测点位置的"牛眼"。用距离倒 数格网化时可以指定一个圆滑参数。大于零的圆滑参数保证，对于一个特定的结点，没有哪个观测点被赋予全部的权值，即使观测点与该结点重合也是如此。圆滑参数通过修匀已被插值的格网来降低"牛眼"影响。 2、克里金法 (Kriging)克里金法是一种在许多领域都很有用的地质统计格网化方法。克里金法试图那样表示隐含在你的数据中的趋势，例如，高点会是沿一个脊连接，而不是被牛眼形等值线所孤立。克里金法中包含了几个因子：变化图模型，漂移类型和矿块效应。 3、最小曲率法 (Minimum Curvature )最小曲率法广泛用于地球科学。 用最小曲率法生成的插值面类似于一个通过各个数据值的，具有最小弯曲量的
长条形薄弹性片。最小曲率法，试图在尽可能严格地尊重数据的同时生成尽可能圆滑的曲面。使用最小曲率法时要涉及到两个参数：最大残差参数和最大循环次数参数来控制最小曲率的收敛标准 4、多元回归法(Polynomial Regression )多元回归被用来确定你的数据 的大规模的趋势和图案。你可以用几个选项来确定你需要的趋势面类型。 多元回归实际上不是插值器，因为它并不试图预测未知的Z值。它实际上是一个趋势面分析作图程序。使用多元回归法时要涉及到曲面定义和指定XY的最高方次设置，曲面定义是选择采用的数据的多项式类型，这些类型分别是简单平面、双线性鞍、二次曲面、三次曲面和用户定义的多项式。参数设置是指定多项式方程中X和Y 组元的最高方次。 5、径向基本函数法 (Radial Basis Function )径向基本函数法是多个数据 插值方法的组合。根据适应你的数据和生成一个圆滑曲面的能力，其中的 复二次函数被许多人认为是最好的方法。所有径向基本函数法都是准确的插值器，它们都要为尊重你的数据而努力。为了试图生成一个更圆滑的曲面，对所有这些方法你都可以引入一个圆滑系数。你可以指定的函数类似于克里金中的变化图。当对一个格网结点插值时，这些个函数给数据点规定了一套最佳权重。 6谢别德法(Shepard's Method )谢别德法使用距离倒数加权的最小 乘方的方法。因此，它与距离倒数乘方插值器相似，但它利用了局部最小二乘方来消除或减少所生成等值线的"牛眼"外观。谢别德法可以是一个准确或圆滑插值器。在用谢别德法作为格网化方法时要涉及到圆滑参数的设置。圆滑参数是使谢别德法能够象一个圆滑插值器那样工作。当你增加圆滑参数的值时，圆滑的效果越好。
两种空间插值方法的比较研究
两种空间插值方法的比较研究 摘要：距离倒数加权法算法简单，容易实现，适合分布较均匀的采样点集，但容易出现“牛眼”现象；克里金法是一种无偏最优估计法，精度较高，适合空间自相关程度高的数据，但其算法复杂，实现较难。这两种 方法各有其适用情形，本文比较了这两种方法的优劣并提出算法优化的思路。 关键字：距离倒数加权，克里金，优化 1引言 空间插值是根据一组已知的离散数据或分区数据，按照某种假设推求出其他未知点或未知区域的数据的过程，简单的说就是由已知空间特性推求未知空间特性。它是地学研究中的基本问题，也是GIS 数据处理的重要内容。在利用GIS 处理空间数据的过程中，需要进行空间插值的场合很多，如采样密度不够、采样分布不合理、采样存在空白区、等值线的自动绘制、数字高程模型的建立、区域边界分析、曲线光滑处理、空间趋势预测、采样结果的2.5维可视化等[1]。通过归纳，空间插值可以简化为以下三种情形：（1）现有离散曲面的分辨率、像元大小或方向与所要求的不符，需要重新插值。例如将一个扫描影像（航空像片、遥感影像）从一种分辨率或方向转换为另一种分辨率或方向的影像。（2）现有连续曲面的数据模型与所需的数据模型不符，需要重新插值。如将一个连续曲面从一种空间切分方式变为另一种空间切分方式，从TIN 到栅格、栅格到TIN 或矢量多边形到栅格。（3）现有数据不能完全覆盖所要求的区域范围，需要插值。如将离散的采样点数据内插为连续的数据表面[2]。。 现有的空间插值方法多种多样，但每一种方法都有其适用情形和无法避免的缺陷，本文分析了距离倒数加权法和克里金法的插值结果，并提出改进的思路。 2方法 距离倒数加权法和克里金法都是建立在地理学第一定律之上的，即：空间距离越近，地理事物的相似性越大[3]。它们都是通过确定待插点周围采样点的权重来求取待插点的估计值，可统一表示。设n x x ,,1 为区域上的一系列观测点，)(,),(1n x Z x Z 为相应的观测值。待插点0x 处的值)(0x Z 可采用一个线性组合来估计： ∑==n i i i x Z x Z 10)()(λ （1）
