GIS空间插值方法

IDW

基本思想是目标离观察点越近则权重越大，受该观察点的影响越大。好处是观察点本身是绝对准确的，而且可以限制插值点的个数。通过power可以确定最近原则对于结果影响的程度。Search radius可以控制插值点的个数。

克里金插值

克里金插值与IDW插值的区别在于权重的选择，IDW仅仅将距离的倒数作为权重，而克里金考虑到了空间相关性的问题。它首先将每两个点进行配对，这样就能产生一个自变量为两点之间距离的函数。对于这种方法，原始的输入点可能会发生变化。在数据点多时，结果更加可靠。时, 其内插的结果可信度较高。通过某种函数来模拟他们之间的关系，这样就能够得到空间分布的关系了。

Natural Neighbour

原理是构建voronoi多边形，也就是泰森多边形。首先将所有的空间点构建成voronoi多边形，然后将待求点也构建一个voronoi多边形，这样就与圆多边形有很多相交的地方，根据每一块的面积按比例设置权重，这样就能够求得待求点的值了。个人感觉这种空间插值方法没有实际的意义来支持。

样条函数插值spline

这种方法使用样条函数来对空间点进行插值，它有两个基本条件：

• 1.表面必须完全通过样本点

• 2.表面的二阶曲率是最小的。

Topo to Raster

这种方法是用于各种矢量数据的，特别是可以处理等高线数据

Trend

这种方法是用多项式拟合，虽然它不一定在局部很符合输入点，但是在总体上是非常符合的。