Геостатические методы интерполяции. Вто­рое семейство методов интерполяции состоит из геостатистиче­ских методов, которые основаны на статистических моделях

Вто­рое семейство методов интерполяции состоит из геостатистиче­ских методов, которые основаны на статистических моделях, учитывающих автокорреляцию (статистические взаимоотноше­ния между опорными точками). С помощью этих методов мож­но не только построить искомую поверхность, но и получить некую количественную оценку точности интерполяции.

Мы рассмотрим основные шаги применения методов гео­статистики на примере ординарного кригинга.

Кригинг аналогичен методу взвешенных расстояний (IDW) в том, что опорным точкам из окрестности искомой точки, для получения ее значений, присваиваются веса.

Однако веса осно­ваны не только на расстоянии между измеренными точками и искомой точкой, но и на распределении опорных точек в прост­ранстве в целом. Чтобы учесть расположение в пространстве, придав точкам весовые коэффициенты, необходимо количест­венно определить пространственную автокорреляцию.

Чтобы решить задачу геостатистического анализа, необходимо пройти несколько этапов.

Расчет эмпирической вариограммы —кригинг, как и большин­ство способов интерполяции, построен на предположении, что объекты, расположенные поблизости, более похожи друг на дру­га, чем удаленные друг от друга объекты (это предположение в данном примере количественно определенно как пространст­венная автокорреляция). Эмпирическая вариограмма - это сред­ство для исследования связей между точками. Пары, располо­женные на близком расстоянии, должны иметь меньшую разни­цу в измеренных значениях, чем те опорные точки, которые удалены друг от друга. То, насколько это предположение верно, может быть изучено по эмпирической вариограмме.

Подбор модели —осуществляется путем подбора линии, кото­рая наилучшим образом проходит через точки на графике эмпи­рической вариограммы. То есть, вы должны определить линию таким образом, чтобы (взвешенный) квадрат разницы между каждой точкой и линией был как можно меньше. Такой способ носит название подбора по методу (взвешенных) наименьших квадратов. Эта линия и будет моделью, количественно опреде­ляющей пространственную автокорреляцию в ваших данных.

Создание матриц —уравнения для ординарного кригинга содер­жатся в матрицах и векторах, которые зависят от пространст­венной автокорреляции между опорными и искомыми точками. Значения автокорреляции могут быть получены из модели ва­риограммы, описанной выше. Матрицы и векторы определяют веса кригинга, присваиваемые каждому измеренному значению.

Выполнение интерполяции —на основе весов кригинга, вы мо­жете вычислить предполагаемое значение в искомой точке с не­известным значением.