arcgis中七种插值方法的对比分析

arcgis软件

电脑

反距离权重 (IDW) 插值使用一组采样点的线性权重组合来确定像元值。权重是一种反距离函数。进行插值处理的表面应当是具有局部因变量的表面。此方法假定所映射的变量因受到与其采样位置间的距离的影响而减小。例如，为分析零售网点而对购电消费者的表面进行插值处理时，在较远位置购电影响较小，这是因为人们更倾向于在家附近购物。

使用幂参数控制影响反距离权重法主要依赖于反距离的幂值。幂参数可基于距输出点的距离来控制已知点对内插值的影响。幂参数是一个正实数，默认值为 2。通过定义更高的幂值，可进一步强调最近点。因此，邻近数据将受到最大影响，表面会变得更加详细（更不平滑）。随着幂数的增大，内插值将逐渐接近最近采样点的值。指定较小的幂值将对距离较远的周围点产生更大影响，从而导致更加平滑的表面。由于反距离权重公式与任何实际物理过程都不关联，因此无法确定特定幂值是否过大。作为常规准则，认为值为 30 的幂是超大幂，因此不建议使用。此外还需牢记一点，如果距离或幂值较大，则可能生成错误结果。可将所产生的最小平均绝对误差最低的幂值视为最佳幂值。ArcGIS Geostatistical Analyst 扩展模块提供了一种研究此问题的方法。

限制用于插值的点也可通过限制计算每个输出像元值时所使用的输入点，控制内插表面的特性。限制经考虑的输入点数可加快处理速度。此外，由于距正在进行预测的像元位置较远的输入点的空间相关性可能较差或不存在，因此有理由将其从计算中去除。可直接指定要使用的点数，也可指定会将点包括到插值内的固定半径。

可变搜索半径可以使用可变搜索半径来指定在计算内插像元值时所使用的点数，这样一来，用于各内插像元的半径距离将有所不同，而具体情况将取决于必须在各内插像元周围搜索多长距离才能达到指定的输入点数。由此将导致一些邻域较小而另一些邻域较大，这是由位于内插像元附近的测量点的密度所决定的。另外，也可指定搜索半径不得超出的最大距离（以地图单位为单位）。如果在获取指定点数之前特定邻域的半径达到最大距离，则会针对最大距离内的测量点数执行该位置的预测。通常，如果此现象产生的偏差较大，则应使用较小邻域或最少点数。

固定搜索半径固定搜索半径需要邻域距离和最少点数。距离用于表示圆形邻域的半径（以地图单位为单位）。因为半径距离是常量，所以对于每个内插像元而言，用于查找输入点的圆半径完全相同。最少点数用于表示将在邻域内使用的最少测量点数。计算各内插像元时会使用位于半径内的所有测量点。当邻域中的测量点数小于所指定的最少值时，搜索半径将不断增大，直到可以囊括最少点数时为止。由于将针对研究区域内的每个内插像元（像元中心）应用所指定的固定搜索半径，因此如果测量点分布不均匀（它们很少均匀分布），则很可能会在不同的邻域中使用不同数量的测量点，从而产生不同的预测结果。

使用障碍一个障碍即是一个用作可限制输入采样点搜索的隔断线的折线 (polyline) 数据集。一条折线 (polyline) 可以表示地表中的悬崖、山脊或某种其他中断。仅将那些位于障碍同一侧的输入采样点视为当前待处理像元。

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。

什么是克里金法？IDW（反距离加权法）和样条函数法插值工具被称为确定性插值方法，因为这些方法直接基于周围的测量值或确定生成表面的平滑度的指定数学公式。第二类插值方法由地统计方法（如克里金法）组成，该方法基于包含自相关（即，测量点之间的统计关系）的统计模型。因此，地统计方法不仅具有产生预测表面的功能，而且能够对预测的确定性或准确性提供某种度量。克里金法假定采样点之间的距离或方向可以反映可用于说明表面变化的空间相关性。克里金法工具可将数学函数与指定数量的点或指定半径内的所有点进行拟合以确定每个位置的输出值。克里金法是一个多步过程；它包括数据的探索性统计分析、变异函数建模和创建表面，还包括研究方差表面。当您了解数据中存在空间相关距离或方向偏差后，便会认为克里金法是最适合的方法。该方法通常用在土壤科学和地质中。

