เลือก IDW กับ Kriging Interpolation เพื่อสร้าง DEM?


23

ฉันกำลังพยายามสร้าง DEM โดยใช้ข้อมูลจุดระยะห่างอย่างสม่ำเสมอห่างกันประมาณ 10 เมตร พื้นที่ที่ฉันกำลังสอดแทรกคือสถานศึกษาที่มีลานจอดรถและสนามฟุตบอลหลายแห่ง แต่ยังมีเนินเขาสูงชันที่มักจะเป็นที่ราบสูงไปยังลานจอดรถ เนื่องจาก plateaus ที่รู้จักกันเหล่านี้ฉันได้ตัดวิธีการ Splining ออกแล้ว อย่างไรก็ตามฉันยังไม่แน่ใจว่าจะใช้ IDW กับ Kriging อย่างไร ฉันไม่เห็นความแตกต่างมากนักหลังจากลองทั้งคู่และยังไม่ได้ตัดสินใจหลังจากทำการวิจัยเล็กน้อย

มีใครบ้างที่มีคำพูดของภูมิปัญญาเพื่อเคลียร์สิ่งนี้ให้ฉัน


ฉันคิดว่าคุณต้องการบางอย่างในฐานะ " การสร้างแบบจำลอง DME ปรับอากาศ " เมื่อ Kriging เป็นตัวเลือกที่ดี ... เพื่อที่จะคำนึงถึงแหล่งที่มาของข้อผิดพลาดต่าง ๆ ที่คุณประสบในปัญหาของคุณ
Peter Krauss

2
ยินดีต้อนรับสู่ GIS.SE คะแนนที่เลือกอย่างชาญฉลาดโดยนักสำรวจภาคสนามเป็นปกติหรือไม่? นั่นคือพวกเขาเลือกจุดพักบนทางลาดชันหรือไม่? นอกจากนี้อะไรคือวัตถุประสงค์ของ DEM - contouring, volume? เรื่องดังกล่าวอาจส่งผลต่อคำแนะนำของเรา
Martin F

3
Kriging ควรทำงานได้ดีกว่า IDW แต่ต้องการความเชี่ยวชาญและความระมัดระวังเป็นอย่างมากในสถานการณ์นี้เนื่องจากคำอธิบายภูมิประเทศของคุณบ่งชี้ว่าสหสัมพันธ์เชิงพื้นที่นั้นไม่ได้อยู่กับที่ (หากไม่มีสมมติฐานนี้จะไม่สามารถประมาณค่า Variogram ที่ถูกต้องได้) หากคุณมีตัวเลือกคุณอาจมีการสร้าง TIN
whuber

+1 สำหรับ TIN มันคุ้มค่าที่จะพิจารณาในกรณีของคุณ
radouxju

คำตอบ:


37

ทั้งสองรูปแบบขึ้นอยู่กับกฎข้อแรกของภูมิศาสตร์ของ Toblers: สิ่งที่อยู่ใกล้นั้นมีความเกี่ยวข้องมากกว่าสิ่งที่อยู่ห่างกัน

IDW นั้นง่ายกว่าของสองเทคนิค มันเกี่ยวข้องกับการใช้ค่า z ที่รู้จักและน้ำหนักที่กำหนดเป็นฟังก์ชันของระยะทางระหว่างจุดที่ไม่รู้จักและจุดที่รู้จัก เช่นในจุด IDW ที่อยู่ไกลจะมีอิทธิพลน้อยกว่าจุดที่อยู่ใกล้ ผลกระทบของตุ้มน้ำหนักระยะทางผกผันมักจะถูกกำหนดโดยผู้ใช้โดยการเปลี่ยนพลังงานที่เพิ่มขึ้นในระยะผกผัน

IDW ใช้รัศมีการค้นหา

เท่าที่เห็นในแผนภาพนี้คุณสามารถกำหนดขีด จำกัด ของการที่จุดข้อมูล (ค่า z) IDW ควรคำนึงถึงการใช้รัศมีการค้นหา

IDW แตกต่างจาก Kriging ซึ่งไม่มีการใช้แบบจำลองทางสถิติ ไม่มีการพิจารณาความสัมพันธ์เชิงพื้นที่อัตโนมัติที่นำมาพิจารณา (กล่าวคือวิธีที่ตัวแปรที่มีความสัมพันธ์อยู่ในระยะทางที่แตกต่างกันไม่ได้ถูกกำหนด) ใน IDW เท่านั้นที่ทราบค่า z และตุ้มน้ำหนักระยะทางเพื่อกำหนดพื้นที่ที่ไม่รู้จัก

IDW มีข้อได้เปรียบที่ง่ายต่อการกำหนดและเข้าใจผลลัพธ์ได้ง่าย อาจไม่สามารถใช้ Kriging ได้หากคุณไม่แน่ใจว่าผลลัพธ์นั้นมาถึงอย่างไร Kriging ยังทนทุกข์ทรมานเมื่อมีค่าผิดปกติ (ดูที่นี่สำหรับคำอธิบาย.)

สถานะ ESRI :

การ Kriging นั้นเหมาะสมที่สุดเมื่อคุณทราบว่ามีระยะทางสัมพันธ์เชิงพื้นที่หรืออคติทิศทางในข้อมูล มันมักจะใช้ในวิทยาศาสตร์ดินและธรณีวิทยา

Kriging เป็นวิธีการทางสถิติที่ใช้ประโยชน์จากการหาค่าความแปรปรวนเชิงพื้นที่ระหว่างคะแนนที่ระยะทางที่สำเร็จการศึกษา (สามารถแนะนำเบื้องต้นได้ที่นี่Statios Variogram IntroductionและWashington Intro to Variograms ) มันใช้การคำนวณความสัมพันธ์เชิงพื้นที่อัตโนมัติเพื่อกำหนดน้ำหนักที่ควรนำไปใช้ในระยะต่าง ๆ ความสัมพันธ์เชิงพื้นที่อัตโนมัติถูกกำหนดโดยการใช้ความแตกต่างกำลังสองระหว่างจุด เพื่อชี้แจง Kriging คล้ายกับ IDW ในที่:

เช่นเดียวกับการแก้ไข IDW รูปแบบการส่งน้ำหนักจากค่าที่วัดโดยรอบเพื่อคาดการณ์ตำแหน่งที่ไม่ได้วัด เช่นเดียวกับการแก้ไข IDW ค่าที่วัดได้ใกล้กับสถานที่ที่ไม่ได้วัดนั้นมีอิทธิพลมากที่สุด ( ที่มา )

แต่ความแตกต่างของน้ำหนักนั้นขึ้นอยู่กับการกำหนดกึ่งรูปสัมพัทธ์

สมการของตัวแปร

“ โดยที่ n คือจำนวนคู่ของจุดตัวอย่างของการสังเกตค่าของแอ็ตทริบิวต์ z ที่แยกออกจากระยะทาง h” (Burrough และ McDonnell, 2004: 134)

Semivariogram

Krigingมีหลายประเภทแตกต่างกันไป

อ่านเพิ่มเติม:

  1. IDW ทำงานอย่างไร
  2. Kringing ทำงานอย่างไร :
  3. วิธีใช้ Kriging:
  4. ประเภทของการแก้ไข :
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.