ArcGIS教程：区域插值所使用数据类型

区域插值中可以使用哪些类型的数据？

    区域插值接受三种不同的面数据集类型作为输入。所有这三种类型都可以生成预测和标准误差表面，然后重新聚合到目标面。每种数据类型的预测表面和重新聚合预测的插值都不同，如下所述。

    平均值（高斯）数据

    为保护隐私或降低开销，连续的点测量值有时会平均到区域面上，而原始点数据会被放弃或设置为保密。例如，可能会报告多个县的平均污染级别，但单个点的测量值可能是保密的。如果不知道测量了哪些地方的污染级别，则其他克里金法不适用。

    对连续数据进行区域插值要求数据为高斯分布并平均到已定义的面上。给定面和平均测量值后，将针对数据值域内所有点的高斯变量值生成预测（或标准误差）表面。

    输入

• 源数据集 - 指定面要素。
• 值字段 - 指定源数据集中每个面的平均值。

    对于高斯区域插值，区域插值图层至面工具可预测目标面高斯变量（带预测标准误差）的平均值。例如，给定某个州内所有县在特定某天的平均温度后，可以预测这些县内城市的平均温度。

    比率（二项式）计数

    典型的面数据源是从某个面内的人口中采样个体并对具有特定特征的个体进行计数（这称为二项采样）时的情况。感兴趣的值为具有该特征的采样个体的比例。

    给定每个面的采样个体数量以及具有特定特征的个体数量后，二项计数的区域插值可针对数据值域中的所有点生成风险预测表面（或标准误差表面）。任意一点处的风险代表该位置的采样个体具有特定特征的概率。

    例如，某家公司可能想要询问一些客户是否满意其所提供的服务。在本例中，感兴趣的特征是客户对服务满意。采样客户的具体位置可能未知；公司只能知道客户的地理区域（例如城市或电话区号）。二项计数的区域插值会生成一幅地图，显示对公司支持度较高和较低的位置。然后公司可以进行深入研究，以找出某些位置的客户比其他位置的客户对其服务更为满意的原因。

    要获得准确预测，必须随机进行采样。面上的人口集群的每个成员都必须具有相同的被选中概率。如果某些特定个体显示出优先权，预测就会发生偏差。

    输入

• 源数据集 - 指定面要素。
• 计数字段 - 指定每个面具有特定特征的个体数。
• Population 字段 - 指定每个面的采样个体数。

    对于二项区域插值，区域插值图层到至面工具可预测每个指定面中具有特定特征的个体所占的比例。例如，如果某个州的每个县的肺癌病例数均已知（每个县的高危人群数同样已知），则可以预测多个县内各邮政编码区域的肺癌个体数所占的比例。要估算各个邮政编码区域内的肺癌病例数，可将预测的肺癌病例比例与每个邮政编码区域内的人口数相乘。同样，将标准误差与每个邮政编码区域内的人口数相乘，可得到每个邮政编码区域内预测的肺癌病例数的标准误差。

    事件（过度离散泊松）计数

    面数据的另一个常见来源是在指定的时间内对某个已定义区域内特定事件的实例数进行计数时的情况。例如，鲸鱼观察员通过在海洋中围绕已定义的区域航行，并对看到的鲸鱼进行计数来收集数据。在本例中，事件是看到鲸鱼。由于假设观察到的鲸鱼数与鲸鱼观察员的观察时间成正比，因此必须记录他们计数时所花费的时间。对于每次考察，鲸鱼观察员都将了解查看面（他们所观察的区域）、目击的事件数（看到的鲸鱼数）以及观察所花费的时间。

    对事件计数进行区域插值可生成一个表面，该表面可对在特定位置目击到事件的基本风险进行预测。风险越高，意味着在该位置目击到事件的机率越高。如果事件为找到某一物理对象（例如鲸鱼），可以将预测表面解释为密度图。

    在大多数使用情况下，每个面的观测时间将是相等的。例如，每个面的犯罪数据统计通常以一整年的计数的形式出现。由于恒定的观测时间非常普遍，如果未指定观测时间，软件将假定每个面在一个单位时间内进行计数。对于完整的人口普查（每个事件都被目击，例如总人口数），每个面的观测时间都应假定为相等。

    观测时，无需目击每个事件。仅需保证每个单位时间内目击到的事件数与正在观测的事件的基础密度成正比。实际上，这意味着对于每个面来说，用于进行观测的方法都需要大致相同。例如，如果进行某次考察的鲸鱼观察员比另一次考察中的观察员更善于发现鲸鱼，则预测会发生偏差。

    输入

• 源数据集 - 指定面要素。
• 计数字段 - 指定每个面中目击的事件数。
• 时间字段 - 可选字段，指定在每个面中花费的时间。如果字段为空，软件将假定所有计数在一个单位的时间内进行。

    对于过度离散泊松区域插值，区域插值图层至面工具可预测每个指定面中每个单位时间的计数。例如，如果鲸鱼观察员以小时为单位记录观测时间，对新面的预测将解释为预计在一个小时内在该面中观察到的鲸鱼数。对于人口普查数据，解释为仅是进行人口普查时面的预测人口数。