空间插值方法有哪些?克里金法怎么操作?

wowwwai GIS研习社 · 工具流程与项目排障

很多同学在做降雨量、土壤污染、地下水位、气温或空气质量制图时，都会遇到同一个问题：空间插值方法有哪些?克里金法怎么操作? 这篇文章围绕 GIS 中最常用的空间插值工作流，重点讲清楚常见插值方法的适用场景，以及在 QGIS 和 ArcGIS Pro 中如何规范完成克里金法插值。

引言：空间插值要解决什么问题

空间插值的核心任务，是根据有限的已知采样点，估算未知位置的数值，并生成连续表面。例如，根据气象站点生成降雨量分布图，根据土壤采样点生成重金属污染浓度图，根据监测井生成地下水埋深图。

在 GIS 软件中，空间插值通常会输出一个栅格图层。每个像元都有一个估算值，后续可以继续做分级渲染、等值线提取、面积统计或风险区划。

不过，空间插值不是简单地“把点变成面”。不同空间插值方法的假设不同，适用数据也不同。如果方法选错，图面可能很漂亮，但结果并不可靠。

背景：常见空间插值方法有哪些

常见空间插值方法可以分为确定性方法和地统计方法两大类。确定性方法主要依据距离、邻域或数学函数估算数值；地统计方法则会考虑空间自相关，并可以给出预测误差。

方法	基本思路	适用场景	主要注意点
反距离权重法 IDW	距离越近的点权重越大	采样点较密、变化较平滑的数据	容易产生靶心效应，对异常值敏感
克里金法 Kriging	利用空间自相关和变异函数进行估计	环境监测、土壤、气象、水文等连续变量	需要分析变异函数，参数设置较多
样条函数 Spline	拟合一个尽量平滑的曲面	地形、温度等平滑变化现象	不适合突变明显或异常值较多的数据
自然邻域 Natural Neighbor	根据泰森多边形邻域变化分配权重	点分布不均但需要局部平滑结果	通常不外推到点集范围之外
趋势面 Trend	用多项式表达整体空间趋势	存在明显大尺度趋势的数据	局部细节表达较弱
最近邻 Nearest Neighbor	未知位置取最近采样点的值	分类数据或快速近似	结果边界生硬，不适合连续变量精细表达

如果只是快速出一张连续分布图，IDW 很容易上手。如果希望结果更符合地统计分析逻辑，并且需要评价预测误差，克里金法通常更合适。

原理：克里金法为什么比普通距离插值更复杂

克里金法是一类地统计插值方法。它的基本思想不是单纯看采样点到预测位置的距离，而是先分析变量在空间上的相关性，再根据这种相关性分配权重。

这里有一个关键概念：空间自相关。它表示距离较近的位置，属性值通常更相似；距离越远，相似性可能越弱。例如，相邻两个土壤采样点的铅含量往往比相距几十公里的点更接近。

克里金法通常需要建立半变异函数，也叫变异函数。它用于描述距离增加时，样本值差异如何变化。常见模型包括球状模型、指数模型、高斯模型等。

• 块金值：距离接近 0 时仍然存在的变异，常与测量误差或微尺度变化有关。
• 基台值：半方差趋于稳定时的水平，表示总体变异程度。
• 变程：空间相关性明显存在的距离范围，超过该距离后相关性通常较弱。

克里金法的优势是可以利用空间结构进行估计，并且在很多软件中可以输出预测标准误差。但它的前提是数据具有一定空间自相关，如果采样点太少、分布极不均或变量本身没有空间规律，克里金法并不会自动得到好结果。

步骤：QGIS 中克里金法怎么操作

QGIS 中可以通过 Processing 工具箱调用 SAGA、GDAL 或内置相关工具完成空间插值。不同版本和插件环境中工具名称可能略有差异，实际操作时建议先确认 Processing 工具箱中是否启用了对应提供程序。

1. 准备点数据

首先准备一个点图层，常见格式包括 Shapefile、GeoPackage、GeoJSON 或数据库图层。属性表中必须有一个用于插值的数值字段，例如 rainfall、pm25、ph、elevation。

• 点图层必须有正确坐标系。
• 插值字段必须是数值型，不建议使用文本型数字。
• 删除空值、明显录入错误值和重复点。
• 如果数据来自经纬度坐标，建议先投影到米制坐标系。

2. 检查坐标系和单位

克里金法中的距离参数与图层坐标单位直接相关。如果点数据是 WGS84 经纬度，距离单位是度，不适合直接设置以米为单位的搜索半径、像元大小或变程。

实务中建议先将数据重投影到合适的投影坐标系。例如中国区域可以根据位置选择 CGCS2000 高斯-克吕格投影、UTM 分带或本地常用投影。这样像元大小、搜索半径和输出范围才更容易解释。

