Основы создания растра из геостатистического слоя

Доступно с лицензией Geostatistical Analyst.

Геостатистические слои могут конвертироваться в растровый формат при помощи инструментов геообработки Слой GA в Grid и Слой GA в растры из набора инструментов Geostatistical Analyst (см. Общие сведения о работе с группой инструментов Геостатистические слои).

Блоковая интерполяция используется при создании растра из геостатистического слоя. Блоковая интерполяция – это метод интерполяции, который позволяет прогнозировать среднее значение явления в пределах указанной зоны. Для эмпирического Байесовского кригинга и других – не кригинговых – методов в процессе блоковой интерполяции вычисляются проинтерполированные значения для ряда указанных местоположений в пределах зоны; значения усредняются, и среднее значение назначается в качестве проинтерполированного для целой зоны. Например, если необходимо проинтерполировать 10 местоположений в пределах зоны, интерполяция будет выполнена для каждого из 10 местоположений с помощью определенной модели интерполяции и исходных опорных точек, отобранных для характеристики явления.

Для кригинговых методов (кроме байесовского) значение ячейки растра вычисляется в соответствии со стандартными уравнениями блокового кригинга (см. ссылку в конце раздела). Если используется трансформация, стандартные уравнения блокового кригинга применяются к трансформированным данным, и во время обратной трансформации выполняется коррекция. Однако после выполнения обратной трансформации эти блок-прогнозы могут быть неточными, поэтому рекомендуется использовать моделирование с помощью инструмента геообработки Геостатистическое моделирование Гаусса.

При преобразовании геостатистического слоя в растр, формы блоков, выполняющих усреднение, находятся в пределах растровых ячеек. На следующей диаграмме показаны опорные точки с конфигурацией блока (растр), который будет использован для блоковой интерполяции:

Примеры точек с конфигурацией блока
Примеры точек с конфигурацией блока

В процессе преобразования можно указать количество интерполируемых местоположений внутри каждой ячейки, которое будет использовано в процессе усреднения. Например, можно указать проинтерполированные значения для двух точек в направлении x и трех точек в направлении y для каждой ячейки. Проинтерполированные точки будут распределены в пределах каждой ячейки так, что будут представлять (или оказывать воздействие) такую же зону. Таким образом, ни одной из проинтерполированных точек не будет присвоен вес. Проинтерполированные точки расположены в центре каждого подблока – в нашем случае, в центре каждого из шести блоков.

На следующей диаграмме с помощью выделенной ячейки отображен процесс блоковой интерполяции для одной ячейки (или блока) в растре. Эта процедура применяется к каждой ячейке выходного растра.

Интерполяция блока для одной ячейки
Интерполяция блока для одной ячейки

На диаграмме выделенный блок из предыдущей диаграммы изображен крупным планом. Интерполяция будет выполнена для шести точек ячейки с помощью модели интерполяции, указанной для геостатистического слоя и исходных опорных точек. Шесть проинтерполированных значений будут усреднены и присвоены этой ячейке.

Усредненные интерполированные значения в одной ячейке
Усредненные интерполированные значения в одной ячейке

Если указать только одну точку в направлении x и одну в направлении y, интерполяция будет выполнена для центра каждой выходной ячейки. Время обработки увеличится, поскольку возрастет количество интерполируемых точек.

Большее количество проинтерполированных точек в направлении x или y может потребоваться для вычисления направленных трендов. Во 2-м и 3-м вышеприведенных примерах, интервал между проинтерполированными точками в направлении север-юг короче, чем в направлении восток-запад. Большее количество проинтерполированных точек в направлении север-юг увеличивает выборку в этом направлении для фиксирования более высокой вариации. То есть значения явления изменяются быстрее в направлении север-юг, чем в направлении восток-запад. Чтобы зафиксировать это, потребуется больше опорных точек в этом направлении.

Литература

  • Chiles, J.P. and Delfiner, P., Geostatistics: Modeling Spatial Uncertainty., John Wiley & Sons, New York (1999), Section 3.5 (pp. 203-211)

Связанные разделы


В этом разделе
  1. Литература