Главная Случайная страница Контакты | Мы поможем в написании вашей работы! | ||
|
Что такое геостатистические методы интерполяции?
Геостатистика, в своем начальном понимании, означала статистику "о Земле", используемую в географии и геологии. Сейчас геостатистика широко используется во многих областях и образует ветвь пространственной статистики.
Изначально, в пространственной статистике, понятие геостатистики было синонимом кригинга, являющегося статистической версией интерполяции.
В настоящее время определение расширено и включает в себя не только метод кригинга, но и многие другие методы интерполяции, включая детерминистские методы, рассмотренные в Главе 5, 'Детерминистские методы интерполяции пространственных данных '.
Модуль Geostatistical Analyst - это реализация такого расширенного определения геостатистики. Одна из существенных особенностей геостатистики состоит в том, что изучаемое явление имеет значение (не обязательно измеренное) в любой точке изучаемой территории, например, количество нитратов в почве или концентрация озона в атмосфере, т.е. является непрерывным.
Важно уметь определить типы данных, которые могут быть соответственным образом проанализированы с использованием методов геостатистики. Предположим, что показанный внизу прямоугольник - изучаемая нами территория. Точки на ней обозначены буквами s, а номер каждой конкретной точки - нижним индексом i, рисунок ххх
Рисунок ххх
Предположим, что вы отобрали данные в точках с s 1 по s7, и хотите найти значение точки s0, показанной красным цветом. Это пример интерполяции.
Кригинг предполагает, что вы можете поместить точку s0 в любой точке изучаемой территории, и в этой точке s0 данные имеют какое-то действительное значение. Например, если данные включают значения содержания нитратов s1,..., sn, то в точке s0 содержание нитратов имеет какое-то значение, которое вы не измерили, но хотите вычислить.
Обратите внимание, что данные отбираются так, как будто вы измеряете точечные события, в то время как содержание нитратов имеет площадное распространение, то есть такие данные являются пространственно непрерывными.
В статистике эти значения часто характеризуются, как относящиеся к одному из следующих типов:
• Непрерывное; любое число, например, -1.4789,10965.6891, и т. п.
• Целое, например,... -2, -1, 0, 1, 2,...
• Ранжированное качественное значение; например, худший, средний, лучший
• Неранжированное качественное значение; например, лес, сельскохозяйственные земли, городская застройка
• Бинарное; например, 0 или 1
Слово "непрерывное" может вызвать в данном случае некоторую путаницу. Если данные пространственно непрерывны и имеют непрерывное значение при многомерном нормальном распределении, а также, если вам известна корреляция многомерного распределения, в таком случае, кригинг является оптимальным интерполятором.
Однако, если учесть, что различные формы кригинга разрабатывались так, чтобы вместить все перечисленные выше типы данных, кригинг - метод аппроксимации, который хорошо работает на практике.
Дата публикования: 2015-11-01; Прочитано: 739 | Нарушение авторского права страницы | Мы поможем в написании вашей работы!