空间数据内插方法的比较与研究
科技信息○科教视野○SCIENCE&TECHNOLOGYINFORMATION2007年第34期
空间数据内插方法的比较与研究
聂俊兵1
(1.石家庄职业技术学院
河北
石家庄
谢迎春2
050086;2.核工业航测遥感中心
河北
石家庄
050002)
内插过程、摘要】空间数据的内插是GIS数据处理的一项重要任务,也是目前GIS研究领域的热点。本文论述了空间数据内插的概念、【
内插方法分类,并就几种常用的内插方法进行了比较。
关键词】空间数据;内插方法【
在各种统计方法中,使用较多的是回归分析,
多元回归在数学形式上与趋势面很相空间数据内插,就是根据一组已知的离散数据或分区数据,按照其特点是不需分布的先验知识。
[1]趋势面分析有内在的多重共线性问题;而在多元回某种数学关系推求出其他未知点或未知区域的数学过程。空间数据似,又有显著不同。
归中,尽管也存在多重共线性,但它并非内在的,可通过逐步回归解内插是GIS数据处理的一项重要任务,在很多情况下必须进行内插,
因此,相对于趋势面的选择次数,多元回归的核心问题是选择变量如采样密度不够,采样分布不合理,采样存在空白区,等值线的自动内决。
插,数值等高模型的建立,区域边界分析,曲线光滑处理,空间趋势预和区分模型。
2.3函数方法函数方法使用函数逼近曲面,在空间内插领域大内插要体现渐变特征,以能较好地表示测,采样结果的三维可视化等。
为提高多用于一些特殊场合,如利用高密度的高程数据产生等高线、连续的空间渐变模型为原则。
该方法不适于利用有限的观测进行空间内插的方法多种多样,可依据:①全局或局部;②点与网格数据的空间分辨率而内插数据等。
面;③确定或随机等标准分类。本文依据内插方法的基本假设和数学数据进行缺值预测和内插网格,因为它难以满足内插的精度,也难以
函数方法的特点是不需要对空间结构的预先估计和统计假本质,把空间内插分类为以下几种方法,函数方法、统计方法、随机模估计误差。
设。缺点是难以估计误差。常用的函数方法有:傅里叶级数、样条函数、拟方法、分形内插法、遗传神经网络内插法。
双线性内插、立方卷积法等。2.常用的内插方法
2.3.1傅里叶级数对于周期性的数据序列,如海浪,可以利用傅2.1空间统计方法空间统计的基本假设建立在空间相关的先验
模型之上,距离较近的采样点比距离远的采样点更相似,相似的程度、里叶级数将它们分解为正弦波和余弦波。
2.3.2样条函数方法[5]样条函数是使用函数逼近曲面的一种方或空间协方差的大小,是通过点对的平均方差度量的。其最大优点是
能克服内插中误差难以分析的问题,对误差做出逐点的理论估计,不法,易操作,计算量不大,当表面很平滑时也不牺牲精度。它适合于非会产生回归分析的边界效应。缺点是复杂,尤其当变异函数是几个标常平滑的表面,要求有连续的一阶和二阶导数;也适合于根据很密的
样条函数的准变异函数模型的组合时,计算量很大;另一个缺点是变异函数需要点内插等值线,特别是从不规则三角网(TIN)内插等值线。
根据经验人为选定。空间统计方法以Kriging及其各种变种(Cokriging缺点是难以估计误差,点稀时效果不好。
2.3.3双线性内插双线性内插主要用于网格数据的内插(重采等)为代表。
它使用与待估计网格距离2.1.1Kriging内插[2]Kriging法假设任何变量的空间变化都由下样),很少用于根据离散数据内插空间分布。
其优点是数据重采述三个主要成分之和来表示:①与均值或趋势面有关的部分;②与局最近的4个网格值进行线性内插获得新的网格值。
缺点是网格被平样后的结果较为平滑,没有阶跃效应,具有较高精度。部变化有关成分;③随机噪声或者称观测误差。
Kriging内插通过估计半方差,建立半方差和点对之间的空间距均化,有低通滤波的效果;边缘被平滑,有些极值丢失了。
2.3.4立方卷积法立方卷积法是最常使用的网格数据内插方法离之间的关系(变异函数)。不同的区域有不同的空间模式,也就有不
它使用与待估计网格距离最近的16个网格值,根据立方卷积公同的变异函数。变异函数的选取是内插质量的关键。最常用的变异函之一。
式计算出内插值。立方卷积公式有几个不同版本,可产生低通滤波或球面、指数、高斯、阻尼正弦、幂和线形模型。前几种数模型有:nugget、
高通滤波的效果,较好的方法应该在高频信息和低频信息的取舍间取模型在一定范围内达到极大方差,而线形模型的方差增长无极限。
其优点是采样结果的统计信息(均值和方差)与原数据的相似2.1.2Cokriging内插Cokriging(协同克里格法)内插的基本原理得平衡。
缺点是数据值被改变,不能用于类型数据(专与Kriging相同,但它通过考虑一个以上变量而优化估计;内插由于考程度比其他采样方法高。
立方卷积法特别适宜于显著改变了网格尺寸,但要保持虑了变量之间的关系而得到改善。其内插过程包括:①确定多个观测题图)的内插。
