ArcGIS教程：克里金法的工作原理（二）

　　根据经验半变异函数拟合模型

　　下一步是根据组成经验半变异函数的点拟合模型。半变异函数建模是空间描述和空间预测之间的关键步骤。克里金法的主要应用是预测未采样位置处的属性值。经验半变异函数可提供有关数据集的空间自相关的信息。但是，不提供所有可能的方向和距离的信息。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拟合模型(即，连续函数或曲线)是很有必要的。该操作理论上类似于回归分析，在此回归分析中将根据数据点拟合连续线或曲线。

　　要根据经验半变异函数拟合模型，则选择用作模型的函数(例如，开始时上升并在距离变大而超过某一范围后呈现水平状态的球面类型)(请参阅下面的球面模型示例)。经验半变异函数上的点与模型有一些偏差;一些点在模型曲线上方，一些点在模型曲线下方。但是，如果添加一个相应的距离，每个点都会在线上方，或者如果添加另一个相应的距离，每个点都会在线下方，这两个距离值应该是相似的。有多种半变异函数模型可供选择。

　　半变异函数模型

　　克里金法工具提供了以下函数，可以从中选择用于经验半变异函数建模的函数：

• 　　圆
• 　　球面
• 　　指数
• 　　高斯
• 　　线性

　　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：

　　球面模型示例

　　该模型显示了空间自相关逐渐减小(等同于半方差的增加)到超出某个距离后自相关为零的过程。球面模型是最常用