ArcGIS中几种空间插值方法
ArcGIS 中几种空间插值方法 1. 反距离加权法(IDW) ArcGIS 中最常用的空间内插方法之一，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： 1111() ()n n i p p i i i i Z Z D D ===∑∑ 其中Z 是插值点估计值，Z i (i=1Λn)是实测样本值，n 为参与计算的实测样本数，D i 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.多项式法 多项式内插法(Polynomial Interpolation)是根据全部或局部已知值，按研究区域预测数据的某种特定趋势来进行内插的方法,属统计方法的范畴。在GA 模块中，有二种类型的多项式内插方法，即全局多项式内插和局部多项式内插。前者多用于分析数据的全局趋势；后者则是使用多个平面来拟合整个研究区域，能表现出区域内局部变异的情况。 3.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。 4.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”，可以描述象气压、高程及其它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。 对于普通克里格法，其一般公式为 01()()n i i i Z x Z x λ==∑，其中，Z(x i )(i=1, Λ,n)为n 个样本点的观测值，Z(x 0)为待定点值，i λ为权重，权重由克立格方程组： 011 (,)(,)1n i i j i i n i i C x y C x x λμλ==?-=????=??∑∑ 决定，其中,C(x i ,x j )为测站样本点之间的协方差，C(x i ,x 0)为测站样本点与插值点之间的协方差，μ为拉格朗日乘子。 插值数据的空间结构特性由半变异函数描述，其表达式为： () 21 1()(()())2()N h i i i h Z x Z x h N h ν==-+∑ 其中，N(h)为被距离区段分割的试验数据对数目，根据试验变异函数的特性，选
空间插值算法汇总
空间插值算法： 1、距离倒数乘方法（Inverse Distance to a Power）距离倒数乘方格网化方法是一个加权平均插值法，可以进行确切的或者圆滑的方式插值。方次参数控制着权系数如何随着离开一个格网结点距离的增加而下降。对于一个较大的方次，较近的数据点被给定一个较高的权重份额，对于一个较小的方次，权重比较均匀地分配给各数据点。计算一个格网结点时给予一个特定数据点的权值与指定方次的从结点到观测点的该结点被赋予距离倒数成比例。当计算一个格网结点时，配给的权重是一个分数，所有权重的总和等于1.0。当一个观测点与一个格网结点重合时，该观测点被给予一个实际为 1.0 的权重，所有其它观测点被给予一个几乎为0.0 的权重。换言之，该结点被赋给与观测点一致的值。这就是一个准确插值。距离倒数法的特征之一是要在格网区域内产生围绕观测点位置的"牛眼"。用距离倒数格网化时可以指定一个圆滑参数。大于零的圆滑参数保证，对于一个特定的结点，没有哪个观测点被赋予全部的权值，即使观测点与该结点重合也是如此。圆滑参数通过修匀已被插值的格网来降低"牛眼"影响。 2、克里金法（Kriging）克里金法是一种在许多领域都很有用的地质统计格网化方法。克里金法试图那样表示隐含在你的数据中的趋势，例如，高点会是沿一个脊连接，而不是被牛眼形等值线所孤立。克里金法中包含了几个因子：变化图模型，漂移类型和矿块效应。 3、最小曲率法（Minimum Curvature）最小曲率法广泛用于地球科学。用最小曲率法生成的插值面类似于一个通过各个数据值的，具有最小弯曲量的长条形薄弹性片。最小曲率法，试图在尽可能严格地尊重数据的同时，生成尽可能圆滑的曲面。使用最小曲率法时要涉及到两个参数：最大残差参数和最大循环次数参数来控制最小曲率的收敛标准。 4、多元回归法（Polynomial Regression）多元回归被用来确定你的数据的大规模的趋势和图案。你可以用几个选项来确定你需要的趋势面类型。多元回
