非独立随机过程

地统计假定研究区域中的所有值都为随机过程的结果。随机过程并不表示所有事件都是独立的,与每次抛掷硬币的过程一样。地统计基于非独立随机过程。

在空间或时态背景下,这种依赖性称为自相关。

非独立随机过程的预测

在地统计中,存在两个关键任务:找到依存规则和进行预测。进行预测的前提是了解依存规则。

克里金法基于两个任务:(1) 用半变异函数和协方差函数估算统计相关性(称为空间自相关)值,(2) 使用未知值的概化线性回归方法(克里金法)进行预测。由于这两个任务是不同的,因此可以确定地统计使用了两次数据:第一次是估算空间自相关,第二次是进行预测。

了解平稳性

通常,统计数据依赖于对复制的某种设想,根据这种设想可以确信能够获得估计值,而且可以从反复进行的观测中了解到估计值的变化和不确定性。

在空间设置中,平稳性的设想用于获得必要的复制。平稳性通常是对空间数据的合理假设。存在两种类型的平稳性。一种平稳性是平均值平稳性,它假定平均值在样本间为常量,且与位置无关。

第二种类型的平稳性是协方差的二阶平稳性,它还是半变异函数的内在平稳性。二阶平稳性假定距离相同但方向不同的任意两点(无论您选择了哪两点)之间的协方差都相同。协方差取决于任意两个值之间的距离,而不取决于它们的位置。对于半变异函数,内在平稳性假定在距离相同而方向不同的任意两点(无论您选择了哪两点)之间,差值的方差都相同。

二阶平稳性和内在平稳性是获得复制以估计依赖性规则的必要假设,使您可以做出预测和评估预测中的不确定性。请注意,是空间信息(任意两点之间的相似距离)提供了复制。

5/10/2014