实验四IDW和Spline空间插值对比与克里格方法内插生成曲面Word格式.docx
《实验四IDW和Spline空间插值对比与克里格方法内插生成曲面Word格式.docx》由会员分享,可在线阅读,更多相关《实验四IDW和Spline空间插值对比与克里格方法内插生成曲面Word格式.docx(26页珍藏版)》请在冰豆网上搜索。
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:
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SpatialAnalyst,点击Close按钮
(2)单击File菜单下的Open命令,选择E:
\Chp8\Ex4\GDP.mxd
(3)打开Options对话框中的General选项卡,设置默认工作路径为:
“E:
\Chp8\Ex4\result\”并设置Analysismask为bound
(4)在SpatialAnalyst下拉菜单中选择InterpolatetoRaster,在弹出的下一级菜单中点击InverseDistanceWeighted,弹出如下图所示的对话框,设置Zvaluefield为GDP;
设置Power为2;
设置Outputcellsize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SpatialAnalyst下拉菜单中选择RasterCalculator,求Abs((Power=2)—(Power=5))
2、Spline内插法
(1)在SpatialAnalyst下拉菜单中选择InterpolatetoRaster,在弹出的下一级菜单中点击Spline。
弹出对话框后,设置Zvaluefield为GDP;
设置Splinetype为Regularized;
设置Weight值为0;
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Splinetype为Tension,并分别取Weight值为0和5进行计算
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SpatialAnalyst下拉菜单中选择RasterCalculator,并求Regularized中Abs((Weight=0)-(Weight=0.01))
SplineRegularized插值结果如下图所示
SplineTension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SpatialAnalyst下拉菜单中选择RasterCalculator,输入公式,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
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。
用克里格法内插生成曲面
某地区的高程采样点(jyg.shp);
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。
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GeostatisticalAnalyst。
3点击CreateSubsets命令
4、在弹出的对话框中,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OutputPersonalGeodatabase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GeostatisticalAnalyst模块的下拉箭头选择ExploreData并点击Histogram命令,生成如下结果(图5、6)。
7、点击GeostatisticalAnalyst模块的下拉箭头选择ExploreData并点击NormalQQPlot命令,生成如下结果(图7、8)。
由图上可知,数据分布符合正态分布的假设,不需要进行数据变换。
8、点击GeostatisticalAnalyst模块的下拉箭头选择ExploreData并点击TrendAnalysis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GeostatisticalAnalyst模块的下拉箭头点击GeostatisticalWizard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STATION,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(UniversalKriging),在下面的选项中点击预测图(PredictionMap),在DataSet1选项卡中的Transformation里选择None变换方式,在OrderofTrend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/CovarianceModeling对话框中(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Numberof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SearchingNeighborhood对话框中,点击Next按钮(图14)。
15、在弹出的CrossValidation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PredictionError中的几个指标。
符合以下标准的模型是最优的:
标准平均值(MeanStandardized)最接近于0,均方根预测误差(RootMean-Square)最小,平均标准误差(AverageMeanError)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-SquareStandardized)最接近于1。
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Quantities列表,选中GraduatedSymbols,在Value中选择STATION,将符号大小的变化范围SymbolSizefrom…to…里改为4到16,单击应用,再单击确定。
18、将内插生成的层面与jyg叠加显示
、
19.叠加显示结果图
(2)将kriging方法改为ordinary再操作一次,最终得到一下效果图。