gis基于点空间插值操作步骤
首先，加载miyunwater.jpg文件，因为jpg文件缺乏空间信息，需要对其进行空间配准。在菜单栏点右键加载Georeferencing工具栏，如下图。 在地图的经纬度交叉点点击右键输入地理坐标，经度为X,纬度为Y。 一般输入十几个点的坐标，当残差小于一定值就满足要求。由于作业对空间信息的要求不高，没必要添加那么多，添加适当的点就行，如下图。（添加点的数目根据具体情况而定） 配准完成之后，对地图进行数字化，即建立水库的shapefile文件。打开ArcCatalog，点右键新建一个shapefile，注意需要定义坐标系，选在地理坐标中选Beijing 1954.prj。
Shp文件建立之后，添加到数据层中，打开editor工具，开始编辑。
选取草图工具，勾勒出密云水库的边界，最后画完后，切记要保存编辑，如下图。 然后再加载sampledata.xls，操作如下图，同样注意经度为X，纬度为Y，定义坐标系为beijing1954.prj，如下下图。
稍后将加载的点导成shp文件，如下图。
前一步的结果如下图，然后对两个shp文件定义投影坐标（这步可有可无，对插值结果无影响，具体方法是用project命令，选取投影坐标系高斯克里格，如果选用6度带，就是20带）。
定义好投影坐标之后即可对数据进行空间插值，首先需要加载Spatial Analyst工具栏如下图。完成这步需要之前在tools-extension选项里勾选上Spatial Analyst。 进行插值之前，需要设置空间分析的范围。点options选项，在extent里设置，因为是基于水库插值，所以设置same as layer “密云水库_project”。
克里格插值基础arcgis
克里格插值基础 来源：互联网 1. 克里格方法概述 克里格方法（Kriging）又称空间局部插值法，是以变异函数理论和结构分析为基础， 在有限区域内对区域化变量进行无偏最优估计的一种方法，是地统计学的主要内容之一。南非矿产工程师D.R.Krige（1951年）在寻找金矿时首次运用这种方法，法国著名统计学家G.Matheron随后将该方法理论化、系统化，并命名为Kriging，即克里格方法。 克里格方法的适用范围为区域化变量存在空间相关性，即如果变异函数和结构分析的结果表明区域化变量存在空间相关性，则可以利用克里格方法进行内插或外推；否则，是不可行的。其实质是利用区域化变量的原始数据和变异函数的结构特点，对未知样点进行线性无偏、最优估计。无偏是指偏差的数学期望为0，最优是指估计值与实际值之差的平方和最小。也就是说，克里格方法是根据未知样点有限邻域内的若干已知样本点数据，在考虑了样本点的形状、大小和空间方位，与未知样点的相互空间位置关系，以及变异函数提供的结构信息之后，对未知样点进行的一种线性无偏最优估计。 克里格方法与反距离权插值方法类似的是，两者都通过对已知样本点赋权重来求得未知样点的值，可统一表示为： 式中，Z(x 0 )为未知样点的值，Z(x i )为未知样点周围的已知样本点的值，为第i个已知样本点对未知样点的权重，n为已知样本点的个数。 不同的是，在赋权重时，反距离权插值方法只考虑已知样本点与未知样点的距离远近，而克里格方法不仅考虑距离，而且通过变异函数和结构分析，考虑了已知样本点的空间分布及与未知样点的空间方位关系。 2. 克里格方法的具体步骤 用克里格方法进行插值的主要步骤如图1所示：
空间插值
