为什么要进行插值？

由于地理空间要素之间存在着空间关联性，即相互邻近的事物总是趋于同质，也就是具有相同或者相似的特征，举个例子，街道的一边下雨了，那么街道的另一边在大多数情况下也一定在下雨，如果在更大的区域范围，一个乡镇的气候应当与其接壤的另一的乡镇的气候相同，等等，基于这样的推理，我们就可以利用已知地点的信息来间接获取与其相邻的其他地点的信息，而插值分析就是基于这样的思想产生的，也是插值重要的应用价值之一。

将某个区域的采样点数据插值生成栅格数据，实际上是将研究区域按照给定的格网尺寸（分辨率）进行栅格化，栅格数据中每一个栅格单元对应一块区域，栅格单元的值由其邻近的采样点的数值通过某种插值方法计算得到，因此，就可以预测采样点周围的数值情况，进而了解整个区域的数值分布情况。其中，插值方法主要有距离反比权值插值法、克吕金（Kriging）内插法、径向基函数RBF（Radial Basis Function）插值法等。

利用插值分析功能能够预测任何地理点数据的未知值，如高程、降雨量、化学物浓度、噪声级等等。

下面几幅图，就是利用采样点的高程数据进行插值分析得到栅格数据的示意图，其所使用的插值方法都是距离反比权值插值法，但所使用的分辨率不同。

如图一为插值使用的采样点数据，数值为高程值，利用距离反比权值插值法，分辨率为 3000 米所得的插值结果如图二所示，每个栅格单元中的数值为栅格单元的值，这些值都是由采样点的数值插值得出的，由此可以大致地了解这块区域地形的高低状况。当设置更高的分辨率后，地形的起伏趋势将更加清晰化，图三为 1000 米分辨率，图四为 30 米分辨率，因此设置合理的分辨率值以及合适的插值算法，就可以从有限的采样点数据中，挖据出更多的信息。

图一 采样点数据及高程值

图二 3000 米分辨率插值后的结果，并标注出每个栅格单元高程值

图三 1000 米分辨率插值后的结果

图四 30 米分辨率插值后的结果

SuperMap iObjects .NET