Mit der Geostatistical Analyst-Lizenz verfügbar.
Beim Kriging wird davon ausgegangen, dass zumindest ein Teil der in Naturphänomenen beobachteten räumlichen Variation durch Zufallsprozesse mit räumlicher Autokorrelation modelliert werden kann. Es erfordert eine explizite Modellierung der räumlichen Autokorrelation. Kriging-Methoden können zum Beschreiben und Modellieren von räumlichen Mustern, zum Vorhersagen von Werten an Positionen, zu denen keine Messungen vorliegen, sowie zum Bewerten der mit diesen vorhergesagten Werten verbundenen Unsicherheit verwendet werden.
Der Geostatistical Wizard bietet mehrere Kriging-Methoden, die sich für verschiedene Datentypen eignen und denen verschiedene Annahmen zugrunde liegen:
- Ordinary Kriging
- Simple Kriging
- Universal Kriging
- Indicator Kriging
- Probability Kriging
- Disjunctive Kriging
- Empirical Bayesian Kriging
- EBK Regression Prediction
- Empirical Bayesian Kriging 3D
- Flächeninterpolation
Diese Methoden kann zum Generieren der folgenden Oberflächen verwendet werden:
- Kriging-Karten mit vorhergesagten Werten
- Karten mit Kriging-Standardfehlern, die mit vorhergesagten Werten verknüpft sind
- Wahrscheinlichkeitskarten, die angeben, ob ein vordefinierter kritischer Wert überschritten wurde oder nicht
- Quantil-Karten für einen vordefinierten Wahrscheinlichkeitsgrad
Ausnahmen hiervon sind:
- Indicator Kriging und Probability Kriging, durch das Folgendes generiert wird:
- Wahrscheinlichkeitskarten, die angeben, ob ein vordefinierter kritischer Wert überschritten wurde oder nicht
- Karten mit Standardfehlern von Indikatoren
- Flächeninterpolation, mit der Folgendes generiert wird:
- Karten mit vorhergesagten Werten
- Karten mit Standardfehlern, die mit vorhergesagten Werten verknüpft sind
Es gibt mehrere Komponenten geostatistischer Modelle. Die wichtigsten sind dazu da, die Daten interaktiv in der Karte und durch Variografie zu untersuchen, ein Kriging-Modell zu erstellen, das Ihrem Bedarf entspricht (siehe Was sind die verschiedenen Kriging-Modelle?), und per Kreuzvalidierung und Validierung zu überprüfen, ob die Ergebnisse genau sind und verschiedene Modelle zu vergleichen, um das beste auszuwählen.