1 1 空间插值相关概念2 空间插值的数据源和采样方法3 空间插值方法4 空间插值应用实例 第九章地理信息系统空间插值 2 1 空间插值 SpatialInterpolation 相关概念 随着GIS和计算机技术的不断发展及人们在研究工作中对空间高质量数据的要求 空间数据插值应用越来越广 受到人们的高度重视 空间插值由点状样本产生栅格型数据的方法 空间插值既是数据维护方法 也是空间分析方法 3 空间数据插值对一组已知空间数据 离散点或分区数据 从这些数据中找到一个函数关系式 使该关系式能最好地逼近已知的空间数据 并能根据该函数关系式推求出区域范围内其它任意点或任意分区的值 4 空间插值建立的理论假设空间位置上越靠近的点 越有可能具有相似的特征值 距离越远的点 其特征值相似的可能性越小 我们利用空间插值进行分析时 分析对象必须具有上述的特性 5 空间插值方法的应用现有离散曲面的分辨率 象元大小与所要求的不符 需要重新插值 如将一个扫描影像 航空像片 遥感影像 从一种分辨率转换到另一种分辨率的影像 6 现有连续曲面的数据模型与所需数据模型不符 需要重新插值 如将一个连续的曲面从一种空间切分方式变为另一种空间切分方式 从TIN到GRID栅格 GRID栅格到TIN或矢量多边形到栅格 现有数据不能完全覆盖所要求的区域范围 需要插值 如将离散的采样点数据内插为连续的数据表面 7 空间插值方法的主要目标 1 对不足或缺失数据的估计 观测台站分布密度及分布位置等原因 不可能任何空间地点的数据都能实测得到 使用空间插值 以了解区域内观测变量的完整空间分布 8 9 空间插值方法的主要目标 2 数据的网格化 规则格网能更好地反映连续分布的空间现象 并对他们的变化作出模拟 对已知观测台站的观测数据进行空间内插 可得到格网化数据 10 空间插值方法的主要目标 3 内插等值线 以等值线的形式直观地显示数据的空间分布 4 对不同分区未知数据的推求 11 空间插值主要过程 1 空间插值数据源获取 2 对数据进行分析 找出源数据的分布特性 统计特性 以利于选择最恰当的插值方法 3 插值方法的选择并进行插值计算 4 对插值结果的评价 5 运用多种插值方法进行计算 对各种方法的插值结果进行比较 分析并选择最佳的插值方法 12 空间插值方法分类空间插值方法依据不同的标准 有多种分类方法 黄杏元等依据已知点和已知分区数据的不同 将空间数据插值分为点的内插和区域的内插 邬伦等则分为空间内插和外推两种 空间内插法 通过已知点的数据推求同一区域其它未知点数据 空间外推法 通过已知区域的数据 推求其它区域数据 13 2 空间插值的数据源和采样方法 1 空间插值的数据源摄影测量得到的正射航片或卫星影像 卫星或航天飞机的扫描影像 野外测量采样数据 数字化的多边形图 等值线图 14 空间插值中硬数据与软信息的概念硬数据空间变化中有限采样点的已知测量数据 软信息在采样点数据比较少的情况下 根据已知的导致某种空间变化的自然过程或现象的信息机理 辅助进行空间插值 这种已知的信息机理即为 软信息 15 2 空间插值数据采样点的采样方式 规则采样最理想的情况 但当区域景观大量存在有规律的空间分布模式时 采用此采样方式则会得出片面的结果 16 随机采样该方式下各采样点的分布位置各不相关 会导致采样点的分布不均 一些点的数据密集 一些点的数据缺少 17 断面采样该方式主要用于河流 山坡剖面的测量 18 成层随机采样规则采样与随机采样的结合 将区域进行分层 然后在各层中以随机方式进行采点 19 聚集采样用于分析不同尺度的空间变化 主要根据研究地物的分布特征进行比较集中的采样方式 20 等值线采样数字化等高线图插值数字高程模型最常用的方法 21 3 空间插值方法 1 整体内插 2 