با سلام .

یه کامنتی یه پیشنهادی ، انتقادی .این رسمش نیستا .

میانیابی ( درونیابی) ( Interpolation) چیست ؟

روشی برای پیشبینی مقادیر ( ارزش های ) سلول های رستری ( پیکسل) است .این کار بوسیله تعداد محدودی نقاط

نمونه انجام میگیرد .استفاده های این روش در کار های GIS بسیار زیاد است ( به خصوص در رشته های

کشاورزی و منابع طبیعی ) .

از این روش برای به دست آوردن ارتفاع ، میزان بارندگی ، غلظت شیمیایی مواد و... استفاده میشود .

مثال : فرض کنید سطحی در اختیار دارید که دارای 20 نقطه ارتفاعی پراکنده است . هر کدام از این نقاط بیانگر

ارتفاع خاصی هستند .با استفاده از میانیابی میتوانید از ارتفاع تمامی سطح خود آگاه شوید به طوری که هر جای

این سطح را که انتخاب میکنید ، ارتفاع آن نقطه را نشان میدهد .

روش های میانیابی :

برای ایجاد سطوح رستری از داده های نقطه ای ، چند روش وجود دارد که به شرح زیر است .

IDW ، natural neighbours، spline و پر کاربرد ترین آنها که kriging است .

inverse distance weighted یا IDW

در این روش فرض بر این است که نقاط نمونه ای شما از مکان تاثیر میپذیرند . در واقع نقاط نمونه ای اثر وزنی

دارند. به بیان دیگر پیکسل های نزدیک به نقاط نمونه اثر بیشتری نسبت به پیکسل های دورتر از این نقاط

میگیرند . پس این روش در شرایطی مناسب است که با افزایش فاصله از نقاط نمونه ای شما ، وزن

سلول ها کاهش یابد .

مثال : شما به عنوان GIS دان میخواهید قدرت خرید یک مصرف کننده از چندین سوپر مارکت را تحلیل کنید .

مسلما قدرت خرید افرادی که محل سکونت آنها از سوپر مارکت دور است ، کمتر از قدرت خرید افرادی است

که به سوپر مارکت نزدیک هستند . پس باید برای انجام این تحلیل از روش IDW استفاده کنید .

Natural neighbours : این روش همچون روش IDW روشی وزنی است ولی در جزیات با IDW

تفاوت هایی دارد . این روش هنگامی مناسب است که پراکنش نقاط نمونه ناجور باشد .مزیتی که این روش دارد

این است که نیاز به تعیین پارامترهای خاصی همچون Radius ، تعداد همسایه ها یا وزن ندارد .

spline: این روش میانیابی بهترین روش برای سطوحی است که تغییرات آنها تدریجی است ( ارتفاع ، عمق آب

، آلودگی ) . اگر تغییرات زیادی در فاصله افقی کم داشته باشید spline روش مناسبی برای میانیابی نیست چرا

که ارزش های تخمین زده شما را بیش از مقدار واقعی نشان میدهد .

Kriging: در این روش فرض بر این است که فاصله و جهت بین نقاط نمونه بر روی همبستگی مکانی تاثیر

میگذارد .این روش وقتی بهترین کارآیی را دارد که از وجود همبستگی فاصله ای یا چولگی جهتی داده ها

آگاه باشیم .از این روش اغلب در علوم نفت و زمین شناسی استفاده میکنند.

یه چیزی رو خوب به خاطر بسپارید . اگر برای شما مهمه که نتیجه کارتون چقدر دقیقه ، در استفاده از

این نوع میان یابی ها خیلی دقت کنید و مثل بقیه فقط از kriging استفاده نکنید . چرا که هر کدوم استفاده های

خاص خودشون رو دارند.از این روش ها میتونید در 3ِD Analyst در نرم افزار ArcGIS استفاده کنید .

این روش ها در ArcGIS پارامتر هایی دارند که بعدا به شرح آنها میپردازیم .

موفق باشید .

بررسي روشهاي ميانيابي براي تعيين حداقل خطاي تخميني مطالعه موردي:

درجه حرارت و تبخير, /نويسنده : محمد حسين مهديان، محمود متين، نجفقلي غياثي.