方差图还是低RMSE：工程决策视角下的空间插值不确定性之争

一、问题的提出：一个被RMSE掩盖的工程风险缺口

1.1 从一张“好看”的误差指标说起

在空间插值的模型对比中，均方根误差（RMSE，Root Mean Square Error）几乎是最常用的单一指标。它的定义直观：设验证点真实值为 z_i，预测值为 ẑ_i，则 RMSE = √( (1/n) Σ (z_i − ẑ_i)² )。这个公式把误差压缩成一个标量，便于排序，也便于写进报告。问题在于，RMSE 是一个关于“平均偏差幅度”的统计量，它不携带任何关于“误差在何处更大、在何处更小”的空间信息。

对于一张污染羽流分布图，决策者真正关心的往往不是全域平均误差，而是“在饮用水井附近，这个浓度预测值有没有可能被低估”。一个全域 RMSE 为 0.8 的模型，完全可能在关键井位附近系统性低估 30%；另一个 RMSE 为 1.1 的模型，却可能在关键区域给出保守的高估。前者在指标上更优，在工程上更危险。本文评述：RMSE 的排序能力与决策相关性之间存在结构性错位，这种错位在风险敏感场景中被显著放大。

1.2 两类方法的不确定性“供给”差异

克里金方法源自地质统计学，其估计量是已知样本的线性组合，权重由变异函数（variogram）模型决定。在二阶平稳假设下，普通克里金的估计方差可写为 σ²_OK = C(0) − Σ λ_i C(x₀, x_i) + μ，其中 C(·) 为协方差函数，λ_i 为权重，μ 为拉格朗日乘子。这一方差只依赖采样构型与变异函数模型，不依赖观测值本身，因此可以在未采样位置先验地给出“插值可靠性地图”。

深度学习插值（如图神经网络插值、卷积编解码器、神经场表示等）通常以最小化某种经验损失训练，输出单一数值场。其默认输出是条件均值的一个近似，不附带任何经过校准的方差或分位数。要获得不确定性，需要额外引入贝叶斯近似、集成、分位数回归或共形预测等机制。换言之，两类方法在“不确定性供给”上并非同一维度：克里金是“估计器内建方差”，深度学习是“需外挂不确定性模块”。笔者认为，这一差异不是实现细节，而是决定二者能否直接互换的关键结构差异。

1.3 本文的分析主线

为避免陷入“谁更准”的无休止争论，本文确立一条贯穿全文的主线：不确定性可用性（uncertainty usability）。其定义为：不确定性输出在多大程度上能够被下游决策规则直接消费，并在统计校准、空间分辨率、决策阈值对齐三个维度上满足工程要求。围绕这条主线，后文将依次回答：克里金方差的可用性边界在哪里；深度学习不确定性量化的可用性如何建立；如何用决策损失而非RMSE来比较两类方法；以及如何通过混合建模把两者的可用性优势拼接起来。

二、克里金方差：它到底估计了什么，又估计不了什么

2.1 克里金方差的理论来源与假设前提

克里金方差的最小化目标是最优线性无偏估计（BLUE，Best Linear Unbiased Estimator）意义下的估计误差方差。普通克里金要求数据满足内蕴假设（intrinsic hypothesis）：一阶差分平稳、变异函数存在且仅依赖滞后距。简单克里金则要求已知均值且二阶平稳。这些假设在数学上保证了方差表达式的可解性，但也意味着克里金方差是“模型内方差”，而非“真实误差方差”。

这一区分极为关键。克里金方差回答的是“在给定变异函数模型下，线性估计器的误差方差是多少”；它并不回答“真实值与预测值的偏差分布是什么”。当变异函数被错误设定时，克里金方差会系统性偏小或偏大，而 RMSE 作为外部验证指标则可能暴露这种偏差。本文评述：把克里金方差直接当作“置信区间”使用，是一种常见的工程误用；它更接近模型自洽的精度指标，而非经过频率校准的预测区间。

