地统计插值学习心得（一）

引言

当我们尝试使用克里金方法插值数据时，最常见的问题之一就是数据中存在极值或者说是异常值。极值是指与其他数据相比非常大或非常小的数据值。通常是由于监测设备故障或数据输入失误造成的，比如不小心删除了数据中的小数点。在进行插值之前，应手动纠正或删除这些错误数据。然而，并非所有异常值都是有问题的。有些极值是真实的有效值，以下内容我们将讨论如何处理这种异常值。

适用软件：ArcMap 、ArcGIS Pro、GeoScene Pro

本文相关截图来自ArcMap软件。

数据介绍

本文引用的数据是1995年奥地利地表苔藓的重金属浓度含量。其测量单位为每千克苔藓的重金属毫克数，这里我们将重点讨论重金属钼元素。如下图所示，北部地区钼元素浓度较低，南部地图钼浓度较高。而且在南部地区有两个位置的钼浓度显著高于其他地方(7.66 and 1.81 mg/kg)。

1995奥地利钼元素含量分布图

虽然这两个地区的钼元素浓度高到看起来像是异常值，但在这些地点同时也发现其他重金属元素的浓度一样很高，因此钼元素高浓度不太可能是机器或人为错误造成的。要创建钼元素浓度的准确预测图，不能简单地删除或忽略这两个位置的测量值。

极值问题

我们在进行插值时，经常会遇到当某些数据值比所有其他值大几倍时，很难建立一个有效的克里金模型。原因在于克里金模型的核心是半变异函数，当存在极值时，很难找到一个半变异函数来拟合所有数据。例如，对于钼元素数据，地统计向导建议使用下图所示的半变异函