当前位置：首页 > arcgis中七种插值方法的对比分析
4. 4
使用克里金法创建预测表面地图
要使用克里金法插值方法进行预测，有两个任务是必需的： 找到依存规则。 进行预测。
要实现这两个任务，克里金法需要经历一个两步过程：
创建变异函数和协方差函数以估算取决于自相关模型（拟合模型）的统计相关性（称为空间自相关）值。 预测未知值（进行预测）。
由于这两个任务是不同的，因此可以确定克里金法使用了两次数据：第一次是估算数据的空间自相关，第二次是进行预测。
5. 5
变异分析
拟合模型或空间建模也称为结构分析或变异分析。在测量点结构的空间建模中，以经验半变异函数的图形开始，针对以距离 h 分隔的所有位置对，通过以下方程进行计算：
Semivariogram(distanceh) = 0.5 * average((valuei – valuej)2)
该公式涉及到计算配对位置的差值平方。
下图显示了某个点（红色点）与所有其他测量位置的配对情况。会对每个测量点执行该过程。
6. 6
通常，各位置对的距离都是唯一的，并且存在许多点对。快速绘制所有配对则变得难以处理。并不绘制每个配对，而是将配对分组为各个步长条柱单元。例如，计算距离大于 40 米但小于 50 米的所有点对的平均半方差。经验半变异函数是 y 轴上表示平均半变异函数值，x 轴上表示距离或步长的图（请参阅下图）。
7. 7
空间自相关量化时采用以下地理的基本原则：距离较近的事物要比距离较远的事物更相似。因此，位置对的距离越近（在半变异函数云的 x 轴上最左侧），具有的值就应该越相似（在半变异函数云的 y 轴上较低处）。位置对的距离变得越远（在半变异函数云的 x 轴上向右移动），就应该变得越不同，差值的平方就会更高（在半变异函数云的 y 轴上向上移动）。
8. 8
根据经验半变异函数拟合模型
下一步是根据组成经验半变异函数的点拟合模型。半变异函数建模是空间描述和空间预测之间的关键步骤。克里金法的主要应用是预测未采样位置处的属性值。经验半变异函数可提供有关数据集的空间自相关的信息。但是，不提供所有可能的方向和距离的信息。因此，为确保克里金法预测的克里金法方差为正值，根据经验半变异函数拟合模型（即，连续函数或曲线）是很有必要的。该操作理论上类似于回归分析，在此回归分析中将根据数据点拟合连续线或曲线。 要根据经验半变异函数拟合模型，则选择用作模型的函数（例如，开始时上升并在距离变大而超过某一范围后呈现水平状态的球面类型）（请参阅下面的球
面模型示例）。经验半变异函数上的点与模型有一些偏差；一些点在模型曲线上方，一些点在模型曲线下方。但是，如果添加一个相应的距离，每个点都会在线上方，或者如果添加另一个相应的距离，每个点都会在线下方，这两个距离值应该是相似的。有多种半变异函数模型可供选择。
9. 9
球面模型示例
该模型显示了空间自相关逐渐减小（等同于半方差的增加）到超出某个距离后自相关为零的过程。球面模型是最常用的模型之一。
10. 10
指数模型示例
该模型在空间自相关随距离的增加呈指数减小时应用。在这里，自相关仅会在无穷远处完全消失。指数模型也是常用模型。要选择使用哪个模型基于数据的空间自相关和数据现象的先验知识。
本文作者：...共分享92篇相关文档
