地统计（克里金法）模型包括多个组成部分：检查数据（分布、趋势、方向组成和异常值），计算经验半变异函数或协方差值，根据经验值拟合模型，生成克里金方程矩阵以及对其进行求解以为输出表面中的每个位置获取预测值及其关联误差（不确定性）。...
分类：
其他好文 时间：
2015-01-21 16:38:42
阅读次数：
289
步长大小的选择对于经验半变异函数有着重要的影响。例如，如果步长过大，短程自相关可能会被掩膜。如果步长过小，可能会有许多空条柱单元，并且条柱单元内的采样过小，而无法获得条柱单元的典型平均值。...
分类：
其他好文 时间：
2015-01-20 12:02:53
阅读次数：
127
有时，测量位置的值会包含一种方向影响，这种方向影响可以通过统计方式进行量化但可能无法通过已知的可识别过程予以说明。此方向影响称为各向异性。各向异性用于分析样本是否在不同方向上呈现出不同的范围。...
分类：
其他好文 时间：
2015-01-19 14:35:19
阅读次数：
157
半变异函数/协方差建模是空间描述和空间预测之间的关键步骤。地统计的主要应用是预测未采样位置处的属性值（克里金法）。...
分类：
其他好文 时间：
2015-01-14 14:24:09
阅读次数：
302
半变异函数/协方差云工具显示了一个数据集内的所有位置对的经验半变异函数和协方差值，并且将其作为分隔两位置的距离的函数进行绘制，如以下示例所示：
半变异函数/协方差云工具可以用来检查数据集中空间自相关的局部特征以及查找局部异常值。半变异函数云的形式如下：
在上图中，每个红点显示根据分隔两个数据点的距离绘制的经验半变异函数值(组成一对的两个数据点的值的平方差...
分类：
其他好文 时间：
2014-12-25 18:20:20
阅读次数：
531
