需要 Geostatistical Analyst 许可。
克里金法和协同克里金法都是预测方法,最终目标是生成一个预测值表面。而且,您可能还会希望了解预测值的准确性。可生成三种不同类型的预测图,其中的两种关联有标准误差。您可选择按模型组织克里金方法;而本章节将按目标对它们进行组织。考虑下图,假定三个位置的预测都为正态分布:
预测将位于每条曲线的中心,同时可为整个表面生成预测图。观察左侧的三个图,如果要预测值大于阈值 1(举例来说)的要素概率,可计算曲线下虚线右侧的面积。每个位置的预测分布都不同。因此在保持阈值恒定时,将为整个表面生成概率图。观察右侧的三个图,如果要预测值概率为 5% 的分位数,请计算虚线上的值(取自 x 轴)。同样,每个位置的预测分布都不同。因此在保持概率恒定时,将为整个表面生成分位数图。可为预测图和概率图生成标准误差图。下表给出各种方法和输出图以及主要假设条件:
克里金法和协同克里金法 | 预测 | 预测标准误差 | 分位数图 | 概率图 | 标准误差指示图 |
---|---|---|---|---|---|
普通克里金 | X | X | X* | X* | |
泛克里金 | X | X | X* | X* | |
简单克里金 | X | X | X* | X* | |
指示克里金 | X | X | |||
概率 | X | X | |||
析取克里金 | X** | X** | X** | X** | |
经验贝叶斯 | X | X | X* | X* | |
面插值 | X | X |
*要求多元正态分布假设条件
**要求成对二元正态假设条件
有关此主题的反馈?