2. Методы кригинга

Spatial Analyst предлагает два метода кригинга: ординарный и универсальный.

Ординарный Кригинг ‑ это наиболее общий и широко используемый из методов Кригинга. Он основан на предположении, что постоянное среднее значение неизвестно. Это разумное предположение, если нет никакой причины предполагать обратное.

Универсальный Кригинг предполагает, в данных имеется тенденция к доминированию определенных значений (например, господствующий ветер), и его можно смоделировать с помощью детерминистической или полиномиальной функции. Этот полином вычитается из исходных значений измерений, и автокорреляция моделируется по случайным ошибкам. Когда к случайным ошибкам подобрана модель, перед вычислениями полином добавляется обратно к предполагаемым значениям, чтобы получился осмысленный результат. Универсальный Кригинг используется в тех случаях, когда вы знаете, что в ваших данных есть определенные тенденции, и вы можете привести научное описание для их подтверждения.

11. Изолиния

Изолинии ‑ это полилинии, соединяющие точки с одинаковым значением (например высоты, температуры, осадков, загрязнения или атмосферного давления. Распределение таких полилиний определяет распространение значений на поверхности. Там, где значения меняется медленно, изолинии отстоят далеко друг от друга. Там, где значения меняется резко, изолинии приближаются друг к другу.

Следуя определенной изолинии, вы можете выяснить, какие точки имеют одинаковое значение. Изолинии также полезны для представления поверхностей, поскольку они позволяют вам одновременно определять пологие и крутые склоны (по расстоянию между изолиниями) и горные хребты и долины (схождение и расхождение изолиний).

Рисунок 2.34 – Пример формирования изолиний.

В примере 2.34 показаны входной набор значений высот и выходной набор изолиний. Области, где изолинии расположены близко, указывают на наиболее крутые участки. Они, в основном, расположены в высокогорных районах (показанных белым цветом в наборе данных высот).

12. Уклон

Функция Уклон вычисляет максимальную скорость изменения значения между соседними ячейками ‑ например, максимальный угол наклона земной поверхности (максимальное изменение значения высоты от ячейки к восьми соседним). Каждой ячейке выходного растра присваивается значение уклона. Чем меньше значения уклона, тем ровнее территория; чем больше значение уклона, тем круче склоны. Выходной набор данных уклона можно вычислить в форме градуса уклона и процента уклона.

Рисунок 2.35 – Вычисление уклона.

Когда угол уклона равен 45 градусам, на единицу подъема приходится единица по горизонтали. При выражении в форме процента такой угол уклона равен 100 процентам. Обратите внимание, что по мере приближения уклона к вертикальному (90), процент уклона приближается к бесконечности.

Рисунок 2.36 – Пример растрового представления уклонов.

Функция Уклон наиболее часто применяется к наборам данных высот, как показано на рисунках справа. В выходном наборе данных уклона наиболее крутые склоны закрашены красным. Эту функцию можно применять также к другим непрерывным наборам данных, чтобы определить участки резкого изменения значения.