空间插值与方法简介 .pptVIP

空间自相关检测 半变异函数云图 如果数据是空间相关的，则距离很近（x轴靠左侧）的样点对的方差较小，反正则较大。 公式： 普通克里格法 预测值 未知常量 随机误差 注：普通克里格法基于平稳性假设，即所有的随机误差都具有二阶平稳性，也就是说随机误差的均值为零。 理论半变异图 公式：半变异函数（抽样间距）= 0.5*[（点i的值-点j的值）2]的平均值 抽样距离 平均半变异 步长大小 步长分组 块金 偏基台 半变异模型 最常用的是球状模型（Spherical）与指数模型（Exponential）。 球状模型表示在一定的距离范围内空间自相关性逐步减小（表现为半变异的同步增加），超过这个距离空间自相关就为0。球状模型被广泛利用在土壤性质的空间分析中。 指数模型用来拟合当距离增加时，空间自相关成指数下降并且当趋向于无穷远时，空间自相关才完全消失。 各向异性参数修改 显示有哪些信誉好的足球投注网站方向 角度方向 角度容限 带宽 各向异性工具 主相关阈值 次相关阈值 交叉验证 预测值对应与测量值的散点图 4 结果诊断 某一样点的预测值和测试值之间的比较 预测值 测试值 标准均方根预测误差 均方根预测误差 平均标准差 标准平均预测误差 0 1 回归系数 5 不同方法比较 标准均方根预测误差 均方根预测误差 平均标准差 标准平均预测误差 0 1 .lyr文件 Arcinfo grid文件 结果输出到其他应用 空间插值小结 概念及分类 概念、重要性和分类 生成表面处理流程 主要处理步骤 小结 地统计插值 9.3 地统计插值 表1 样本数据特征值统计 特征值 时期 最小值 最大值 平均值 标准差 变异系数 70年代 11.27 19.53 17.52 1.09 6.22% 80年代 11.33 19.43 17.51 1.07 6.11% 90年代 11.77 19.53 17.74 1.03 5.81% 2000年代 11.50 19.80 17.97 1.23 6.84% 9.3 地统计插值 特征值 时 期 块金值 （C0） 基台值 （C + C0） 变程（m） C/C+C0 70年代 0.322 2.524 56420 0.872 80年代 0.353 2.465 56420 0.857 90年代 0.370 1.828 56420 0.797 2000年代 0.405 2.133 56420 0.810 表2 样本数据地统计半方差函数参数值 9.3 地统计插值 表3 样本数据检验标准值 误差值 时期 ME RMSE MSE RMSSE 70年代 0.004 0.817 0.003 0.969 80年代 0.002 0.825 0.002 0.982 90年代 0.007 0.843 0.006 0.985 2000年代 0.021 0.853 0.015 0.987 9.3 地统计插值 最理想的情况是每一个田块都采样化验分析，用这样的数据指导施肥准确可靠，而且样越多越用。实际中只能选取部分田块采集样点， 空间插值只需准备格式为*.shp的矢量点图，每个点位上有相关属性数据，考虑到研究区域的形状，还需准备面状辖区边界图。 QQ图提供了另外一种度量数据正态分布的方法，利用QQ图，可以将现有数据的分布与标准正态分布对比，如果数据越接近一条直线，则它越接近于服从正态分布。 一个由空间插值所生成预测表面主要由两部分组成：确定的全局趋势和随机的短程变异。在运用地统计插值的过程中剔除全局趋势是为了满足平稳假设，剔除全局趋势后可以用模型来拟合剩余部分的数据即短程变异。为了获得合理的预测，必须将全局趋势再还原回去。 全局离群值在直方图（Histogram）上表现为孤立存在或被一群显著不同的值包围。如图，直方图最右边被选中的一个柱状条即是该数据的离群值。相应地，数据点层面上对应的样点也被高亮显示。 如果数据集中有一个异常高值的离群值，则与这个离群值形成的样点对，无论距离远近，在半变异/协方差函数云图中都具有很高的值。如下图所示，这些点可大致分为上下两层，对于上层的点，无论位于横坐标的左端或右端（即无论距离远近）都具有较高的值。刷光上层的一些点，右图是对应刷光的样点对。可以看到，这些高值都是由同一个离群值的样点对引起的，因此，需要对该点进行剔除或改正。 假设前提 也就是说，离预测点近的已知样点在预测过程所占的权重要大于离预测点远的已知样点的权重。 符合以下标准的模型是最优的：标准平均值（Mean Standardized）最接近于0，均方根预测误差（Root-Mean-Square）最小，平均标准误差（Average Mean Error） 最接近于均方根预测误差（Root-Mean-Square），标准均