По умолчанию, слою присваивается название метода кригинга, использованного для построения поверхности (например, Ординарный кригинг).

27. Щелкните по названию слоя, чтобы выделить его цветом, затем еще раз щелкните по нему и измените название на Вычтенный тренд .

Вы можете также построить поверхность стандартной ошибки интерполяции, чтобы оценить качество полученных после выполнения вычислений значений.

28. Нажмите правую клавишу мыши на созданном вами слое Вычтенный тренд и выберите в открывающемся меню опцию Построить карту значений стандартной ошибки интерполяции .

29. На стандартной панели инструментов нажмите Сохранить.

Стандартные ошибки количественно характеризуют неопределенность интерполяции для каждой точки построенной вами поверхности. Простое правило большого пальца гласит, что в 95 процентах случаев, истинное значение поверхности будет равно проинтерполированному значению ± 2 двукратная стандартная ошибка интерполяции, если данные подчиняются закону нормального распределения. Обратите внимание, что на поверхности стандартной ошибки интерполяции точки, расположенные ближе к точкам выборки, как правило, имеют более низкую ошибку.

Поверхность, построенная вами в Упражнении 1, просто использовала значения, предлагаемые в модуле Geostatistical Analyst по умолчанию, без учета трендов поверхности, возможности применения лагов меньших размеров или анизотропной модели ва-риограммы. Поверхность проинтерполированных значений, построенная вами в этом упражнении, учитывает глобальные тренды в данных, возможность изменения размера лага и направленное влияние (анизотропию) на вариограмме.

В Упражнении 4, вы сравните две модели, чтобы определить, какая из них наилучшим образом интерполирует неизвестные значения.

Примечание: Как вы снова можете видеть, интерполяция распространяется и на океан. В Упражнении 6 вы узнаете, как ограничить поверхность проинтерполированных значений территорией штата Калифорния.

Упражнение 4: Сравнение моделей

Используя возможности модуля Geostatistical Analyst, вы можете сравнить результаты двух построенных и отображенных на картах поверхностей. Это позволит вам, на основе изучения статистики перекрестной проверки, принять взвешенное решение о том, какая из них более точно интерполирует значения концентрации озона.

1. Правой клавишей мыши щелкните на слое Вычтенный тренд , выберите опцию Сравнить... Вы будете сравнивать этот слой со слоем, созданным вами в упражнении 2 на основе параметров, предложенных по умолчанию.

Поскольку для слоя с вычтенным трендом среднеквадратичная ошибка интерполяции меньше, среднеквадратичная нормированная ошибка интерполяции ближе к единице, и средняя ошибка интерполяции ближе к нулю, чем для слоя, построенного с параметрами, предложенными по умолчанию, вы можете с определенной уверенностью утверждать, что модель с вычтенным трендом лучше и является более достоверной. Таким образом, вы можете удалить слой, созданный с использованием параметров, предложенных по умолчанию, поскольку он вам больше не нужен.

2. Закройте диалог Сравнение результатов перекрестной проверки.

3. Нажмите правую клавишу мыши на слое По умолчанию и выберите Удалить.

4. Выберите слой Вычтенный тренд и переместите его в нижнюю часть таблицы содержания с тем, чтобы вы могли видеть точки выборки и контурную карту штата Калифорния.

5. Нажмите Сохранить на стандартной панели инструментов.

Итак, вы определили лучшую поверхность интерполяции. Но существуют и другие типы поверхностей, которые вы, возможно, захотите построить.

Упражнение 5: Картографирование вероятности превышения критического значения концентрации озона

В Упражнениях 1 и 3 для картографирования концентраций озона в Калифорнии вы воспользовались методом ординарного кригинга с применением различных параметров. В процессе принятия решений вы должны также подумать о том, как следует использовать карту проинтерполированных значений концентраций озона для выявления территорий, подверженных опасности, поскольку существует неопределенность в вычислении значений для всей поверхности. Например, предположим, что критическое значение концентрации озона составляет 0.12 ppm для восьмичасового периода, и вы хотите узнать, есть ли точки, в которых это значение превышено. Чтобы помочь в процессе принятия решений, вы можете воспользоваться модулем Geostatistical Analyst для картографирования вероятности того, что значения концентрации озона превышают критические.

Хотя модуль Geostatistical Analyst предоставляет целый ряд методов, с помощью которых можно решить эту задачу, в данном упражнении мы воспользуемся методом индикаторного кригин-га. Для этого метода не существует ограничений на нормальность распределения даннхх. Значения даннхх преобразуются в серии нулей и единиц, в соответствии с тем, находятся ли значения данных ниже или выше критического (порогового) значения. Если в качестве порогового используется значение равное 0.12, любому значению ниже этого будет присвоено значение 0, а значениям, превышающим данную величину, будет присвоено значение 1. Затем индикаторный кригинг использует модель вариограммы, рассчитанную на основе преобразованного в нули-единицы набора даннхх.

1. На панели Geostatistical Analyst выберите Мастер операций геостатистики....

2. В окне Входные данные (слой) выберите ca ozone pts.

3. В окне Атрибут выберите OZONE.

4. В окне Метод выберите Кригинг.

5. В диалоге Выберите входные данные и метод нажмите Далее .

6. Выберите Индикаторный кригинг; обратите внимание, что выбрана опция Карта вероятности.

7. Установите первичное пороговое значение равным 0.12.

8. Отметьте опцию Превышает.

9. В диалоге Выбор геостатистического метода нажмите Далее.

10.В диалоге Выбор дополнительных отсекателей нажмите Далее.

11. Выберите опцию Анизотропия, чтобы учесть направленность данных.

12. Задайте размер лага равным 25000 и количество лагов, равным 10.