7．2 空间插值的数据源连续表面空间插值的数据源包括：摄影测量得到的正射航片或卫星影象；卫星或航天飞机的扫描影象；野外测量采样数据，采样点随机分布或有规律的线性分布（沿剖面线或沿等高线）；数字化的多边形图、等值线图。你是否想了解更多关于这些插值方法的细节？你可以在空间插值方法汇总中找到详细解释。

空间插值的数据通常是复杂空间变化有限的采样点的测量数据，这些已知的测量数据称为“硬数据”。如果采样点数据比较少，可以根据已知的导致某种空间变化的自然过程或现象的信息机理，辅助进行空间插值，这种已知的信息机理称为“软信息”。感兴趣的话，不妨查看地理信息空间插值，了解更多相关理论和应用。

但通常情况下，由于不清楚这种自然过程机理，往往不得不对该问题的属性在空间的变化作一些假设，例如假设采样点之间的数据变化是平滑变化，并假设服从某种分布概率和统计稳定性关系。为了深入探讨这些假设，可以参考空间插值方法对比整理Interpolation。

采样点的空间位置对空间插值的结果影响很大，理想的情况是在研究区内均匀布点。然而当区域景观大量存在有规律的空间分布模式时，如有规律间隔的树或沟渠，用完全规则的采样网络显然会得到片面的结果。统计学家希望通过一些随机的采样来计算无偏的均值和方差。但完全随机的采样同样存在缺陷，首先随机的采样点的分布位置是不相关的，而规则采样点的分布则只需要一个起点位置、方向和固定大小的间隔，尤其是在复杂的山地和林地里比较容易。其次完全随机采样会导致采样点的分布不均，一些点的数据密集，另一些点的数据缺少。如果你想知道如何利用这些方法进行采样，可以查看Python对数据进行插值和下采样的方法。

是否对这些插值方法的应用有更多的疑惑？你可以下载空间插值部分原理及方法获取更多详细资料！在实际应用中，ArcGIS的空间插值也非常值得一提，感兴趣的朋友不妨看看ArcGIS空间插值这篇文章。