本文介绍了ArcGIS Geostatistical Analyst在空间数据分析中的应用，包括探索性空间数据分析、半变异函数建模、表面预测和误差建模、阈值制图以及模型验证和诊断。通过实例展示了如何使用该工具进行地统计分析，如预测喀尔巴阡山的臭氧水平、美国冬季温度分布、切尔诺贝利放射性污染以及伊利诺斯州农场的有机物含量。
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取的臭氧测量值的属性。
半变异函数建模
数据的地统计分析分以下两个阶段进行：
建立半变异函数或协方差函数的模型来分析表面属性;
克里金法;
在 Geostatistical Analyst 中，存在多个可用于表面创建的克里金方法，包括普通克里金法、简单克里金法、泛克里金法、指示克里金法、概率克里金法和析取克里金法。
以下说明了对数据进行地统计分析的两个阶段。首先，使用半变异/协方差向导拟合美国冬季温度数据的模型。然后使用此模型创建温度分布图。
表面预测和误差建模
最低0.47元/天 解锁文章
2277
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
