一.简介
经验贝叶斯克里金法 (EBK) 是一种地统计插值方法[还有确定性插值方法],可自动执行构建有效克里金模型过程中的那些最困难的步骤。Geostatistical Analyst 中的其他克里金方法需要您手动调整参数来接收准确的结果,而 EBK 可通过构造子集和模拟的过程来自动计算这些参数。
经验贝叶斯克里金法与其他克里金方法也有所不同,它通过估计基础半变异函数来说明所引入的误差。其他克里金方法通过已知的数据位置计算半变异函数,并使用此单一半变异函数在未知位置进行预测;此过程隐式假定估计的半变异函数是插值区域的真实半变异函数。由于不考虑半变异函数估计的不确定性,其他克里金方法都低估了预测的标准误差。经验贝叶斯克里金法在地统计向导中以地理处理工具的形式提供。。
二.优点和缺点
优点
- 需要极少的交互式建模。
- 预测标准误差比其他克里金方法更准确。
- 可准确预测一般程度上不稳定的数据。
- 对于小型数据集,比其他克里金法更准确。
缺点
- 处理时间会随着输入点数、子集大小或重叠系数的增加而快速增加。应用变换还会增加处理时间,尤其是选择 K-Bessel 或去除趋势的 K-Bessel 作为半变异模型类型时。这些参数将在本主题的后续章节中进行介绍。
- 处理速度比其他克里金方法慢,尤其是输出为栅格时。
- 协同克里金法和各向异性校正不可用。
- 对数经验变换对异常值尤其敏感。如果将该变换用于含有异常值的数据,则可能会得到大于或小于输入点值若干个数量级的预测结果。该参数将在下面的“变换”部分进行介绍。<