arcgisPRO克里金插值

### 如何在 ArcGIS Pro 中执行克里金插值

#### 准备工作
为了成功完成克里金插值，需先准备好所需的输入数据集。通常情况下，这包括两个主要的数据源：一是目标变量（如降水量），二是辅助变量（如高程）。对于本案例而言，则是指准备好的降水站点测量值以及对应的数字高程模型(DEM)[^1]。

#### 数据预处理
- **转换 DEM 至点要素**
将 DEM 转换成一系列代表不同高度位置的离散点要素类文件。此过程可以通过 `栅格转点` 工具实现，从而获得可用于后续分析的高度样本点集合。

#### 启用地统计分析模块并加载数据
启动 ArcGIS Pro 的地统计分析师扩展模块，并依次导入上述准备完毕的目标变量(即降雨量观测站记录)与辅助变量(DTM所转化成之点位资料)，确保二者均处于同一坐标系下以便于联合运算处理。

#### 执行协同克里金算法配置
进入“空间统计工具箱”，找到并打开“克里金法/协同克里金”。按照向导提示逐步设定参数选项：

- 设置主变量字段为已知的雨量计读数；
- 辅助变量指定先前由DEM生成的高度点层；
- 方法选取上推荐采用“析取克里金”模式；
- 对于变换函数的选择可以考虑应用自然对数(`Log`)来改善分布特性；

以上每一步骤都应仔细核验以保证设置无误后再继续下一步操作。

#### 结果可视化及输出保存
当所有必要参数均已正确指派后，点击运行按钮等待计算结束即可得到最终预测表面图。最后还需记得通过“环境设置”调整好输出成果的空间分辨率、地理范围及其投影方式等细节属性，再将其另存为新的栅格格式文档供进一步利用或分享交流。

import arcpy
from arcpy import env
env.workspace = "C:/data"
arcpy.CheckOutExtension("GeoStats")

# Convert raster to points
arcpy.RasterToPoint_conversion(in_raster="elevation", out_point_features="dem_points", raster_field="Value")

# Perform cokriging analysis using Geostatistical Analyst toolbox
cokriging_result = arcpy.sa.Kriging(
    in_point_features=["rainfall_stations.shp", "dem_points"], 
    z_value_field=['Rainfall', 'ELEVATION'], 
    kriging_model='DISJUNCTIVE',
    transformation_type='LOG'
)

# Save the result as a new raster file with specified properties
output_path = r"C:\path\to\save\rainfall_prediction.tif"
cokriging_result.save(output_path)