下载文档原格式
GIS空间插值（局部插值方法）实习记录一、空间插值的概念和原理当我们需要做一幅某个区域的专题地图，或是对该区域进行详细研究的时候，必须具备研究区任一点的属性值，也就是连续的属性值。
但是，由于各种属性数据（如降水量、气温等）很难实施地面无缝观测，所以，我们能获取的往往是离散的属性数据。
例如本例，我们现有一幅山东省等降雨量图，但是最终目标是得到山东省降水量专题图（覆盖全省，统计完成后，各地均具有自己的降雨量属性）。
空间插值是指利用研究区已知数据来估算未知数据的过程，即将离散点的测量数据转换为连续的数据曲面。
利用空间插值，我们就可以通过离散的等降雨量线，来推算出山东省各地的降雨量了。
二、空间插值的几种方法及本次实习采用的原理和方法–整体插值方法»边界内插方法»趋势面分析»变换函数插值–局部分块插值方法»自然邻域法»移动平均插值方法：反距离权重插值»样条函数插值法（薄板样条和张力样条法）»空间自协方差最佳插值方法：克里金插值■局部插值方法的控制点个数与控制点选择问题局部插值方法用一组已知数据点（我们将其称为控制点）样本来估算待插值点（未知点）的值，因此控制点对该方法十分重要。
为此，第一要注意的是控制点的个数。
控制点的个数与估算结果精确程度的关系取决于控制点的分布与待插值点的关系以及控制点的空间自相关程度。
为了获取更精确的插值结果，我们需要着重考虑上述两点因素（横线所示）。
第二需要注意的是怎样选择控制点。
一种方法是用离估算点最近的点作为控制点；另一种方法是通过半径来选择控制点，半径的大小必须根据控制点的分布来调整。
S6、按照不同方法进行空间插值，并比较各自优劣打开ArcToolbox——Spatial Analyst 工具——插值，打开插值方法列表，如下图：A、采用反距离权重法（IDW）对降水量数据进行插值：反距离权重法的特点是按照距离待插值点的远近核定已知数据点的权重，从而对待插值点进行插值的过程。
ArcGIS插值方法及其应用在 ArcGIS 中，插值方法是用来预测未知数据值的一种技术。
插值方法可以用于解决各种空间问题，例如地形分析、环境监测、城市规划等。
在 ArcGIS 中，插值方法可以分为两大类：空间插值和属性插值。
空间插值用于预测二维或三维数据的空间分布，而属性插值则用于预测某一属性值在空间区域中的分布。
ArcGIS 中提供了多种插值方法，包括:1. 全局多项式插值：这是一种传统的插值方法，可以用于预测二维或三维数据。
全局多项式插值方法通过建立一个多项式方程来预测未知数据值。
2. 局部多项式插值：与全局多项式插值不同，局部多项式插值方法可以指定插值区域的不同部分使用不同的多项式阶数和参数。
这种方法可以更好地适应局部数据分布。
3. 样条函数插值：样条函数是一种分段多项式插值函数，可以用于预测二维或三维数据。
样条函数插值方法可以通过选择不同的样条插值方法、参数和超参数来适应不同数据分布和复杂程度。
4. 克里金插值：克里金插值方法是一种基于距离权重的插值方法，可以用于预测二维或三维数据。
克里金插值方法通过将距离函数应用于数据点之间的相互关系来预测未知数据值。
5. 泛克里金插值：泛克里金插值方法是一种改进的克里金插值方法，可以用于预测二维或三维数据。
泛克里金插值方法在克里金插值方法的基础上引入了一个泛克里金参数，可以更好地适应数据分布和变化趋势。
6. 指示克里金插值：指示克里金插值方法是一种基于指示数据的插值方法，可以用于预测二维或三维数据。
指示克里金插值方法通过将指示数据应用于数据点之间的相互关系来预测未知数据值。
7. 概率克里金插值：概率克里金插值方法是一种基于概率统计的插值方法，可以用于预测二维或三维数据。
概率克里金插值方法通过将概率分布应用于数据点之间的相互关系来预测未知数据值。
8. 析取克里金插值：析取克里金插值方法是一种基于析取统计的插值方法，可以用于预测二维或三维数据。
析取克里金插值方法通过将析取统计应用于数据点之间的相互关系来预测未知数据值。
ArcGIS 中几种空间插值方法1. 反距离加权法(IDW)ArcGIS 中最常用的空间内插方法之一，反距离加权法是以插值点与样本点之间的距离为权重的插值方法，插值点越近的样本点赋予的权重越大，其权重贡献与距离成反比。
