空间插值方法对比整理版 (1)

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。
i 点必须满足如下条件：
dei min( de1, de2, den)
• 多种 kriging 方法
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wenku.baidu.com通过所有观测 点。
• 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。
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。
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，
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)
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。
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。
• 单个数据点的改变只影响其周围有限的数据点。
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
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。
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。
（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。
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。
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
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；
• 典型例子是：全局趋势面分析 、Fourier Series （周期序列）
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） • ……
• 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。
• 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
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。 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。
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
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。
• 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 分析方面，但它们需要的数据量大。