3. 打开克里金插值工具

在 QGIS 中打开 Processing 工具箱，搜索 Kriging、Ordinary Kriging 或插值相关工具。如果使用 SAGA 工具，需要在 QGIS 设置中确认 SAGA provider 可用。

常见参数包括：

• 输入点图层：用于插值的采样点。
• 插值字段：要预测的数值字段。
• 变异函数模型：如 spherical、exponential、gaussian。
• 搜索邻域：控制参与预测的附近点数量或距离范围。
• 输出像元大小：决定栅格分辨率。
• 输出范围：决定插值结果覆盖区域。

4. 设置输出分辨率

输出像元大小不要盲目设得过小。采样点之间平均距离如果是 1000 米，输出 1 米分辨率通常没有意义，只会增加文件体积，并制造一种“精度很高”的错觉。

一个实用做法是先估算采样点平均间距，再选择相对合理的像元大小。例如区域级环境监测图可以从 100 米、250 米、500 米等尺度开始测试，而不是一开始就使用极细分辨率。

5. 设置搜索邻域

搜索邻域决定每个预测像元使用哪些采样点。邻域过小，结果可能不稳定；邻域过大，局部变化会被过度平滑。

• 点密集时，可以限制最大邻近点数量。
• 点稀疏时，需要避免邻域内点数不足导致空洞。
• 采样点方向分布不均时，要警惕某一侧点对结果影响过大。

6. 运行并查看结果

运行克里金插值后，QGIS 会生成一个栅格结果。可以使用单波段伪彩色渲染，设置合适的色带和分类方法，观察空间分布是否符合业务常识。

不要只看图面是否平滑，还要检查高值区、低值区是否与原始采样点大体一致。如果原始高值点附近没有明显高值响应，可能是参数设置、字段选择或坐标系存在问题。

步骤：ArcGIS Pro 中克里金法怎么操作

ArcGIS Pro 中克里金法主要通过 Geostatistical Analyst 工具或 Spatial Analyst 中的相关插值工具实现。对于需要详细建模和交叉验证的场景，Geostatistical Wizard 更适合。

1. 启用相关扩展

如果使用 ArcGIS Pro 的地统计工具，需要确认许可中包含 Geostatistical Analyst 扩展。部分普通插值工具可能依赖 Spatial Analyst 扩展。

2. 导入点图层并检查字段

将采样点加载到地图中，打开属性表，确认插值字段是数值字段。对异常值较多的数据，可以先制作直方图、箱线图或分级符号图，识别极端值。

3. 打开 Geostatistical Wizard

在 ArcGIS Pro 中打开 Geostatistical Wizard，选择输入点数据和插值字段，然后选择 Kriging 类型。常见选择包括普通克里金、简单克里金和泛克里金。

• 普通克里金：最常用，假设局部均值未知但相对稳定。
• 简单克里金：需要已知总体均值，实际项目中较少直接使用。
• 泛克里金：适合存在明显空间趋势的数据。

4. 拟合半变异函数

在向导中查看半变异函数云图和拟合模型。可以尝试球状模型、指数模型或高斯模型，并观察模型与样本点云的匹配程度。

如果点云非常散乱，没有明显随距离增加而变化的结构，说明数据空间自相关较弱。此时即使完成克里金法插值，结果也需要谨慎解释。

5. 查看交叉验证结果

交叉验证是判断克里金法结果是否可靠的重要步骤。它通常会逐个移除采样点，用其余点预测该位置，再比较预测值与真实值。

重点关注以下指标：

• 平均误差是否接近 0。
• 均方根误差是否相对较小。
• 标准化平均误差是否接近 0。
• 标准化均方根误差是否接近 1。
• 预测值与实测值散点图是否接近 1:1 关系。