2.2 克里金方差的三个结构性局限

（1）平滑效应。克里金是线性估计器，其预测场在数据稀疏区趋向局部均值，方差场则呈现“采样点附近低、远离采样点高”的同心结构。这种结构在视觉上很“合理”，但它掩盖了真实地质体的非均质性。高方差区未必真的误差大，低方差区也未必真的可靠。

（2）对变异函数模型的敏感性。变异函数模型（球状、指数、高斯等）及其块金效应、变程参数的选择，直接影响方差场的形态。参数拟合通常依赖有限滞后距样本，在采样稀疏区外推不确定性大。已有研究指出，块金效应被低估会导致克里金方差被低估，进而使决策者过度自信。

（3）非高斯与非平稳场景的失效。污染物浓度常呈强偏态分布，地下水头在抽水影响下呈非平稳趋势。克里金方差在这些场景下不再具有清晰的概率解释。指示克里金、泛克里金等变体部分缓解了这一问题，但代价是模型复杂度上升与参数估计难度增加。

2.3 克里金方差的可用性优势

尽管存在上述局限，克里金方差在工程实践中仍具备三项难以替代的可用性优势。其一，可解释的空间结构：方差场直接反映采样密度与空间相关性，工程人员可以据此判断“哪里需要补采样”。其二，计算廉价且确定：给定变异函数后，方差场可解析计算，无需额外训练或采样。其三，与地质统计工作流天然衔接：条件模拟、序贯高斯模拟等方法可直接以克里金方差为基础生成等概率实现，支撑蒙特卡洛风险分析。

笔者认为，克里金方差的最大价值不在于其数值精度，而在于它提供了一个“可审计的精度叙事”：每一个方差值都能追溯到采样构型与变异函数参数，这在监管审查、环境影响评价等需要可解释性的场景中具有制度性优势。深度学习模型若不能提供同等可审计性，即便RMSE更低，也难以在合规场景中直接替代。

三、深度学习插值的不确定性：三条技术路线与各自的坑

3.1 路线一：贝叶斯近似与深度集成

蒙特卡洛 dropout（MC Dropout）通过在推理阶段保持 dropout 激活，多次前向传播获得预测分布，是较早被引入空间插值的近似贝叶斯方法。深度集成（Deep Ensembles）则训练多个独立初始化的模型，以集成方差近似认知不确定性。这两类方法实现成本低，但其方差校准性高度依赖训练数据分布与网络容量，在分布外区域容易给出过度自信或过度保守的估计。

本文评述：集成方差主要捕捉“模型参数不确定性”，对“数据噪声不确定性”的刻画有限。在空间插值中，后者恰恰是克里金方差的主要成分之一。因此，直接把深度集成方差与克里金方差对比，存在概念错配风险。

3.2 路线二：分位数回归与概率分布输出

分位数回归直接学习条件分位数，输出如 5%、50%、95% 分位数的空间场，从而构造预测区间。其优势在于不依赖高斯假设，适合偏态分布。近年有工作将分位数损失与图神经网络结合，用于空气质量与地下水位的空间插值。局限在于分位数交叉（quantile crossing）问题需要额外约束，且多分位数联合训练的计算开销随分位数数量线性增长。

3.3 路线三：共形预测（Conformal Prediction）

共形预测以“交换性假设”为基础，通过校准集构造具有有限样本覆盖保证的预测集。其核心优势是分布无关的覆盖保证：在交换性成立时，预测区间以不低于 1−α 的概率覆盖真实值。对于空间数据，标准共形预测的交换性假设常被空间自相关破坏，因此需要空间共形预测、加权共形预测等变体。

笔者认为，共形预测是目前最接近“工程可用”的深度学习不确定性方案，因为它提供了可验证的覆盖保证，且不要求模型内部结构改造。但其空间版本仍面临校准集代表性、局部自适应带宽选择等工程难题，尚不足以完全替代克里金方差的空间解释力。

