ArcGIS教程:地统计模拟的示例

  模拟示例

  示例 I

  在世界上的许多城市和地区,空气质量都是令人关注的重要健康指标之一。在美国,众所周知,洛杉矶的空气质量不是很好,分布密集的监控网络每半天就对臭氧、微粒物质和其他污染物等数据进行一次收集。基于此空气质量数据,可获得每种污染物的浓度以及污染物每年超过州空气质量标准和联邦空气质量标准的天数。由于这两个测量值均支持对在某个特定区域内生活进行感染风险的局部评估,因此,每年超过临界阈值的天数可用来建立显示超过阈值概率的内插地图。

  在本示例中,对 2005 年加利福尼亚州每个监测站臭氧超过阈值的天数做了调查,并通过拟合该数据创建了一个半变异函数。并使用条件模拟生成了多个实现。每个实现都是一个地图,用于表示 2005 年污染物超过阈值的天数。然后对这些实现进行后处理,以估计污染物每年超过州阈值的天数多于 10 天、20 天、30 天、40 天、50 天、60 天和70 天的概率(所有监测站记录的超过阈值的最大天数为 80 天)。下面的动画显示了生成的南海岸空气盆地地区(其中包括洛杉矶和内陆城市)的臭氧地图。海岸附近的空气质量明显好于内陆地区,主要是因为在这一地区,风向主要是由西向东吹。

  这类地图可用于确定污染减轻策略的优先级,通过解答诸如“我可以忍受多少污染?”、“生活在某一特定区域我需要忍受多少污染?”等问题,来研究健康与环境质量之间的关系并帮助人们确定适宜居住的地点。

  

  示例 II

  在很多应用中,都使用与空间相关的变量作为模型的输入(例如,石油工程中的流动模拟)。在此类情况中,模型结果的不确定性是通过以下过程生成大量模拟来进行评估的:

  为变量模拟大量具有同等可能性的实现。

  使用模拟变量作为输入来运行模型(通常称为传输函数)。

  汇总模型运行以评估模型输出的变异性。

  

  输出的统计数据可用来测量模型的不确定性。

  上述过程的一个实际示例是:为在新墨西哥州东南部成立一个废品隔离试验工场 (WIPP) 作为超铀废物的存储设施而进行的研究。

  科学家曾对位于地表以下 2000 多英尺的盐矿床进行了评估,以便将其用作废料的潜在存储设施。然而,矿床刚好位于蓄水层之上,因此,担心地下水可能会传输站点泄露的废弃物。要证明 WIPP 是安全的,科学家不得不使美国环境保护局确信:蓄水层中地下水的流速非常缓慢,完全不可能对 周围环境造成污染。

  导水系数值决定了蓄水层中的水流流速,并针对拟建的 WIPP 站点附近蓄水层获得了多个此类值。使用以数字方式求解的水文方程为地下水流建模,该方程需要导水系数值,该值在常规格网上进行预测。如果使用了导水系数的克里金估计值,则导水系数值将基于邻近导水系数值的(加权)平均值,而已建模的地下水的流动时间将只会基于这些平均值。由于克里金法将生成平滑地图,所以插值表面会缺少导水系数值极高或极低的区域。要正确地对风险进行分析,科学家必须考虑可能出现的最坏情况,因此需要生成流动时间值的整个概率分布。通过此分布,科学家将能够使用地下水流动时间分布的较低尾值(对应极高流速),而不是平均流动时间,来评估
WIPP 的适宜性。曾使用条件模拟来生成流动时间值的概率分布。

  废品通过地下水进行传输的概率只是评估 WIPP 适宜性时考虑的众多危及人类健康情形中的一种。复杂风险分析在评估 WIPP 是否适宜进行核废料处理以及使公众和政府监管部门确信其适宜性方面起了很大作用。在长达 20 多年的时间里,在进行了大量的科学研究、公众意见收集以及进行了大量监管工作之后,WIPP 最终于 1999 年 3 月 26 日开始运作。

时间: 2024-11-05 00:42:06

ArcGIS教程:地统计模拟的示例的相关文章

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:“高斯地统计模拟”的工作原理(一)

高斯地统计模拟的一般工作流包括:准备数据.创建实现.在后台将结果传输到原始单元中,以及后处理结果和/或将结果用作传输函数(模型)的输入以评估模型输出中的变异性. 实现的生成方法 使用"高斯地统计模拟"时,首先要创建一个基于标准正态分布(平均值 = 0 且 方差 = 1)绘制的随机分配值的格网.然后,将协方差模型(基于在需要作为模拟的输入的简单克里金图层中指定的半变异函数)应用到栅格.这样可以确保栅格值遵循输入数据集中的空间结构.生成的栅格构成一个非条件实现,而且通过每次使用不同的包含正