可表示为：1111()()n nip p i i i i Z Z D D ===∑∑ 其中Z 是插值点估计值，Z i (i=1Λn)是实测样本值，n 为参与计算的实测样本数，D i 为插值点与第i 个站点间的距离，p 是距离的幂，它显著影响内插的结果，它的选择标准是最小平均绝对误差。
2.多项式法多项式内插法(Polynomial Interpolation)是根据全部或局部已知值，按研究区域预测数据的某种特定趋势来进行内插的方法,属统计方法的范畴。
在GA 模块中，有二种类型的多项式内插方法，即全局多项式内插和局部多项式内插。
前者多用于分析数据的全局趋势；后者则是使用多个平面来拟合整个研究区域，能表现出区域内局部变异的情况。
3.样条函数内插法样条函数是一个分段函数，进行一次拟合只有少数点拟合，同时保证曲线段连接处连续，这就意味着样条函数可以修改少数数据点配准而不必重新计算整条曲线。
样条函数的一些缺点是：样条内插的误差不能直接估算，同时在实践中要解决的问题是样条块的定义以及如何在三维空间中将这些“块”拼成复杂曲面,又不引入原始曲面中所没有的异常现象等问题。
4.克里格插值法克里格法是GIS 软件地理统计插值的重要组成部分。
这种方法充分吸收了地理统计的思想，认为任何在空间连续性变化的属性是非常不规则的，不能用简单的平滑数学函数进行模拟，可以用随机表面给予较恰当的描述。
这种连续性变化的空间属性称为“区域性变量”，可以描述象气压、高程及其它连续性变化的描述指标变量。
地理统计方法为空间插值提供了一种优化策略，即在插值过程中根据某种优化准则函数动态的决定变量的数值。
Kriging 插值方法着重于权重系数的确定，从而使内插函数处于最佳状态，即对给定点上的变量值提供最好的线性无偏估计。
arcgis插值方法ArcGIS插值方法是一种利用已知的离散点数据来推算未知地点的值的技术。
在地理信息系统中，插值方法被广泛应用于地形分析、环境模拟、资源评估等领域。
本文将介绍几种常用的ArcGIS插值方法，包括反距离加权插值(IDW)、克里金插值(Kriging)、样条插值(Spline)等。
我们来了解一下反距离加权插值(IDW)方法。
IDW方法假设距离越近的点对结果的影响越大，离待插值点越远的点对结果的影响越小。
IDW方法计算待插值点的值时，根据离待插值点的距离和邻域内点的值进行加权平均，得到待插值点的值。
IDW方法的优点是简单易懂，计算速度较快，适用于点密度较大且趋势较明显的情况。
但是IDW方法对异常值敏感，对点密度不均匀的数据拟合效果较差。
克里金插值(Kriging)是一种基于地统计学原理的插值方法。
克里金插值方法假设未知点的值是其周围点值的线性组合，并尽量使残差（即预测值与实际值之差）的方差最小。
根据克里金插值方法的预测模型，可以得到未知点的值。
克里金插值方法考虑了空间相关性，适用于点密度较低、数据不均匀分布的情况。
克里金插值方法的不足之处在于计算复杂度较高，对数据变异性的要求较高，需要根据实际情况选择合适的克里金模型。
除了IDW和克里金插值方法，ArcGIS还提供了样条插值(Spline)方法。
样条插值方法通过拟合一个平滑的曲面来估计未知点的值。
样条插值方法在计算过程中考虑了各个点的权重，能够较好地反映数据的变化趋势。
样条插值方法的优点是对数据分布没有要求，适用于各种数据类型。
但是样条插值方法需要较大的计算量，对数据噪声敏感。
除了上述三种常用的插值方法，ArcGIS还提供了其他一些插值方法，如最近邻插值、自然邻近插值等。
这些方法各有特点，可以根据实际需求选择合适的插值方法。
在使用ArcGIS进行插值分析时，除了选择合适的插值方法，还需要注意数据的质量和分布情况。
数据质量好、点密度均匀的情况下，插值结果会更加准确可靠。
ARCGIS插值操作在ARCGIS中，有多种插值方法可供选择，如Kriging插值、逆距离权重插值(IDW)、三角网插值(TIN)等。
以下将对这些方法进行探讨。
