Kriging in Geostatistical Analyst
Beim Kriging wird davon ausgegangen, dass zumindest einige der bei natürlichen Phänomenen beobachteten räumlichen Variationen sich durch Zufallsprozesse mit räumlicher Autokorrelation modellieren lassen; die räumliche Autokorrelation muss dabei explizit modelliert werden. Kriging-Techniken können zum Beschreiben und Modellieren von räumlichen Mustern, Vorhersagen von Werten an nicht gemessenen Positionen und Einschätzen der mit einem vorhergesagten Wert verknüpften Unsicherheit an nicht gemessenen Positionen verwendet werden.
Der Geostatistical Wizard bietet verschiedene Kriging-Typen, die sich für verschiedene Datentypen eignen und denen verschiedene Vermutungen zugrunde liegen:
Diese Methoden können zum Erzeugen folgender Flächen verwendet werden:
- Karten mit vorhergesagten Kriging-Werten
- Karten mit Kriging-Standardfehlern, die mit vorhergesagten Werten verknüpft sind
- Karten mit Wahrscheinlichkeiten, die angeben, ob eine vordefinierte kritische Grenze überschritten wurde
- Karten mit Quantilen für einen vorbestimmten Wahrscheinlichkeitswert
Es gibt jedoch folgende Ausnahmen:
- Indikator- und Wahrscheinlichkeits-Kriging, die Folgendes erzeugen:
- Karten mit Wahrscheinlichkeiten, die angeben, ob eine vordefinierte kritische Grenze überschritten wurde
- Karten mit Standardfehlern der Indikatoren
- Flächeninterpolation, die Folgendes erzeugt:
- Karten mit vorhergesagten Werten
- Karten mit Standardfehlern, die mit vorhergesagten Werten verknüpft sind
Es gibt verschiedene Komponenten geostatistischer Modelle. Die wichtigsten sind das Untersuchen von Daten durch die untersuchende räumliche Datenanalyse (ESDA) und Variografie (siehe Erstellen empirischer Semivariogramme und Anpassen eines Modells an das empirische Semivariogramm), Erstellen eines Kriging-Modells für Ihre Zwecke (siehe Welches sind die verschiedenen Kriging-Modelle? und Welche Ausgabe-Oberflächentypen können Kriging-Modelle erzeugen?) und Prüfen der Richtigkeit der Ergebnisse durch Durchführen von Kreuzvalidierung und Validierung und Vergleichen von alternativen Modellen, um das beste auszuwählen.