处方图的生成过程

1、2精准施肥处方图的生成过程1、前言目前多采用空间插值法生成精准施肥处方图。插值从有限的样本点数据来预测栅格数据中单元的值。它能够用来预测任何地理点数据的未知值如高程、降雨量、化学物浓度、噪声级等等。精准施肥处方图的作业是在ArcGISDesktop中进行，利用它内嵌的空间分析模块进行插值分析。空间分析模块提供的插值函数有距离权重倒数函数（IDW）、样条函数、克里格插值。距离权重倒数插值和样条法插值是确定性的插值方法，它们是直接基于周围已知点的值进行计算或是用指定的数学公式来决定输出表面的平滑度的插值方法，因而不能派生出未知点的预测值，而精准施肥处方图的恰是要求派生出未知点的预测值，而利用克里格

2、插值法可以解决这个问题。克里格插值插值法内插方法公式如下，表达为数据的权重总和。其中，Z（si）是已测得的第i个位置的值；-是在第i个位置上测得值的未知的权重；s0是预测的位置；N是已知点（已测得值的点）的数目。利用克里格方法进行预测，必须完成以下两个任务：（1）揭示相关性规则。（2）进行预测。要完成这两项任务，克里格插值方法通过以下两个步骤完成：（1）生成变异函数和协方差函数，用于估算单元值间的统计相关（也叫空间自相关），而变异函数和协方差函数也取决于自相关模型（拟合模型）。（2）预测未知点的值。因为前面已经说过的两个明确的任务,因此要用克里格方法对数据进行两次运算:第一次是估算这些数据的空

3、间自相关而第二次是做出预测。空间分析模块提供了两种克里格插值方法:普通克里格插值法和全局克里格插值法。普通克里格方法（OrdinaryKriging）是最普通和应用最广的克里格方法。它假设常数的均值是未知的。这是一个合理的假设除非你有一些科学的理由来否定这些假设。全局克里格方法假设数据中有主导趋势（例如盛行风），它可以用一个确定性的函数或多项式来模拟。从原始已知点中减去这一多项式，从随机误差中模拟自相关。在进行预测运算前，需要先完成从随机误差中拟和自相关的工作，然后将多项式加回到预测模型以获得有意义的结果。全局克里格方法将仅用于知道数据的趋势并能合理而科学地描述它的情况。2、处方图的生成过程、

4、利用克里格插值生成一个表面Densij.Cwert单击SpatialAnalyst模块的下拉箭头，选择InterpolatetoRaster并单击Kriging。单击Inputpoints的下拉箭头并单击要加入的点数据集。单击Zvaluefield的下拉箭头并单击要加入的字段。单击你所需要的克里格方法。有两种可供选择的方法可变搜索半径的克里格插值和固定搜索半径的克里格插值单击Semivariogrammodel下拉箭头并单击要使用的模型。单击Searchradiustype的下拉箭头并单击Variable。可选项，改变缺省的输入点的数目。可选项，指定一个最大距离。可选项，改变输出数据的缺省单元尺寸。可选项，现在是否需要生成预测的标准误差。键入输出结果的名称或使用缺省值在工作目录下生成一个临时文件。单击0K。94、对生成的栅格数据重分类1、单击SpatialAnalyst模块的下拉箭头，选择重分类，在弹出窗口选择分类2、修改重分类后的施肥量为合适值，确定后可生成施肥量栅格数据最终生成如下图所示的栅格数据：3、单击SpatialAnalyst模块的下拉箭头，选择转换，栅格到要素把