EX07：空间插值 本实验包含3个任务，任务1是进行趋势面分析（Trend surface analysis）；任务2使用IDW方法进行局部插值；任务3使用普通克里格（Ordinary kriging）方法进行插值。上述任务都可以在地统计分析（Geostatistical analyst）中进行空间插值，此时可以使用交叉有效性统计（如均方根统计）进行模型比较。地统计分析提供了比空间分析（Spatial Analyst）及ArcToolbox中插值工具更多信息及更好的用户界面。 任务1：趋势面模型用于插值 所需数据：stations.shp，包含Idaho州内及附近175个气象站的shapefile；idoutlgd，Idaho 州边界栅格文件。 在任务1中，在进行趋势面分析之前，首先查看stations.shp中的平均年度降水量数据。本任务中7、8、9等步骤涉及到栅格数据运算，为选作内容。 1.运行ArcCatalog，连接到EX07文件夹。运行ArcMap，将数据框架命名为Task1，将 stations.shp和idoutlgd添加到Task1。确保Geostatistical analyst和Spatial Analyst在Tools 菜单下的Extensions中的复选框被设置，且相应的工具条在程序中显示出来。 2.单击Geostatistical analyst中的下拉键头，指向Explorer Data，选择Trend Analysis。在 Trend Analysis对话框的底部，选择数据源的Layer为stations.shp，Attribute为ANN_PREC。 3.将Trend Analysis对话框最大化。对话框中的3D图表达了两种趋势信息：在YZ平面 中由北向南倾斜，在XZ平面中先表现为由西向东倾斜，而后些微上升。南北方向的趋势比东西方向趋势更为明显，即Idaho州降水量由北向南递减。关闭对话框。 4.单击Geostatistical analyst中的下拉键头，选择Geostatistical Wizard。在第1页中进行输 入数据和地统计方法的选择。单击Input Data下拉键头，选择stations。将Attribute选择为ANN_PREC。在Methods框架中，选择Global Polynomial Interpolation。 5.在下一页可以选择趋势面模型采用的阶数（Power）。在Power列表中提供了1-10的选 择。选择1作为阶数。下一页绘制了预测值与观测值、误差与观测值之间的分布图及一次趋势面模型相关统计。RMS是对趋势面模型综合符合度的一种衡量，在此起数值为 6.073。按Back返回且将阶数设置为2，此时RMS变为6.085。重复调整阶数，选择具 有最小RMS数值的趋势面模型即为本本任务最佳综合模型。对于ANN_PREC，最佳阶数设置为5。将阶数设置为5后单击Finish。在Output Layer Information对话框单击OK。Q1：当阶数为5时，RMS统计值是多少？ 6.Geostatistical analyst（GA）的输出为Global Polynomial Interpolation Prediction Map，与 stations具有相同的范围。在Global Polynomial Interpolation Prediction Map上单击右键选择Properties，在Symbology页包含4个显示选项：山体阴影（Hillshade）、等高线（Contours）、栅格（Grid）和填充等高线（Filled Contours），选择Filled Contours后单击分类（Classify）。在分类对话框中，选择手工分类，将其分为7类并将分类线设置为 10、15、20、25、30和35。单击OK关闭对话框。等高线（等雨量线）用不同色彩作 分类。 7.要将Global Polynomial Interpolation Prediction Map裁剪至与Idaho州边界相符，首先将 GA数据转化为栅格数据。在Global Polynomial Interpolation Prediction Map上单击右键，指向Data，选择Export to Raster，在弹出的对话框中，设置单元大小为200（米），并将输出命名为trend5_temp。单击OK进行数据输出。将trend5_temp添加到地图，检查trend5_temp中位于州边界外部的数值。
arcgis空间内插值教程
