Вибір інтерполяції IDW проти кригінгу для створення DEM?

Я намагаюся створити DEM, використовуючи точкові дані, регулярно розташовані приблизно на відстані 10 м. Територія, яку я інтерполюю, - це навчальний заклад з багатьма плоскими парковками та футбольними полями, але все ще є досить круті пагорби, які часто плато на парковку. Завдяки цим відомим плато я виключив метод розщеплення; Однак я все ще не впевнений між використанням методів IDW та Kriging. Я не бачу великої різниці після спроб обох, і досі не прийняв рішення після невеликого дослідження.

Хто-небудь мав кілька слів мудрості, щоб очистити це для мене?

Обидві форми покладаються на перший закон географії Тоблерса: речі, які є близькими, більше пов'язані, ніж речі, що знаходяться далі.

IDW - простіший з двох методів. Він передбачає використання відомих z значень і ваг, визначених як функція відстані між невідомою та відомою точками. Як такий, у віддалених від місця точках ВПО набагато менший вплив, ніж у близьких точках. Ефект ваги на зворотному відстані часто може бути визначений користувачем, змінюючи потужність, до якої підвищується обернена відстань.

Як видно з цієї діаграми, ви можете визначити межі, у яких точки даних (z значення) IDW повинні враховуватись, використовуючи радіус пошуку .

IDW відрізняється від Kriging тим, що не використовуються статистичні моделі. Немає детермінації просторової автокореляції, що береться до уваги (тобто, наскільки корельовані змінні знаходяться на різних відстанях, не визначається). У IDW використовуються лише відомі значення z та ваги відстані для визначення невідомих ділянок.

Перевага IDW має те, що його легко визначити, а тому легко зрозуміти результати. Використовувати Kriging може бути недоцільним, якщо ви не впевнені в тому, як отримали результати. Крігінг також страждає, коли є люди, що переживають люди (див . Пояснення тут ).

ESRI заявляє :

Кригінг є найбільш підходящим, коли ви знаєте, що в даних є просторово корельована відстань або напрямний зміщення. Його часто використовують у ґрунтознавстві та геології.

Кригінг - це статистичний метод, який використовує варіограми для обчислення просторової автокореляції між точками на градуйованих відстанях (приємний вступ можна знайти тут Введення варіограми Statios та Вашингтон Вступ до варіограмм ). Він використовує цей розрахунок просторової автокореляції для визначення ваг, які слід застосовувати на різних відстанях. Просторова автокореляція визначається шляхом взяття в квадраті різниць між точками. Для уточнення Kriging подібний до IDW тим, що:

Як і інтерполяція IDW, крігінг формує ваги з навколишніх виміряних значень для прогнозування мірних місць. Як і у випадку інтерполяції IDW, найбільше вплив мають вимірювані значення, найбільш близькі до мірних місць. ( Джерело )

Але відрізняється тим, що ваги допомагають визначати напів варіограмою.

"Де n - кількість пар вибіркових точок спостережень значень атрибуту z, розділених на відстань h" (Берро та МакДоннелл, 2004: 134).

Існують різні різноманітні типи нігтів Крінінг .

Подальше читання:

1. Як IDW працює .
2. Як працює Kringing :
3. Як користуватися Kriging:
4. Типи інтерполяції :