ArcGIS教程:使用方向半变异函数和协方差函数考虑各向异性

  由于您是在二维空间内进行操作,因此可能希望半变异函数和协方差函数不仅随距离发生改变,还会随方向发生改变。这被称为各向异性。

  考虑两个点 si 和 sj,以及分开这两个点的矢量,这个矢量记为 si - sj。该矢量在 x 轴和 y 轴上都具有距离。或者,在极坐标中可将该矢量视为具有距离和角度。此处,各向异性用于描述半变异函数;思路与协方差函数类似。

  各向同性模型在所有方向上都是相同的,而各向异性模型在某些方向上达到基台的速度高于另一些方向。达到基台的较长轴的长度称为主变程,达到基台的较短轴的长度称为次变程,还具有形成主变程的线的旋转角度。在Geostatistical Analyst 中,变程的轮廓在经验半变异函数的表面上以蓝色显示。

  

时间: 2024-08-01 00:50:55

ArcGIS教程:使用方向半变异函数和协方差函数考虑各向异性的相关文章

ArcGIS教程:半变异函数与协方差函数

半变异函数和协方差函数将邻近事物比远处事物更相似这一假设加以量化.半变异函数和协方差都将统计相关性的强度作为距离函数来测量. 对半变异函数和协方差函数建模的过程将半变异函数或协方差曲线与经验数据拟合.目标是达到最佳拟合,并将对现象的认知纳入模型.之后模型便可用于预测. 在拟合模型时,浏览数据中的方向自相关.基台.变程和块金是模型的重要特征.如果数据中有测量误差,请使用测量值误差模型.跟踪这一链接来了解如何将模型与经验半变异函数拟合. 半变异函数 半变异函数定义为 γ(si,sj) = ? var

ArcGIS教程:合并半变异函数模型

通常有两个或更多处理过程将决定某一现象的空间分布.例如植被量(生物量)可能与高程和土壤湿度相关.如果这种关系已知,则能够使用协同克里金法预测生物量.可将生物量的测量值用作数据集 1,高程用作数据集 2,土壤湿度用作数据集 3.可能要根据每个数据集拟合不同的半变异函数模型,因为每个数据集的空间结构各不相同.也就是说,球面模型可能最适合高程,指数模型可能最适合土壤湿度,而这两种模型的组合可能最适合生物量.然后可通过一种最适合数据结构的方式将模型合并. 但有时并不知道在某一现象中将确定空间结构的因素的

ArcGIS教程:不同方向的经验半变异函数

有时,测量位置的值会包含一种方向影响,这种方向影响可以通过统计方式进行量化但可能无法通过已知的可识别过程予以说明.此方向影响称为各向异性.各向异性用于分析样本是否在不同方向上呈现出不同的范围.容差角度用于确定在哪个角度下包括或排除接近点,直至达到带宽.带宽用于指定当确定将在半变异函数中绘制哪些点对时应采用的搜索宽度. 条柱中的点是分别位于特定距离和方向内的位置对.从概念上讲,可以将方向分组视为对将在分组过程中绘制的点对的限制,或者视为绘制所有点对并仅考虑表示特定方向的图形部分.以下场景描述了带宽

ArcGIS教程:根据经验半变异函数拟合模型

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.地统计的主要应用是预测未采样位置处的属性值(克里金法). 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. 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

ArcGIS教程:半变异函数建模

当进行半变异函数建模时,可对自相关性进行检查和量化.在地统计中,这称为空间建模,也称为结构分析或变异分析.在半变异函数的空间建模中,可以从经验半变异函数图开始,计算为, Semivariogram(distance h) = 0.5 * average [ (value at location i– value at location j)2] (所有成对位置的相隔距离为 h).该公式涉及到计算配对位置的差值平方的一半.快速绘制所有配对则变得难以处理.并不绘制每个配对,而是将配对分组为各个步长条

了解半变异函数:变程、基台和块金

变程和基台 块金 半变异函数显示测量采样点的空间自相关.绘制每对位置,然后根据这些位置拟合模型.通常使用某几个特征来描述这些模型. 变程和基台 查看半变异函数的模型时,您将注意到模型会在特定距离处呈现水平状态.模型首次呈现水平状态的距离称为变程.比该变程近的距离分隔的样本位置与空间自相关,而距离远于该变程的样本位置不与空间自相关. 半变异函数模型在变程处所获得的值(y 轴上的值)称为基台.偏基台等于基台减去块金. 半变异函数示例 块金 从理论上讲,在零间距(步长 = 0)处,半变异函数的值是 0

ArcGIS教程:地统计工作流

这一主题将介绍地统计研究的概化工作流以及主要步骤.正如什么是地统计中所述,地统计是用于分析和预测与空间现象或时空现象相关联的值的统计数据类.ArcGIS Geostatistical Analyst 提供一套工具,该工具允许构建使用空间(和时间)坐标的模型.这些模型可以应用于各种情况并通常用于生成未采样位置的预测,也可用于生成这些预测的不确定性的度量值. 与几乎所有数据驱动研究相同,第一步是仔细检查数据.这通常从映射数据集.使用可使数据集可能显示的重要特征清晰可见的分类和颜色方案开始,例如,从北

ArcGIS教程:Geostatistical Analyst 应用示例

Geostatistical Analyst 满足多种不同应用的需求.以下是 Geostatistical Analyst 的一小部分应用示例. 探索性空间数据分析 Geostatistical Analyst 用于使用研究区中已测量的采样点为同一区域内其他未测量位置创建准确预测.Geostatistical Analyst 中包括的探索性空间数据分析工具用于评估数据的统计属性,比如空间数据变异性.空间数据相关性和全局趋势. 以下示例中使用了多个探索性空间数据分析工具来研究喀尔巴阡山中监测站处获

ArcGIS教程:检查空间自相关和方向变化

通过探索数据,您将能够更好地了解测量值之间的空间自相关.这种了解有助于在选择空间预测模型时做出更好的决策. 空间自相关 可通过检查不同的采样位置对来探索数据的空间自相关.通过测量两个位置间的距离并绘制这些位置上的值之间的差值平方,可创建半变异函数云.x 轴表示各位置间的距离,y 轴表示这些位置上的值的差值平方.半变异函数中的每个点都表示一个位置对,而不是地图上的单个位置. 如果存在空间相关性,则距离较近的点对(在 x 轴的最左侧)应具有较小的差值(在 y 轴上的值较小).随着各个点之间的距离越来