ArcGIS 空间分析包括如下内插方法

? 样条（Spline）
样条用一种数学函数来估计值，最小化所有的表面曲率，逼近曲面一种方法。样条函数易操作，计算量不大，它与空间统计方法相比具有以下特点:不需要对空间方差的结构做预先估计；不需要做统计假设，而这些假设往往是难以估
计和验证的；同时，当表面很平滑时，也不牺牲精度。样条函数适合于非常平滑的表面，一般要求有连续的一阶和二阶导数；它适合于根据很密的点内插等值线，特别是从不规则三角网（TIN）内插等值线。样条函数的缺点是难以对误差进行估计，点稀时效果不好。
? Inverse Distance Weighted (IDW)
反距离加权法是最常用的空间内插方法之一。它认为与未采样点距离最近的若干个点对未采样点值的贡献最大，其贡献与距离成反比。以数据点到待求点的距离给予适当的权重，按最小二乘法平差原理求解。权的值应与距离成反比，间距愈近，对待求点测定值的影响应愈大。如取W = 1 / dp 或[(R-d)/d]p式中d 为待定点到数据点间的水平距离， p 是距离的幂，它显著影响内插的结果，它的选择标准是最小平均绝对误差。Husar 等的研究结果表明，幂越高，内插结果越具有平滑的效果。
? Kriging
克里格法是空间统计方法的一种。所谓空间统计方法，其基本假设是建立在空间相关的先验模型之上的。假定空间随机变量具有二阶平稳性，或者是服从空间统计的本征假设（in trinsic hypothesis）。则它具有这样的性质：距离较近的采样点比距离远的采样点更相似，相似的程度或空间协方差的大小，是通过点对的平均方差度量的。点对差异的方差大小只与采样点间的距离有关，而与它们的绝对位置无关。空间统计内插的最大优点是以空间统计学作为其坚实的理论基础，可以克服内插中误差难以分析的问题，能够对误差做出逐点的理论估计；它也不会产生回归分析的边界效应。缺点是复杂；另一个缺点是变异函数。克里格法的优点是以空间统计学作为其坚实的理论基础，物理含义明；不但能估计测定参数的空间变异分布，而且还可以估算估计参数的方差分布。克里格法的缺点是计算步骤较烦琐，计算量大，且变异函数有时需要根据经验人为选定。

GIS大ＧＧ，等高线插值就是有问题啊，其实只要是插值效果就不会有实测的好，呵呵！不花钱的还可以吧，要不就自己搞新模式。