GIS学习（二）：插值分析与密度分析的区别

1 定义

1 .1插值分析

在实际工作中，由于成本的限制、测量工作实施困难大等因素，我们不能对研究区域的每一位置都进行测量（如高程、降雨、化学物质浓度和噪声等级）。这时，我们可以考虑合理选取采样点，然后通过采样点的测量值，使用适当的数学模型，对区域所有位置进行预测，形成测量值表面。插值之所以可称为一种可行的方案，是因为我们假设，空间分布对象都是空间相关的，也就是说，彼此接近的对象往往具有相似的特征。
——————————————————————————————

1.2 密度分析

密度分析是通过离散点数据或者线数据进行内插的过程，根据插值原理不同，主要是分为核密度分析和普通的点\线密度分析。核密度分心中，落入搜索区的点具有不同的权重，靠近搜索中心的点或线会被赋予较大的权重，反之，权重较小，它的计算结果分布较平滑。在普通的点\线密度分析中，落在搜索区域内的点或线有相同的权重，先对其求和，再除以搜索区域的大小，从而得到每个点的密度值。

2 差异

插值分析与密度分析的本质就是完全不一样的。 首先，插值分析的目的是对未知区域的数据进行估算，而密度分析仅表现现有数据的聚集情况。
其次，插值分析并不关注空间尺度的问题，而密度分析对空间尺度关注点特别高。
最后，就是插值分析对用于插值的属性是必须要有的，而密度分析最低仅需要有点的位置即可。
————虾神

2.1 举例

为了更好的理解，举一个（可能并不恰当的）例子：

以人口数据为例，有50个点，每个点代表1万人。点的和是50万人。
如果进行插值分析，是已知点求未知点的过程。那么结果栅格，每个格子表示人口数，栅格所有值的和会大于50万。
如果进行密度分析，是将这50万人分摊到某一区域上，结果栅格值的和是等于50万的。

假如我们有一个三个点数据，分别是中国、韩国和日本的人口。点的位置分别在北京、首尔和东京，数值分别为13亿、2亿、1亿。
如果我们进行核密度估算，那么得到的就是人口热力图。整个东亚三国所有的栅格值加起来=13+2+1=16亿。
而如果我们错误地进行了插值分析，那么结果就可怕了：可能北京中心点（假设为天安门）的人口为13亿，而北京大学的人口也有10亿左右！

2.2 从矢量数据的代表性上理解

所以我们可以看到，区分核密度分析、点密度分析的一个关键在于：**点数据（或线数据）的数值是代表整体的还是代表局部的。**又或者说，点数据是否代表一定的面积？还是点，仅仅是那个位置处一个没有面积的点。
人口点数据，很显然是一个代表整体的，数值表示的是这个行政区划内的总体人口，而不是这个点位置处的人口。这样的点数据，其实是与面积的含义在内：中国的人口点数据，数值13亿，潜在的意思为960万平方公里内的人口为13亿。而不是这个点坐标下就有13亿人。
而野外的采样点数据，很显然是代表局部的。因为我们野外实验时就是在某个很小的样方内采样。比如：植被覆盖度。我们在采集植被覆盖度时，总不能所有地方的植被全都测一遍，那样恐怕会累死，碰到个悬崖峭壁的还有生命危险。因此我们只选取具有代表性的样方得到这些位置的植被覆盖度，然后在空间相关性的前提下，估算出全部研究区域的植被覆盖度。

2.3 从二者的名称上理解

其实二者的区别也完全可以从名称上面来理解：
”密度“分析，是内插。既然是密度，那么一定不是一个绝对值，而是物质内部的属性。所以就是我们用点数据的数值”向内部分配“。而所谓的内部，就是指这个点数据所隐含代表的实际的地理单元（一个国家、一个村庄、一个建筑等等）。
”插值“分析，是外插。那么就是对未知的区域进行估算，一定是”向外部插值“。所谓的外部，一定是这个点数据所不能包含的区域。比如，从A、B村庄的数据估算C村庄的数据。
顺便放一个”内插“和”外插“的定义，也可以有助于理解密度分析和插值分析的区别：

用回归方程预测范围以外的数值称为外插法，而内插法是对数据范围内的点进行预测。