3.4 三条路线的对比

表中对比说明，没有任何单一方法在“校准保证”与“空间解释力”上同时占优。克里金方差胜在解释力与成本，共形预测胜在覆盖保证。这为后文的混合建模提供了直接依据。

四、决策价值评估：把“方差图”翻译成“决策损失”

4.1 从预测精度到决策损失

要回答“能否替代”，必须把比较对象从预测值本身转移到决策后果。设决策规则为 d(ẑ, σ̂)，损失函数为 L(d, z)，则模型的价值应以其期望决策损失衡量，而非 RMSE。例如在污染超标判定中，决策规则可能是“若预测浓度加上 1.64 倍标准差超过阈值，则启动修复”。此时，方差是否校准直接决定误报率与漏报率。

本文评述：这一视角把“不确定性图”从附属产品提升为核心产品。一个没有方差图的模型，在该决策规则下根本无法参与比较，因为它缺少决策所需的输入维度。RMSE 更低但无方差，等于在决策链条上缺失了一环。

4.2 三个可操作的评估指标

（1）区间覆盖率与区间宽度。对名义 90% 预测区间，统计验证点落入区间的比例。覆盖率显著低于名义值说明方差被低估（过度自信），显著高于名义值说明方差被高估（过度保守）。同时报告平均区间宽度，避免“覆盖率靠加宽区间刷出来”。

（2）连续排序概率得分（CRPS）。CRPS 同时惩罚偏差与锐度，是概率预测的严格适当评分规则。其定义为 CRPS = ∫ (F(x) − 1{x ≥ z})² dx，其中 F 为预测累积分布。CRPS 越低越好，且对过度自信与过度保守都敏感。

（3）决策损失曲线。在不同阈值下绘制“误报率—漏报率”曲线或期望损失曲线，比较两类模型。这一指标最贴近工程实际，但需要明确损失函数的具体形式，通常需与领域专家共同确定。

4.3 一个模拟数据的说明性算例

为说明评估逻辑，构造一个二维模拟场景（模拟数据，非实测）：在 100×100 网格上生成高斯随机场，相关长度 15 个网格单位，随机抽取 120 个采样点。分别用普通克里金与一个简化的神经网络插值器（多层感知机，输入为坐标，输出为值）进行插值。结果显示，神经网络在验证集上的 RMSE 约为 0.82，克里金约为 0.95（模拟数据，仅用于说明方法逻辑，不代表一般结论）。但神经网络未提供方差；为其外挂共形预测后，90% 区间覆盖率约为 0.87，平均区间宽度 2.9；克里金方差构造的 90% 区间覆盖率约为 0.78，平均宽度 2.2。

这一模拟结果说明：RMSE 更低的模型，其不确定性未必更可用；克里金方差在该设定下偏窄（覆盖率不足），说明变异函数参数估计误差确实会传导至方差。工程选型不能只看 RMSE 一列，必须同时看覆盖率、宽度与决策损失。

五、混合建模与工程落地：可操作的六步路径

5.1 混合建模的三种范式

范式 A：克里金残差学习。先用克里金拟合趋势与空间相关结构，再用深度学习模型学习残差中的非线性成分。不确定性由克里金方差与残差模型方差合成。这一范式保留了克里金方差的可解释性，同时提升均值预测精度。

范式 B：深度学习均值 + 共形校准。以深度学习模型输出均值场，用空间共形预测构造校准区间。适用于样本量较大、分布偏移可控的场景。

范式 C：物理约束 + 概率输出。在地下水流动、污染物运移等有物理方程约束的场景，将物理残差纳入损失函数，并以分位数或集成方式输出不确定性。这一范式对数据质量与物理模型可信度要求最高。

笔者认为，范式 A 在多数工程场景中性价比最高：它不要求放弃克里金工作流，也不要求深度学习模型独立承担不确定性校准的全部责任，是一种“渐进式替代”而非“颠覆式替代”。

