在我们开始对栅格数据进行分析之前我们先来认识一下几个比较容易混淆的概念哈。
1.分配栅格数据：通过分配函数将一定范围内的栅格单元分配给离其最近的源，类似于泰森多边形的原理。
2.方向栅格数据：每一个单元沿最低累计成本路径到达最近源的路线方向。
3.距离栅格数据：每一个单元到最近源的直线距离。
空间插值方法比较
接下来我们要获取高程点数据对栅格数据的空间插值方法进行对比分析，对DEM数据进行重采样（分辨率由大变小，栅格大小由小变大）后栅格转点作为后面插值分析的源数据，每次插值结果我都会在后面放一个原始高程数据方便进行对比分析哦。
（1）趋势面法插值
主要使用线性趋势面插值法，Z值字段是插值参考数据，里面最重要的参数是多项式的阶，其范围是（1-12），值越大其曲面越弯曲复杂，更能反映出数值的变化趋势，不过插值后的最值可能会超过源数据。
逻辑型趋势面要求的Z字段编码必须是0和1，判断某种现象是否存在。
多项式的阶为1
多项式的阶为12
原始高程数据
（2）自然领域法插值
特点：采用泰森多边形进行空间划分，具有局部性，只查询样本点周围样本子集，但是该方法不会推断趋势。
原始高程数据
（3）克里金插值
普通克里金方法假定采样点不存在潜在的全局趋势，用局部的因素就可以很好的估测未知值。
通用克里金方法假定采样点存在趋势。
通用克里金方法
普通克里金方法
原始高程数据
（4）样条函数插值
Regularized Spline：生成平滑，渐变的表面，插值结果可能会超出样本点取值范围较多,权重越高表面越光滑。
Tension Spline：权重越高表面越粗糙，插值结果接近样本点取值范围。
（效果和普通克里金方法差不多，区分度非常低，这次小编就不放图出来对比了）
（5）反距离权重插值
反距离权重法假定每个测量点都有一种局部影响，而这种影响会随着距离的增大而减小。离插值点越近，分配的栅格权重越大
原始高程数据
- END -
