查看原文
其他

GIS空间插值方法与精度评定

走天涯徐小洋 走天涯徐小洋地理数据科学 2022-05-17

GIS空间插值方法与精度评定

空间插值方法是将离散的点转换为连续的表面,以便于比较空间现象的分布。下面以常用的气象站点数据为例,介绍GIS空间插值和精度评定方法。

GIS空间插值

常用的GIS软件都支持空间插值功能,常见的插值方法有克里金法、反距离法、样条函数法等。在插值之前,需要先准备待插值的数据。为了进行精度评定,需要将待插值数据分为两部分,一部分作为插值点,一部分作为验证点。

准备插值数据

使用Subset Features工具将站点数据分为两部分,一部分做插值,一部分做验证。

Subset Features

插值工具箱

在ArcGIS中,插值工具箱位于3D Analyst Tools- Raster Interpolation

插值工具箱
  • IDW反距离权重法
  • Kriging克里金法
  • Natural Neighbor自然临域法
  • Spline样条函数法
  • Topo to Raster(ANUDEM)澳大利亚国立大学开发的DEM插值工具
  • Trend趋势面法

插值工具设置

每个插值工具都有下面的三个必须输入的内容,其它字段可以默认

  • Input Point Features输入点
  • Z value field插值字段
  • Output cell size输出像元大小
插值工具设置

有时插值范围比我们需要的小,这个时候需要我们在环境里面指定一下插值范围大小

  • Extent范围,四至
  • Mask掩膜,可以直接将插值结果裁剪为这个范围
插值范围设置

精度评定

原理

插值结果精度评定,一般由残差、均方根预测误差、源数据残差均方根误差来评定。

  • 均方根预测误差(Root Mean Square Predictive Error,RMSPE)
    • 描述了插值结果与真实值间的误差
    • RMSPE越小,插值结果越接近真实值,插值结果越可信
    • 验证点插值结果为
    • 验证点真值为
  • 源数据残差均方根误差(Root Mean Square Error,RMSE)
    • 用于评价插值数据与源数据一致性
    • RMSE越小,插值结果与真实结果越接近
    • 插值点真值
    • 插值后的值

数据准备

  • 将插值后的栅格值提取到对应的插值点和验证点中
Extract Values to Points
  • 将插值点和验证点的属性表导出
将属性表导出为csv分隔符文本文件

精度评定计算

  • 使用R语言精度评定计算
  • RMSPE和RMSE的公式形式一样,只是输入值不一样,编辑一个公式即可
testdata = na.omit(read.csv("test.csv", header = T, encoding = 'UTF-8')) 
traindata = na.omit(read.csv("插值点.csv", header = T, encoding = 'UTF-8'))

#计算残差
are = abs(testdata$RASTERVALU-testdata$field_8)
summary(are)

#RMSPE caculate
RMSPE <- function(Elevation, RASTERVALU){
  sqrt(1/length(Elevation)*sum((Elevation-RASTERVALU)^2))
}
#输出RMSPE
RMSPE(testdata$field_8, testdata$RASTERVALU)   

#RMS计算
RMS = RMSPE(traindata$field_8, traindata$RASTERVALU)
print(RMS)


视频讲解课程请参加地理数据科学培训班

点击阅读原文即可查看课程详情

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存