实验四IDW和Spline空间插值对比与克里格方法内插生成曲面

1、实验四 IDW和Spline空间插值对比与克里格方法内插生成曲面IDW和Spline空间插值对比实验目的：通过练习熟练掌握如何利用IDW内插方法和Spline内插方法进行GDP空间分布特征的分析，以及两种插值方法的适用条件，并以此来加强对空间插值的认识。实验内容：用IDW法和Spline法内插生成GDP曲面实验数据与要求：数据：GDP为某地区的统计GDP数据，bound为该地区的边界数据。要求：1)经济发展具有一定的连带效应和辐射作用。以该地区各区域年GDP数据为依据，采用IDW和Spline内插方法创建该地区GDP空间分异栅格图。2）分析每种插值方法中主要参数的变化对内插结果的影响。IDW：

2、P=2和P=5。 Spline：规则样条法，Weight = 0和Weight = 0.01；张力样条法，Weight = 0和Weight =5。3）分析两种内插方法生成的GDP空间分布图的差异性，简单说明形成差异的主要原因。实验过程与步骤：（1）运行ArcMap，点击Tools菜单下的Extensions，选择Spatial Analyst，点击Close按钮（2） 单击File菜单下的Open命令，选择E:Chp8Ex4GDP.mxd（3） 打开Options对话框中的General选项卡，设置默认工作路径为：“E:Chp8Ex4result”并设置Analysis mask为bound

3、（4） 在Spatial Analyst下拉菜单中选择Interpolate to Raster, 在弹出的下一级菜单中点击Inverse Distance Weighted，弹出如下图所示的对话框，设置Z value field为GDP；设置Power为2；设置Output cell size为500；其他参数不变，点击OK，进行计算 Power=2时，生成的结果将Power值改为5，重复上述步骤。下图为Power=5时，生成的结果（5）在Spatial Analyst下拉菜单中选择Raster Calculator，求Abs（Power=2）（Power=5）2、 Spline内插法（1）

4、 在Spatial Analyst下拉菜单中选择Interpolate to Raster, 在弹出的下一级菜单中点击Spline。弹出对话框后，设置Z value field为GDP；设置Spline type为Regularized；设置Weight值为0；设置Output cell size为500；其他参数不变，点击OK，进行计算 当weight=0时，生成的图像如下图所示将Weight值改为0.01，重复上述步骤 。当Weight=0.01时，生成的图像如下图所示（2）设置Spline type为Tension,并分别取Weight值为0和5进行计算当weight=0时，生成的图像如

5、下图所示将Weight值改为5，重复上述步骤 。当Weight=5时，生成的图像如下图所示在Spatial Analyst下拉菜单中选择Raster Calculator，并求Regularized中Abs（Weight=0）-（Weight=0.01)Spline Regularized插值结果如下图所示Spline Tension插值结果如下图所示3、IDW与Spline对比分析（1） 选取IDW（Power=2）内插结果图 和Spline（Regularized，Weight=0.01）内插结果图； 在Spatial Analyst下拉菜单中选择Raster Calculator，输入公

6、式，点击Evaluate来完成运算运算结果如下图所示泰森多边形做的插值如下：克里格方法内插生成曲面实验目的：通过练习熟练掌握并理解每种克里格方法的原理及实现过程，体会在具体应用中的适应性。实验内容：用克里格法内插生成曲面实验数据与要求：数据：某地区的高程采样点（jyg.shp）；要求：根据数据特征，至少选用两种克里格方法内插生成高程表面，比较不同方法的优劣，并分析对于此例该方法的适用性。实验过程与步骤：1、在ArcMap中加载jyg.shp，如图1所示。2、右击工具栏，启动地理统计模块Geostatistical Analyst。3 点击 Create Subsets 命令4、在弹出的对话框中

7、，Input选项中选择需要生成子集的数据jyg，点击Next按钮。5、在弹出的对话框中，通过滑块设置训练子集与检验子集的比例，在Output Personal Geodatabase中设置子集的输出路径及名称，点击完成按钮（图4）。6、单击选中jyg_training层面，随后点击Geostatistical Analyst模块的下拉箭头选 择Explore Data并点击Histogram命令，生成如下结果（图5、6）。7、点击Geostatistical Analyst模块的下拉箭头选择Explore Data并点击 Normal QQPlot命令，生成如下结果（图7、8）。由图上可知，数

8、据分布符合正态分布的假设，不需 要进行数据变换。8、点击Geostatistical Analyst模块的下拉箭头选择Explore Data并点击 Trend Analysis命令，查看数据是否存在趋势，如图9所示。由图可看出，南北 方向（较粗的黑线）不存在趋势，而东西方向上（较细的黑线）有明显的东高西 低的趋势出现， 因此需要用一次曲面拟合，在后续剔出趋势的操作中选择First。9、单击Geostatistical Analyst模块的下拉箭头点击Geostatistical Wizard命令。 10、在弹出的对话框中，在Dataset1选择训练数据jyg_training及其属性STAT

9、ION，在 Validation中选择检验数据jyg_test及其属性STATION， 在Methods中选择Kriging内插方法， 最后点击Next按钮.11、在弹出的对话框中，展开泛克里格（Universal Kriging），在下面的选项中点击预测 图 （Prediction Map） ， 在DataSet1选项卡中的Transformation里选择None变换方式， 在Order of Trend里选择First，点击Next按钮.12、在弹出的Detrending对话框中，点击Next按钮。13、在弹出的Semivariogram/Covariance Modeling对话框中（

10、图13），先按照默认参 数进行操作，在得到对模型精度评定的结果后，发现结果误差太大，返回更改该对话框中的 参数，经比较发现，将分组数Number of设为10得到的结果较好。需注意的是，在设置分组 数时，尽量保证每组中的样点对数大于10。最后点击Next按钮。14、在弹出的Searching Neighborhood对话框中，点击Next按钮(图14)。15、在弹出的Cross Validation对话框中，显示了对模型的精度的评价，如图15所示。 在对不同参数得到模型的比较中，可参考Prediction Error中的几个指标。符合以下标准的 模型是最优的：标准平均值（Mean Standardized）最接近于0，均方根预测误差（RootMean-Square）最小，平均标准误差（Average Mean Error）最接近于均方根预测误差 （Root-Mean-Square），标准均方根预测误差（Root-Mean-Square Standardized）最接近 于1。最后点击Next按钮。16、 在弹出的Validation对话框中， 点击Finish按钮。 泛克立格法内插结果如图16所示。17、双击jyg层面，在弹出的属性对话框中，选择Symbology选项卡，展开Qu