雨量等值线图的实现

上一篇日志展示了我的成果，现在聊一聊我实现过程中涉及到的一些问题，至于具体实现方式这里就不细说了，实在有兴趣的朋友就留言吧。
先交代应用的场景，通常一个地区会分布一些气象自动站，记录气象信息，今天要讨论的是雨量信息，对于决策者来说，把一个个自动站记录下来的数值列在二维表上，摆在面前，几乎就只能回答一个问题：今天到底有没有下雨？至于这场雨的强度有多大，影响范围多广，雨量如何分布，趋势是什么，这些高级问题根本就无法从一张二维表里面得到，就算把这些零零散散的站点信息叠加在地图上，由于站点不可能无限多，顶多也就百来个，也无法得到比二维表更多的信息
怎样根据有限的数据来回答上面提到的问题呢？答案就是根据已知的数据，通过一定的关联关系推算出其他未知的数据，只要得到的数据够多，体现在地图上的时候，就能反映雨量的分布，强度等信息。
如果推算？答案：插值
这里附上数据样本，下面这些点点代表这个区域中的自动站，上面的数字代表雨量：

通过插值的方式，可以根据现有的站点信息来推算出其他区域的雨量信息，其原理呢，具体应该是要去翻看统计学的书籍了，我不懂，插值的方式有很多种，雨量插值中用得比较多的有克里金和反距离加权法，其中克里金法的算法较为先进，其结果也最贴近实际结果，但是其运算比较复杂，网上也鲜有克里金法的源码（java的很难找到，后来找着一个，我的一篇博客就是专门讲它的），反距离加权法的算法比较简单，很容易理解，就是认为事物之间的影响是跟距离正相关，事物之间距离越近，就越相似，越远就越不同，我就是使用反距离加权法来插值。
上面啰嗦了这么多就是讲怎样从有限的数据中发掘更多的数据，当经过上面的步骤之后，就能得到一张如下的图：

不好意思，图的效果看起来有些诡异，这样一张图其实已经可以表达一定的趋势信息了，不过数据的太多了，信息不够清晰，需要进行分类，比如0.1~1的为一类，1~5的为一类，5~10的为一类……这样可以让数据更有层次，更清晰，这就要用到另外一个技术，等值线绘制！
等值线绘制对我来说，算是比较难的一步了，不过还是解决了，哈哈，当然也可以不画等值线，直接在绘制栅格图的时候根据数值区间赋予颜色，但是等值线图会更加平滑更加细腻，表达方式也更丰富！
以下是效果，就是上面提到的不实用等值线的方式绘制的图：

这里附上等值线图，对比下效果吧：

转载于:https://my.oschina.net/LinBandit/blog/125121