地统计方法
地统计(geostatistics):是以区域化变量统计理论为基础,以变异函数为主要工具,研究在空间分布上既有随机性又有结构性或空间相关性和依赖性的自然现象的科学。
在考虑样本点位置方向和彼此之间距离的基础上,直接测定空间结构的相关性和依赖性,研究具有一定随机性和一定结构性的各种变量的空间分布及变异规律。
1,区域化变量
一个变量呈现为空间分布时,就是区域化变量,也称区域化随机变量。这种变量常反映某种空间现象的特征。定义为空间点x的三个直角坐标为自变量的随机场。用区域化变量描述的现象称之为区域化现象。与普通随机变量不同,区域化随机变量根据其在一个区域内的位置不同而取值。如生态学、土壤学和地质学中许多研究的变量都具有空间分布的特点,实质上都是区域化变量。
特征:随机性和结构性
随机性:变量具有局部、随机、异常的特性
结构性:变量具有一般的或平均的结果性质,变量在点x与x+h处的数值Z(X)与Z(x+h)具有某种程度的自相关。
2,协方差函数
协方差是一种两个变量如何相关变化的度量,而协方差函数或核函数,描述一个随机过程或随机场中的空间上的协方差。是一个空间点x和向量h的函数。
协方差:两个不同参数之间的方差就是协方差,用于衡量两个变量的总体误差。而方差是协方差的一种特殊情况,即当两个变量是相同的情况。期望值分别为E(X) = μ 与 E(Y) = ν 的两个实数随机变量X与Y之间的协方差定义为:COV(X,Y)=E[(X-E(X))(Y-E(Y))] ,若两个随机变量X和Y相互独立 ,则他们的协方差为0。
3,变异函数
变差函数、变异矩;是描述随机场和随机过程空间相关性的统计量,被定义为空间内两空间点之差的方差。在实际应用中,由于无法遍历空间内所有点,通过有限个采样计算的变异函数被称为经验变异函数。变异函数的一半被称为“半变异函数”,二者本质相同仅存在简单的倍数关系。
理论变异函数用来拟合一些列经验变异函数值,供后续进行插值估计时使用。
在地统计学中,克里金法使用变异函数对空间场进行重构和插值。变异函数在稳定过程中存在许多经典模型,包括块金模型、指数模型、高斯模型等。
参数:台基值、变程、块金值和分维数。
分为:有台基值模型,球状模型、指数模型;无台基值模型,幂函数模型、线性无台基值模型;孔穴效应模型。
纯块金效应模型
三种常用模型
球状模型
指数模型
高斯模型
幂函数模型
对数模型
线性有台基值模型
线性无台基值模型
4,套合结构
1,套合
在实际中,有时区域化随机变量Z(x)的变化相当复杂,往往包含各种尺度及各种层次的变化。反映在变异函数上,就是单一的模型结构不能将其合理表达,而是多层次的结构相互叠加在一起,地统计学上称为套合。
2,套合结构
所谓套合结构,就是把分别出现在不同距离h上或不同方向上同时起作用的变异性组合起来,对全部有效的结构信息,作定量化的概括,以表示区域化变量的主要特征。
变异函数的理论模型主要是曲线模型,将曲线模型经过适当的变换,化为线性模型,然后用最小二乘法原理求未知参数的估计。
5,空间插值
分类:
确定性方法:基于实测数据的相似性程度或平滑程度,利用数学函数进行插值(如逆距离加权法)
地统计方法:利用实测数据的统计特性来量化其空间自相关程度,生产插值面并评价预测的不确定性
全局多项式插值法(趋势面分析法):即用数学公式表达感兴趣区域上的一种渐变的趋势。插值结果往往呈条带状(左图),适合于描述那些呈明显趋势分布的属性,不适合描述那些空间分布波动较大(较破碎,右图)的自然属性
逆距离加权法(IDW):利用被预测区域点周围的实测值来预测未采样点的值,实测点离预测点越近,则对插值的结果影响越大。
泰森多边形插值:由一组连续多边形组成,多边形的边界是由相邻两点直线的垂直平分线组成。
三角测量插值法:将采样点用直线与其相邻点连接成三角形,三角形内部包括任何样点,形成一个包括多个倾斜三角板的多面体(TIN)
克里格方法:和IDW一样,也是一种局部估计的加权平均,但是它对各实测点权重的确定是通过半方差分析获取的,可分为线性克里格法和非线性克里格法。
a) 普通克里金插值
b) 简单克里金法,已知区域随机变量的平均值,利用先验知识提供简单克里金插值精度。
c) 协同克里金法,利用两个变量之间相互关系,用其中易于观测的变量对另一个变量进行局部预测,要求有一个已知的相关函数,需要在多个地点采用测定相关关系
d) 泛克里金插值,区域化变量在研究区域内非平稳,数学期望不是一个常数。需要采取泛克里金插值。
e) 指示克里金法,需要知道某区域化变量在某地超过阈值Z的概率
克里格法实质上是利用区域化变量的原始数据和变异函数的结构特点,对未采样点的区域化变量的取值进行线性无偏最优估计的一种方法。
模糊数学
研究和处理模糊对象的新型数学方法