ArcGIS的栅格数据空间分析——栅格插值（2）

三、克里金插值（Kriging）

1.概念

是一种基于统计学的插值方法。与“ArcGIS的栅格数据空间分析——栅格插值（1）”中介绍的前两种插值方法不同的是，Kriging可用估计的预测误差来评估预测的质量。

2.分类

普通克里金、泛克里金

3.半变异函数

是一种计算曲线参数的数学建模方法。在地统计学中研究事物变异性的关键函数，是用来描述空间连续变异的一个连续函数，反映不同距离观测值之间的变化。

4.ArcGIS中相关参数设置

5.普通克里金

1）应用最广泛的克里金插值方法。假设需要插值的变量并不存在飘逸或倾向等影响，并且直接用拟合的半变异进行插值。
2）ArcGIS常用的半变异模型有：球型（Spherical）、圆圈（Circular）、指数（Exponential）、高斯（Gaussian）、线性（Linear）。球型模型是最常用的一种半变异模型。
3）下图分别是这几种变异模型的对比：
①球型：

②圆圈

③指数

④高斯

⑤线性

6.泛克里金（通用克里金）

1）假设需要插值的变量受到飘逸或倾向等影响。
2）ArcGIS中提供的半变异模型有：一阶线性漂移、二阶线性漂移。
3）下图为两种半变异模型下的插值对比：
①一阶
②二阶：

7.总结

原始数据范围介于7.11 ~ 42.32之间，从以上两种克里金方法可以看出：
①普通克里金预测结果优于泛克利金，泛克里金方法超过数据范围较为常见
②普通克里金方法中，指数和球型两种半变异模型更符合预期，同时这两种方法也是较为常见的两种半变异模型。