Surfer中网格化方法的选取方法

Surfer中网格化方法的选取探究曹创华2010年11月绘制地球物理数据等值线图时，需要根据客观环境特征和数据本身的特点，选择合适的网格化方法。Surfer中的插值方法有12种，常用的有加权反距离插值法、克里格法、最小曲率法、最近邻点法、多项式回归法、径向基函数法、带线性插值的三角剖分法等，本文将结合实例将常用网格化方法的选取方法、适用范围及参数设置等使用技巧做了简单的探讨。前言网格化方法的特征及应用条件网格化概念—是指通过一定的插值方法，将稀疏的、不规则分布的数据插值加密为规则分布的数据，以适合绘图的需要。网格化方法—加权反距离法（Inversedistancetoapower）、克里格法（Kriging）、最小曲率法（Minimumcurvature）、改进谢别德法（Modifiedshepard’smethod）、自然邻点法（Naturalneighbor）、最近邻点法（Nearestneighbor）、多项式回归法（Polynomialregression）、径向基函数法（radialbasisfunction）、带线性插值的三角剖分法（triangulation/linerinterpolation）、移动平均法（movingaverage）、数据度量法（datametrics）和局部多项式方法（localpolynomial）。克里格法（Kriging）最初是由南非金矿地质学家克里格根据南非金矿的具体情况提出的计算矿产储量的方法：按照样品与待估块段的相对空间位置和相关程度来计算块段品位及储量，并使估计误差为最小。后来，法国学者马特隆对克里格法进行了详细的研究，使之公式化和合理化。克里格方法的基本原理是根据相邻变量的值（如若干样品元素含量值），利用变差函数所揭示的区域化变量的内在联系来估计空间变量数值。该方法总是尽可能地去描述原数据所隐含的趋势特征，以区域化变量理论为基础，以变差函数为主要工具，在保证研究对象的估计值满足无偏性条件和最小方差条件的前提下求得估计值。对于高值数据点会使之沿某一“脊”分布，而不围绕该点孤立插值，不形成“公牛眼”等值线。克里格法极为灵活，广泛地应用于各个科学领域，适于各种类型的离散数据，网格化精度高，是极佳的网格化方法。最小曲率法（Minimumcurvature）采用迭代的方法逐次求取网格节点数据，其插值面类似一个薄的、线性—弹性形变板，该“板”经过所有的数据点，且每个数据点具有最小曲率。由于最小曲率法采用全区的数据进行网格化，因而比较适合于数据分布不均匀的情况。在尽可能体现原数据的同时，最小曲率法产生尽可能的光滑曲面，绘制的图件比较美观。使用最小曲率法需要用最大偏差参数和最大循环次数参数来控制最小曲率的收敛标准，且要求至少有4个点。该方法速度快，适合于大量（1000个以上）数据的网格化，由于其主要考虑曲面的光滑性，不能达到精确的插值结果，容易超出最大值和最小值的范畴。径向基函数法（radialbasisfunction）又称距离基函数，是多个数据插值方法组合的一种多形式网格化方法。其基函数是由单个变量的函数构成的，通过选择不同的基本函数来定义不同的加权方法，进行不同方式的网格化。所有径向基函数插值法都是准确的插值器，它们都能尽量适应数据。若要生成一个更圆滑的曲面，对所有这些方法都可以引进一个圆滑系数。径向基函数插值方法具有很强的拟合数据点、产生光滑曲面的能力，其适应范围也类似克里格法。加权反距离法（Inversedistancetoapower）首先是由气象学家和地质工作者提出的，后来由于D．Shepard的工作被称为谢别德法方法。基本原理是设平面上分布一系列离散点，已知其位置坐标和属性值，P（x，y）为任一网格点，根据周围离散点的属性值，通过距离加权插值求P点属性值。实质是待插值点邻域内已知散乱点属性值的加权平均，权的大小与待插值点的邻域内散乱点之间的距离有关，是距离ｎ次方的倒数。加权反距离插值法认为任何一个观测值都对邻近的区域有影响，且影响的大小随距离的增大而减小。该方法的优点是可以通过权重调整空间插值等值线的结构，但是其计算值容易受到数据点集群的影响，计算结果中常出现孤立点数据明显高于周围数据点的现象。最近邻点法（Nearestneighbor）是荷兰气象学家A．H.Thiessen提出的一种分析方法。最初用于从离散分布气象站的降雨量数据中计算平均降雨量，GIS和地理分析中多采用其进行快速赋值。最近邻点插值的一个隐含的假设条件是任意网格点的属性值都是用距离它最近的位置点的属性值，用每一个网格节点的最邻点值作为待求的节点值。该方法适合对规则分布的数据进行网格化；或者大多数数据点位于网格节点上；或者在一个完整的数据文件中，只有少数点无值，可以采用该方法来填充无值的数据点。总之，最近邻点插值法是均质无变化的，更适合于均匀间隔的数据插值，可以有效填充无值数据区域。三角剖分法（triangulation/linerinterpolation）是一种严格的插值方法，使用最佳的Delaunay三角形，通过直线连接各数据点形成一系列三角形，并且所有的三角形互不相交，每个三角形内的网格节点值由该三角平面决定。由于采用所有的数据点去构造三角形，因而原数据能得到很好的体现，给定三角形内的全部节点都要受到该三角形的表面限制。该方法速度快，适合中等数量、均匀分布的数据的网格化，地图上稀疏区域将会形成截然不同的三角面。当数据量足够时，该方法对断线的保留具有其他方法不可比拟的优势。多项式回归法（Polynomialregression）严格地说并不是一种真正的插值方法，它仅仅通过定义趋势面类型来表明原数据的大状态趋势，并不增加未知的网格节点值，实际上是一种趋势面分析作图程序，可用来确定数据的大规模趋势和图案。使用该方法需要考虑两方面问题：一是趋势面数学表达式的确定；二是拟合精度的确定。该方法具有速度快的特点，但也去掉了原数据中的局部细节，不利于资料的详细分析。