Geostatistical Analyst 中的克里金法

克里金法假设至少在自然现象中观察到的某些空间变化可借助带有空间自相关的随机过程进行建模,并要求对空间自相关进行显式建模。克里金法可用于描述空间模型并对空间模型进行建模、预测未测量位置的值以及评估与未测量位置处的预测值相关联的不确定性。

地统计向导提供多种类型的克里金法(适合不同类型的数据并具有不同的基本假定条件):

普通简单通用指示器概率析取经验贝叶斯面插值

这些方法可用于生成以下表面:

此情况的例外是:

  1. 指示克里金法和概率克里金法,用于生成以下内容:
    • 指示是否超出预定义临界水平的概率图
    • 指示器标准误差图
  2. 面插值,用于生成以下内容:
    • 预测值图
    • 与预测值相关联的标准误差图

地统计模型的组成部分包括:最重要的是通过探索性空间数据分析 (ESDA) 和变异分析(请参阅创建经验半变异函数根据经验半变异函数拟合模型)来检查数据,构建满足需要的克里金模型(请参阅有哪些不同的克里金模型?克里金模型生成哪些输出表面类型?),并通过执行交叉验证和验证比较备用模型检查结果是否准确以选择最佳的一个。

9/15/2013