DEM 생성을 위해 IDW와 Kriging Interpolation을 선택 하시겠습니까?

약 10m 떨어진 간격으로 점 데이터를 사용하여 DEM을 만들려고합니다. 내가 보간하는 지역은 많은 평평한 주차장과 축구장이있는 교육 시설이지만 여전히 주차장에 고원이있는 상당히 가파른 언덕이 있습니다. 이 알려진 고원 때문에 Splining 방법을 배제했습니다. 그러나 여전히 IDW와 Kriging 방법을 사용하는지 확실하지 않습니다. 나는 두 가지를 모두 시도한 후에도 큰 차이를 볼 수 없으며 약간의 연구 후에도 결정을 내리지 않았습니다.

누구든지 나를 위해 이것을 정리할 지혜로운 말이 있습니까?

두 형태 모두 Toblers 지리학의 첫 번째 법칙에 의존합니다.

IDW는 두 기술 중 더 간단합니다. 알려지지 않은 점과 알려진 점 사이의 거리의 함수로 결정된 알려진 z 값과 가중치를 사용합니다. 따라서 IDW에서 멀리 떨어진 지점은 가까운 지점보다 훨씬 적은 영향을 미칩니다. 역 거리 가중치의 효과는 종종 역 거리가 증가되는 전력을 변경함으로써 사용자에 의해 결정될 수있다.

이 다이어그램에서 볼 수 있듯이 검색 반경을 사용하여 IDW가 고려해야 할 데이터 포인트 (z 값)의 한계를 결정할 수 있습니다 .

통계 모델이 사용되지 않는다는 점에서 IDW는 Kriging과 다릅니다. 공간 자기 상관의 결정은 고려되지 않았다 (즉, 상관 된 변수가 다양한 거리에 어떻게 있는지는 결정되지 않는다). IDW에서는 알려진 z 값과 거리 가중치 만 알려지지 않은 영역을 결정하는 데 사용됩니다.

IDW는 정의하기 쉽고 결과를 이해하기 쉽다는 장점이 있습니다. 결과가 어떻게 도착했는지 확실하지 않은 경우 Kriging을 사용하지 않는 것이 좋습니다. 이상 치가있는 경우 Kriging도 어려움을 겪습니다 ( 설명 은 여기 를 참조 하십시오 ).

ESRI 상태 :

Kriging은 데이터에 공간적으로 상관 된 거리 또는 방향 바이어스가 있음을 알고있을 때 가장 적합합니다. 토양 과학 및 지질학에서 종종 사용됩니다.

클리 깅 만든다 졸업 거리 (A이 좋은 도입 여기에서 찾을 수있다 점 사이의 공간적 자기 상관을 계산하는 베리오 그램 (A)의 사용을 통계적 방법 Statios 베리오 그램 소개 및 베리오 그램 워싱턴 인트로 ). 이 공간 자기 상관 계산을 사용하여 다양한 거리에 적용 할 가중치를 결정합니다. 공간 자기 상관은 점들 사이의 제곱 차이를 취함으로써 결정됩니다. Kriging을 명확히하는 것은 IDW와 유사합니다.

IDW 보간과 마찬가지로 kriging은 측정되지 않은 위치를 예측하기 위해 주변 측정 값에서 가중치를 형성합니다. IDW 보간과 마찬가지로 측정되지 않은 위치에 가장 가까운 측정 값이 가장 큰 영향을 미칩니다. ( 소스 )

그러나 가중치는 세미 바리오 그램에 의해 결정되는 데 도움이됩니다.

"여기서 n은 거리 h에 대해 분리 된 속성 z의 값에 대한 샘플 관측점 쌍의 수입니다"(Burrough and McDonnell, 2004 : 134).

Kriging 에는 다양한 틈새 유형이 있습니다.

더 읽을 거리 :

1. 어떻게 IDW가 작동합니다 .
2. Kringing 작동 방식 :
3. Kriging 사용 방법 :
4. 보간 유형 :