了解地统计分析

生成用于表达特定属性的连续表面是大多数地理信息系统 (GIS) 应用程序中应具备的一种重要功能。最常用的一种表面类型可能就是 terrain 数字高程模型。对于世界的各个部分来说，在小比例下，这些数据集都易于获得。不过，只有从地表、地下或大气中的位置采集的测量值才可用于生成连续表面。大多数 GIS 建模工具所面对的主要挑战就是，基于现有样本数据尽可能精确地生成表面以及表征预测表面的误差和变异性。新生成的表面用于进一步的 GIS 建模和分析以及 3D 可视化。了解该数据的质量可以极大地提高 GIS 建模的实用性和目的性。

Geostatistical Analyst 使用从地表上的不同位置采集的采样点，创建（插值）连续表面。采样点是一些现象的测量值，例如核电站的辐射泄漏、石油泄漏或者高程高度。Geostatistical Analyst 使用已测量位置的值生成表面进而预测地表上所有位置的值。

Geostatistical Analyst 提供了两组插值方法：确定性插值方法和地统计插值方法。所有方法都依赖于邻近采样点的相似性来创建表面。确定性方法使用数学函数进行插值。地统计依赖于统计方法和数学方法，可用于创建表面和评估预测的不确定性。

除了提供各种插值方法，Geostatistical Analyst 还提供了多种支持工具。例如，在制图之前，探索性空间数据分析 (ESDA) 工具可用于评估数据的统计属性。初步了解数据之后，可以使用多种克里金和协同克里金算法（普通克里金法、简单克里金法、泛克里金法、指示克里金法、概率克里金法、析取克里金法和经验贝叶斯克里金法）以及相关工具（例如数据变换、去聚和趋势移除）创建各种输出地图类型（例如预测、预测误差、概率和分位数）。如果数据是在面中采集到的，那么在创建连续预测或标准误差表面时，区域插值法会考虑面的形状和大小。

了解地统计方法

地统计方法以包含自相关（测量点之间的统计关系）的统计模型为基础。这类方法具有生成预测表面的能力，它们还可提供对这些预测的准确性的度量。

创建地统计模型所涉及的步骤主要包括：(1) 检查数据（分布、趋势、方向组成和异常值），(2) 计算经验半变异函数或协方差值，(3) 根据经验值拟合模型，(4) 生成克里金方程矩阵，(5) 对其进行求解来为输出表面中的每个位置获取预测值及其关联误差（不确定性）。这些步骤在地统计模型的组成中做了更加详细的介绍。