查看“地统计分析”的源代码
←
地统计分析
跳转至:
导航
,
搜索
因为以下原因,您没有权限编辑本页:
您所请求的操作仅限于该用户组的用户使用:
用户
您可以查看与复制此页面的源代码。
{{提示|该页面仍需进一步完善,欢迎加入我们}} 地统计学,是专注于空间或时空数据分析的[[统计学]]分支。地统计学认为各统计变量与空间或时间要素不一定是完全随机或完全独立的,进而研究二者之间的关系;因此,地统计学对于样本数据,除了计算变量的均值、方差等统计量外,还需要计算变量的空间变异结构。 == 概述 == * 地统计学,是指以具有空间分布特点的区域化变量理论为基础,研究自然现象的空间变异与空间结构的一门学科。它是针对像矿产、资源、生物群落、地貌等有着特定的地域分布特征而发展的统计学。由于最先在地学领域应用,故称地统计学。地统计学的主要理论是统计学家马特龙创立的,经过不断完善和改进,目前已成为具有坚实理论基础和实用价值的数学工具。 * 半变异函数的三个重要参数:块金值、基台值、变程; == 应用 == * 地统计学的应用范围十分广泛,不仅可以研究空间分布数据的结构性和随机性、空间相关性和依赖性、空间格局与变异,还可以对空间数据进行最优无偏内插,以及模拟空间数据的离散性及波动性。地统计学由分析空间变异与结构的[[变异函数]]及其参数和空间局部估计的[[克里金]](Kriging)插值法两个主要部分组成,目前已在地球物理、地质、生态、土壤等领域应用。 * 空间插值方法是指根据已知点或已知分区数据来估计任意点或区域的数据的方法,前者称为“点插值”,后者称为“面插值”;点插值应用较多,空间插值常指代点插值,主要用于自然地理数据的插值,如天气预报、地址探测、环境污染等;面插值主要用于社会经济统计数据的处理,应用较多的是人口统计数据的空间分布研究。 == 上手 == * 运用地统计学进行空间分析包括以下几个步骤:数据探索性分析、空间连续性的量化模型、未知点属性值得估计、对未知点局部及空间整体不确定性的预测,可以根据自己的需要截止到中间某一项。 * 探索性空间数据分析:用于评估数据的统计属性、空间数据变异性、空间数据相关性和全局趋势,深入了解数据并为产值模型选择最合适的方法和参数。 === ArcGIS 地统计分析扩展模块 === * [[ArcGIS]]的地统计分析扩展模块,通过利用确定性插值方法和地统计方法对表面进行建模,是一个功能强大、简单易用的数据分析与表面建模工具。 * 包括三个部分:探索性空间数据分析(ESDA)、地统计向导、Geostatistical Analyst工具箱。 * [[ArcGIS]]地统计分析模块中,内嵌的探索性空间数据分析工具包括:直方图、正态QQ图、趋势分析、Voronoi图、常规QQ图、半变异函数与协方差差云、交叉协方差云等; * [[ArcGIS]]地统计分析模块中,地统计向导中提供了三大类插值方法,即确定性插值方法(包括全局多项式插值方法、局部多项式插值方法、反距离权重法、径向基函数法),地统计方法(包括普通克里金法、简单克里金法、泛克里金法、指示克里金法、概率克里金法、析取克里金法),含障碍的插值方法(包括扩散核方法、核光滑方法); == 参考链接 == * [[wikipedia:Geostatistics|Wikipedia: Geostatistics]] * [https://baike.baidu.com/item/地统计学 百度百科:地统计学] * [http://www.sohu.com/a/108639483_466832 地统计分析(跟牟老师学ArcGIS,第15章)],GeoTalks,搜狐科技 * [[wikipedia:Kriging|Wikipedia: Kriging]] [[分类:地理信息系统概念]]
该页面使用的模板:
模板:提示
(
查看源代码
)
返回至
地统计分析
。
导航菜单
个人工具
登录
命名空间
页面
讨论
变种
视图
阅读
查看源代码
查看历史
更多
搜索
导航
首页
分类索引
最近更改
随机页面
用户指南
编辑助手
工具
链入页面
相关更改
特殊页面
页面信息