實驗四IDW和Spline空間插值對比與克里格方法內(nèi)插生成曲面

1、實驗四 IDW和Spline空間插值對比與克里格方法內(nèi)插生成曲面IDW和Spline空間插值對比實驗?zāi)康模和ㄟ^練習熟練掌握如何利用IDW內(nèi)插方法和Spline內(nèi)插方法進行GDP空間分布特征的分析，以及兩種插值方法的適用條件，并以此來加強對空間插值的認識。實驗內(nèi)容：用IDW法和Spline法內(nèi)插生成GDP曲面實驗數(shù)據(jù)與要求：數(shù)據(jù)：GDP為某地區(qū)的統(tǒng)計GDP數(shù)據(jù)，bound為該地區(qū)的邊界數(shù)據(jù)。要求：1)經(jīng)濟發(fā)展具有一定的連帶效應(yīng)和輻射作用。以該地區(qū)各區(qū)域年GDP數(shù)據(jù)為依據(jù)，采用IDW和Spline內(nèi)插方法創(chuàng)建該地區(qū)GDP空間分異柵格圖。2）分析每種插值方法中主要參數(shù)的變化對內(nèi)插結(jié)果的影響。IDW：

2、P=2和P=5。 Spline：規(guī)則樣條法，Weight = 0和Weight = 0.01；張力樣條法，Weight = 0和Weight =5。3）分析兩種內(nèi)插方法生成的GDP空間分布圖的差異性，簡單說明形成差異的主要原因。實驗過程與步驟：（1）運行ArcMap，點擊Tools菜單下的Extensions，選擇Spatial Analyst，點擊Close按鈕（2） 單擊File菜單下的Open命令，選擇E:Chp8Ex4GDP.mxd（3） 打開Options對話框中的General選項卡，設(shè)置默認工作路徑為：“E:Chp8Ex4result”并設(shè)置Analysis mask為bound

3、（4） 在Spatial Analyst下拉菜單中選擇Interpolate to Raster, 在彈出的下一級菜單中點擊Inverse Distance Weighted，彈出如下圖所示的對話框，設(shè)置Z value field為GDP；設(shè)置Power為2；設(shè)置Output cell size為500；其他參數(shù)不變，點擊OK，進行計算 Power=2時，生成的結(jié)果將Power值改為5，重復(fù)上述步驟。下圖為Power=5時，生成的結(jié)果（5）在Spatial Analyst下拉菜單中選擇Raster Calculator，求Abs（Power=2）（Power=5）2、 Spline內(nèi)插法（1）

4、 在Spatial Analyst下拉菜單中選擇Interpolate to Raster, 在彈出的下一級菜單中點擊Spline。彈出對話框后，設(shè)置Z value field為GDP；設(shè)置Spline type為Regularized；設(shè)置Weight值為0；設(shè)置Output cell size為500；其他參數(shù)不變，點擊OK，進行計算 當weight=0時，生成的圖像如下圖所示將Weight值改為0.01，重復(fù)上述步驟 。當Weight=0.01時，生成的圖像如下圖所示（2）設(shè)置Spline type為Tension,并分別取Weight值為0和5進行計算當weight=0時，生成的圖像如

5、下圖所示將Weight值改為5，重復(fù)上述步驟 。當Weight=5時，生成的圖像如下圖所示在Spatial Analyst下拉菜單中選擇Raster Calculator，并求Regularized中Abs（Weight=0）-（Weight=0.01)Spline Regularized插值結(jié)果如下圖所示Spline Tension插值結(jié)果如下圖所示3、IDW與Spline對比分析（1） 選取IDW（Power=2）內(nèi)插結(jié)果圖 和Spline（Regularized，Weight=0.01）內(nèi)插結(jié)果圖； 在Spatial Analyst下拉菜單中選擇Raster Calculator，輸入公