局部分块内插 3 逐点内插 22 1 整体内插 整体内插 在整个区域用一个数学函数来表达地形曲面 23 整体内插函数通常为高次多项式 要求地形采样点的个数大于或等于多项式的系数数目 采样点个数与多项式系数相等时 得一个唯一解 多项式通过所有采样点 属纯二维插值 采样点个数多于多项式系数时 没有唯一解 一般采用最小二乘法求解 多项式曲面与地形采样点之间差值的平方和最小 属曲面拟合插值或趋势面插值 24 整体内插缺点整体内插函数保凸性较差 不容易得到稳定的数值解 多项式系数物理意义不明显 解算速度慢且对计算机容量要求较高 不能提供内插区域的局部地形特征 25 整体内插优势整个区域函数的唯一性 能得到全局光滑连续的空间曲面 能充分反映宏观地形特征 26 趋势面插值某种地理属性在空间的连续变化用一个平滑的数学平面加以描述 基本思路 先用已知采样点数据拟合出一个平滑的数学平面方程 再根据该方程计算无测量值点上的数据 27 趋势面分析根据采样点的属性数据与地理坐标的关系进行多元回归分析得到平滑数学平面方程的方法 趋势面分析的理论假设地理坐标 x y 是独立变量 属性值Z也是独立变量且正态分布 同样回归误差也是与位置无关的独立变量 28 基于三阶多项式方程输出的趋势面分析网格 ArcViewGIS 29 ArcGIS趋势面插值 30 31 变换函数插值根据一个或多个空间参量的经验方程进行整体空间插值 32 变换函数插值研究实例冲积平原的土壤重金属污染与几个重要因子有关 其中距污染源 河流 的距离和高程两个因子最重要 一般情况 携带重金属的粗粒泥沙沉积在河滩上 携带重金属的细粒泥沙沉淀在低洼 在洪水期容易被淹没的地方 33 距河流的距离和高程是易得到的空间变量 可用各种重金属含量与它们的经验方程进行空间插值 以改进对重金属污染的预测 本例回归方程的形式如下 式中z x 为某种重金属含量 ppm b0 bn是回归系数 p1 pn是独立空间变量 本例p1是距河流的距离因子 p2是高程因子 34 2 局部分块内插 空间分块内插将地形区域按一定方法进行分块 对每一块根据地形曲面特征单独进行曲面拟合和高程内插 35 线性内插利用最为靠近待定点的3个数据点进行插值计算 多项式函数为z a0 a1x a2y 只要将内插点周围3个数据点的数据值代入多项式 即可得到系数 36 双线性内插利用最为靠近待定点的4个数据点进行插值计算 双线性内插的多项式函数为z a0 a1x a2y a3xy 只要将内插点周围4个数据点的数据值代入多项式 即可得到系数 37 双线性内插优点数据重采样后的结果较为平滑 没有阶跃效应 具有较高的精度 双线性内插缺点网格被平均化 具有低频滤波的效果 边缘被平滑 有些极值丢失 38 样条函数样条函数是数学上与灵活曲线规对等的一个数学等式 是一个分段函数 进行一次拟合只有少数点拟合 同时保证曲线段连接处连续 使表面的总体曲率最小 39 样条函数缺点样条内插的误差不能直接估算 样条块的定义困难如何在三维空间中将这些 块 拼成复杂曲面 又不引入原始曲面中所没有的异常现象 该法不适合于在短距离内有较大变化的表面 该法适用于地下水位 高程 大气污染 40 ArcGISSpline插值应用 规则样条 41 42 张力样条 43 44 克立金 Kriging 插值法克立金法由南非地质学家克立金 D G Krige 于1951年提出 1962年法国学者马特隆 G Matheron 引入区域化变量概念 进一步推广和完善了克立金法 该法最初用于矿山勘探 并被广泛地应用于地下水模拟 土壤制图等领域 成为GIS软件地理统计插值的重要组成部分 45 该法认为任何在空间连续性变化的属性非常不规则 不能用简单的平滑数学函数进行模拟 可用随机表面给予较恰当的描述 