Mit der Geostatistical Analyst-Lizenz verfügbar.
Es gibt zwei Hauptgruppen von Interpolationsmethoden: deterministische und geostatistische. Deterministische Interpolationsmethoden erzeugen Oberflächen aus gemessenen Punkten basierend auf dem Grad der Ähnlichkeit (z. B. Inverse Distance Weighted) oder dem Glättungsgrad (z. B. radiale Basisfunktionen). Geostatistische Interpolationsmethoden (Kriging) nutzen die statistischen Eigenschaften der gemessenen Punkte. Geostatistische Methoden quantifizieren die räumliche Autokorrelation zwischen gemessenen Punkten und sind zuständig für die räumliche Konfiguration der Referenzpunkte um die vorhergesagte Position.
Weitere Informationen zu geostatistischen Methoden
Deterministische Interpolationsmethoden lassen sich in zwei Gruppen unterteilen: global und lokal. Globale Verfahren berechnen Vorhersagen anhand des vollständigen Datasets. Lokale Verfahren berechnen Vorhersagen aus den gemessenen Punkten in Nachbarschaften, die kleinere räumliche Bereiche innerhalb des größeren Untersuchungsgebiets darstellen. Geostatistical Analyst bietet "Global Polynomial" als globalen Interpolator und "Inverse Distance Weighted", "Local Polynomial", radiale Basisfunktionen, Kernel-Glättung und "Diffusion Kernel" als lokale Interpolatoren.
Eine deterministische Interpolation kann die resultierende Oberfläche zwingen, die Datenwerte zu durchlaufen oder nicht. Ein Interpolationsmethoden, das einen Wert vorhersagt, der mit dem gemessenen Wert an einer Referenzposition übereinstimmt, ist ein sogenannter genauer Interpolator. Ein ungenauer Interpolator sagt einen Wert vorher, der sich vom gemessenen Wert unterscheidet. Letzterer kann verwendet werden, um Spitzen und Mulden auf der Ausgabe-Oberfläche zu vermeiden. Inverse Distance Weighted und radiale Basisfunktionen sind genaue Interpolatoren, während Global Polynomial, Local Polynomial, Kernel Interpolation With Barriers und Diffusion Interpolation With Barriers ungenaue Interpolatoren sind.
Feedback zu diesem Thema?