插值分析

插值分析可以将有限的采样点数据,通过插值对采样点周围的数值情况进行预测,从而掌握研究区域内数据的总体分布状况,而使采样的离散点不仅仅反映其所在位置的数值情况,而且可以反映区域的数值分布。SuperMap 中提供三种插值方法,分别是:距离反比权重法(IDW)、克吕金插值方法(Kriging)、径向基函数插值法(RBF)。选用何种方法进行插值分析,通常取决于样点数据的分布和要创建表面的类型。

无论选择哪种插值方法,已知点的数据越多,分布越广,插值结果将越接近实际情况。下面以距离反比权重法为例。

//创建点密度插值分析参数实例
var interpolationAnalystParameters = new SuperMap.InterpolationIDWAnalystParameters({
    //用于做插值分析的数据源中数据集的名称
    dataset: "SamplesP@Interpolation",
    //插值分析结果数据集的名称
    outputDatasetName: "IDW_result",
    //插值分析结果数据源的名称
    outputDatasourceName: "Interpolation",
    //结果栅格数据集存储的像素格式
    pixelFormat: SuperMap.PixelFormat.DOUBLE,
    //存储用于进行插值分析的字段名称
    zValueFieldName: "AVG_TMP",
    resolution: 7923.84989108,
    //采取固定点数查找参与运算点的方式
    searchMode: "KDTREE_FIXED_COUNT",
    //固定点数查找方式下,参与差值运算的点数默认为12。
    expectedCount: 12,
    bounds: L.bounds([-2640403.63, 1873792.1], [3247669.39, 5921501.4])
});
//创建点密度插值分析服务实例
var interpolationAnalystService = L.supermap.spatialAnalystService(serviceUrl).interpolationAnalysis(interpolationAnalystParameters,
    function (serviceResult) {
        // 获取服务端返回的数据
        interpolationAnalystResult = serviceResult.result;
});

查看完整示例代码

results matching ""

    No results matching ""