Выбор величины лага
Доступно с лицензией Geostatistical Analyst.
Выборка величины лага оказывает существенное влияние на эмпирическую вариограмму. Например, если величина лага слишком велика, автокорреляция на малых расстояниях может быть скрыта. Если величина лага слишком мала, может оказаться много пустых бинов, а размеры выборок внутри бинов будут слишком малы для получения репрезентативных средних значений для бинов.
Когда образцы расположены на сетке создания образцов, шаг сетки обычно является хорошим индикатором для величины лага. Однако, если данные получены с использованием нерегулярной или случайной схемы выборки, выбор подходящей величины лага не столь очевиден. Простое правило состоит в том, чтобы умножить величину лага на число лагов, которое должно составлять около половины наибольшего расстояния между всеми точками. Также, если радиус подобранной модели вариограммы очень мал относительно охвата эмпирической вариограммы, можно уменьшить величину лага. И наоборот, если радиус подобранной модели вариограммы велик относительно охвата эмпирической вариограммы, можно увеличить величину лага.
Другой подход к определению величины лага заключается в использовании инструмента Среднее Ближайшее соседство для определения среднего расстояния между точками и их ближайшими соседями. Это обеспечивает достаточно хороший размер лага, поскольку каждый лаг будет содержать по крайней мере несколько пар точек. Инструмент Среднее Ближайшее соседство находится в разделе Инструменты Пространственная статистика, в группе Анализ структурных закономерностей. Необходимо указать только входной класс объектов. Метод расстояний автоматически устанавливается как Евклидово расстояние.
После выполнения инструмента он выводит Наблюдаемое среднее расстояние, и это значение можно использовать в качестве величины лага для моделирования вариограммы/ковариации. Однако, если набор данных содержит кластеризованные точки или выборки, может быть целесообразно использовать меньшее значение величины лага для получения более точной оценки эффекта самородка для модели вариограммы/ковариации.
Более подробно о подборе модели к эмпирической вариограмме