克里金法公式由于克里金法可对周围的测量值进行加权以得出未测量位置的预测，因此它与反距离权重法类似。这两种插值器的常用公式均由数据的加权总和组成：在反距离权重法中，权重 λi 仅取决于预测位置的距离。但是，使用克里金方法时，权重不仅取决于测量点之间的距离、预测位置，还取决于基于测量点的整体空间排列。要在权重中使用空间排列，必须量化空间自相关。因此，在普通克里金法中，权重 λi 取决于测量点、预测位置的距离和预测位置周围的测量值之间空间关系的拟合模型。以下部分将讨论如何使用常用克里金法公式创建预测表面地图和预测准确性地图。

使用克里金法创建预测表面地图要使用克里金法插值方法进行预测，有两个任务是必需的：找到依存规则。进行预测。要实现这两个任务，克里金法需要经历一个两步过程：创建变异函数和协方差函数以估算取决于自相关模型（拟合模型）的统计相关性（称为空间自相关）值。预测未知值（进行预测）。由于这两个任务是不同的，因此可以确定克里金法使用了两次数据：第一次是估算数据的空间自相关，第二次是进行预测。

变异分析拟合模型或空间建模也称为结构分析或变异分析。在测量点结构的空间建模中，以经验半变异函数的图形开始，针对以距离 h 分隔的所有位置对，通过以下方程进行计算：Semivariogram(distanceh) = 0.5 * average((valuei – valuej)2)该公式涉及到计算配对位置的差值平方。下图显示了某个点（红色点）与所有其他测量位置的配对情况。会对每个测量点执行该过程。

通常，各位置对的距离都是唯一的，并且存在许多点对。快速绘制所有配对则变得难以处理。并不绘制每个配对，而是将配对分组为各个步长条柱单元。例如，计算距离大于 40 米但小于 50 米的所有点对的平均半方差。经验半变异函数是 y 轴上表示平均半变异函数值，x 轴上表示距离或步长的图（请参阅下图）。

空间自相关量化时采用以下地理的基本原则：距离较近的事物要比距离较远的事物更相似。因此，位置对的距离越近（在半变异函数云的 x 轴上最左侧），具有的值就应该越相似（在半变异函数云的 y 轴上较低处）。位置对的距离变得越远（在半变异函数云的 x 轴上向右移动），就应该变得越不同，差值的平方就会更高（在半变异函数云的 y 轴上向上移动）。

根据经验半变异函数拟合模型下一步是根据组成经验半变异函数的点拟合模型。半变异函数建模是空间描述和空间预测之间的关键步骤。克里金法的主要应用是预测未采样位置处的属性值。经验半变异函数可提供有关数据集的空间自相关的信息。但是，不提供所有可能的方向和距离的信息。因此，为确保克里金法预测的克里金法方差为正值，根据经验半变异函数拟合模型（即，连续函数或曲线）是很有必要的。该操作理论上类似于回归分析，在此回归分析中将根据数据点拟合连续线或曲线。要根据经验半变异函数拟合模型，则选择用作模型的函数（例如，开始时上升并在距离变大而超过某一范围后呈现水平状态的球面类型）（请参阅下面的球面模型示例）。经验半变异函数上的点与模型有一些偏差；一些点在模型曲线上方，一些点在模型曲线下方。但是，如果添加一个相应的距离，每个点都会在线上方，或者如果添加另一个相应的距离，每个点都会在线下方，这两个距离值应该是相似的。有多种半变异函数模型可供选择。