1. Kriging插值：Kriging是一种基于空间自相关的插值方法，可以通过评估观测点之间的空间相关性来进行数据推断。
Kriging插值对数据点之间的空间关系进行了建模，并生成了准确的等值面。
与其他插值方法相比，Kriging插值可以提供更准确和平滑的结果。
2.逆距离权重插值(IDW)：IDW是一种基于观测点之间距离的插值方法，它假设离测量点越近的点对其值的影响越大。
IDW插值通过计算距离加权平均值来生成表面。
这种方法易于实现，并且对数据点的密度变化较为敏感，但可能会产生过度平滑的结果。
3.三角网插值(TIN)：TIN是一种基于三角形的插值方法，它通过将测量点连接成三角形网格来生成表面。
TIN插值使用了Delaunay三角剖分算法，该算法有效地处理了不规则观测点布局的数据。
然后，通过线性插值在每个三角形内进行插值。
TIN插值对数据点的布局要求更高，可以有效处理非均匀分布的观测点。
除了这些主要的插值方法外，ARCGIS还提供了其他一些插值方法，如径向基函数插值(RBF)，全局多项式插值(GPI)，局部多项式插值(LPI)等。
这些方法可以根据数据的特点和用户的需求进行选择。
在ARCGIS中，进行插值操作的步骤包括：1.导入数据集：首先，需要将包含观测点和其对应值的数据集导入ARCGIS中。
2.创建插值图层：选择合适的插值方法，并根据数据分布和用户需求设置相应的插值参数。
然后，创建一个插值图层来表示生成的等值面。
3.插值处理：运行插值操作，ARCGIS会根据所选的插值方法和参数计算观测点的值，并生成光滑的等值面。
4.可视化和分析：通过调整等值面的样式和颜色编码，可以对结果进行可视化。
还可以进一步分析生成的等值面，如计算最大、最小值，获取特定值所在位置等。
ArcGIS三种插值功能
arcgis中有三个地方提供了空间插值的功能，
spatial analysis中有interpolate to raster 命令中主要是把矢量的点线图层，插值成栅格图层
3D Analysis中有也有interpolate to raste命令，只是这里面的工具多一个自然临近插值法。
这是传统的空间插值方法，近年来地统计的插值方法逐渐的流行起来，模块Geostatistical analysis中（克里金插值，协同克里金等方法），理论上有基台值等概念，前提是均值为零，方差为1。
这一模块用起来也比较复杂，简单的介绍一下：
步骤一：探索数据（比如十二个气象站点的降雨侵蚀力数据是不是满足某一个方程，具体和哪个方程想匹配，要通过不断的探索）这一过程通过explore data下的 Normal QQPlot来看，这里面有不少函数如long变换后数据在一个轴上，这就要在第二个过程中用long 函数运行
步骤二：wizard向导进行地统计学插值，选用Kriging方法，一路next后，在finish前面的最后一个对话框中观察均值是不是趋近于0，方差是不是趋近于1，这两个条件不满足，就要back到前面的对话框中不断地调整参数，直到满足这两个条件为止。
我还在想一个问题就是插值和重采样（arcgis中可以在arctoolbox中research--resample实现）的区别，当栅格不是我需要的大小是，我一般都是进行重采样的，可以选择不同的采样方法，二次方程，三次卷积等等。
arcgis插值运算【实用版】目录1.插值运算概述2.ArcGIS 插值运算方法2.1 空间插值2.2 统计插值2.3 样条插值2.4 普通插值2.5 三维插值3.插值运算的应用4.常见问题与解决方案正文一、插值运算概述插值运算是一种通过已知数据点来预测或估计未知数据点的方法，广泛应用于地理信息系统（GIS）和遥感领域。
其目的是在空间上或时间上对数据进行平滑或预测，以填充数据空白或扩展数据范围。
二、ArcGIS 插值运算方法1.空间插值空间插值是根据已知数据点的空间关系来预测未知数据点的方法，主要包括以下几种：- 线性插值：通过计算已知点之间的线性关系，预测未知点的值。
- 反距离权重法：根据已知点与预测点的距离，赋予已知点不同的权重，然后计算预测点的值。
- 样条插值：通过计算已知点之间的曲线关系，预测未知点的值。