原数据统计特性的数据内插,如数字高程数据的重采样。值间空间相关的特征;②借助变异函数和交叉变异函数,对相关建模;
2.4随机模拟方法随机模拟的基本假设与空间统计方法不同,③利用这些函数估计内插值。Cokriging内插的关键是通过估计交叉变
对应不确定性,随机模拟异函数分析变量自身以及变量间的空间相关。交叉变异函数是两个不认为地理空间具有非平稳性,是空间异质的。
可以接受可选的多个估计结果,它们都与实际数据一致。随机模拟方同变量之间的相关随距离变化的函数。
Cokriging法与Kriging法比较,更大限度地利用了容易获得的相法的最大优点是定义了各种随机变量之间的空间相关,这类相关可以
根据相邻数据把高度不确定性的先验分布更新为低不确定性的后验关信息。由于信息量的加大,前者与后者相比,其估计结果更为准确,
绝对偏差比用后者小一个数量级,各点的估计方差也都有所减小。因分布。缺点是建模困难,计算量大。常用的随机模拟方法有高斯过程、
蒙特卡罗方法、人工神经网络方法等。此Cokriging法是有相对优越性的空间估计方法,在进行松散多孔介马尔科夫过程、
[6]
分形内插法是基于特征图形的内插,使局部与2.5分形内插法质区域地下水位估值时效果良好[3]。
2.2统计方法[4]统计方法的基本假设是一系列空间数据相互相整体保持一定相似性,弥补了传统方法的一些不足,为不同尺度下,空
在同一标度下,不同的区域内,采关,预测值的趋势和周期是与它相关的其它变量的函数。其优点是计间物体的形态变换提供了有效途径。
算开销不大,能对误差做出整体估计。但如果采样过程不能反映出表用不同的特征子图形来进行分形内插,更符合实际情况。但有两个问
常用的统计题需解决,一是如何划分区域,一般作法是将整个区域划分为若干小面变化的重要因素,如周期性和趋势,则不能取得好效果。
区域,采用尺度法计算不同区域内曲线的分维值;另一方面,内插子图方法有趋势面方法和多元回归方法。
2.2.1趋势面法趋势面法是根据有限的观测数据拟合曲面,进形的确定,多数情况下,只要获取描述该子图形的一组特征点就可进
行分形内插,实现在多尺度下图形的形态变换。行内插。它适用于:①能以空间的视点诠释趋势和残差;②观测有限,
2.6遗传神经网络内插法[7]遗传神经网络内插法是一种自适应,内插也基于有限的数据。当趋势和残差分别能与区域和局部尺度的空
趋势面的次数是最重要的特征。非线性的内插方法。根据插值对象特点和插值精度要求的不同,有三间过程相联系时,趋势面分析最有用。
趋势面法的目标有时并非最佳拟合,而是把数据分成区域趋势组分和种内插方式:①整体遗传神经网络法;②部分遗传神经网络内插法;③
组合神经网络法。对要求精度不高的内插,视其变化类型选择方法,如局部的残差。
1.空间内插方法的定义及其分类
2.2.2多元回归法
56
空间内插方法比较_理学_高等教育_教育专区。一、空间数据的插值 用各种方法...开 发通用空间内插软件、 智能化内插以及加强相关基础研究将是空间内插研究的...
为何实施空间数据内插? 生产和生活需中,当我们对某一种地形开展研究利用时,如...已知高程点 整体内插法:按最小二乘法原理用多项式对数据点 整体内插法 进行...
工程研究所,甘肃兰州 730000) 摘要:空间内插可以分为几何方法、统计方法、空间...指出没有绝对最优的空间内插方法,必须对数据进行空间探索分析, 根据数据的特点,...
稀疏观测数据的空间内插方法的分析与比较_专业资料。依靠稀疏样本数据描述空间指标在地理空间上的连续分布是实践中常常遇到的问题,内插是解决问题的基本方法。以云南...
算法和优缺点 @指出没有绝对最优的空间内 插方法 9 必须对数据进行空间探索...智能化内插以及加强相关基础研究将是空间内插研究的重点 @ 键词> 空间内插 A...
论文最后对空间内插的方法选择进行了归纳总结,并对空间内插今后有待进一步研究的...针 对某一特定的数据集,如何来选择最有效的内插方法,是一个重要的、极富挑战...
本文讨论反距离加权法和谢别德方法的特点, 并利用SRTM数据进行分析比较。l 反...这些空间内插方法假设属 性值z是在研究区域内是连续或分段连续的,也就 是对于...
? 点的内插和区域内插 一、点内插法整体拟合法 趋势面法 最小二乘法 傅立叶...将在一个研究地区中离 散的有一定分布的样本 点数据经过一定的空间 分析变换,...
使该关系式最好 地逼近这些已知的空间数据,并能根据该函数关系 式推求出任意点...? 点的内插 ? 是研究具有连续变化特征现象的 数值内插方法; ? 点的内插...
模块的实际界面介绍了该方法的使用 ,并通过示例比较了几种空间内插方法的 优...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 [3]...
热门文档