克里格插值

在克里格插值过程中，需注意以下几点：

（1）数据应符合前提假设

（2）数据应尽量充分，样本数尽量大于80，每一种距离间隔分类中的样本对数尽量多于10对（3）在具体建模过程中，很多参数是可调的，且每个参数对结果的影响不同。如：块金值：误差随块金值的增大而增大；基台值：对结果影响不大；变程：存在最佳变程值；拟合函数：存在最佳拟合函数（4）当数据足够多时，各种插值方法的效果相差不大。

3. 克里格方法的分类

目前，克里格方法主要有以下几种类型：普通克里格（Ordinary Kriging）；简单克里格（Simple Kriging）；泛克里格（Universal Kriging）；协同克里格（Co-Kriging）；对数正态克里格（Logistic Normal Kriging）；指示克里格（Indicator Kriging）；概率克里格（Probability Kriging）；析取克里格（Disjunctive Kriging）等。下面简要介绍一下ArcGIS中常用的几种克里格方法的适用条件，其具体的算法、原理可查阅相关文献资料。

不同的方法有其适用的条件，按照以上流程图所示步骤，当数据不服从正态分布时，若服从对数正态分布，则选用对数正态克里格；若不服从简单分布时，选用析取克里格。当数据存在主导趋势时，选用泛克里格。当只需了解属性值是否超过某一阈值时，选用指示克里格。当同一事物的两种属性存在相关关系，且一种属性不易获取时，可选用协同克里格方法，借助另一属性实现该属性的空间内插。当假设属性值的期望值为某一已知常数时，选用简单克里格。当假设属性值的期望值是未知的，选用普通克里格。