在给定地理区域内的每个点上，获取任何给定连续现象的时空信息实际上是不可能的，也没有必要。 最实用的方法一直是在给定的地理区域内获取尽可能多的样本点中有关现象的信息，并通过空间插值从观测点的值估计未观测点的值。 但是，重要的是，用户应了解不同的插值方法在不同的数据集上各有优缺点。 在不考虑认知度，数据集的类型和性质以及所涉及的现象的情况下，笼统地说给定的插值方法（例如，克里格法，反距离加权（IDW），样条线等）比另一种方法要好。 在本文中，我们在理论上，数学上和实验上分别评估了Kriging，IDW和样条插值方法在估计未观测到的高程值和建模地形方面的性能。 本文根据这些插值方法的预测均值误差，预测均方根误差和交叉验证输出进行比较分析。 针对偏倚和归一化数据的每种方法的实验结果表明，与IDW和Kriging方法相比，样条线在样本空间内提供了更好，更准确的插值。 插值方法的选择应取决于现象和数据集结构。