ArcGIS教程:地统计模拟的重要概念

模拟概念 模拟在广义上是指使用模型复制现实的过程.在地统计中,模拟是随机函数(表面)的实现,其与生成该模拟的样本数据拥有相同的地统计要素(使用均值.方差和半变异函数来度量).更具体地说,高斯地统计模拟 (GGS) 适用于连续数据,并假设数据或数据的变换具有正态(高斯)分布.GGS 所依托的主要假设是数据是静态的 - 均值.方差和空间结构(半变异函数)在数据空间域上不发生改变.GGS 的另一个主要假设是建模的随机函数为多元高斯随机函数. 同克里金法相比,GGS 具有优势.由于克里金法是基于数据的局

ArcGIS教程:“高斯地统计模拟”的工作原理(二)

用于模拟的简单克里金模型 "高斯地统计模拟"工具可接受任何的简单克里金模型.不过,仅当输入数据(用于拟合半变异函数以及条件化实现)呈正态分布时模拟结果才有效.这可通过应用常态得分变换来实现.还应进行去聚处理,以便从已聚类的数据中获得典型直方图,而且应移除趋势,以确保平均值在整个空间域是稳定的.这些步骤如以下各图所示.图 (a) 显示简单克里金法,其中趋势移除.去聚和常态得分变换选项被选中.图 (b) 显示在进行去聚.常态得分变换和变异分析之前要从数据集中移除的趋势.图 (c) 按像元显

ArcGIS教程:绘制数据

任何分析的第一步都是绘制和检查数据.这可以提供数据集的空间组成部分的第一印象,而且可能给出异常值和错误数据值.全球趋势和其他系数间的空间自相关的主导方向的指示,所有这些在开发正确反映感兴趣的现象的插值模型的过程中都非常重要. ArcGIS 提供很多方法来可视化数据:ArcMap 可以访问用于高亮显示数据不同方面的很多分类方案和色带,而ArcScene 可以在 3D 空间渲染数据,这在查找局部异常值和全球趋势时非常有用.尽管没有正确的方法来显示数据,下图显示了相同数据的不同渲染,从中可以看出不同方

ArcGIS教程:区域插值参数

构建有效模型 与所有地统计插值方法一样,区域插值中的预测准确性取决于模型的准确性.了解此事项后,在地统计向导 中构建有效模型时应多加注意. 由于 ArcGIS Geostatistical Analyst 扩展模块中的区域插值是通过克里金框架实现的,因此交互式变异分析是构建模型的重要步骤.通常很难从视觉上判断协方差曲线的质量,因此为每个经验协方差(下图中的蓝十字)提供了置信区间(下图中的红色垂直线段).如果正确指定了协方差模型,预计有 90% 的经验协方差落在置信区间内.在下图中,12 个经验协

ArcGIS教程:检查数据的分布

虽然预测图在数据不服从正态分布的情况下可能不是最佳的,但 ArcGIS Geostatistical Analyst 提供的大多数插值方法都不要求数据服从正态分布.即,更改数据形状(分布)的数据变换不要求是插值模型的一部分.不过,有些克里金方法要求数据近似服从正态分布(接近钟形曲线).特别地,利用普通克里金法.简单克里金法或泛克里金法创建的分位数图和概率图都假定数据服从多元正态分布.而且,用作地统计模拟的基础的简单克里金模型应使用服从正态分布的数据或者将常态得分变换作为模型的一部分以确保数据服从

ActiveMQ学习教程(二)——简单示例

ActiveMQ学习教程(二)--简单示例 一.应用IDEA构建Maven项目 File->New->Module...->Maven->勾选->选择->Next -> GroupId:com.jd.myMaven   |    ArtifactId:activeMQ    |    version:默认   ->Finish 项目构建成功!项目结构如下所示: 二.创建生产者类,模拟生产者发消息 Step1:java/activemq/JMSProducer

ArcGIS教程:3D Analyst基础知识

创建3D视图 以三维形式查看数据能为您提供一个全新的认识.通过三维视图可以深入了解通过相同数据的平面地图不易察觉的内容.例如,您不必根据配置等值线来推断是否存在山谷,您能够实际看到山谷和感到谷底和谷脊的高度差异. ArcGlobe 和 ArcScene 可用于构建多图层 3D 环境,并控制如何对各图层进行符号化.渲染各图层和在 3D 空间中定位各图层.还可以控制 3D 视图的全局属性,如照明度或垂直夸大.可以通过以下方式选择要素:使用要素的属性或要素相对于其他要素的位置,或者在场景或地球中单击各