IDW和克里金插值法比较

1、地理配准（1）、启动ArcMap，在主菜单中点击自定义→工具条→地理配准，加载地理配准工具条如图1图一地理配准工具条（2）、在主菜单中单击视图→数据框属性，打开数据框属性对话框，单击坐标系标签，打开坐标系选项卡，选择坐标系统“Beijing_1954”如图2图2数据框属性表（3）、在内容列表中右击安徽全图高清版.jpg，单击全图，全图显示图像文件，在地理配准工具条上，单击地理配准→适应显示范围，将在与目标图层相同的区域中显示栅格数据集。如图3图3栅格数据集的显示（4）、单击地理配准工具条上的按钮，在影像中选取相应的点，然后右击，输入X和Y的值，这样就完成了一个点的配准。（5）、依次在影响上增加5~7个控制点，单击地理配准工具条上的查看属性表，打开连接表对话框，可以查看各点的残差与RMS总误差,可删除残差较大的点，以便更精确。如图4图4连接表（6）、单击地理配准→变换→一次多项式（仿射）。（7）、单击地理配准→更新地理配准，完成栅格图像的配准。（8）、单击地理配准→纠正→，打开另存为对话框，生成一个新的栅格影像文件。如图5图5影像另存为2矢量化启动arccatalog，在选定的目录下，单击鼠标右键选择new/personalgeodatabase，新建一个个人数据库，在新的数据库里新建数据集，设定坐标系，空间参照和精度等参数，再在数据集里新建要素类，分别命名为市界，县界两个多边形要素类，一个点要素类。矢量化结果如下图：3数据分析一直方图单击GeostatisticalAnalyst模块的下拉箭头选择ExploreData并单击Histogram。1）设置相关参数，生成直方图。2）通过直方图发现安徽各县域的人均GDP原始数据并不服从正态分布，需要进行数据转换，在直方图中的Translation下选择log变化方式。对数据进行取对数变换之后发现数据比正态分布的数据更加集中于平均值附近。二正态QQPlot分布图1）单击GeostatisticalAnalyst模块的下拉箭头选择ExploreData并单击NormalQQPlot2）设置参数，生成NormalQQPlot分布图3）从上图中可以看出安徽县域人均GDP的采样数据不符合正态分布，对其进行数据变换之后，数据近似符合正态分布。因为采样点数据在图中近似沿直线分布。通过以上的数据分析采集的数据经过变换后符合正态分布，可以进行插值分析。4进行GDP插值方法分析（1）生成数据子集将用于进行差值分析的点数据分成两部分。一部分用来空间结构建模及生成面，另一部分用来比较和验证预测的质量，分别命名为点training和点test。如下图：（1）反距离加权插值1）在arcmap中加载地统计数据点图层。2）单击GeostatisticalAnalyst模块的下拉箭头单击GeostatisticalWizard，弹出输入数据与方法选择对话框，如下图在左图input中选择进行内插的实验数据，右图input中选择进行内插的检验数据，两张图attribute选择人均gdp3）选择IDW，单击next按钮，弹出反距离内插参数设置对话框，如下图选择权重power为2其他参数如图4）单击next按钮，弹出反距离加权内插正交验证对话框，如下图5）单击next按钮，弹出反距离加权内插验证对话框，如下图：6）单击finish按钮，完成操作，其生成的内插结果如图所示：7）发现内插结果图的边界小于矢量化的边界图，进行外推，右击打开InverseDistanceWeighting权重为2的layerproperties对话框，选择extent，在settheextentto后选择需要的边界，然后确定，如下图。然后进行裁剪，右击layers打开dataframeproperties对话框，选择dataframe标签，在cliptoshape下勾选enable，单击specifyshape弹出dataframeclipping对话框在outlineoffeatures里选择市届。如下图然后确定，裁剪后得到下图。8）取权重power为4重复以上步骤得到结果图如下：（2）普通克里格插值1）创建预测图1单击GeostatisticalAnalyst模块的下拉箭头单击GeostatisticalWizard2在弹出的对话框中在dataset1选择训练数据及其属性人均gdp，在validation中选择检验数据及其属性gdp，选择克里格内插方法。单击next按钮。3在弹出的对话框中，展开普通克里格，单击预测图，dataset1的transformation里选择log变化方式，orderoftrendremoval里选择second，单击next。统计内插方法选择对话框4在semivariogram|covariancemodeling对话框中，选中showsearchdirection选项，移动左图中的搜索方向，单击next按钮。5在searchingneighborhood对话框，单击next按钮。6在crossvalidation对话框中，列出对上述参数的训练数据模型精度评价，在对不同参数得到的模型比较中，可参考predictionerrors中的几个指标，符合以下标准的模型是最优的：标准平均值最接近于0，均方根预测误差最小，平均标准误差最接近于均方根预测误差，标准均方根预测误差最接近于1.单击next按钮。7在validation对话框中，单击finish按钮，普通克里格内插结果如下图。验证对话框普通克里格内插生成的预测图2）创建分位数图重复上述方法，创建普通克里格的分位数图，如下图：3）创建概率图重复上述方法创建普通克里格的概率图，如下图：普通克里格内插生成的概率图4）创建标准误差预测图重复上述方法创建普通克里格的标准误差预测图，如下图：将orderoftrendremoval里改为third，重复以上方法得到，1普通克里格内插生成的预测图2创建分位数图3创建概率图4创建标准误差预测图