2.统计插值统计插值是根据已知数据点的统计特征来预测未知数据点的方法，主要包括以下几种：- 普通插值：根据已知数据点的平均值、最大值、最小值等统计特征，预测未知点的值。
- 三维插值：在三维空间中，根据已知数据点的三维坐标和统计特征，预测未知点的值。
3.样条插值样条插值是一种通过计算已知数据点之间的样条函数来预测未知数据点的方法，可以很好地处理数据点的非线性关系。
4.普通插值普通插值是根据已知数据点的平均值、最大值、最小值等统计特征，预测未知点的值，适用于数据点分布较为均匀的情况。
5.三维插值三维插值是在三维空间中，根据已知数据点的三维坐标和统计特征，预测未知点的值，适用于处理立体空间数据的情况。
三、插值运算的应用插值运算在 GIS 领域有着广泛的应用，例如：- 地形分析：通过插值运算，可以生成连续的地形模型，用于地形分析和制图。
- 气象预测：通过插值运算，可以预测未来一段时间内的气象数据，用于气象预报和防灾减灾。
- 生态环境评价：通过插值运算，可以预测生态系统的变化趋势，用于生态环境评价和保护。
ArcGIS 中几种空间插值方法1. 反距离加权法(IDW)ArcGIS 中最常用的空间内插方法之一，反距离加权法是以插值点与样本点之间的距离为权重的插值方法，插值点越近的样本点赋予的权重越大，其权重贡献与距离成反比。
可表示为：1111()()n nip p i i i i Z Z D D ===∑∑其中Z 是插值点估计值，Z i (i=1Λn)是实测样本值，n 为参与计算的实测样本数，D i 为插值点与第i 个站点间的距离，p 是距离的幂，它显著影响内插的结果，它的选择标准是最小平均绝对误差。
2.多项式法多项式内插法(Polynomial Interpolation)是根据全部或局部已知值，按研究区域预测数据的某种特定趋势来进行内插的方法,属统计方法的范畴。
在GA 模块中，有二种类型的多项式内插方法，即全局多项式内插和局部多项式内插。
前者多用于分析数据的全局趋势；后者则是使用多个平面来拟合整个研究区域，能表现出区域内局部变异的情况。
3.样条函数内插法样条函数是一个分段函数，进行一次拟合只有少数点拟合，同时保证曲线段连接处连续，这就意味着样条函数可以修改少数数据点配准而不必重新计算整条曲线。
样条函数的一些缺点是：样条内插的误差不能直接估算，同时在实践中要解决的问题是样条块的定义以及如何在三维空间中将这些“块”拼成复杂曲面,又不引入原始曲面中所没有的异常现象等问题。
4.克里格插值法克里格法是GIS 软件地理统计插值的重要组成部分。
这种方法充分吸收了地理统计的思想，认为任何在空间连续性变化的属性是非常不规则的，不能用简单的平滑数学函数进行模拟，可以用随机表面给予较恰当的描述。
这种连续性变化的空间属性称为“区域性变量”，可以描述象气压、高程及其它连续性变化的描述指标变量。
地理统计方法为空间插值提供了一种优化策略，即在插值过程中根据某种优化准则函数动态的决定变量的数值。
Kriging 插值方法着重于权重系数的确定，从而使内插函数处于最佳状态，即对给定点上的变量值提供最好的线性无偏估计。
arcgis 克里金插值实验步骤克里金插值是地理信息系统（GIS）中常用的一种插值方法，用于根据已知点的空间分布和属性值来推断未知点的属性值。
在ArcGIS软件中，克里金插值是一个强大的空间分析工具，可以帮助用户更好地理解空间数据的分布规律。
在进行克里金插值实验之前，首先需要准备一些必要的数据和工具。
下面是在ArcGIS中进行克里金插值实验的具体步骤：1. 打开ArcGIS软件，并加载要进行插值的数据。
这些数据可以是点数据、线数据或面数据，其中点数据最为常用。
确保数据的属性字段中包含有用于插值的数值字段。
2. 确定插值的参数设置。
在ArcGIS中，克里金插值的参数包括插值方法、搜索半径、插值权重等。
根据实际情况，选择合适的参数值进行插值。
3. 打开“空间分析”工具箱，在“插值”工具集中选择“克里金插值”工具。
在弹出的参数设置对话框中，选择要插值的数据图层、插值字段和输出栅格数据的保存位置。
4. 设置克里金插值的参数。