球面模型示例该模型显示了空间自相关逐渐减小（等同于半方差的增加）到超出某个距离后自相关为零的过程。球面模型是最常用的模型之一。

指数模型示例该模型在空间自相关随距离的增加呈指数减小时应用。在这里，自相关仅会在无穷远处完全消失。指数模型也是常用模型。要选择使用哪个模型基于数据的空间自相关和数据现象的先验知识。

自然邻域法插值工具使用的算法可找到距查询点最近的输入样本子集，并基于区域大小按比例对这些样本应用权重来进行插值 (Sibson 1981)。该插值也称为 Sibson 或“区域占用 (area-stealing)”插值。该插值方法的基本属性是它具有局部性，仅使用查询点周围的样本子集，且保证插值高度在所使用的样本范围之内。该插值方法不会推断趋势且不会生成输入样本尚未表示的山峰、凹地、山脊或山谷。该表面将通过输入样本且在除输入样本位置之外的其他所有位置均是平滑的。

所有点的自然邻域都与邻近 Voronoi（泰森）多边形相关。最初，Voronoi 图由所有指定点构造而成，并由橄榄色的多边形表示。然后会在插值点（红星）周围创建米色的新 Voronoi 多边形。这个新的多边形与原始多边形之间的重叠比例将用作权重。

相比之下，基于距离的插值器工具（如 IDW（反距离加权））会根据距插值点相同的距离为最北部的点和东北部的点分配相同的权重。但是，自然邻域法插值会根据重叠百分比为其分别指定 19.12% 和 0.38% 的权重。

概念的背景从概念上讲，采样点被拉伸到它们数量上的高度；样条函数折弯一个橡皮页，该橡皮页在最小化表面总曲率的同时穿过这些输入点。在穿过采样点时，它将一个数学函数与指定数量的最近输入点进行拟合。此方法最适合生成平缓变化的表面，例如高程、地下水位高度或污染程度。基本形式的最小曲率样条函数插值法在内插法的基础上增加了以下两个条件：表面必须恰好经过数据点。表面必须具有最小曲率 - 通过表面上每个点获得的表面的二阶导数项平方的累积总和必须最小。基本最小曲率法也称为薄板插值法。它确保表面平滑（连续且可微分），一阶导数表面连续。在数据点的周边，梯度或坡度的变化率（一阶导数）很大；因此，该模型不适合估计二阶导数（曲率）。通过将权重参数的值指定为 0，可将基本插值法应用到样条函数法工具。

样条函数法类型有两种样条函数方法：规则样条函数方法和张力样条函数方法。规则样条函数方法使用可能位于样本数据范围之外的值来创建渐变的平滑表面。张力样条函数方法根据建模现象的特性来控制表面的硬度。它使用受样本数据范围约束更为严格的值来创建不太平滑的表面。

规则样条函数类型REGULARIZED 选项对最小化条件进行了修改，从而将三阶导数项加入到最小化条件中。权重参数指定最小化期间附加到三阶导数项的权重，在文献资料中称为 τ (tau)。增大此项的值可以得到更加平滑的表面。介于 0 和 0.5 之间的值比较适合。使用 REGULARIZED 选项可确保获得平滑的表面以及平滑的一阶导数表面。如果需要计算插值表面的二阶导数，此方法很有用。

张力样条函数类型TENSION 选项对最小化条件进行了修改，从而将一阶导数项加入到最小化条件中。权重参数指定最小化期间附加到一阶导数项的权重，在文献资料中称为 Φ (phi)。权重为零时，将变为基本薄板样条函数插值法。增大权重值将会降低薄板的硬度，在极限情况下，随着 phi 接近无穷大，表面形状将近似于经过这些点的膜或橡皮页。插值的表面很平滑。一阶导数连续但不平滑。

