Disponible con una licencia de Geostatistical Analyst.
El kriging asume que al menos una parte de la variación espacial observada en el fenómeno natural se puede modelar por procesos aleatorios con autocorrelación espacial, y requiere que la autocorrelación espacial se modele de forma explícita. Las técnicas de kriging se pueden utilizar para describir y modelar patrones espaciales, prever valores en ubicaciones sin mediciones y evaluar la incertidumbre asociada con un valor previsto en las ubicaciones sin mediciones.
El asistente de Estadísticas geográficas ofrece varios tipos de kriging, que son adecuados para distintos tipos de datos y tienen varias suposiciones subyacentes:
Estos métodos se pueden utilizar para generar las siguientes superficies:
- Mapas de valores previstos de kriging
- Mapas de errores estándar de kriging asociados con valores previstos
- Mapas de probabilidad, que indican si un nivel crítico predefinido se excedió o no
- Mapas de cuantiles para un nivel de probabilidad predeterminado
Hay dos excepciones a esto:
- Indicador y Probabilidad kringing, que producen lo siguiente:
- Mapas de probabilidad, que indican si un nivel crítico predefinido se excedió o no
- Mapas de errores estándar de indicadores
- La Interpolación de área, que produce lo siguiente:
- Mapas de valores previstos
- Mapas de errores estándar asociados con valores previstos
Hay varios componentes de modelos de estadísticas geográficas. Los más importantes son examinar los datos a través del análisis de datos espaciales exploratorio (ESDA) y variografía (consulte crear semivariogramas empíricos y ajustar un modelo al semivariograma empírico), crear un modelo de kriging para satisfacer sus necesidades (consulte ¿cuáles son los distintos modelos de kriging? y ¿qué tipos de superficie de salida pueden generar los modelos de kriging?) y compruebe que los resultados sean correctos al realizar una validación cruzada y una validación y al comparar modelos alternos para elegir el que sea mejor.
¿Algún comentario sobre este tema?