空间插值方法对比整理版

a
14
一、最近邻法(Nearest Neighbor)
• 最近邻点法又叫泰森多边形方法。它采用一种极端的边界内 插方法—只用最近的单个点进行区域插值（区域赋值）。
• 泰森多边形按数据点位置将区域分割成子区域，每个子区域 包含一个数据点，各子区域到其内数据点的距离小于任何到 其它数据点的距离，并用其内数据点进行赋值。
a
8
地统计学插值
• 基于自相关性 (测量点的统计关系)，根据 测量数据的统计特征产生曲面；
• 克里格方法依赖于数学模型和统计模型，正是 由于引入了包括概率模型在内的统计模型，使 克里格方法与确定性插值方法区分开来。在克 里格方法中预测的结果将与概率联系在一起， 即用克里格方法进行插值，一方面能生成预测 表面，一方面能给出预测值的误差。
• ……
• 单个数据点的改变只影响其周围有限的数据点。
a
5
边界内插法
• 使用边界内插法时，首先要假定任何重要的变化 都发生在区域的边界上，边界内的变化则是均匀 的、同质的。
• 景观单元法、Thiessen多边形法、网格像元法
a
6
整体插值注意的问题
• 整体插值方法将小尺度的、局部的变化看作随机和非结 构性噪声，从而丢失了这一部分信息。局部插值方法恰 好能弥补整体插值方法的缺陷。
④ 存储要求：同耗时一样，存储要求不是决定性的。特别是在 计算机的主频日益提高，内存和硬盘越来越大的情况下，二 者都不需特别看重。
⑤ 可视化、可操作性（插值软件选择）：三维的透视图等。
a
12
插值验证
（1） 交叉验证
交叉验证法（cross－validation），首先假定每一测点 的要素值未知，而采用周围样点的值来估算，然后计算所有 样点实际观测值与内插值的误差，以此来评判估值方法的优 劣。 各种插值方法得到的插值结果与样本点数据比较。
a
2
空间插值分类
1. 整体插值、局部插值和边界内插法； 2. 确定性插值和地统计插值； 3. 精确插值和近似插值。
a
3
1、整体插值、局部插值和边界内插法
整体插值
• 整体插值：用研究区所有采样点数据进行全区特征 拟合。
• 整个区域的数据都会影响单个插值点，单个数据点 变量值的增加、减少或者删除，都对整个区域有影 响。
分析方面，但它们需要的数据a 量大。
7
2、确定性方法和地统计方法
确定性方法
• 确定性插值法是使用数学函数进行插值，以研究区 域内部的相似性（如反距离加权插值法），或者以 平滑度为基础（如径向基函数插值法）由已知样点 来创建预测表面的插值方法。
• 全局多项式插值、反距离权插值、径向基插值、局 部多项式插值
a
11
来自百度文库
插值方法选择的原则
① 精确性：
② 参数的敏感性：许多的插值方法都涉及到一个或多个参数， 如距离反比法中距离的阶数等。有些方法对参数的选择相当 敏感，而有些方法对变量值敏感。后者对不同的数据集会有 截然不同的插值结果。希望找到对参数的波动相对稳定，其 值不过多地依赖变量值的插值方法。
③ 耗时：一般情况下，计算时间不是很重要，除非特别费时。
a
15
公式
其数学表达式为：
ve vi
其中ve 表示待估点变量值，vi 表示 i 点的变量值。
（2）“实际”验证
将部分已知变量值的样本点作为“训练数据集”，用于插值 计算；另一部分样点 “验证数据集”，该部分站点不参加 插值计算。然后利用“训练数据集” 样点进行内插，插值 结果与“训练数据集”验证样点的观测值对比，比较插值的 效果。
a
13
插值方法
1. 最近邻法(Nearest Neighbor) 2. 算术平均值(Arithmetic Mean) 3. 距离反比法(Inverse Distance) 4. 高次曲面插值(Multiquadric) 5. 趋势面插值(Polynomial) 6. 最优插值(Optimal) 7. 样条插值(Spline Surface) 8. 径向基函数插值(Radial Basis Functions) 9. 克里金插值(Kriging) 10. 最小曲率 (Minimum Curvature)
• 当数据存在不确定性时，应该使用近似插值，由 于估计值替代了已知变量值，近似插值可以平滑 采样误差。
a
10
一般插值过程
① 内插方法（模型）的选择； ② 空间数据的探索性分析，包括对数据的均值、方
差、协方差、独立性和变异函数的估计等； ③ 进行内插； ④ 内插结果评价； ⑤ 重新选择内插方法，直到合理； ⑥ 内插生成最后结果。
• 整体插值方法通常不直接用于空间插值，而是用来检测 总趋势和不同于总趋势的最大偏离部分，即剩余部分， 在去除了宏观趋势后，可用剩余残差来进行局部插值。
• 整体插值方法通常使用方差分析和回归方程等标准的统
计方法，计算比较简单。其他的许多方法也可用于整体
空间插值，如傅里叶级数和小波变换，特别是遥感影像
• 由于建立在统计学的基础上，因此不仅可 以产生预测曲面，而且可以产生误差和不 确定性曲面，用来评估预测结果的好坏
• 多种 kriging 方法
a
9
3、精确插值和近似插值
• 精确插值：产生通过所有观测点的曲面。
• 在精确插值中，插值点落在观测点上，内插值等 于估计值。
• 近似插值：插值产生的曲面不通过所有观测 点。
空间插值 Spatial Interpolation
• 空间插值的概念 • 空间插值的类型 • 空间插值的方法
a
1
空间插值概念
空间插值——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，以便与其它空间现象的分布模式进行比较， 它包括了空间内插和外推两种算法。空间内插算法：通过已 知点的数据推求同一区域未知点数据。空间外推算法：通过 已知区域的数据，推求其它区域数据。
• 典型例子是：全局趋势面分析 、Fourier Series （周期序列）
a
4
局部内插法
➢ 局部内插法只使用邻近的数据点来估计未知点的值，步骤如 下： • 定义一个邻域或搜索范围； • 搜索落在此邻域范围的数据点； • 选择能表达这有限个点空间变化的数学函数； • 为未知的数据点赋值。
➢ 局部内插方法： • 样条函数插值法 • 距离倒数插值 • Kriging插值（空间自由协方差最佳内插）