其他样条函数参数通过以下两个附加参数可以进一步控制输出表面：权重和点数。权重参数对于规则样条函数方法，权重参数定义曲率最小化表达式中表面的三阶导数的权重。权重越高，输出表面越平滑。为该参数输入的值必须大于或等于零。可能会用到的典型值有 0、0.001、0.01、0.1 和 0.5。对于张力样条函数方法，权重参数定义张力的权重。权重越高，输出表面越粗糙。输入的值必须大于或等于零。典型值有 0、1、5 和 10。点数参数点数识别在计算每个插值像元时所使用的点数。指定的输入点越多，较远数据点对每个像元的影响就越大，输出表面也就越平滑。点数的值越大，处理输出栅格所需的时间就越长。

样条函数法方程样条函数法工具的算法为表面插值使用以下公式：其中：j = 1, 2, ..., NN 为点数。λj 是通过求解线性方程组而获得的系数。rj 是点 (x,y) 到第 j 点之间的距离。根据所选的选项，T(x,y) 和 R(r) 的定义将有所不同。出于计算目的，输出栅格的整个空间被划分为大小相等的块或区域。x 方向和 y 方向上的区域数相等，并且这些区域的形状均为矩形。将输入点数据集中的总点数除以指定的点数值可以确定区域数。如果数据的分布不太均匀，则这些区域包含的点数可能会明显不同，而点数值只是粗略的平均值。如果任何一个区域中的点数小于八，则该区域将会扩大到至少包含八个点。

对于 REGULARIZED 选项T(x,y) = a1 + a2x + a3y其中：ai 是通过求解线性方程组而获得的系数。以及其中：r 是点与样本之间的距离。 是权重参数。Ko 是修正贝塞尔函数。c 是大小等于 0.577215 的常数。

对于 TENSION 选项T(x,y) = a1其中：a1 是通过求解线性方程组而获得的系数。以及其中：r 是点与样本之间的距离。φ2 是权重参数。Ko 是修正贝塞尔函数。c 是大小等于 0.577215 的常数。

对输出的区域处理出于计算目的，输出栅格的整个空间被划分为大小相等的块或区域。x 方向和 y 方向上的区域数相等，并且这些区域的形状均为矩形。将输入点数据集中的总点数除以指定的点数值可以确定区域数。如果数据的分布不太均匀，则这些区域包含的点数可能会明显不同，而点数值只是粗略的平均值。如果任何一个区域中的点数小于八，则该区域将会扩大到至少包含八个点。

地形转栅格工具属于一种插值方法，专门用于创建符合真实地表的数字高程模型 (DEM)。该方法基于由 Michael Hutchinson（1988、1989、1996、2000、2011）开发的 ANUDEM 程序。有关 ANUDEM 在整个大陆范围的 DEM 生产的应用，请参阅 Hutchinson and Dowling (1991) 以及 ANU Fenner School of Environment and Society and Geoscience Australia (2008)。Hutchinson and Gallant (2000) 和 Hutchinson (2008) 对 DEM 在环境建模中的应用进行了讨论。Hutchinson et al 对 ANUDEM 的后续开发进行了讨论。(2009, 2011). ArcGIS 中使用的 ANUDEM 的当前版本为 5.3。在施加约束的同时，地形转栅格会为栅格内插高程值，从而确保：地形结构连续准确呈现输入等值线数据中的山脊和河流因此，它是唯一专门用于智能地处理等值线输入的 ArcGIS 插值器。通过文件实现地形转栅格工具在多次执行地形转栅格工具的情况下非常有用，因为更改参数文件中的单个条目然后重新运行工具通常要比每次都重新填充工具对话框方便。