根据实际情况，设置插值方法（如简单克里金、普通克里金、泛克里金等）、搜索半径、插值权重等参数值。
5. 运行插值分析。
点击“运行”按钮，ArcGIS将根据所设置的参数值进行克里金插值分析，并生成插值结果。
在插值结果中，可以看到未知点的预测值和插值的插值误差。
6. 分析插值结果。
查看插值结果的插值图和插值误差图，分析插值的精度和可靠性。
根据需要，可以对插值结果进行进一步的处理和分析。
通过以上步骤，您可以在ArcGIS中进行克里金插值实验，并得到插值结果。
克里金插值是一种常用的空间插值方法，可以帮助您更好地理解地理数据的分布规律，为地理分析和决策提供有力的支持。
希望以上步骤对您有所帮助，祝您实验顺利！。
利用ARCGIS进行空间统计分析空间统计分析是利用GIS（地理信息系统）软件进行的一种分析方法，可以帮助我们理解和解释地理数据的空间模式和关联性。
ARCGIS是一款功能强大的GIS软件，在进行空间统计分析方面有着广泛的应用。
ARCGIS提供了多种空间统计分析的工具和函数，如空间自相关、聚类分析、热点分析、插值分析等。
下面将分别介绍这些分析方法的应用。
一、空间自相关空间自相关分析用于研究地理数据的空间相关性。
通过计算地理单位之间的空间相关性指数，可以帮助我们发现和理解空间数据的空间分布模式。
ARCGIS提供了Moran's I指数和Geary's C指数等空间自相关分析方法。
Moran’s I指数是一种常用的空间自相关指数，用于测量地理单位之间的空间相关性。
通过计算每个地理单位与其邻近单位之间的相似性，并与总体平均值进行比较，得出Moran's I指数的值。
该值介于-1和1之间，正值表示正相关，负值表示负相关，0表示无相关。
通过观察Moran’s I指数的空间模式图和Z分布图，我们可以确定地理数据的空间分布模式（聚集、随机或分离）。
Geary's C指数与Moran’s I指数类似，用于测量地理单位之间的空间相关性。
计算方法也类似，通过比较每个地理单位与其邻近单位之间的相似性，得出Geary's C指数的值。
Geary's C指数的值介于0和2之间，接近0表示正相关，接近2表示负相关，1表示无相关。
二、聚类分析聚类分析用于发现地理数据的空间聚集模式。
通过计算地理单位之间的相似性，将相似的单位聚集在一起，形成空间聚类区域。
ARCGIS提供了多种聚类分析方法，如基于密度的聚类和基于距离的聚类。
基于密度的聚类方法将地理单位划分为多个密度相似的集群，形成高密度区域和低密度区域。
这种方法适用于研究人口和资源分布的热点区域。
基于距离的聚类方法将地理单位划分为多个距离相似的集群，形成邻近区域和远离区域。
ARCGIS空间差值和数据提取
第一步：数据处理
将所需文件转换为shp格式，转换工具可以参考以下两种：Mapinfo软件自带的转换工具，即Universal Translator；FME软件。
推荐第二种，功能强大，成功率高。
第二步：导入数据
导入过程中，用file—add data添加地图和差值点文件。
可以通过打开属性表修改文件内容。
也可通过复制、删除绘制新的差值点，但是无法做到精确定位到指定经纬度点。
第三步：差值
打开toolbox—Spatial Analyst工具—差值分析—DWI（依需要选择），根据要求导入数据。
点要素即为插值数据，Z字段需要根据你要插值的要素进行选择，比如降雨量、浓度等等，定义完之后，注意选择输出范围，打开环境按钮，
选择处理范围—范围。
根据需要点选插值范围。
得到如图所示结果
第四步：裁切（Clip）
裁切出指定形状的插值栅格图。
选择数据管理工具—栅格—栅格处理—裁切
输入先前生成的插值栅格文件，输出范围即为想要裁切成的形状文件，注意一定要点选红框线内的选项，然后点击确定，得到裁剪后的栅格图，如下图所示：
根据需要调节配色，添加比例尺，图例。
第四步：插值数据提取
打开toolbox—Spatial Analyst工具—提取分析—值提取至点（根据需要选择提取方法）—确定—在属性表中查看插值情况，根据需要导出属性表
插值提取结束！。
