Geostatistical Analyst のライセンスで利用可能。
経験的セミバリオグラムを作成するには、位置のすべてのペアの値の二乗差を求めます。 二乗差の 1/2 を y 軸、位置を隔てる距離を x 軸にプロットしたものを、セミバリオグラム雲と呼びます。 以下の図では、1 つの位置 (赤色のポイント) とその他 11 個の位置がペアになっています。
バリオグラフィの主な目的の 1 つは、空間的従属性 (空間的自己相関とも呼ぶ) を調査および定量化することにあります。 空間的自己相関は、互いに近接しているものは離れた位置にあるものより類似性が高いという仮定を定量化します。 このため、位置のペアが近接しているほど (セミバリオグラム雲の x 軸の左端)、値の類似性は高くなります (セミバリオグラム雲の y 軸の一番下)。 位置のペアの距離が離れるにしたがい (セミバリオグラム雲の x 軸の右方に移動)、類似性は小さくなり、二乗差の値が大きくなります (セミバリオグラム雲の y 軸の上方に移動)。 以下の図に典型的なセミバリオグラム雲とポイントの最良適合線 (青色) を示します。 この青色の線をセミバリオグラムと呼びます。
計算上の制限 (計算時間とメモリ制限) により、入力データセットに含まれる測定値が 5000 個を超える場合、構造解析とセミバリオグラム モデルの適合では 5000 個の測定値がランダムに選択されます (これによって 1250 万個のペアができます)。 推定値の生成にはすべてのデータが使用されるため、通常、生成されるモデル (サーフェス) はランダム サンプリングの影響を受けません。 ただし、データセットに非常に大きい値が少数含まれている場合、経験的セミバリオグラム/共分散値の生成に使用されるサブセットにそれらの値が含まれるときと含まれないときがあるため、推定されるセミバリオグラム モデルはデータセット全体を使用して推定されたセミバリオグラム モデルとは異なる可能性があります。