插值过程插值过程旨在利用常用输入数据类型和高程表面的已知特征。该方法将采用迭代有限差分插值技术。它经过优化，因此具有局部插值方法（例如，反距离权重 (IDW) 插值）的计算效率，同时又不会牺牲全局插值方法（例如，克里金法和样条函数法）的表面连续性。实际上，该方法属于离散化的薄板样条函数法 (Wahba, 1990)，其粗糙度惩罚系数经过修改，从而使经过拟合后的 DEM 能够还原真实的地形突变，例如河流、山脊和悬崖。水是决定多数地形大致形状的主要侵蚀力。因此，大部分地形都包含很多山顶（局部最大值）但汇却很少（局部最小值），从而形成一种连续的地形样式。地形转栅格将利用有关表面的这方面知识对插值过程施加约束，从而使地形结构连续并准确呈现山脊和河流。施加的该地形条件约束有助于通过较少的输入数据生成更精确的表面。输入数据的数量所能达到的数量级将小于使用数字化等值线充分描述表面时通常所需的数量级，从而使获得可靠 DEM 的成本进一步降至最低。全局地形条件约束实际上也消除了为移除生成表面中伪汇而进行编辑或后处理的需要。该程序在移除汇点时表现得比较谨慎，并且在与输入高程数据可能会产生矛盾的位置并不会施加地形条件约束。此类位置通常以汇的形式显示在诊断文件中。通过此信息可校正数据误差，尤其适合处理大型数据集。地形强化过程

地形强化过程地形强化过程的目的是将输出 DEM 中尚未识别为输入汇要素数据集中汇的所有汇点移除。该程序运行的前提假设是所有未识别的汇都属于错误，因为天然景观中汇较不常见 (Goodchild and Mark, 1987)。地形强化算法尝试通过修改 DEM 来清除伪汇，从而利用每个伪汇周围水域内的最低凹谷点推断出地形线。该算法并不会尝试清除通过“汇”功能得到的真实汇。由于汇点的清除受到高程容差的限制，因此尝试清除伪汇时该程序将非常谨慎。也就是说，该程序不会清除由于大于容差 1 的值而与输入高程数据相矛盾的伪汇。地形强化的功能还可以通过结合河流线数据而得到补充。这在需要更准确地安置河流时十分有用。可通过允许每个像元拥有最多两个的下游方向对河流的支流进行建模。如果关闭地形强化，则汇点清除过程将被忽略。如果您拥有除高程之外其他内容（例如温度）的等值线数据并要为这些数据创建表面，则关闭地形强化十分有用。

等值线数据的使用最初，使用等值线是存储和表示高程信息的最常见方法。遗憾的是，该方法也最难正确应用于各种常规插值法。其缺点就在于等值线之间的信息欠采样，特别是在地形较低的区域。插值过程初期，地形转栅格将使用等值线中固有的信息来构建初始的概化地形模型。这是通过标识各等值线上的局部最大曲率点实现的。然后，使用初始的高程格网（Hutchinson，1988）可得到一个与这些点相交的由曲线河流和山脊组成的网络。这些线的位置会随着 DEM 高程的反复更新而更新。该信息可用于确保输出 DEM 具有正确的水文地貌属性，还可用于验证输出 DEM 准确与否。等值线数据点也可用于在每个像元中内插高程值。所有等值线数据都会被读取并概化。最多从每个像元内的等值线中读取 100 个数据点，并将平均高程值用作与等值线数据相交的每个像元的唯一高程数据点。对于每个 DEM 分辨率来说，每个像元仅使用一个关键点。因此，多条等值线与输出像元交叉的等值线密度是多余的。确定好表面的大致形态后，等值线数据还将用于为各像元内插高程值。使用等值线数据内插高程信息时，将读取并概化所有等值线数据。对于每个像元，将从这些等值线中最多读取 50 个数据点。在最终分辨率下，每个像元仅使用一个关键点。因此，多条等值线与输出像元交叉的等值线密度是多余的。