Arcgis中的空间插值一、什么是插值？插值是由有限数量的采样点数据估计栅格中的单元的值。
它可以用来估计任何地理点数据的未知值：高程、降雨、化学污染程度、噪声等级等等。
上图左侧是一个已知值的点数据集。
右侧是一个利用这些点插值得到的栅格。
未知值通过一个数学公式估计得到，该公式利用附近已知点的值进行计算。
在本例中，输入的点数据恰好在像元中心（这与现实中是不同的）。
用插值生成栅格表面的一个问题是源信息在一定程度上会退化，即便一个点真的落入某一像元内，仍然不能保证这个像元的值就等于这个点的值。
插值是基于空间分布的地物使空间相关的假设；换言之，相近的地物具有相似的属性。
比如说，如果一条街的一侧正在下雨，用户可以预测街的另一侧下雨的可能性很高，但却很难确定整个小镇是否都下雨，也难确定相邻地区的天气情况如何。
连续数据的表面通常是由散布于整个研究区域的采样点的采样值生成的。
例如，某一地区的无规则分布的气象观测站，利用它们的观测值可以创建温度或者气压的栅格表面。
得到的表面是一个规则的网格。
二、为什么要插值？在研究区域内，测量某种现象每个点的高度、等级或集聚程度一般是非常困难，同时也是很昂贵的。
相反，用户可以选择一些离散的样本点进行测量，通过插值得出采样点的值。
采样点可以是随机的、分层的或者规则的格网点，包含高度、污染程度或者等级等信息。
点插值一个典型的例子是利用一组样本点来生成高程面。
每个采样点的高程是已知的。
各采样点之间的高程值通过插值得到。
得到的格网是对实际高程面上任意点的估计值。
三、插值方法简介利用点数据创建栅格面有很多方法。
用户可以在三维分析的用户界面上，利用距离加权倒数（IDW）、自然近邻法、样条函数、克里格插值法等方法创建表面。
在定制过程中，趋势面插值非常有用。
每种插值方法在预测估值的时候都有自己的前提假设。
根据模拟的现象和采样点的分布，不同插值方法会对实际表面有不同效果的模拟。
但无论哪种方法，输入点越多，它们的分布越均匀，估计得到的结果就越好。
arcgis插值运算摘要：1.插值运算概述2.ArcGIS 中的插值方法2.1 空间插值方法2.2 属性插值方法3.插值运算的应用实例4.常见问题与解决方法正文：一、插值运算概述插值运算是一种在空间或属性数据中，根据已知数据点预测未知数据点的方法。
在地理信息系统（GIS）中，插值运算被广泛应用于数据分析、地图制图以及空间决策等领域。
ArcGIS 是业界领先的GIS 软件，提供了丰富的插值算法，以满足各种空间数据处理需求。
二、ArcGIS 中的插值方法1.空间插值方法ArcGIS 中的空间插值方法主要包括以下几种：（1）Inverse Distance Weighting（IDW）：反距离加权法，根据距离衰减权重，对各数据点的值进行加权平均。
（2）Kriging：克里金插值，一种基于空间相关性和局部加权回归的插值方法，可以预测空间变量的未知值。
（3）Spatial Analyst Tools：空间分析工具，包括表面插值、多变量插值、动态插值等功能。
2.属性插值方法ArcGIS 中的属性插值方法主要包括以下几种：（1）Simple Interpolation：简单插值，通过计算相邻数据点的平均值，对缺失值进行预测。
（2）Spline Interpolation：样条插值，用三次样条函数拟合数据点，生成平滑的插值结果。
（3）Nearest Neighbor：最近邻插值，将未知点赋值为其最近数据点的值。
三、插值运算的应用实例插值运算在地理信息系统中有着广泛的应用，例如：（1）地形高程插值：根据离散的地形高程点，预测整个区域的高程值，以生成连续的高程表面。
（2）人口密度插值：根据人口普查数据，预测某个地区的人口密度分布。
（3）土地利用类型插值：根据实地调查数据，预测某个地区的土地利用类型分布。
四、常见问题与解决方法在进行插值运算时，可能会遇到一些问题，例如插值结果出现异常、插值精度较低等。
针对这些问题，可以采取以下解决方法：（1）调整插值方法：尝试使用不同的插值方法，以找到最适合的插值算法。
