增密采样网络的工作原理

根据预定义的选择条件,可使用“增密采样网络”工具确定将新采样位置添加到监控网络的最佳地点。

可以使用多个条件确定添加监测站的位置,其中包括最大预测不确定性和超出指定阈值的最高概率。

该工具利用通过克里金模型或协同克里金模型使用现有监测站的测量值创建的现有地统计图层来确定预测标准误差、四分位距和每个输入位置超出指定阈值的概率。

如果将最大预测标准误差 stderr(s) 用作一个条件,将选择一个新的采样位置以最小化 stderr(s),并且可将最优性条件 O0(s) 表示为

O0(s) = maximum of stderr(s)

可以使用超出阈值的概率衡量预测标准误差或四分位距(如果预测分布不对称,通常使用四分位距 Z0.75(s) - Z0.25(s) 替代预测标准误差)。例如,如果此概率等于 0.5,则最优性条件 O1(s) 等于最大预测标准误差:

O1(s) = maximum of stderr(s)(1-2·abs(prob[Z(s)>Zthreshold]-0.5))

当有关超出阈值的不确定性减少时,该条件值也随之减少。将具有最大权重预测标准误差 O0(s) 的位置添加到监控网络可改善接近阈值的预测结果。

用先验包含概率(输入权重栅格)值乘以优化条件通常很有用。例如,可将等于 1 的值分配给允许新监测站的区域,将等于 0 的值分配给其他区域。

使用预测标准误差非常重要,该误差不仅取决于监控网络密度,还取决于测量值。使用去除数据趋势选项和数据变换选项可以实现此目的。

相关主题

5/10/2014