克里金插值详细步骤_ArcGIS反权重（IDW）空间插值视频教程和文字版教程

最新推荐文章于 2025-02-26 14:49:03 发布

weixin_40008969

最新推荐文章于 2025-02-26 14:49:03 发布

阅读量1w

点赞数 8

文章标签：克里金插值详细步骤

本文链接：https://blog.csdn.net/weixin_40008969/article/details/111363621

版权

本文详细介绍了如何使用ArcGIS进行空间插值，涉及反距离权重法(IDW)和克里金插值(Kriging)。步骤包括准备插值点和范围图层，设置环境变量，以及使用掩膜提取、剪切工具或显示范围进行结果调整。此外，还对比了几种插值方法的优缺点和适用场景。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

本文是ArcGIS完成空间插值的文字版教程和视频教程，其中文字版教程部分转载自TOOL尖尖的木木作者，视频版教程来自二狮兄发布在百度文库的视频教程。

其中上集高清在线视频地址为：

https://wenku.baidu.com/video/courseview/1b6aa2116c175f0e7cd137e2

空间插值在下集，要找到第26集：

https://wenku.baidu.com/video/courseview/9b997dd5360cba1aa811daed?fr=pc&fromplaylist=1

整个空间插值全过程的操作过程都有，下面用转载的本字版辅助说明，因为教程制作需要，部分文字有改动。

一、目标

制作一副年平均降雨量的地图。

二、数据

在上面视频教程地址中就可以找到数据下载地址，用练习数据配合视频教程进行练习操作。

三、制作方法

在已知一个空间中的部分点数据的时候，想知道在空间面上分布特征时，常用插值方法。如知道气象站的降水数据，判断空间大致的面降水分布等情况。常用的插值方法有反距离权重法(IDW)和克里金插值方法(Kriging)。可以借助ArcGIS来实现空间插值。

主要步骤：

准备插值点图层
准备插值范围图层
选择插值工具并设置

具体步骤：

以反距离权重法IDW为例：

一、准备插值点图层和要插值的范围图层，加载到ArcMap

点图层中需要插值的点数据表和图层：

准备需要插值的范围，即面矢量图层：

二、打开插值工具

1、打开ArcToolbox《Spatial Analyst Tools《Interpolation《IDW，选择反距离权重插值。

2、输入点图层，选择插值字段(列)；设置输出地址和名称；

3、需要设置环境变量，不然得到的结果可能不完全覆盖需要的面图层，出现下图的情况：

4、打开环境输入面图层；设置插值环境

在Processing Extent中选择需要得到范围一致的图层，这样插值出来就能完全覆盖研究区了。

三、得到与研究区范围一致的插值范围

最后还需要得到这样的图层：

这里有三种方法，一种是按掩膜提取，第二种是使用剪切工具剪切，第三种是将所有的图层显示为研究区范围。其中第三种适合处理大量多次，使用比较简单。

1、按掩膜提取

打开ArcToolbox《Spatial《Extraction《Extract by Mask，设置相关参数，执行成功就能得到需要的结果。

2、选择剪切工具

需要指出的是，栅格数据和矢量数据的剪切虽然都是Clip，但是并不是一个，这里用到的是栅格数据剪切的Clip。

打开ArcToolbox《Data Management Tools《Raster《Raster Processing《Clip，设置后进行剪切，即可得到结果。

3、将所有的图层显示为研究区范围

在Layers上右击选择属性，Properties

在对话框中选择Data Frame，在Clip Options 中选择Clip to shape，然后点击Specify Shape…。

选中Outline of Features，并选择需要的范围对应的图层，点击OK就可以了。

几种不同插值方法的意义：

1.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。

2.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。

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。
接着再用这种空间分布的关系来模拟出所得的数据。
Ordinary是指一般的情况，而universal是指已知某种分布模式比如风暴的模拟等等

3.Natural Neighbour法
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。

4.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。一下是一篇论文里spline与IDW之间的比较：
从本文实验数据可以看出，IDW 插值主要受幂指数和各采样点属性值变化情况的影响，幂指数越高，其局部影响的程度越高，在IDW搜索半径内，若各个采样点属性值变化较小时，内插结果受幂指数的影响较小；Spline 插值主要受插值类型(Regularized 或Tension)和weight 值的影响，一般Regularize 插值结果比Tension插值结果光滑，在Regularized Spline 插值中，weight 值越高生成的表面越光滑，Tension Spline 插值则相反；
总体来看，IDW和SPLINE 插值受采样点范围、采样点密度、采样点属性取值变化以及各自的参数影响，当采样点足够密时，使用IDW插值可以取得良好效果，SPLINE插值则适合那些空间连续变化且光滑的表面的生成。

5.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

6.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。由Polynominal order来确定多项式的级数，1表示平面，最高是12，这是最复杂的情况。