根据经验半变异函数拟合模型

需要 Geostatistical Analyst 许可。

半变异函数/协方差建模是空间描述和空间预测之间的关键步骤。地理统计的主要应用是预测未采样位置处的数据值。

经验半变异函数和协方差可提供有关数据集的空间自相关的信息。但是,不提供所有可能方向和距离的信息。因此,为确保克里金法预测的克里金法方差为正值,根据经验半变异函数/协方差拟合模型(即连续函数或曲线)是很有必要的。

了解有关半变异函数和协方差之间的关系的信息

经验半变异函数/协方差值的不同视图

地统计向导可提供经验半变异函数值的三种不同视图。可以使用任意数量(一个、两个或全部三个)的视图来帮助您根据数据拟合模型。默认视图显示了已丢弃和已平均化的经验半变异函数/协方差值。下列描述的可视化选项的控件可以通过选项按钮(图片右上角的三个垂直点处)找到。

默认视图

已丢弃值显示为红色的点,是通过使用宽为一个步长的方形像元将经验半变异函数/协方差点组合(分组)在一起后生成的。平均点显示为蓝色的十字符号,是通过将处于圆周分区内的经验半变异函数/协方差点进行分组后生成的。丢弃点显示半变异函数/协方差值中的局部变化,而平均值显示半变异函数/协方差值的平滑变化。在很多情况下,根据平均值拟合模型会更容易一些,因为它们将为数据中的空间自相关提供相对简洁的视图,与丢弃点相比,平均值将显示的半变异函数值的变化更为平滑。

下列两个图片仅显示丢弃点(顶部)和平均点(底部):

仅显示已丢弃值

仅显示平均值

此外,可通过显示所有线选项将绿线添加到图中。这些线是根据已丢弃的经验半变异函数/协方差值进行拟合的局部多项式。下图显示了这些线的典型示例。

包含线的半变异函数图

根据经验数据拟合的半变异函数/协方差模型应该:

  • 穿过已丢弃值(红色的点)云的中心。
  • 穿过尽可能接近平均值(蓝色的十字符号)的位置。
  • 穿过尽可能接近线(绿色的线)的位置。

请记住,如果模型似乎没有完全拟合经验数据,您对现象的认识也可以决定模型的形状和块金以及变程值、偏基台值和各向异性值(回想一下,经验数据只是要构建的真实现象模型的样本,并不能完全代表真实现象的所有空间和统计方面)。

不同类型的半变异函数/协方差模型

Geostatistical Analyst 为构建经验半变异函数模型提供以下半变异函数/协方差函数:

  • 球面
  • 四球
  • 五球
  • 指数函数
  • 高斯函数
  • 有理二次方程式
  • 孔洞效应
  • K-Bessel
  • J-Bessel
  • 稳定

所选模型会影响未知值的预测,尤其是当接近原点的曲线形状明显不同时。接近原点处的曲线越陡,最接近的相邻元素对预测的影响就越大。

这样,输出曲面将更不平滑。每个模型都用于更准确地拟合不同种类的现象。

下图显示了两个常用模型并确定了函数的不同之处。第一幅图显示的是指数半变异函数,第二幅图显示的是高斯变半变异函数:

指数模型

高斯模型

相关主题