GIS空间插值（局部插值方法）实习记录一、空间插值的概念和原理 当我们需要做一幅某个区域的专题地图，或是对该区域进行详细研究的时候，必须具备研究区任一点的属性值，也就是连续的属性值。但是，由于各种属性数据（如降水量、气温等）很难实施地面无缝观测，所以，我们能获取的往往是离散的属性数据。例如本例，我们现有一幅山东省等降雨量图，但是最终目标是得到山东省降水量专题图（覆盖全省，统计完成后，各地均具有自己的降雨量属性）。 空间插值是指利用研究区已知数据来估算未知数据的过程，即将离散点的测量数据转换为连续的数据曲面。利用空间插值，我们就可以通过离散的等降雨量线，来推算出山东省各地的降雨量了。 二、空间插值的几种方法及本次实习采用的原理和方法 –整体插值方法 ?边界内插方法 ?趋势面分析 ?变换函数插值 –局部分块插值方法 ?自然邻域法 ?移动平均插值方法：反距离权重插值 ?样条函数插值法（薄板样条和张力样条法） ?空间自协方差最佳插值方法：克里金插值 ■局部插值方法的控制点个数与控制点选择问题 局部插值方法用一组已知数据点（我们将其称为控制点）样本来估算待插值点（未知点）的值，因此控制点对该方法十分重要。 为此，第一要注意的是控制点的个数。控制点的个数与估算结果精确程度的关系取决于控制点的分布与待插值点的关系以及控制点的空间自相关程度。为了获取更精确的插值结果，我们需要着重考虑上述两点因素（横线所示）。 第二需要注意的是怎样选择控制点。一种方法是用离估算点最近的点作为控制点；另一种方法是通过半径来选择控制点，半径的大小必须根据控制点的分布来调整。 S6、按照不同方法进行空间插值，并比较各自优劣 打开ArcToolbox——Spatial Analyst 工具——插值，打开插值方法列表，如下图：A、采用反距离权重法（IDW）对降水量数据进行插值： 反距离权重法的特点是按照距离待插值点的远近核定已知数据点的权重，从而对待插值点进行插值的过程。一个已知数据点距离待插值点越远，权重就越低，它的值对待插值点的影响就越小。影响的程度用点之间距离乘方的倒数表示，通过“power”设置乘方。乘方为1意味着点之间数值变化率为恒定，称为线性插值法；乘方为2或更高则意味着越靠近已知点，数值的变化率越大。 这种插值方法的优点是对于数据分布均匀的区域，插值效果好；缺点是在数据分布不均地区插值容易出现小的封闭等值线（“球状突起”）和因数据缺乏而产生的不规则等值线。 双击ArcToolbox里面的“反距离权重法”，输入点要素选择“prec”，Z值字段选择“prec”，输出像元大小选择1000。点击确定，效果如下图：
ArcGIS中的空间插值和面积计算
说明:本文阐述了空间插值和污染面积估算的方法，供群内交流学习用，若要用于商业用途或转载，请与原作者联系。本文若有不正确之处，敬请指出！ 一、空间插值 插值方法种类很多，每种插值方法里参数也很多，至于哪种最好，没有定论，只能根据需求以及制图的效果来选定。建议：插值效果图与网格图进行对比，哪种效果最接近网格图（能体现局部）而且又能反映整体趋势就取哪种。 1.1、 1.2、以“反距离权重法，1次方”为例：
请问：此处有可选smooth ，可以做进行平滑处理吗？ 可以，但精度会受到影响，看平滑后的效果来决定是否进行平滑处理。建议不做
3、扩展研究区域 4、至此可以制作分层设色图filled contours/等值线图contours 为减少误差，还可以对分级进行设置 请问：此处分级该如何设置？有无相应依据？ 含量图主要根据百分含量，如果作图效果不好，适当调整 评价图根据污染等级
5、这是采用“反距离权重法，1次方”来插值的。 可选用“局部多项式”或“普通克里格插值”方法来试试，看哪种和网格分级图更接近些。但无论哪种方法聚类误差可能都较大，一部分高值可能被掩盖。 二、下面转成栅格图层再进行分层设色图制作，这样精度较高，且图层可用来进行面积估算 2.1、导出成栅格图层
2.2、设置格网大小，一般在50到100左右(本次都设为100)
（2.3和2.4均非必要步骤，只是为了另外的处理或制图的美观性。如果是为了制图的美观性有可能这两个步骤会弄巧成拙，是否须要请根据具体需要和效果来定） 2.3、并可对栅格图层重分类，生成新的栅格图层如（ah_cd）
ArcGIS_6 克里格方法内插生成高程曲面
