Mit der Geostatistical Analyst-Lizenz verfügbar.
Geostatistik wurde ursprünglich als Bezeichnung für Statistiken bezüglich der Erde wie beispielsweise im Bereich der Geographie und Geologie verwendet. Heute wird Geostatistik allgemein in vielen Bereichen verwendet und umfasst einen Zweig der räumlichen Statistiken. Ursprünglich war Geostatistik bei räumlichen Statistiken gleichbedeutend mit Kriging, einer statistischen Version der Interpolation. Die aktuelle Definition umfasst nicht nur Kriging, sondern außerdem viele andere Interpolationsmethoden wie beispielsweise die deterministischen Methoden, die unter Deterministische Methoden für die räumliche Interpolation erläutert werden. Geostatistical Analyst ist eine Umsetzung dieser weiter gefassten Definition von Geostatistik. Ein wesentliches Merkmal der Geostatistik ist, dass für das untersuchte Phänomen Werte (die nicht zwangsläufig gemessen wurden) von überall im Untersuchungsgebiet verwendet werden können, zum Beispiel die Stickstoffmenge in einem Feld oder die Ozonkonzentration in der Atmosphäre. Es ist wichtig, die Typen der Daten zu identifizieren, die mit Geostatistik angemessen analysiert werden können.
Weitere Informationen zu Kriging-Methoden in Geostatistical Analyst
Stellen Sie sich das folgende Rechteck als Untersuchungsgebiet vor. Räumliche Positionen innerhalb des Untersuchungsgebiets sind mit den Buchstaben si indiziert, während die einzelnen Positionen mit dem tiefgestellten i indiziert sind.
Nehmen Sie im oben gezeigten Beispiel an, Sie haben Daten an den Positionen s1 bis s7 erfasst und möchten den Wert an Position s0 (rot) vorhersagen. Das ist ein Beispiel für eine Interpolation. Beim Kriging wird angenommen, dass Sie s0 an einer beliebigen Position im Untersuchungsgebiet platzieren könnten, und Sie nehmen an, dass Position s0 einen reellen Wert hat. Wenn beispielsweise die Daten die Stickstoffkonzentration s1, ..., s7 angeben, liegt auch an s0 eine Konzentration vor, die Sie nicht beobachtet haben, aber vorhersagen möchten. Beachten Sie, dass die Daten als Punktereignisse erfasst werden, während Werte tatsächlich überall auftreten können und daher als räumlich kontinuierlich bezeichnet werden.
In der Statistik werden Werte oft als einer der folgenden Typen beschrieben:
- Kontinuierlich: Beliebige reelle Zahl (z. B. –1,4789, 10965,6891)
- Ganzzahlig (z. B. -2, -1, 0, 1, 2,)
- Geordnet kategorisch (z. B. "Schlechtestes", "Mittel", "Bestes")
- Nicht geordnet kategorisch (z B. "Wald", "Landwirtschaft", "Stadtgebiet")
- Binär (z. B. 0 oder 1)
Der Begriff "kontinuierlich" kann zu Verwirrung führen. Wenn die Daten räumlich sind und kontinuierliche Werte mit einer multivariaten Normalverteilung aufweisen und Ihnen die Autokorrelation der multivariaten Verteilung bekannt ist, dann ist Kriging eine optimale Vorhersagemethode. Um alle oben genannten Datentypen zu berücksichtigen, wurden jedoch verschiedene Kriging-Formen entwickelt.