了解指示克里金法

指示克里金法假设模型为

I(s) = µ + ε(s),

其中，µ 是一个未知常量，I(s) 是一个二进制变量。二进制数据的创建可利用连续数据的阈值实现，或者观测数据可以为 0 或 1。例如，假设存在一个由某点是否为森林栖息地或非森林栖息地的相关信息组成的样本，则其中二进制变量用来指示这两种类别。使用二进制变量时，指示克里金法的处理过程与普通克里金法相同。

在下图中，已使用了解阈值中介绍的阈值将数据转换为二进制值。

用空心方块给出了观测的二进制数据。虚线表示所有指示变量的未知平均值，即 µ。可以将这一点与普通克里金法进行比较。在使用普通克里金法时，假设 ε(s) 是自相关的。请注意，因为指示变量为 0 或 1，所以插值结果将位于 0 和 1 之间，而且基于指示克里金法的预测可解释为变量是 1 的概率或属于 1 所指示的类别的概率。如果创建指示变量时使用了阈值，则生成的插值地图会显示超出（或低于）阈值的概率。

通过选择多个阈值可以为同一数据集创建多个指示变量。在本例中，一个阈值创建主要指示变量，而另一个指示变量则用作协同克里金法中的次要变量。

指示克里金法可使用半变异函数或协方差，它们都是用于表达自相关的数学形式。