???д6?????????????? 1ˊ?? ???????????????????????????????????????ˊ???????? 2ˊ?? ?????Ё???????????????????ˊ?????????????д?c????ˊ??????????ˊ?????????????Ё?????3ˊ?? ??????????????????????????????????????????г??????????????????????????????4ˊ?? ??????????jyg.shp?? 5ˊ???? 1??ArcMapЁ??jyg.shp? 2??????????????Geostatistical Analyst? 3???Geostatistical Analyst??????????Create Subsets??? 4????????Ё?Input?-???????▊???jyp???Next???5??????????▊????▊?????Output Personal GeodatabaseЁ???▊?????????????????6-1?? ?6-1 ?????▊???????? 6????Ёjyg_training??????Geostatistical Analyst?????????Explore DataЁ?Histogram??????Geostatistical Analyst?????????Explore Data Ё?Normal QQPlot?????????6-2?????6-2?????????????????????????????
常见插值方法及其的介绍
常见插值方法及其介绍 Inverse Distance to a Power（反距离加权 插值法）”、 “Kriging（克里金插值法）”、 “Minimum Curvature（最小曲率)”、 “Modified Shepard's Method（改进别德法）”、 “Natural Neighbor（自然邻点插值法）”、 “Nearest Neighbor（最近邻点插值法）”、 “Polynomial Regression（多元回归法）”、 “Radial Basis Function（径向基函数法）”、 “Triangulation with Linear Interpolation（线性插值三角网法）”、 “Moving Average（移动平均法）”、 “Local Polynomial（局部多项式法）” 1、距离倒数乘方法 距离倒数乘方格网化方法是一个加权平均插值法，可以进行确切的或者圆滑的方式插值。方次参数 控制着权系数如何随着离开一个格网结点距离的增加而下降。对于一个较大的方次，较近的数据点被 给定一个较高的权重份额，对于一个较小的方次，权重比较均匀地分配给各数据点。 计算一个格网结点时给予一个特定数据点的权值与指定方次的从结点到观测点的该结点被赋予距 离倒数成比例。当计算一个格网结点时，配给的权重是一个分数，所有权重的总和等于1.0。当一个 观测点与一个格网结点重合时，该观测点被给予一个实际为 1.0 的权重，所有其它观测点
被给予一 个几乎为0.0 的权重。换言之，该结点被赋给与观测点一致的值。这就是一个准确插值。 距离倒数法的特征之一是要在格网区域产生围绕观测点位置的"牛眼"。用距离倒数格网化时可 以指定一个圆滑参数。大于零的圆滑参数保证，对于一个特定的结点，没有哪个观测点被赋予全部的 权值，即使观测点与该结点重合也是如此。圆滑参数通过修匀已被插值的格网来降低"牛眼"影响。 2、克里金法 克里金法是一种在许多领域都很有用的地质统计格网化方法。克里金法试图那样表示隐含在你的数 据中的趋势，例如，高点会是沿一个脊连接，而不是被牛眼形等值线所孤立。 克里金法中包含了几个因子：变化图模型，漂移类型和矿块效应。 3、最小曲率法 最小曲率法广泛用于地球科学。用最小曲率法生成的插值面类似于一个通过各个数据值的，具有最 小弯曲量的长条形薄弹性片。最小曲率法，试图在尽可能严格地尊重数据的同时，生成尽可能圆滑的 曲面。 使用最小曲率法时要涉及到两个参数：最大残差参数和最大循环次数参数来控制最小曲率的收敛 标准。 4、多元回归法 多元回归被用来确定你的数据的大规模的趋势和图案。你可以用几个选项来确定你需要的趋势面类 型。多元回归实际上不是插值器，因为它并不试图预测未知的Z 值。它实际上是一个趋势面分析作
