ArcGIS教程：地统计模拟的重要概念

最新推荐文章于 2021-10-25 14:14:46 发布

地理国情监测云平台

最新推荐文章于 2021-10-25 14:14:46 发布

阅读量1.1k

点赞数

分类专栏： ArcGIS教程 3S处理技术文章标签： ArcGIS教程地统计模拟

本文链接：https://blog.csdn.net/dsac1/article/details/42552891

版权

本文介绍了地统计模拟的概念，特别是高斯地统计模拟（GGS），它在复制数据地统计特性的同时增加局部变异性。GGS优于克里金法，适合不确定性分析和风险评估。通过条件和非条件模拟，GGS能够生成多个等概率的表面，用于衡量未采样位置的不确定性。在实际应用中，GGS常用于对不符合正态分布的数据进行正态变换后再模拟，从而得到模拟输出。

摘要由CSDN通过智能技术生成

　　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部平均值的，因此，其可生成平滑的输出。另一方面，GGS 生成的局部变异性的制图表达比较好，因为 GGS 将克里金法中丢失的局部变异性重新添加到了其生成的表面中。对于由 GGS 实现添加到特定位置的预测值中的变异性，其平均值为零，这样，很多 GGS 实现的平均值会趋向于克里金预测。下图对此概念进行了说明。各种实现以一组堆叠输出图层的形式表示出来，并且特定坐标位置的值服从高斯分布，其平均值等于该位置的克里金估计值，而扩散程度则由该位置上的克里金法方差给出。