6、式，點擊Evaluate來完成運算運算結(jié)果如下圖所示泰森多邊形做的插值如下：克里格方法內(nèi)插生成曲面實驗?zāi)康模和ㄟ^練習熟練掌握并理解每種克里格方法的原理及實現(xiàn)過程，體會在具體應(yīng)用中的適應(yīng)性。實驗內(nèi)容：用克里格法內(nèi)插生成曲面實驗數(shù)據(jù)與要求：數(shù)據(jù)：某地區(qū)的高程采樣點（jyg.shp）；要求：根據(jù)數(shù)據(jù)特征，至少選用兩種克里格方法內(nèi)插生成高程表面，比較不同方法的優(yōu)劣，并分析對于此例該方法的適用性。實驗過程與步驟：1、在ArcMap中加載jyg.shp，如圖1所示。2、右擊工具欄，啟動地理統(tǒng)計模塊Geostatistical Analyst。3 點擊 Create Subsets 命令4、在彈出的對話框中

7、，Input選項中選擇需要生成子集的數(shù)據(jù)jyg，點擊Next按鈕。5、在彈出的對話框中，通過滑塊設(shè)置訓練子集與檢驗子集的比例，在Output Personal Geodatabase中設(shè)置子集的輸出路徑及名稱，點擊完成按鈕（圖4）。6、單擊選中jyg_training層面，隨后點擊Geostatistical Analyst模塊的下拉箭頭選 擇Explore Data并點擊Histogram命令，生成如下結(jié)果（圖5、6）。7、點擊Geostatistical Analyst模塊的下拉箭頭選擇Explore Data并點擊 Normal QQPlot命令，生成如下結(jié)果（圖7、8）。由圖上可知，數(shù)

8、據(jù)分布符合正態(tài)分布的假設(shè)，不需 要進行數(shù)據(jù)變換。8、點擊Geostatistical Analyst模塊的下拉箭頭選擇Explore Data并點擊 Trend Analysis命令，查看數(shù)據(jù)是否存在趨勢，如圖9所示。由圖可看出，南北 方向（較粗的黑線）不存在趨勢，而東西方向上（較細的黑線）有明顯的東高西 低的趨勢出現(xiàn)， 因此需要用一次曲面擬合，在后續(xù)剔出趨勢的操作中選擇First。9、單擊Geostatistical Analyst模塊的下拉箭頭點擊Geostatistical Wizard命令。 10、在彈出的對話框中，在Dataset1選擇訓練數(shù)據(jù)jyg_training及其屬性STAT

9、ION，在 Validation中選擇檢驗數(shù)據(jù)jyg_test及其屬性STATION， 在Methods中選擇Kriging內(nèi)插方法， 最后點擊Next按鈕.11、在彈出的對話框中，展開泛克里格（Universal Kriging），在下面的選項中點擊預(yù)測 圖 （Prediction Map） ， 在DataSet1選項卡中的Transformation里選擇None變換方式， 在Order of Trend里選擇First，點擊Next按鈕.12、在彈出的Detrending對話框中，點擊Next按鈕。13、在彈出的Semivariogram/Covariance Modeling對話框中（

10、圖13），先按照默認參 數(shù)進行操作，在得到對模型精度評定的結(jié)果后，發(fā)現(xiàn)結(jié)果誤差太大，返回更改該對話框中的 參數(shù)，經(jīng)比較發(fā)現(xiàn)，將分組數(shù)Number of設(shè)為10得到的結(jié)果較好。需注意的是，在設(shè)置分組 數(shù)時，盡量保證每組中的樣點對數(shù)大于10。最后點擊Next按鈕。14、在彈出的Searching Neighborhood對話框中，點擊Next按鈕(圖14)。15、在彈出的Cross Validation對話框中，顯示了對模型的精度的評價，如圖15所示。 在對不同參數(shù)得到模型的比較中，可參考Prediction Error中的幾個指標。符合以下標準的 模型是最優(yōu)的：標準平均值（Mean Standardized）最接近于0，均方根預(yù)測誤差（RootMean-Square）最小，平均標準誤差（Average Mean Error）最接近于均方根預(yù)測誤差 （Root-Mean-Square），標準均方根預(yù)測誤差（Root-Mean-Square Standardized）最接近 于1。最后點擊Next按鈕。16、 在彈出的Validation對話框中， 點擊Finish按鈕。 泛克立格法內(nèi)插結(jié)果如圖16所示。17、雙擊jyg層面，在彈出的屬性對話框中，選擇Symbology選項卡，展開Qu