空间插值方法
空间插值方法 1.反距离权重插值：通过与样本点距离大小赋予权重，距离近的样本点被赋予较大的权重， 受该样本点的影响越大，同时可以限制插值点的个数、范围，通过幂值来决定样本点对插值点的影响程度，灵活性大，准确性高，但不太适用规则排列的插值点 2.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。使用克里金插值需确定半变异函数的类型、步长、步数。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。该插值方法对规则排列、较密集的点插值较适用，而离散的插值点则需进行多次调试才可达到较为理想的效果 3.自然邻域插值: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。 该方法不是通过数据模型来进行插值，不需要设置多于的参数，简便但不灵活，不适合离散点进行插值，因为会形成不规则插值边界，但插值结果相对符合实际数值、准确，适合规则排列、较密集的点插值。 4.样条函数插值：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。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；适合那些空间连续变化且光滑的表面的生成。该方法虽可生成平滑的插值结果，但其结果会在原有样点值进行数值延伸，产生于实际不符的结果，不建议一般插值使用。 5.径向基函数：包括：薄板样条函数、张力样条函数、规则样条函数、高次曲面函数、反 高次曲面函数。作为精确插值器，RBF方法不同于全局和局部多项式插值器，它们都不是精确插值器（不要求表面穿过测量点）。比较RBF和IDW（也是精确插值器）来看，IDW 从不预测大于最大测量值或小于最小测量值的值，RB用于根据大量数据点生成平滑表面。 这些函数可为平缓变化的表面（如高程）生成很好的结果。但在表面值在短距离内出现剧烈变化和/或怀疑样本值很可能有测量误差或不确定性时，这些方法不适用，且该方法插值过程需要一定时间，不能快速得到插值结果。
surfer插值法介绍
在科学计算领域中，空间插值是一类常用的重要算法，很多相关软件都内置该算法，其中GodenSoftware 公司的Surfer软件具有很强的代表性，内置有比较全面的空间插值算法，主要包括： Inverse Distance to a Power（反距离加权插值法） Kriging（克里金插值法） Minimum Curvature（最小曲率） Modified Shepard's Method（改进谢别德法） Natural Neighbor（自然邻点插值法） Nearest Neighbor（最近邻点插值法） Polynomial Regression（多元回归法） Radial Basis Function（径向基函数法） Triangulation with Linear Interpolation（线性插值三角网法） Moving Average（移动平均法） Local Polynomial（局部多项式法） 下面简单说明不同算法的特点。 1、距离倒数乘方法 距离倒数乘方格网化方法是一个加权平均插值法，可以进行确切的或者圆滑的方式插值。方次参数控制着权系数如何随着离开一个格网结点距离的增加而下降。对于一个较大的方次，较近的数据点被给定一个较高的权重份额，对于一个较小的方次，权重比较均匀地分配给各数据点。计算一个格网结点时给予一个特定数据点的权值与指定方次的从结点到观测点的该结点被赋予距离倒数成比例。当计算一个格网结点时，配给的权重是一个分数，所有权重的总和等于1.0。当一个观测点与一个格网结点重合时，该观测点被给予一个实际为1.0 的权重，所有其它观测点被给予一个几乎为0.0 的权重。换言之，该结点被赋给与观测点一致的值。这就是一个准确插值。距离倒数法的特征之一是要在格网区域内产生围绕观测点位置的"牛眼"。用距离倒数格网化时可以指定一个圆滑参数。