Radial Basis Function -interpolointi on monipuolinen ryhmä datan interpolointimenetelmiä. Mitä tulee mahdollisuuteen sovittaa tietosi ja tuottaa sileä pinta, Multiquadric-menetelmä on monien mielestä paras. Kaikki Radial Basis Function -menetelmät ovat tarkkoja interpolaattoreita, joten ne yrittävät kunnioittaa tietojasi.
Mistä tiedät mitä interpolointimenetelmää käyttää?
Pisteiden sijainti ja pistearvot muodostavat interpoloinnin perustan.
Oikean interpolointitavan valinta
- Näytepistejoukon laatu voi vaikuttaa myös interpolointimenetelmän valintaan. …
- Aiheen todellinen tuntemus vaikuttaa aluksi käytettävään interpolointimenetelmään.
Mikä interpolointimenetelmä on paras korkeudelle?
Nykyään ehkä laajimmin käytetty tekniikka korkeuden interpoloimiseksi ääriviivoista on Hutchinsonin ANUDEM-algoritmi, jota voidaan käyttää ArcGIS-järjestelmässä TOPO TO RASTER -komennon kautta. Tämä interpolointimenetelmä ei vain käytä ääriviivoja, vaan käyttää myös pintakuivauslinjoja, kuten puroja ja jokia.
Onko lineaarinen vai kuutiointerpolointi parempi?
Yleensä kuutiointerpolaatio on parempi kuin lineaarinen interpolaatio useimmissa asioissa, kuten funktion tasaisuus ja suurempi tarkkuus alkuperäisen funktion approksimaatiossa.
Mikä on paras interpolointimenetelmä saostukselle?
Kriging- ja IDW (Interpolated Distance Weighted) -menetelmät ovat erittäin hyviä ja sopivat sadetietojen interpolointiin.