5.2 六步落地路径

5.3 可复现的评估代码骨架

import numpy as np
from sklearn.model_selection import KFold

def coverage(y_true, lo, hi):
    return np.mean((y_true >= lo) & (y_true <= hi))

def crps_sample(y_true, samples):
    # 经验 CRPS：对每个观测，计算样本分布与点质量的差异
    n = len(samples)
    term1 = np.mean(np.abs(samples - y_true[:, None]), axis=1)
    term2 = 0.5 * np.mean(np.abs(samples[:, None] - samples[None, :]), axis=(1, 2))
    return np.mean(term1 - term2)

# 空间分块划分示例：按网格块而非随机点划分
def spatial_blocks(coords, block_size=10):
    return (coords[:, 0] // block_size).astype(int) * 1000 + \
           (coords[:, 1] // block_size).astype(int)

上述代码仅为评估骨架，实际使用时需替换为具体模型的预测接口，并确保校准集与测试集在空间上分离。本文评述：评估代码的透明性本身就是工程可信度的一部分，建议将评估脚本与模型一同归档。

5.4 拓展学习资源

以下资源适合进一步深入：（1）scikit-gstat 文档，提供变异函数拟合与克里金实现的教程；（2）共形预测视频教程，适合快速建立直观理解；（3）GSTools 文档，涵盖地统计建模与条件模拟；（4）PyMC 文档，用于贝叶斯空间模型的不确定性量化实践。

六、对比、局限与前沿预判

6.1 两类方法的适用边界

克里金更适合采样稀疏、空间相关性明确、需要可审计精度叙事的场景；深度学习插值更适合样本量大、存在复杂非线性协变量、且可接受外挂不确定性模块的场景。二者并非替代关系，而是在不同数据条件与合规要求下的互补工具。本文评述：把选型问题简化为“RMSE 谁低选谁”，在工程上是不充分的；把选型问题简化为“有没有方差图”，同样不充分。关键在于不确定性输出是否与决策规则对齐。

6.2 当前研究的主要局限

其一，空间共形预测的覆盖保证在强空间自相关下仍需更严格的理论刻画；其二，深度学习不确定性在分布外区域的校准性缺乏系统评估；其三，决策损失函数在环境工程中往往难以量化，导致评估停留在统计指标层面；其四，混合建模的方差合成缺乏统一框架，克里金方差与残差模型方差的独立性假设常不成立。这些局限意味着，当前阶段尚不存在“通用最优”的替代方案。

6.3 前沿预判

笔者认为，未来三到五年的关键进展可能集中在三个方向：（1）空间感知的共形预测，通过局部自适应校准与空间加权，使覆盖保证在异质区域仍然成立；（2）物理约束的概率深度学习，将地下水流动方程、污染物运移方程以软约束形式嵌入概率模型，提升外推区的方差可信度；（3）不确定性感知的主动采样，以方差场或共形区间宽度驱动补采样决策，把不确定性从“事后报告”变为“事前设计”。这三条路径都指向同一个方向：不确定性不再是模型的副产品，而是建模流程的一等公民。

七、结论

回到开篇的问题：一个 RMSE 更低但没有不确定性图的黑箱模型，能否替代一个有方差图但 RMSE 稍高的克里金？本文的答案是有条件的“不能直接替代”。在需要风险加权决策的工程场景中，不确定性图不是可选项，而是决策输入的必要维度。低 RMSE 只说明均值预测在平均意义上更接近真值，不说明模型知道自己在何处不可靠。

替代的前提是：深度学习模型必须提供经过校准、空间可解释、与决策阈值对齐的不确定性输出，并通过空间分块验证与决策回测证明其可用性。在此之前，更务实的路径是混合建模——以克里金方差保底，以深度学习提升均值精度，以共形预测补足校准保证。工程选型的判据应从“谁更准”转向“谁的不确定性更可用”，这正是本文贯穿始终的分析主线。