地统计分析 - 版本历史

2018年12月7日 (五) 10:28 Reiziuh

2018-12-07T10:28:46Z

2018年9月26日 (三) 10:36 Reiziuh

2018-09-26T10:36:34Z

Reiziuh：创建页面，内容为“{{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…”

2018-09-25T01:17:07Z

创建页面，内容为“{{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…”

新页面

{{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。

== 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。
* 地统计分析常用于插值预测，即根据已知的观测点位置、观测值数据，预测区域内该变量的变化趋势；
* 更为直观的案例，如：依据各气象站观测的温度、气压、PM2.5数据，通过插值的方法，获取区域内无气象站的其他地点的各项数据；

== 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。用户可以根据自己的需要截止到中间某一项。

=== 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。

== 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]]

←上一版本		2018年12月7日 (五) 10:28的版本
第26行：		第26行：
	* [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		* [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]]		* [[wikipedia:Kriging\|Wikipedia: Kriging]]
		+
		+	[[分类:地理信息系统概念]]

@@ 第5行： / 第5行： @@
 == 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。
 == 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。
-* 地统计分析常用于插值预测，即根据已知的观测点位置、观测值数据，预测区域内该变量的变化趋势；
+* 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。用户可以根据自己的需要截止到中间某一项。
+* 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。
 === 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。
 == 参考链接 ==