Mehr

Qualitätsschätzung einer Spline-Interpolation mit Barrieren


Ich interpolierte das Alter der Mineralien für das Innere Tien Shan-Gebirge (Kirgisistan) mit dem ArcGIS-Tool "Spline mit Barrieren". Ich verwende ~ 200 Punkte für meine Interpolation. Die Barriere, die ich verwende, ist eine Fehlerkarte (Polylinien, im Beispiel grün). Für meine weiteren Interpretationen möchte ich die Qualität meiner Interpolation abschätzen. Momentan verwende ich dafür die Punktdichte, aber das ist nur für Regionen richtig, in denen keine Barrieren sind (siehe Beispiel unten).

Gibt es eine Lösung, wo ich die Punktdichte unter Berücksichtigung meiner Barrieren berechnen kann oder gibt es vielleicht andere Ansätze, um die Qualität meiner Interpolation abzuschätzen?

Beispiel:

Hier haben D1, D2 und D3 alle die gleiche Punktdichte von 36,5%, wobei meine Interpolationsqualität in jeder Region unterschiedlich ist.


Was Sie tun müssen, ist, einen Teil Ihrer Eingabepunkte (mindestens 10 % Ihrer Daten) zu trennen und dann mit den 90 % Daten Ihre Variable zu interpolieren (in Ihrem Fall Spline mit Barrieren).

Danach müssen Sie Ihre Ergebnisse zum Beispiel mit RMSE validieren, die 10 % Ihrer Daten in einem neuen Shapefile speichern und Werte zu Punkten in der Toolbox extrahieren (Spatial Analyst->Extraction). Sie finden die RMSE-Gleichung auf dieser Seite.


Ich glaube nicht, dass die Interpolation zwischen den Punkten für das Mineralienalter funktioniert, es sei denn, Sie haben eine wirklich gute Abdeckung. Es scheint, dass Proximity-Polygone innerhalb einzelner Bereiche besser funktionieren. Bei Ersatzabdeckung lohnt es sich, von Hutchinson (australische Universität) entwickelte Methoden zu berücksichtigen, bei denen ein kontinuierliches Raster von etwas hilft, Werte an XY-Punkten zu interpolieren. Klimatologen verwenden häufig Höhenmodelle als solches Raster, um bei der Temperaturkartierung zu helfen. Der Trick besteht darin, Raster zu finden, z.B. Tiefe der Schicht in Ihrem Fall? Liguster Tian-Shanyu…


Schau das Video: Quadratic Spline. Interpolation. Numerical Computation (Oktober 2021).