需要 Geostatistical Analyst 许可。
以下术语和概念用于地统计和 ArcGIS Geostatistical Analyst 扩展模块。
| 术语 | 描述 |
|---|---|
交叉验证 | 一种用于评估插值模型精度的技术。 在 Geostatistical Analyst 中，交叉验证会留出一个点，并使用其余的点来预测该位置处的值。 然后，将该点添加回数据集，并移除不同的点。 将对数据集中的所有样本执行此操作，并提供可比较的预测值和已知值对，以评估模型的性能。 通常将结果概括为平均值和均方根误差。 |
确定性方法 | 在 Geostatistical Analyst 中，确定性方法基于相似程度（例如，反距离权重法）或平滑程度（例如，径向基函数插值法），根据测量点来创建表面。 它们未提供预测的不确定性（误差）的度量。 |
地统计图层 | Geostatistical Analyst 工具箱中的许多地理处理工具都存储在称为地统计图层的表面中。 地理统计图层可用于创建结果地图、查看并修改插值方法的参数值、创建其他类型的地统计图层（例如预测误差图），以及将结果导出为栅格或矢量（等值线、填充等值线和点）格式。 |
地统计方法 | 在 Geostatistical Analyst 中，地统计方法以包含自相关（测量点之间的统计关系）的统计模型为基础。 这些技术可以生成预测表面以及与预测相关联的不确定性（误差）的度量。 |
插值 | 一种使用在已知采样位置获取的测量值来预测（估计）未采样位置的值的过程。 Geostatistical Analyst 包含多种插值方法，这些方法根据其基本假设、数据要求和生成不同类型输出的能力（例如，预测值以及与之相关联的误差 [不确定性]）而有所不同。 |
核 | 在 Geostatistical Analyst 中的多种插值方法中使用的加权函数。 通常，对于距离预测位置较近的样本值，将为其分配较高的权重；对于较远的样本值，将为其分配较低的权重。 |
克里金法 | 一组插值方法，这些方法依赖于空间自相关的半变异函数模型来生成预测值、与预测相关联的误差，以及有关研究区域中每个位置的可能值分布的其他信息（通过分位数和概率图，或者通过地统计模拟，为每个位置提供一组可能的值）。 |
搜索邻域 | 大多数插值方法使用数据的局部子集进行预测。 想象一个移动的窗口 - 仅使用窗口内的数据在窗口中心处进行预测。 之所以这样做，是因为距离预测位置较远的样本中存在冗余信息，同时也能加快为整个研究区域生成预测值所需的计算时间。 搜索邻域的选择（窗口内的附近样本数量及其空间配置）将影响预测表面，应谨慎选择。 |
半变异函数 | 描述不同距离分隔的样本之间的差异（方差）的函数。 通常，半变异函数对于较小的差异将显示较小的方差，而对于较大的分隔距离将显示较大的方差，这表明数据具有空间自相关性。 根据样本数据估计的半变异函数为经验半变异函数。 它们在图表上表示为一组点。 可将这些点拟合为一个函数，该函数被称为半变异函数模型。 半变异函数模型是克里金法（一种插值方法，可以提供预测值、与预测相关联的误差以及有关研究区域中每个位置的可能值分布的信息）的重要组成部分。 |
模拟 | 在地统计中，模拟是指通过生成预测表面的多个可能版本（与生成一个表面的克里金法相反）来扩展克里金法的一种技术。 该组预测表面提供的信息可用于描述特定位置预测值的不确定性、感兴趣区域中一组预测值的不确定性，或者可用作另一个模型（物理模型、经济模型等）的输入的一组预测值，以评估风险并制定更加明智的决策。 |
空间自相关 | 自然现象常常呈现空间自相关性 - 即彼此距离较近的样本值比距离较远的样本值更为相似。 一些插值方法需要明确的空间自相关模型（例如克里金法）；另一些方法基于假定的空间自相关程度，而未提供衡量空间自相关性的方法（例如反距离权重法）；而其他方法无需数据集中任何空间自相关概念。 当存在空间自相关时，无法可靠地使用传统统计方法（基于观测点之间的独立性）。 |
变换 | 当将函数（对数、Box-Cox、反正弦、正态分数）应用于数据以改变其分布形状或者稳定方差（降低平均值和方差之间的相关性，例如，数据变异性随着平均值的增大而增大）时，需要进行数据变换。 |
验证 | 与交叉验证类似，但非使用相同的数据集来构建和评估模型，而是使用两个数据集：一个用于构建模型，另一个用于独立的性能测试。 如果仅提供一个数据集，则可以使用子集要素工具将其随机分割为训练子集和测试子集。 |