此时，弹出“分割”对话框。由于为了达到点与点之间的距离尽可能一致，我们将线分成相等的部分：
例如，当前选中的线长度为580087.019米（580公里）因此我们按照每10公里一个点的布局，进行分割，因此“分成相等的部分”框中填58（580÷10=58）—>确定；
注：这样可以保证每条等降水量线每隔10公里固定采样，使点的分布尽可能均匀化。 2、按照同样的步骤，将每条等降水量线进行分割；
3、接下来，打开ArcToolbox里面的数据管理工具——要素——要素转点，输入要素类为“山东省等降水量线”，输出要素类命名为“prec”；选择“内部”（这是为了仅在线上生成点。否则会按线的几何中心生成点，比如对于折线来说，有时候生成的点在线的外侧）； 4、此时，均匀分布的点文件已经生成，并且每个点具有降雨量属性字段“prec”。如图：
S6、按照不同方法进行空间插值，并比较各自优劣
打开ArcToolbox——Spatial Analyst 工具——插值，打开插值方法列表，如下图：
A、采用反距离权重法（IDW）对降水量数据进行插值：
反距离权重法的特点是按照距离待插值点的远近核定已知数据点的权重，从而对待插值点进行插值的过程。一个已知数据点距离待插值点越远，权重就越低，它的值对待插值点的影响就越小。影响的程度用点之间距离乘方的倒数表示，通过“power”设置乘方。乘方为1意味着点之间数值变化率为恒定，称为线性插值法；乘方为2或更高则意味着越靠近已知点，数值的变化率越大。
这种插值方法的优点是对于数据分布均匀的区域，插值效果好；缺点是在数据分布不均地区插值容易出现小的封闭等值线（“球状突起”）和因数据缺乏而产生的不规则等值线。
双击ArcToolbox里面的“反距离权重法”，输入点要素选择“prec”，Z值字段选择“prec”，输出像元大小选择1000。点击确定，效果如下图：
由图像可以看出，山东省内陆地区由于布点均匀，插值效果比较好；但是沿海地区出现两条“球状弧线”，如下图：
B、采用克里金法对降水量数据进行插值：
克里金插值与IDW插值的区别在于权重的选择。IDW仅仅是将距离的倒数作为权重，而克里金考虑了空间相关性的问题。克里金法首先将每两个点进行配对，这样就能产生一个以两点之间距离为自变量的函数。对于这种方法，原始的输入点可能会发生变化。在数据点多时，内插的结果可信度较高。
1、双击ArcToolbox里面的“克里金法”，输入点要素选择“prec”，Z值字段选择“prec”，半变异函数属性中，设置克里金方法为普通克里金（Ordinary Krigging，OK），半变异模型选择球面（Sphere）；输出栅格命名为“ok_sphere”，输出像元大小选择1000。点击确定，效果如下图：
发现，局部存在比较明显的“锯齿现象”，如图：
2、同样是克里金插值方法，本次采用线形普通克里金插值，效果如图：
效果比较理想。
对于各种方法，依次展示如下： 高斯：
指数：
圆：
泛克里金——与一次漂移函数成线性关系：