ArcGIS实验操作（十四）采样数据的空间内插(Interpolate)空间插值常用于将离散点的测量数据转换为连续的数据曲面，以便与其它空间现象的分布模式进行比较，它包括了空间内插和外推两种算法。
空间内插算法是一种通过已知点的数据推求同一区域其它未知点数据的计算方法；空间外推算法则是通过已知区域的数据，推求其它区域数据的方法。
数据：在data/Ex14文件下：qiwen.shp 中有两个字段 Y01 Y02 记录的是16个气象观测站，2001年和2002年的年平均气温。
YNBoundary.shp 是云南省的边界。
要求：通过空间内插的方法将点上的数据扩展到连续的空间上，得到气温空间分布图。
操作步骤：1.加载图层：qiwen.shp 、YNBoundary。
2. 打开空间分析“Spatial Analyst ”工具栏，设置分析环境：选择same as Layer “YNBoundary”3.执行菜单命令<空间分析>-<内插成栅格>-<样条>在样条函数内插对话框中，按下图所示指定参数4.打开图层属性表：右击图层qiwen：则气温自动标注：5.对插值图层重新分类：点击classfy，采用间距为10进行分类：2001年平均气温样条函数空间内插6.参考以上操作，生成2002年的平均气温空间分布图（采用“距离权重倒数”（IDW）插值），通过设置相关选项和参数，重新进行空间插值：2002年采样点气温IDW插值通过对比两种插值方法，可见IDW内插效果更好。
7.鉴于IDW插值效果更好，同上对01年的采样点气温重新进行IDW插值。
8. 栅格单元统计（Cell Statistic）根据2001年和2002年的年平均气温得到多年平均气温空间分布图，打开“空间分析”工具栏，执行菜单命令<空间分析>-<像素统计>2001、2002年间平均气温空间内插9.将YNBoundary.shp转为栅格数据重分类，赋值为1:10.采用栅格计算器，裁切边界：多年平均气温空间分布图11.若要统计多年平均气温图的不同温度带分布面积，可以通过重分类，直接从属性表中获取。
说明:本文阐述了空间插值和污染面积估算的方法，供群内交流学习用，若要用于商业用途或转载，请与原作者联系。
本文若有不正确之处，敬请指出！一、空间插值插值方法种类很多，每种插值方法里参数也很多，至于哪种最好，没有定论，只能根据需求以及制图的效果来选定。
建议：插值效果图与网格图进行对比，哪种效果最接近网格图（能体现局部）而且又能反映整体趋势就取哪种。
1.1、1.2、以“反距离权重法，1次方”为例：请问：此处有可选smooth ，可以做进行平滑处理吗？可以，但精度会受到影响，看平滑后的效果来决定是否进行平滑处理。
建议不做3、扩展研究区域4、至此可以制作分层设色图filled contours/等值线图contours为减少误差，还可以对分级进行设置请问：此处分级该如何设置？有无相应依据？含量图主要根据百分含量，如果作图效果不好，适当调整评价图根据污染等级5、这是采用“反距离权重法，1次方”来插值的。
可选用“局部多项式”或“普通克里格插值”方法来试试，看哪种和网格分级图更接近些。
但无论哪种方法聚类误差可能都较大，一部分高值可能被掩盖。
二、下面转成栅格图层再进行分层设色图制作，这样精度较高，且图层可用来进行面积估算2.1、导出成栅格图层2.2、设置格网大小，一般在50到100左右(本次都设为100)（2.3和2.4均非必要步骤，只是为了另外的处理或制图的美观性。
如果是为了制图的美观性有可能这两个步骤会弄巧成拙，是否须要请根据具体需要和效果来定）2.3、并可对栅格图层重分类，生成新的栅格图层如（ah_cd）请问：此处重分类又该如何设置？有无相应依据？同上注：此处生成的文件名请以p开头的各元素名，如p_AS，后面面积估算时会用上一定要放在E:\SOIL\BACKUP目录下2.4 转成矢量图层2.4 做平滑处理（可选）2.5 至此可进行分层设色，再成图2.6 再掩膜（或切割），最后成图掩膜可以提高作图效率切割三、面积计算准备两部分数据：遥感解译的土地利用数据经过大类合并后转成的grid 数据，文件名useland；以及插值生成的各元素污染程度的格网数据，文件名以p开头,如p_AS。
