问题2：SIGHTINGS的值域：[1,15] 3. 鹿被看到次数的密度图：单击设置如下 ，双击Spatial Analyst Tools/Density/Kernel Density， 问题3：鹿被看到密度的值域：[0,48.278]
31
4. 将kernel_d叠置在deer层表面：双击kernel_d，在Display栏，设置透明度为30% 习作三：用IDW插值 1、 插入新的数据帧：单击菜单栏Insert，选择Data Frame，重命名为Task3。单击stations.shp和 idoutlgd添加到Tas3中。 2、 生成Inverse Distance Weighting Prediction Map：单击Geostatistical ，将Analyst/Geostatistical Wizard,选择stations为输入数据，ANN_PREC为属性数据，在Methods栏选择Inverse Distance Weighting，单击Next；单击Optimize Power Value，单击Next,再单击Finish。 问题1：使用默认参数，最佳幂值，得到的RMS统计值：3.929 32
问题2：幂级为2，邻近点为10，得到的RMS统计值：3.983 3. 将等量雨线分为7级：步骤同习作一 4. 将Inverse Distance Weighting Prediction Map转换为栅格：步骤同习作一，生成idw 33
5. 切割idw:步骤同习作一 6. 生成等值线并显示其标注：步骤同习作一 7. 保存Caculation为永久格网：
34
习作四：用普通克里金插值 1. 插入新的数据帧：单击菜单栏Insert，选择Data Frame，重命名为Task4&5。单击stations.shp和 idoutlgd添加到Tas4&5中。 2. 对半变异图作数据探查：单击Data/Semivariogram/Covariance Cloud Geostatistical Analyst/Explore ，将 3. 选中最右边的一个点，在ArcMap中，stations相距最远的两个控制点高亮显示 4. 将距离200000m放大：步长改为10000，步长组数改为20： 5. 生成Ordinary Kriging Prediction Map：单击Geostatistical Analyst/Geostatistical
35