Создание эмпирических вариограмм
Доступно с лицензией Geostatistical Analyst.
Для построения эмпирической вариограммы определите квадрат разности значений для всех пар точек. График, на котором по оси Y отложена половина квадрата разности значений, а по оси X — расстояние между точками, называется облаком вариограммы. На приведенной ниже сцене показаны пары одного местоположения (красная точка) с 11 другими местоположениями.
Одной из основных целей вариографии является исследование и количественная оценка пространственной зависимости, также называемой Пространственная автокорреляция. Пространственная автокорреляция количественно определяет предположение о том, что объекты, расположенные ближе друг к другу, более похожи, чем объекты, расположенные дальше друг от друга. Таким образом, пары местоположений, которые находятся ближе (крайняя левая часть оси X облака вариограммы), будут иметь более схожие значения (нижняя часть оси Y облака вариограммы). По мере удаления друг от друга пары местоположений (перемещение вправо по оси x облака вариограммы) они должны стать более непохожими и получить большую разницу квадратов (перемещение вверх по оси y облака вариограммы). На изображении ниже показано типичное облако вариограммы вместе с синей линией, которая наилучшим образом соответствует точкам. Эта синяя линия называется вариограммой.
Из-за вычислительных ограничений (ограничения по времени вычислений и памяти), если входной набор данных содержит более 5000 наблюдений, Geostatistical Analyst случайным образом выберет 5000 наблюдений для структурного анализа и подбора модели вариограммы (это дает около 12,5 миллионов пар точек). Результирующая модель (поверхность) обычно не зависит от случайной выборки, поскольку все данные используются для создания прогнозируемых значений. Однако, если набор данных содержит несколько очень больших значений, они могут присутствовать или отсутствовать в поднаборе, используемом для создания эмпирических значений вариограммы/ковариации, и, следовательно, оцененная модель вариограммы может отличаться от модели вариограммы, оцененной с использованием всего набора данных.