类型特征应用条件克里格法根据相邻变量的值，利用变差函数所揭示的区域变量的内在联系来估计空间变量数值，网格化精度高数量小于２５０个点数据的网格化，对于２5０～１０００个数据点，效果也不错最小曲率法采用迭代的方法逐次求取网格节点数据方法速度快，适合于大量（１０００个以上）数据的网格化径向基函数法多个数据插值方法组合的、多形式的方法适应范围类似克里格法加权反距离插值法认为任何一个观测值都对邻近的区域有影响，且影响的大小随距离的增大而减小可以通过权重调整空间插值等值线的结构，计算值容易受到数据点集群的影响，常出现孤立点数据明显高于周围数据点最近邻点法采用距离网格节点最近的数据点的值来表明网格节点的值适合规则分布、或者大多数数据点位于网格节点上的数据，更适合于均匀间隔的数据插值，可以有效填充无值数据区域三角形剖分法通过直线连接各数据点形成一系列互不相交的三角形，每个三角形内的网格节点值由该三角平面决定方法速度快，适合中等数量、均匀分布的数据网格化多项式回归法仅仅通过定义趋势面类型来表明原数据的大状态趋势，并不增加未知的网格节点值实际上是一种趋势面分析作图程序，可用来确定数据的大规模趋势和图案。被广泛应用于地质科学。该方法具有速度快特点、然而其去掉了原数据中的局部细节，不利于资料的详细分析表一：地球物理中常用的8种网格化方法及其特征1、高密度电法温纳装置实例实例A—三角剖分B—克里格0.61.834.25.46.67.8910.211.412.613.81516.20.61.834.25.46.67.8910.211.412.613.81516.2-4.8-4-3.2-2.4-1.6-0.8-4.8-4-3.2-2.4-1.6-0.80.61.834.25.46.67.8910.211.412.613.81516.20.61.834.25.46.67.8910.211.412.613.81516.2-4.8-4-3.2-2.4-1.6-0.8-4.8-4-3.2-2.4-1.6-0.801530456075901050.61.834.25.46.67.8910.211.412.613.81516.20.61.834.25.46.67.8910.211.412.613.81516.2-4.8-4-3.2-2.4-1.6-0.8-4.8-4-3.2-2.4-1.6-0.80153045607590105C—反距离加权0.61.834.25.46.67.8910.211.412.613.81516.20.61.834.25.46.67.8910.211.412.613.81516.2-4.8-4-3.2-2.4-1.6-0.8-4.8-4-3.2-2.4-1.6-0.8D—最小曲率0.61.834.25.46.67.8910.211.412.613.81516.20.61.834.25.46.67.8910.211.412.613.81516.2-4.8-4-3.2-2.4-1.6-0.8-4.8-4-3.2-2.4-1.6-0.80153045607590105120E—径向函数法F—最近邻点法0.61.834.25.46.67.8910.211.412.613.81516.20.61.834.25.46.67.8910.211.412.613.81516.2-4.8-4-3.2-2.4-1.6-0.8-4.8-4-3.2-2.4-1.6-0.8141822263034384246500.61.834.25.46.67.8910.211.412.613.81516.20.61.834.25.46.67.8910.211.412.613.81516.2-4.8-4-3.2-2.4-1.6-0.8-4.8-4-3.2-2.4-1.6-0.814182226303438424650图1高密度不同网格化方法视电阻率等值线图G—多项式回归此例子的高密度数据点553个。高密度电阻率法实测数据，取相同的参数，采用不同的网格化方法绘制视电阻率等值线断面（图1A~F），可见效果不同。采用克里格法网格生成的图1B，整个断面呈矩形，网格化的结果是扩大了实测数据边界，没有数据的区域插值产生，呈现2个低阻异常区域，由一些渐变的异常点组成，有利于异常区的圈定和解释。采用三角剖分法网格生成的图1A，整个断面呈倒梯形，网格化的结果是严格控制了实测数据边界，可清晰分辨出局部高阻异常，有利于局部异常区的圈定和解释。采用加权反距离法网格生成的图1C，整个断面呈矩形，网格化的结果是扩大了实测数据边界，没有数据的区域插值产生，低阻和高阻异常的分界面很清晰，有的地方呈现串珠状高阻异常，形成一些孤立的异常点，不利于异常区的圈定和解释。采用最小曲率法网格生成的图1D，与图2B克里格插值方法的效果基本相同，有2个低阻异常区域，由一些渐变的异常点组成，有利于异常区的圈定和解释。采用径向基函数法网格生成的图1E，整个断面呈矩形，网格化的结果是扩大了实测数据边界，没有数据的区域插值产生，可分辨出局部高阻异常，因此有利于局部异常区的圈定和解释。但图形左侧和右侧等值线杂乱，表示插值效果不好。采用最近邻点法网格生成的图1F，整个断面呈矩形，网格化的结果是扩大了实测数据边界，没有数据的区域插值产生，呈现２个孤立的低阻异常区域，异常区等值线稀疏，边界呈矩形。采用多项式回归法对本案例进行网格化生成的图1G，效果最差，基本找不到异常点，网格化的结果是扩大了实测数据边界，没有数据的区域插值产生，仅显示了上下2个渐变的异常区，分辨不出局部高阻异常，因此不利于局部异常区的圈定和解释。22002300240025002600270028002900300031003200330034002200230024002500260027002800290030003100320033003400370038003900400041004200430044004500460047003700380039004000410042004300