Выбор метода преобразования

Параметры методов преобразования контролируют процедуры интерполяции. При создании файла сетки. Можно использовать метод, заданный по умолчанию и получить карту достаточно хорошего качества. Разные методы производят разную интерполяцию Ваших данных, т.к. они используют разные алгоритмы для вычисления значений в узлах сетки. Если Вы не удовлетворены результатами одного метода, можно попробовать другие методы и сравнить результаты.

Т.к. изолинии в Surferстроятся на основе файла сетки, первоначальные точки данных не всегда точно переносятся в файл сетки. Когда мы отмечаем точки данных на полученной карте, некоторые изолинии могут быть неверно расположены относительно точек данных. Это происходит потому что усреднение значений данных может увеличить или уменьшить значение в узлах сетки, совпадающих с положением точек данных. Некоторые методы лучше других сохраняют первоначальные данные, и иногда для выбора наиболее подходящего метода необходимо немного поэкспериментировать.

Выбор метода интерполяции:

12. В группе Gridding Methods, кликните на раскрывающемся списке – покажется список методов интерполяции.

13. Кликните на нужном методе.

14. Кликните ОК.

Общие рекомендации

Следующий список дает краткий обзор каждого метода интерполяции и некоторые преимущества и недостатки каждого метода по отношению к другим:

• Inverse Distance to a Power (IDP) – быстрый, но склонен к построению концентрических окружностей вокруг точек данных.

• Kriging (KM)– один из наиболее гибких методов и пригоден для интерполяции практически любых типов данных. Для большинства данных, этот метод с линейной ___________ достаточно эффективен. В общем это метод, который можно рекомендовать в большинстве случае. Этот метод задан по умолчанию, однако он очень медленно работает с большими массивами данных.

• Minimum Curvature (Метод наименьшей кривизны, MCM)– производит сглаженные поверхности и бостаточно быстро работает с большинством данных.

• Polynominal Regression (Метод полиноминальной регрессии,PRM) – обрабатывает данные так, что показываются скрытые крупномасштабные тренды. Этот метод используется дляtrend surface analysis (анализа поверхностных трендов). Метод очень быстро работает с любыми объемами данных, но в создаваемой сетке пропадают мелкие детали.

• Redial Basis Functions (Метод радиальной основной функции,RBF)– достаточно гибкий, и какKriging, является одним из лучших методов интерполяции для большинства типов данных. Результаты данного метода схожи с результатамиKriging метода.

• Shepard's Method (Метод Шепарда, SM) – похож на методInverse Distance, но не далает концентрических окружностей вокруг точек данных, особенно когда используется параметрSmoothing.

• Triangulation with Linear Interpolation (Метод треангуляции с линейным интерполированием, TLI)– быстрый для средних объемов данных. Когда данных мало, карта может выглядеть угловато. Одно из преимуществ метода – при недостатке данных сохраняются прямые линии, заложенные в файле данных. Например, если линия обрыва отмечена двумя точками на его концах, он будет отображаться в виде прямой линии.

Совет: для наглядного ознакомления с работой перечисленных методов, создайте файлы сетки на основе файла данныхDEMOGRID.DAT, используя эти методы. Постройте карты изолиний на основе полученных файлов сетки и сравните результаты.