大于零的圆滑参数保证，对于一个特定的结点，没有哪个观测点被赋予全部的权值，即使观测点与该结点重合也是如此。圆滑参数通过修匀已被插值的格网来降低"牛眼"影响。 2、克里金法 克里金法是一种在许多领域都很有用的地质统计格网化方法。克里金法试图那样表示隐含在你的数据中的趋势，例如，高点会是沿一个脊连接，而不是被牛眼形等值线所孤立。克里金法中包含了几个因子：变化图模型，漂移类型和矿块效应。 3、最小曲率法 最小曲率法广泛用于地球科学。用最小曲率法生成的插值面类似于一个通过各个数据值的，具有最小弯曲量的长条形薄弹性片。最小曲率法，试图在尽可能严格地尊重数据的同时，生成尽可能圆滑的曲面。使用最小曲率法时要涉及到两个参数：最大残差参数和最大循环次数参数来控制最小曲率的收敛标准。 4、多元回归法 多元回归被用来确定你的数据的大规模的趋势和图案。你可以用几个选项来确定你需要的趋势面类型。多元回归实际上不是插值器，因为它并不试图预测未知的Z 值。它实际上是一个趋势面分析作图程序。使用多元回归法时要涉及到曲面定义和指定XY的最高方次设置，曲面定义是选择采用的数据的多项式类型，这些类型分别是简单平面、双线性鞍、二次曲面、三次曲面和用户定义的多项式。参数设置是指定多项式方程中X 和Y组元的最高方次。5、径向基本函数法 径向基本函数法是多个数据插值方法的组合。根据适应你的数据和生成一个圆滑曲面的能力，
ARCGIS重金属污染空间插值详细操作步骤
具体操作过程： 1、数据准备：将高斯点gaosidian35.xls另存为dbf格式，将重金属含量点也另存dbf； 2、导入数据：启动ArcMAP——Tools菜单——Add XY Data——导入高斯点和重金属点— —最好导入数据后，右击gaosidian35——Data——Export Data保存一下； Ps：安丘市地理坐标：东经118°44′10〃～119°27′10〃，北纬36°4′50〃～36°38′5〃，可以点击Edit按钮设置Coordinate System——Select高斯投影（Projected Coordinate Systems\Gauss Kruger\Beijing 1954目录中20N带），也可以不管； 3、属性链接：右击高斯点——Joins and Relations——Join（注意选两表中的公共字段如fid 才可以连接）； 4、保存链接属性：右击链接后的高斯点——Data——Export保存——打开属性表查看链接 上了cr（镉）pb（铅）hg（汞）属性——start editing——stop editing，为了保存一下连接后的属性，否则只是显示属性连接，下次打开连接的属性可能不存在了； 5、添加安丘市范围xiangzhenjie.shp文件； 6、反距离加权IDW插值操作：工具箱——spatial analyst tools——interpolation——IDW、 Kriging、Natural Neighbor、Spline插值方法——需要插值的z value可以选铅镉汞——注意环境设置——output extent:选安丘市的范围shp——点OK就生成了栅格的插值结果图； 7、把安丘市的shp矢量转栅格——工具箱Conversion——to Raster——Features to Raster； 8、在工具栏空白处右击——添加spatial analyst工具条； 9、重分类：reclassify——点击classify——equal interval——分成1类（安丘市内为1，外 为no data，相当0）——OK； 10、栅格运算，把安丘市外的（0）裁剪掉：Raster calculator ——将重分类后的安丘栅 格图*插值后的重金属分布结果图——OK； 11、Layout 出图：制图修饰，右击安丘市xiangzhenqie图层——Lable Features，显示 各乡镇名——View——Layout——添加图名，制图人、时间，图例（重金属单位mg\kg），修改比例尺上的注记等，也可在Insert——新Data Frame，添加上安丘市在山东省的位置缩略图； 12、制图输出：File——Export Map—设置JPG格式及分辨率300pi——大功告成啦~