湖泊数据的使用早期版本的地形转栅格中的湖泊面是用于将每个湖泊表面的高程设置为与湖泊紧邻的所有 DEM 值的最小高程的简单掩膜。湖边界算法已升级为能够自动确定与相连河流线和相邻高程值完全兼容的湖泊高度。经修订后的湖边界方法也将每个湖边界视为具有未知高程的等值线，并会根据湖边界上的像元值以迭代方式估算该等值线的高程。同时会将每个湖边界的高程调整为与任意上游和下游湖泊的高程保持一致。每个湖边界高程还会调整为与相邻的 DEM 值保持一致。会使湖泊外的像元值位于湖边界的高程之上，而使湖泊内的像元值位于湖边界的高程之下。允许湖边界在湖内包括岛以及在岛内包括湖。正如湖边界面所确定，湖泊内的所有 DEM 值都会设置为湖边界上的 DEM 的估算高度。

悬崖数据的使用悬崖线允许数据悬崖线每侧的相邻像元值之间的连续中出现完全中断，正如将其编码到输出栅格中那样。悬崖线必须以有向直线形式提供，每条悬崖线的低侧位于左侧，高侧位于右侧。这样就可以移除位于悬崖错误侧的高程数据点（正如将其编码到栅格中那样），并且更好地相对于流线放置悬崖。已经发现，在河流和悬崖上施加的微小位置偏移（将河流和悬崖包括在栅格中时）会导致这些数据之间发生伪相交。因此开发了一种自动化方法，可在放置河流和悬崖线时进行微小调整，从而最大限度地减少这种伪相交。

海岸线数据的使用位于该面要素类所指定面以外的最终输出 DEM 中的像元会被设置为在内部确定的特殊值，该值小于用户所指定的最小高度限制。由此产生的结果为：可将一个完整的沿海面用作输入并将该面自动裁剪为处理范围。

多分辨率插值该程序使用的是多分辨率插值方法，分辨率范围可从粗略栅格采用的分辨率到用户指定的精细分辨率。在每种分辨率下，将强制施加地形条件约束并执行插值，而剩余汇点的数量将记录在输出诊断文件中。

处理河流数据地形转栅格工具要求河流网络数据中的所有弧线均指向下坡方向，并且网络中没有面（湖泊）。河流数据应由树枝状的各条独立弧线组成，其中任意的平行河岸、湖泊面等都将通过交互式编辑进行清理。编辑网络之外的湖泊面时，应从蓄水区域的起始到末端放置单一弧线。如果已知或存在一个历史河床的轨迹，则该弧线应沿着此轨迹。如果已知湖泊的高程，则湖泊面及其高程可作为“等值线”输入数据。要显示线各个部分的方向，可将符号系统更改为“终点处显示箭头”选项。这样，将使用显示线方向的箭头符号绘制线的各个部分。

创建和镶嵌相邻栅格有时需要根据输入数据的相邻切片创建 DEM。如果输入要素从地图图幅系列中获得，或者由于内存限制而必须将输入数据分成若干部分进行处理，通常会发生这种情况。插值过程使用周围区域中的输入数据来定义表面的形态和地形，然后内插输出值。但是，任一输出 DEM 边缘处的像元值都没有中心区域的值可靠，因为它们只能根据一半的信息进行插值。因此要使对感兴趣区域边缘处的预测最准确，输入数据集的范围应大于感兴趣区域。像元间距参数提供了一种根据用户指定的距离修剪输出 DEM 边缘的方法。重叠区域的边缘至少应为 20 个像元宽。如果要将多个输出 DEM 合并为单个栅格，输入数据应与相邻区域存在部分重叠。如果不存在重叠，合并后 DEM 的边缘可能会不平滑。多次内插中每次内插的输入数据集范围应比进行一次内插仅得到一个插值时的区域大，这样才能确保尽可能准确地预测边缘。创建多个 DEM 后，最好使用镶嵌地理处理工具的“混合”选项或“平均值”选项将它们合并。该功能提供的选项可对重叠区域进行处理，从而使数据集之间实现平滑过渡。