实习指导书
空间数据库建设课程设计
题目基于TIN构造的空间插值方法对比班级0644151
姓名张毫杰
专业地理信息科学
指导张卫国宋自影
河南城建学院
测绘与城市空间信息学院
目录
Ⅰ、实习目的 (1)
Ⅱ、实习步骤 (1)
一、生成离散样本点数据 (1)
1、Excel转属性表 (1)
2、属性表生成样本点数据 (3)
3、样本点数据的导出 (5)
二、样本点检验与筛选 (6)
1、样本点检验 (6)
2、删除离群值点 (7)
三、空间插值 (9)
1、IDW（反距离权重）插值法 (10)
2、Kringing（克里金）插值法 (11)
四、DEM生成等高线 (12)
五、DEM转TIN (14)
1、IDW和Kringing栅格模型生成TIN (14)
2、要素的立体显示 (16)
3、设置场景属性 (17)
六、样本点生成TIN (18)
七、三维图像可视化 (20)
八、结果对比分析 (22)
Ⅲ、遇到的问题及解决途径 (22)
Ⅳ、实习心得 (23)
Ⅴ、参考文献 (23)
Ⅰ、实习目的 通过对相关知识的学习，我们明白数字高程模型在数据处理方面的重要性，坡度、坡向以及立体土地的挖土、石方量的计算，还是建筑物，山体之间的可通视性分析，精确的数字高程模型都是人们所需要的。
然而，不同的获取手段将得到精度不同的数据，空间插值便是获取DEM 主要手段之一。
本次实习主要使用不同的空间插值方法，使用同一样本点数据对本学校的高程地形进行模拟，而采用的插值方法为IDW （反距离权重）法、Kringing （克里金插值）法和线性内插法简介或直接生成数字高程模型。
对于反距离权重法和普通克里金插值法，其带估计属性值都是由已知点的属性值加权得来，可用由公式 算出，
两者的不同之处便在于已知点的权重计算， 反距离权重法的权值比较简单，仅为距离的n 次方的倒数，其中n 为大于等于1的数值，而克里金的权重较为复杂，我们首先可以确定学校的高程点在空间上是至少符合准二介平稳假设及本征假设的，这一点是显而易见的，在此基础上又可以得出数据是符合标准正态分布的，因此便根据无偏性和方差最小的原则，借助变差函数求解出各点的权值。
线性内插法是用三个相邻的点构成的三角形数据带入方程，联立求解，而三角形的选择是根据其三条边长度尽可能相等和三个角都是锐角的原则进行选取，从而将整个平面划分成若干连续的三角形。
通过对三种方法的对比分析，得到最后的结果，并对结果进行分析。
Ⅱ、实习步骤
一、生成离散样本点数据
1、Excel 转属性表
本次实习以河南城建学院地形为例，利用空间插值法求出在给定的离散点坐标及其高程的情况下，不同的插值方法所生成地形效果的对比，以IDW （反距离权重法）和Kringing （克里金）插值法为例，首先查看Excel 表格中的数据
01
x x s z z W i =∑=
图一
在给定的数据表中，Z对应了该点的高程值，X，Y分别为其平面坐标。
在ArcGis 中导入这些数据，在投影坐标系下令其生成不同的点，操作如下：
使用ArcToolbox->Conversion->Excel>Excel to Table 工具，将Excel表格转换为属性表
2、属性表生成样本点数据
将X，Y，Z的坐标信息用表格中的数据显示出来，相关参数设置如下：
结果如下图
3、样本点数据的导出
将表格生成的数据转换为SHP格式的数据，在ArcGis中，右键点击该图层，在下拉选项中选择Data—>Export data,选择已准备好的文件夹导出
图一
二、样本点检验与筛选
1、样本点检验
如图一显示，样本点的数量比较多，相应的会有一些测量误差较大的点，在后期的数据生成中，应该将那些误差较大或者时测量错误的数据即使删除。
接下来便使用地统计分析的相关知识，对数据进行初步检验，检测其是否是正态分布，寻找数据离群值，将误差较大的数据删除。
从直方图和正态QQ 图可以看出离散点数据大致符合正态分布
2、删除离群值点
使用直方图来寻找数据离群值，在直方图中当一个柱状条被选中时，改柱状条对应的离散点便会高亮显示，当某一高亮数据单独出现在其他数据周围或者某一高亮的数据群中出现单独的其他数据时，即出现如下图所示的情况，可判断那些点