克立金插值方法着重于权重系数的确定 从而使内插函数处于最佳状态 即对给定点上的变量值提供最好的线性无偏估计 46 ArcGIS克立金空间插值应用 47 48 3 逐点内插 逐点内插以内插点为中心 确定一个邻域范围 用落在邻域范围内的采样点计算内插点的高程值 49 逐点内插本质上是局部内插 但与局部分块内插有所不同局部内插中的分块范围一经确定 在整个内插过程中其大小 形状和位置不变 凡是落在该块中的内插点 都用该块中的内插函数进行计算 逐点内插法的邻域范围大小 形状 位置乃至采样点个数随内插点的位置而变动 一套数据只用来进行一个内插点的计算 50 逐点内插法的四个基本步骤定义内插点的邻域或搜索范围 确定落在邻域内的采样数据点 选择内插数学函数 计算内插点的数值 高程 51 使用逐点内插方法需注意的几个方面插值函数 邻域大小 形状和方向 邻域内数据点的个数 采样数据点分布方式 规则与不规则 采样点权重 反距离权重 附加信息考察 增加各种地形附加信息 52 反距离加权法 InverseDistanceWeighted IDW 以插值点与样本点之间的距离为权重 插值点越近的样本点赋予的权重越大 其权重贡献与距离成反比 可表示为 式中Z是插值点估计值 Zi为实测样本值 n为参与计算的实测样本数 Di为插值点与第i个站点的距离 p为距离的幂 它显著影响内插结果 53 54 实例 0站点与1 2 3 4和5站点的距离及五个点的Z值已知 将已知值和距离代入上式 其中幂P取2 则有 55 ArcViewGIS插值应用 56 57 58 59 ArcGISIDW插值应用 60 61 62 移动拟合法取待定点作为平面坐标的原点 以待定点为圆心或中心作一个圆或矩形窗口 对每一个待定点取用一个多项式曲面拟合该点附近的地表面 也可在局部范围内计算多个数据点的平均值 其中窗口大小对内插结果有决定性的影响 小窗口将增强近距离数据的影响 大窗口将增强远距离数据的影响 减小近距离数据的影响 63 常用的权重形式有 其中di为待定点到数据点i间的水平距离 R为定义函数待定参数时所求的圆半径 64 4 空间插值应用实例基于GIS的滑坡灾害信息不确定性分析 以重庆市万州城区吴家湾滑坡为研究对象 在GIS支持下 揭示滑动面埋深信息在空间插值中的不确定性 65 数据基础与研究方法分析的滑动面埋深数据和相关数据来自滑坡区域35个钻孔的地勘资料 吴家湾滑坡钻孔分布图 66 插值方法的比较分析采用反距离权重法 IDW 克里金法 KRIGING 样条函数法 SPLIN 趋势面法 TRND 67 插值检验方法采用交叉验证法来验证插值的效果 首先假定部分钻孔实测点的滑坡面埋深值未知 使用周围钻孔实测点的值来估算 然后计算所有钻孔实测值与估算值的误差 以此来评判估值方法的优劣 68 插值方法的比较分析各种插值方法的插值结果精度不同 其中克里金法和样条函数法精度相对较高 69 钻孔数量变化分析插值钻孔点数量不同 插值结果的精度不同 插值钻孔点数量越多 插值结果越接近实测值 11个检验钻孔点的平均绝对误差越小 70 像元尺度变化分析在一般分辨率水平下 1 9m 像元大小对插值结果的精度有一定影响 但影响程度远小于插值点数量的变化 71 在后续研究中值得进一步探讨的问题有 1 在插值点数量变化过程中随机选取的钻孔点与检验点之间的位置关系对估值点的影响 72 2 在空间插值的相关研究中 插值方法大都以反距离权重法和克里金法插值精度较高 但在本实例插值方法对比研究中 规则样条函数法的插值精度高于反距离权重法 其原因有待进一步研究 73 3 在空间插值过程中 采用分区插值的方法即在实际插值过程中采用线状的障碍来确定分区的边界是否能较大程度地提高滑面埋深空间插值的精度 74 完 。