空间插值用已知样点估计未观测位置

空间插值根据有限样点估计连续区域中的值，常用于降水、污染、地下水和高程。它依赖附近位置在一定尺度上更相似的假设，但样点分布、测量支持和空间过程决定该假设是否成立。插值产生的是模型估计，不是新增实测。

样点首先要具有可比支持

气象站读数代表仪器位置与时间窗口，土壤混合样可能代表一块区域。把不同支持尺度的数据当作同类点，会让模型误解变化。坐标误差、重复点和异常值也要先检查；异常可能是真实热点，不能只因不平滑就删除。

采样常沿道路或人口区密集，并非随机覆盖。插值图在稀疏区仍会填满颜色，视觉完整不代表证据均匀。输出应同时显示样点、到最近样点距离和有效邻点数。

距离反比权重按距离倒数给附近样点更高权重。幂指数越大，结果越接近最近点；指数小则更平滑。搜索半径、邻点数和象限限制共同决定参与样本。

IDW 简单并保持样点值，但没有显式趋势和误差模型。样点成簇时，密集方向会主导估计；屏障两侧虽然直线距离近，过程可能并不相似。参数应通过空间验证选择，不能只凭图面效果。

回归或低阶多项式可描述随经纬度、高程等协变量变化的趋势，再对残差插值。高阶趋势容易在边缘振荡，协变量也可能与位置混杂，必须有过程依据。

机器学习回归同样能预测空间表面，但随机样本切分会让邻近训练点泄漏到测试点。按区域阻断或留出完整地区更接近真实外推。

克里金用变异函数描述样点差异随距离变化的规律。块金、基台和变程分别反映近距离跳变、总体方差和相关尺度。经验变异函数受样本数、方向和离群值影响，拟合出曲线不证明过程平稳。

各向异性意味着相关尺度随方向变化，可能来自风向、河流或地层。不同区域也可能有不同结构，不能强迫一个全局模型覆盖所有过程。

克里金方差描述模型假设下由采样几何产生的不确定性，不包含全部测量误差和模型错误。它不能被解释为完整置信保证。

山脊、河岸和海陆边界可能阻断传播。欧氏距离无法表达屏障，需要分区、网络距离或专门协方差模型。跨越过程边界插值会制造不存在的渐变。

样点凸包之外属于外推，趋势假设会主导结果。输出应限制范围或明确标记外推区。边缘即使在凸包内，也可能因单侧样点而不稳定。

输出栅格分辨率只是采样密度，不等于真实精度。把一公里样点插成十米网格不会创造十米信息。

随机留一常让测试点紧邻训练点，误差会过于乐观。空间分块、缓冲留出或按地区测试更能评价外推能力。调参和变异函数拟合必须只用训练折。

指标应包含偏差、均方根误差、绝对误差和区间覆盖，并按密集区、稀疏区和值域分层。总体均值可能掩盖高值区系统低估。

时间变化变量不能把多年样点混成一个静态面，除非模型显式处理时间。不同测量方法、单位和基准也要先统一。

浓度、降雨和价格等变量常呈偏态，直接插值容易被少数高值控制。对数或 Box-Cox 变换可改善残差，却使模型预测的是变换尺度上的量。反变换时简单取指数会产生偏差，需要按模型假设修正，并同时报告原尺度误差。

比例和方向数据也不能当作普通实数处理。接近零与一的比例受边界约束，风向的 359 度和 1 度实际相邻。变量的测量尺度决定可用距离、平均方式和概率模型，先定义预测对象再选算法，比在多个插值器中盲目调参更可靠。

城市热岛、山地降水和污染扩散可能在不同区域具有不同均值与相关尺度。一个全局变异函数会把局部差异平均掉。分区模型、移动窗口或空间协变量能够表达变化，但会增加边界效应和参数不稳定，应保证每个局部区域有足够样本。

局部模型之间的拼接要检查接缝，窗口大小也必须在空间独立的验证中选择。复杂模型若只在采样密集区改善，而在稀疏区产生极端外推，不应因总体误差略低就采用。

样点很多时，完整协方差矩阵的计算和存储成本迅速增长。邻域克里金、低秩近似、网格聚合和分块处理可以降低成本，但它们改变了可利用的相关范围。分块边界、重叠宽度和近似误差应成为结果元数据，而不是隐藏的实现细节。

并行任务必须使用一致的坐标、邻域规则和随机种子。瓦片独立计算后出现边界跳变时，应增加重叠并在统一规则下裁切，而不是用后处理平滑掩盖。性能测试要与统计验证一起进行，确保加速没有悄然改变预测。

某些应用要求区域总量守恒，例如降水体积或人口分配。常规点插值优化位置误差，不保证栅格积分等于观测总量。需要质量守恒时，应使用面积权重、体积约束或面到面方法，并单独核对区域汇总。

一个表面可能有较低点误差却错误分配区域总量，也可能保持总量却平滑局部极值。产品说明应明确优先目标和允许误差，避免同一栅格被用于它没有验证过的点查询、面积统计和极值分析。

发布结果应记录输入版本、方法、参数、坐标参考、输出分辨率和验证结果，并提供不确定性或覆盖图。空间插值的可信度来自采样代表性、过程边界和独立验证，而不是表面是否光滑。