Mit der Geostatistical Analyst-Lizenz verfügbar.
Wie im Einführungsthema Was ist Geostatistik? erwähnt, handelt es sich bei der Geostatistik um eine Sammlung von Methoden, mit denen Sie Werte für nicht beprobte Positionen schätzen und zudem die Unsicherheit dieser Schätzungen bewerten können. Diese Funktionen spielen eine wichtige Rolle bei vielen Entscheidungsprozessen, da es in der Praxis unmöglich ist, Stichproben an jeder Position eines Interessenbereichs zu nehmen.
Die Methoden stellen eine Möglichkeit dar, Modelle der Realität (z. B. ein Modell eines Phänomens, an dem Sie interessiert sind), zu konstruieren. Es liegt an Ihnen, Modelle zu erstellen, die für Ihre speziellen Anforderungen geeignet sind, und die die benötigten Informationen bereitstellen, damit fundierte und belastbare Entscheidungen getroffen werden können. Die Erstellung eines guten Modells hängt zu einem großen Teil von Ihrem Verständnis des Phänomens ab – wie die Stichprobendaten gewonnen wurden, was sie darstellen und was Sie von dem Modell erwarten. Allgemeine Schritte zum Erstellen eines Modells sind unter Der geostatistische Workflow beschrieben.
Es gibt eine Vielzahl von Interpolationsmethoden. Einige sind recht flexibel und können verschiedene Aspekte der Stichprobendaten berücksichtigen. Andere sind restriktiver und erfordern, dass die Daten bestimmte Voraussetzungen erfüllen. Kriging-Methoden beispielsweise sind recht flexibel, aber je nach Kriging-Methode müssen unterschiedliche Voraussetzungen erfüllt sein, um eine gültige Ausgabe zu erhalten. In Geostatistical Analyst stehen die folgenden Interpolationsmethoden zur Verfügung:
- Flächeninterpolation
- Diffusionsinterpolation mit Barrieren
- Disjunctive Kriging
- EBK Regression Prediction
- Empirical Bayesian Kriging
- Empirical Bayesian Kriging 3D
- Geostatistische Gauß-Simulationen
- Globale Polynominterpolation
- Indicator Kriging
- Inverse Distance Weighted
- Kernelinterpolation mit Barrieren
- Lokale Polynominterpolation
- Ordinary Kriging
- Probability Kriging
- Radiale Basisfunktionen
- Simple Kriging
- Universal Kriging
Jede dieser Methoden hat ihren eigenen Parametersatz, sodass Sie jedes Modell für ein bestimmtes Dataset und die Anforderungen an die zu generierende Ausgabe anpassen können. Um Sie bei der Auswahl der am besten geeigneten Methode zu unterstützen, haben wir die Methoden unter Klassifizierungsbäume der Interpolationsmethoden in Geostatistical Analyst nach verschiedenen Kriterien klassifiziert. Nachdem Sie das Ziel für die Entwicklung eines Interpolationsmodells eindeutig definiert und die Stichprobendaten vollständig überprüft haben, können Sie mithilfe dieser Klassifizierungsbäume eine geeignete Methode finden.