- •Введение
- •Основные возможности пакета Surfer
- •1.2. Основные возможности модуля геостатического анализа (Geostatical Analyst) Гис-пакета ArcGis 9.3.
- •В чем важность ArcGis Geostatistical Analyst?
- •Кому пригодится ArcGis Geostatistical Analyst?
- •4. Каковы функции ArcGis Geostatistical Analyst?
- •Исследование данных и Построение поверхностей
- •12. Что такое Исследовательский анализ пространственных данных?
- •13. Что такое методы интерполяции?
- •14. Как выбрать подходящий метод интерполяции?
- •15. Включены ли в Geostatistical Analyst методы интерполяции, основанные на сплайнах?
- •16. Что такое автокорреляция?
- •17. Что такое кригинг?
- •18. Что такое вариаограмма (полувариограмма)?
- •19. Что такое моделирование ошибок?
- •20. Может ли Geostatistical Analyst выявить ошибки в моих данных?
- •21. Нужно ли дополнительное программное обеспечение для оценки оптимальных параметров прогнозных моделей, включенных в Geostatistical Analyst?
- •22. Можно ли проводить в Geostatistical Analyst поблоковый кригинг?
- •1.3. Подходы к построению карт
- •Подходы к анализу пространственно распределенных данных
- •1.4. Детерминистские методы интерполяции
- •Визуализация интерполяции по методу глобального полинома
- •Визуализация интерполяции по методу локальных полиномов
- •Визуализация радиальных базисных функций
- •Метод взвешенных (обратных) расстояний
- •Метод радиальных базисных функций
- •Когда использовать радиальные базисные функции
- •1.5. Геостатические методы интерполяции
- •2. Методы построения сеточных моделей
- •2.1. Метод Крайгинга
- •Метод радиальных базисных функций
- •2.3. Метод обратных расстояний
- •2.4. Метод Шепарда
- •2.5. Метод минимальной кривизны
- •2.6. Метод полиномиальной регрессии
- •2.7. Триангуляция с линейной интерполяцией
- •2.8. Метод ближайшего соседа
- •2.9. Метод естественного соседа
- •2. 10. Сравнительная характеристика основных методов построения сеточной функции
16. Что такое автокорреляция?
Автокорреляция - это статистическая корреляция между случайно распределенными в пространстве переменными одного и того же типа, атрибута, имени и т.д., когда корреляция зависит от расстояния и/или направления между местоположениями.
17. Что такое кригинг?
Кригинг (назван по фамилии южно-африканского геолога Д. Дж. Криге) - это геостатистический метод интерполяции, использующий статистические параметры для более точного построения поверхностей. Кригинг позволяет исследовать пространственные автокорреляции между вашими данными.
Кригинг выполняет две группы задач: количественное определение пространственной структуры данных и создание прогноза.
Количественное представление (квантификация) пространственной структуры данных, известное как вариография (создание вариограмм), дает возможность пользователям подобрать к данным модель пространственной зависимости.
Для расчета (прогноза) неизвестного значения переменной в заданном месте кригинг будет использовать подходящую (подобранную) модель из вариографии, конфигурацию пространственных данных и значения в точках измерений вокруг данного местоположения.
Поскольку в кригинге используются статистические модели, он обеспечивает построение разнообразных выходных карт поверхностей, включая прогнозные, прогноза стандартных ошибок, вероятности (правдоподобия), и квантильные. Geostatistical Analyst предоставляет много инструментов, помогающих в выборе используемых параметров, а также ряд заданных по умолчанию надежных операций, облегчающих и ускоряющих построение поверхностей.
18. Что такое вариаограмма (полувариограмма)?
Вариограмма (semivariogram) - это функция, которая связывает несходство точечных данных с разделяющим их расстоянием.
Ее графическое представление можно использовать для отображения пространственной корреляции точечных данных с данными в соседних точках.
В мастере геостатистики ArcGIS Geostatistical Analyst дается уникальный обзор вариограмм, позволяющих визуализировать значение рассогласованности (конфликтов) в ваших данных до того, как Вы построите поверхность.
19. Что такое моделирование ошибок?
Независимо от используемого метода интерполяции полученные данные всегда будут содержать ошибку. На ее возникновение могут влиять разные факторы, такие как неточность исходных данных, изменение физических свойств данных измерений, ошибки за счет человеческого фактора, изменения, происходившие в процессе проведения измерений. Все эти факторы вносят свой вклад в величины ошибок измерений.
Выбор модели ошибки измерений влияет на плавность результирующей карты поверхности и на величину стандартных ошибок.
Моделирование ошибок (точности) впервые представлено в этом геостатистическом программном обеспечении и является мощным средством создания более статистически корректных поверхностей.
Моделирование ошибок измерений применяется в трех методах кригинга - простом, обычном и универсальном.
20. Может ли Geostatistical Analyst выявить ошибки в моих данных?
Да. Инструменты Исследовательского (научного) анализа пространственных данных (ESDA) могут использоваться для выявления как глобальных, так и локальных выбросов.
Мастер геостатистики можно также использовать для выявления ошибочных данных (например, с использованием диалоговых окон вариографии (создания вариограмм), детрендинга, перекрестной проверки достоверности и проверки достоверности).