Mit der Geostatistical Analyst-Lizenz verfügbar.
Mit dem Werkzeug "Densify Sampling Network" können optimale Stellen bestimmt werden, um einem Überwachungsnetz neue Stichprobenpositionen basierend auf dem vordefinierten Auswahlkriterium hinzuzufügen.
Mehrere Kriterien können verwendet werden, um die Stelle für das Hinzufügen einer Station zu bestimmen, einschließlich maximaler Vorhersageunsicherheit und höchster Wahrscheinlichkeit, dass ein angegebener Schwellenwert überschritten wird.
Das Werkzeug nutzt einen bestehenden geostatistischen Layer, der unter Verwendung eines Kriging- oder Cokriging-Modells mit Messungen an den vorhandenen Überwachungsstationen erstellt wurde, um Standard-Vorhersagefehler, den Interquartil-Bereich sowie die Wahrscheinlichkeit zu bestimmen, dass ein angegebener Schwellenwert für jede Eingabeposition überschritten wird.
Wenn der maximale Standard-Vorhersagefehler stderr(s) als Kriterium verwendet wird, wird eine neue Stichprobenposition so ausgewählt, dass stderr(s), minimiert wird, und das Optimalitätskriterium O0(s) kann wie folgt ausgedrückt werden:
O0(s) = maximum of stderr(s)Die Wahrscheinlichkeit, einen Schwellenwert zu überschreiten, kann verwendet werden, um den Standard-Vorhersagefehler oder den Interquartil-Bereich zu gewichten. (Der Interquartil-Bereich Z0,75(s) - Z0,25(s) wird häufig anstelle des Standard-Vorhersagefehlers verwendet, wenn die Vorhersageverteilung nicht symmetrisch ist). Wenn zum Beispiel diese Wahrscheinlichkeit gleich 0,5 ist, ist das Optimalitätskriterium O1(s) is gleich dem Maximum des Standard-Vorhersagefehlers:
O1(s) = maximum of stderr(s)(1-2·abs(prob[Z(s)>Zthreshold]-0.5))Der Wert des Kriteriums verringert sich in dem Maß, in dem sich die Unsicherheit über das Überschreiten des Schwellenwertes verringert. Durch Hinzufügen der Positionen mit dem größten gewichteten Standard-Vorhersagefehler O0(s) zum Überwachungsnetz werden die Vorhersagen in der Nähe des Schwellenwertes verbessert.
Es ist häufig nützlich, die Optimierungskriterien mit den Werten der A-Priori-Wahrscheinlichkeit (Eingabe-Gewichtungs-Raster) zu multiplizieren. Beispielsweise können Werte gleich 1 den Bereichen zugeordnet werden, in denen neue Überwachungsstationen erlaubt sind, und Werte gleich 0 allen anderen Bereichen.
Es ist wichtig, die Standard-Vorhersagefehler zu verwenden, die nicht nur von der Dichte des Überwachungsnetzes abhängen, sondern auch von den Messwerten. Dies ist erreichbar durch Verwendung der Optionen zur Auflösung von Datentrends und Datentransformation.