6. 导出栅格或等值线

地统计图层生成后，可以根据需要导出为栅格。若要制作专题图，可以继续进行重分类、裁剪、掩膜、等值线提取和版面整饰。

常见坑：克里金法操作中最容易出错的地方

克里金法怎么操作并不只是点击工具运行。很多错误发生在工具运行之前，尤其是坐标系、字段、采样设计和参数解释。

1. 用经纬度坐标直接插值

这是最常见的问题之一。经纬度单位是度，不是米。直接在经纬度坐标下设置像元大小或搜索半径，会导致距离含义不清。建议先投影到合适的平面坐标系。

2. 采样点太少还强行克里金

克里金法需要利用空间自相关结构。点数太少时，半变异函数很难稳定拟合，结果不一定比 IDW 更可靠。对于点数很少的项目，应优先说明不确定性，而不是过度解读插值图。

3. 没有处理异常值

异常值会显著影响空间插值结果，尤其是污染物浓度、降雨量等可能存在极端值的数据。处理异常值不是简单删除，而是要核查采样记录、检测方法、单位换算和录入错误。

4. 输出范围超过采样点控制区太多

在采样点范围之外进行预测属于外推，风险明显高于采样点包络范围内的插值。如果输出范围远大于采样区域，边缘结果往往不稳定。

5. 把平滑结果当作真实边界

空间插值结果是估计表面，不等于真实边界。高值区和低值区的边界通常具有不确定性，不能直接当作行政界线、污染边界或工程控制线使用。

方法比较：IDW、样条函数和克里金法怎么选

空间插值方法有哪些并不难列举，难点是根据数据特点选择合适方法。下面给出一个实用选择建议。

项目情况	推荐方法	原因
只需要快速查看空间分布趋势	IDW	操作简单，参数少，适合快速探索
数据具有连续变化特征，且采样点较多	克里金法	可以利用空间自相关，并进行误差评价
地形、温度等变化较平滑	样条函数或克里金法	能生成相对平滑的表面，但要注意异常值
存在明显整体趋势	趋势面或泛克里金	可以表达大尺度空间趋势
分类数据或离散类别	最近邻或其他分类建模方法	连续插值方法不适合直接处理类别值

一般来说，IDW 适合快速出图，克里金法适合更严谨的连续变量空间预测。若项目需要提交技术报告，建议同时说明数据来源、坐标系、采样点数量、插值参数、验证方法和结果不确定性。

检查清单：做空间插值前后必须核对

在实际项目中，可以用下面这份清单检查空间插值结果是否基本可靠。

• 采样点是否覆盖研究区主要空间范围。
• 点图层坐标系是否正确，是否已投影到米制坐标系。
• 插值字段是否为数值型，单位是否统一。
• 是否检查空值、重复点和异常值。
• 输出像元大小是否与采样点密度匹配。
• 输出范围是否限制在合理研究区内。
• 克里金法是否检查半变异函数模型。
• 是否进行了交叉验证或留一验证。
• 高值区、低值区是否与原始采样点一致。
• 成果图中是否说明插值方法、参数和不确定性。

FAQ：空间插值方法和克里金法常见问题

空间插值方法有哪些最常用？

最常用的空间插值方法包括 IDW 反距离权重法、克里金法、样条函数、自然邻域、趋势面和最近邻方法。连续变量分析中，IDW 和克里金法最常见；如果需要地统计验证，克里金法更合适。

克里金法怎么操作才算规范？

规范流程包括：清理采样点数据、确认数值字段、投影到合适坐标系、分析空间自相关、拟合半变异函数、设置搜索邻域、生成插值栅格，并通过交叉验证检查误差。不能只运行工具而不检查参数和验证结果。

QGIS 可以做克里金法插值吗？

可以。QGIS 可以通过 Processing 工具箱调用相关插值工具，常见来源包括 SAGA、GDAL 或其他插件。实际使用时要确认对应工具是否已安装并启用，同时注意坐标系、像元大小和搜索邻域设置。

ArcGIS Pro 中克里金法和 IDW 有什么区别？

IDW 主要根据距离分配权重，参数相对简单。克里金法会通过半变异函数描述空间自相关，并可以进行预测误差分析。ArcGIS Pro 中如果需要更完整的地统计建模，建议使用 Geostatistical Analyst 相关工具。

克里金法一定比 IDW 准吗？

不一定。克里金法是否更好，取决于采样点数量、空间分布、变量是否具有空间自相关、半变异函数是否拟合合理。如果数据没有明显空间结构，或者采样点过少，克里金法不一定优于 IDW。

空间插值结果可以直接作为真实值使用吗？

不建议。空间插值结果是基于采样点和模型参数的估计值，不是真实连续观测值。用于规划、评价或风险判断时，应同时说明数据来源、插值方法、分辨率、误差验证和不确定性。

结论：先选对方法，再操作克里金法

回答“空间插值方法有哪些?克里金法怎么操作?”这个问题，不能只停留在软件按钮层面。空间插值的关键是理解数据、选择合适方法、设置合理参数，并对结果进行验证。

如果只是快速查看分布趋势，可以先用 IDW 做探索；如果是连续环境变量、采样点较充分，并且需要更严谨的误差评价，可以使用克里金法。无论使用 QGIS 还是 ArcGIS Pro，都要优先检查坐标系、字段、异常值、输出分辨率和交叉验证结果。

真正可靠的 GIS 插值成果，不是“图面越平滑越好”，而是方法、参数、数据和验证过程都能解释清楚。