Geostatistical Analyst のライセンスで利用可能。
一般的に言えば、互いに近接しているもののほうが離れた位置にあるものより類似性が高くなります。 これは地理の基本原則です。 あなたは都市設計家で市内に風致公園を建設する必要があるとします。 候補となる場所がいくつかあり、各場所で可視領域をモデル化します。 このためには、分析範囲のさらに詳細な標高サーフェス データセットが必要です。 市内 1,000 箇所の標高データがすでに存在するとします。 これを使用して新しい標高サーフェスを作成することができます。
標高サーフェスを作成する際、推定位置に最も近いサンプル値は類似しているものと見なすことができます。 しかし、サンプル位置はいくつ考慮すればよいでしょうか？ すべてのサンプル値を同等に考慮すべきでしょうか？ 推定位置から遠ざかるにつれて、各ポイントの影響は低下します。 あまりにも遠くにあるポイントを考慮した場合、そのポイントは推定位置とはまったく異なるエリアに存在する可能性があるため、実際には望ましくないことがあります。
解決策の 1 つとしては、良好な推定を得るのに十分かつ、実用的に多過ぎない数のポイントを考慮します。 この数は、サンプル ポイントの量と分布およびサーフェスの特性によって変わります。 標高サンプルが比較的均等に分布し、サーフェスの特性が地形全体で大きく変化しない場合、近接するポイントからサーフェスの値を妥当な確度で推定することができます。 距離の関係を考慮するため、近接するポイントの値には遠く離れた位置にあるポイントよりも通常は大きな加重が適用されます。 これは Geostatistical Analyst で提供されているすべての内挿方法に共通する原則です (すべてのポイントに等しい加重を割り当てるグローバル多項式内挿を除く)。