便是误差较大的数据，将这下孤立的离群数据删除。
修改后的样本点如上图所示
三、空间插值
接下来使用ArcGis中空间插值工具，将点数据的高程值Z更改名称为Elevation 并进行插值计算生成DEM。
在Spatial Analyst Tools->Interpolation中有多种空间插值方法，如下图所示，这里就IDW和Kringing方法进行展示，结果如下：
1、IDW（反距离权重）插值法
此处高程值选择Elevation字段搜索半径选择可变搜索半径，点数值为12，如上图
如图四所示，生成的DEM数据分为九个等级，其中黄色为高程的最大区域，灰色为高程值的最小区域。
2、Kringing（克里金）插值法
参数选择如上图所示，本事例中克里金方法为普通克里金，半变异模型为球面模型，生成的DEM数据如下图，分类方法同IDW插值
四、DEM生成等高线
然后使用工具箱中的3D Analyst Tools->Raster Surfase->Contour工具，用DEM高程模型生成等高线，相关参数设置如下图，在等高线间距复选框中，此处设置为1米，其他选项默认即可
反距离权重法生成等高线
克里金插值法生成等高线
五、DEM转TIN
1、IDW和Kringing栅格模型生成TIN
利用在ArcMap中空间插值生成的不同类型的高程模型在ArcSence中进行三维可视化操作，具体步骤如下：首先导入数据，然后在工具箱中用栅格数据生成TIN。
图三
2、要素的立体显示
选择Base Heights（基本高度）字段，并在自定义表面浮动，将图层高程转换为场景单位的系数设置为自定义：3，结果如下
IDW(反距离权重)插值法生成TIN
Kringing（克里金）插值法生成TIN
3、设置场景属性
在模型中加入之前生成的等高线，高程值设置为基于相应的TIN，单位系数也为自定义：3
IDW（反距离权重)
Kringing（克里金）
六、样本点生成TIN
在ArcSence中用这些样本点生成TIN模型，首先使用工具箱中3D Analyst Tools->D ata Management->TIN->Create TIN工具创建TIN，在输入要素中选择样本点数据，具体操作如下：
在参数选择时，将高程字段选择Elevation.
由样本点生成的TIN模型如下图：
七、三维图像可视化
接着在模型之上加入本学校的基本建筑物和高分卫星影像图，将生成的三个模型进行对比
样本点TIN模型
反距离权重TIN模型
克里金TIN模型
八、结果对比分析
通过以上图像的立体显示，可以知道，线性内插法对于由离散点直接生成TIN效果明显优于其他两种方法。
进一步对比反距离权重法和克里金插值可知，反距离权重法在DEM和等高线的生成时，局部震荡较大，出现高程跃迁现象比较严重。
而在满足假设的前提下，克里金插值的最终效果略优于反距离权重法插值，但是由于样本点较多，其优势并不明显，反而由于克里金插值法的运算量很大，其运算时间会远远长于其他插值方法。
鉴于以上观点可知，在满足假设的前提下，若采样点较多，则不适用克里金插值，若采样点较少，且不是集中分布，则克里金插值优势明显。
Ⅲ、遇到的问题及解决途径
在要素的立体显示时，高分的影像图和其他的矢量数据坐标系不同，通过查
询相关资料将影像图从地理坐标转为投影坐标，但之后又发现图像并不重合，出现了错位的情况，再使用地理配准工具将其校正。
Ⅳ、实习心得
通过三周的实习，让我从空间插值的理论知识到软件上相应功能的操作都得到了深深的体会，从最基础的数学公式，到图形的显示，我深深明白了ArcGis
这个软件的强大功能。
有人曾经说，对于ArcGis若能掌握其60%，已经是专家，实习即将结束，我才明白自己掌握的与ArcGis相关的知识是多么渺小，在这个庞然大物面前，任何人的光芒都会显得黯然失色。
虽然还有很多地方不能完全理解，但这也正是在未来的时间里给了我前进的动力，学习永无止境。
Ⅴ、参考文献
[1] 汤国安杨昕等，地理信息系统空间分析实验教程(第二版)，北京：科学出版社，2012
[2] 韦玉春陈锁忠等，地理建模原理与方法，北京：科学出版社，2005
[3] 汤国安刘学军等，地理信息系统教程，北京：高等教育出版社，2007。