Использование декластеризации

Если вы используете преобразование по методу нормальных меток, и ваши данные были изначально отобраны с различной густотой для различных участков территории, попробуйте выполнить декластериза-цию данных. См. Главу 7, Использование аналитических инструментов при построении поверхностей.

Создание карты проинтерполированных значений с применением декластеризации

I. В таблице содержания ArcMap выберите точечный слой, для которого вы хотите выполнить интерполяцию по методу дизъюнктивного кри-гинга.

Запустите модуль Geostatistical Analyst. Выберите атрибут, для которого вы хотите выполнить интерполяцию по методу дизъюнктивного кригинга. Из списка методов выберите Кригинг. Нажмите Далее. Откройте список для строки Дизъюнктивный кригинг и выберите опцию Карта проинтерполированных значений. В окне Преобразование выберите опцию По методу нормальных меток. Отметьте галочкой опцию Де-кластеризация перед преобразованием. Нажмите Далее. 10. В диалоге Декластеризация задайте требуемые параметры и нажмите Далее.

II. Задайте требуемые параметры в диалоге Преобразование по методу нормальных меток и нажмите Далее.

12. Повторите шаги с 8 по 11 упражнения Создание карты проинтерполированных значений, приведенного ранее в этой главе.

Изучение двумерного распределения

Проверяйте свои данные на двумерную нормальность. См. Главу 7, Использование аналитических инструментов при построении поверхностей.

См. также

Для дополнительной информации о преобразованиях, вычитании тренда, определении параметров в диалогах Моделирование вариограммы/ковариации и Поиск соседства, а также для изучения диалога Перекрестная проверка, обратитесь к Главе 7, Использование аналитических инструментов при построении поверхностей.

Изучение двумерного распределения при создании карты проинтерполированных значений

1. В таблице содержания ArcMap выберите точечный слой, для которого вы хотите выполнить интерполяцию по методу дизъюнктивного кри-гинга.

2. На панели Geostatistical Analyst выберите опцию Мастер операций геостатистики.

3. Выберите атрибут, для которого вы хотите выполнить интерполяцию по методу дизъюнктивного кригинга.

4. Из списка методов выберите Кригинг. Нажмите Далее.

5. Откройте список для строки Дизъюнктивный кригинг и выберите опцию Карта проинтерполированных значений.

6. Отметьте галочкой опцию Исследовать двумерное распределение и задайте Среднее значение или Преобразование по методу нормальных меток.

7. Задайте необходимые параметры в диалоге Моделирование вариограммы/ковариа-ции и нажмите Далее.

8. Изучите диалог Исследовать двумерное распределение и нажмите Далее.

9. Повторите шаги с 9 по 11 упражнения Создание карты проинтерполированных значений, приведенного ранее в этой главе.

Кокригинг использует информацию для нескольких типов переменных. Для нахождения более точных искомых значений применяется первая рассматриваемая переменная - Z1, наряду с автокорреляцией для значений Z1 и взаимной корреляцией между значениями Z1 и всеми другими типами переменных. Кокригинг обращается к информации, заключенной в других переменных, чтобы помочь в нахождении искомых значений, но столь сложный процесс имеет свою цену. Кок-ригинг требует намного большего количества оценок, которые включают как оценку автокорреляции для каждой переменной, так и взаимной корреляции для всех переменных. Теоретически, вы не можете ухудшить значения, полученные с помощью кригинга, поскольку если в данных нет взаимной корреляции между переменными, вы можете вернуться к автокорреляции между значениями Z1. Однако, каждый раз, когда вы оцениваете неизвестные параметры автокорреляции, вы вводите большую неопределенность, поэтому цели повышения точности могут не оправдать затрачиваемых на них дополнительных усилий.

Ординарный кокригинг предполагает модели, Z1(s) = m1 + e1(s) Z2(s) = m2 + e2(s),

где m1 и m2 - неизвестные константы. Обратите внимание, что теперь у вас есть два типа случайных ошибок, e1(s) и e 2(s), и следовательно, для каждой из них существует автокорреляция и взаимная корреляция между ними. Ординарный кокригинг пытается вычислить значения Z1(s0), так же, как и ординарный кригинг, но в своей попытке выполнить работу лучше, он использует информацию ковариаты {Z2(s)}. Например, на рисунке показаны те же данные, что были использованы для примера с ординарным кригингом, но здесь в них добавлена вторая переменная.

Обратите внимание, что значения Z1 и Z2 автокоррелируют. Также заметьте, что когда Z1 ниже среднего m1, Z2 часто превышает свое среднее m2, и наоборот. Таким образом, Z1 и Z2 обладают отрицательной взаимной корреляцией. В этом примере, каждая точка s имеет значения Z1( s) и Z2( s); однако это условие является необязательным, и часто каждому типу переменных может соответствовать свой набор данных. Главная интересующая нас переменная - это Z1, и для

Z2(s)

+ + +

-------+

..El(S)\+ + ++ + + +

xV +++

10 15 20 25 30

Координата X

более точного вычисления искомых значений учитывается и автокорреляция, и взаимная корреляция.

Другие методы кокригинга, включая методы универсального, простого, индикаторного, вероятностного и дизъюнктивного кокригин-га, - это все обобщение соответствующих методов кригинга для случаев, когда вы работаете с несколькими наборами данных. Например, индикаторный кокригинг может быть осуществлен путем использования нескольких пороговых значений для ваших данных. А затем, для того, чтобы вычислить пороговое значение, интересующее вас в первую очередь, можно воспользоваться бинарными данными. При таком способе, индикаторный кокригинг будет аналогичен вероятностному кригингу, но он может быть более чувствителен к экстремальным значениям и другим непонятным (с возможными ошибками) данным.

Кокригинг может использовать либо вариограммы, либо ковариационные функции (которые являются математическим описанием автокорреляции) и взаимную ковариацию (которая является математической формой выражения взаимной корреляции), он может использовать преобразования и вычитание тренда, и он может также допустить наличие ошибок в измерениях в тех же ситуациях, что и различные методы кригинга (ординарный, простой и универсальный кри-гинг); см. Главу 7, Использование аналитических инструментов при построении поверхностей, для более подробной информации.