Объединение моделей вариограмм

Доступно с лицензией Geostatistical Analyst.

Часто происходит два или несколько процессов, которые определяют пространственное распределение некоторого явления. Например, количество растительности (биомасса) может быть связано с высотой над уровнем моря и влажностью почвы. Если это отношение известно, то для прогнозирования биомассы можно использовать кокригинг. Можно использовать взвешенные значения биомассы как набор данных один, высоту как набор данных два и влажность почвы как набор данных три. Можно выполнить подбор разных моделей вариограмм к каждому набору данных, поскольку каждый из них показывает отличную от других пространственную структуру. Таким образом, сферическая модель может лучше всего характеризовать высоты, экспоненциальная модель —влажность почвы, а сочетание моделей — биомассу. Затем эти модели могут быть объединены таким образом, чтобы обеспечивалось наилучшее приближение к структуре данных.

Но иногда причинно-следственные отношения между факторами, которые определяют пространственную структуру в некотором явлении, остаются неизвестными. Продолжая приведенный выше пример с биомассой, допустим, что в опорных точках измерены только значения биомассы. При исследовании вариограммы обнаруживаются различные точки перегиба.

Точки демонстрируют рост значений вариограммы по прямой, а затем перегиб с выравниванием до порогового значения. Вы предполагаете, что в данных присутствуют две различные структуры, и единственная модель не может их охватить. Вы можете моделировать вариограмму с помощью двух отдельных моделей (например, сферической и экспоненциальной), объединяя их в единственную модель. В случае необходимости можно также объединить три модели.

Представление нескольких различных случайных процессов с помощью единственной вариограммы не рекомендуется, и при любой возможности следует разделять пространственные процессы. Однако причинно-следственные отношения не всегда доступны пониманию. Выбор большего количества моделей приводит к увеличению количества оцениваемых параметров, и в том, что эта оценка проводится на глаз, затем уточняется количественно по статистическим данным перекрестной проверки, есть много субъективного.

Более подробно о перекрестной проверке