ArcGIS ™ Analis geostatistik: Alat statistik Data

Eksplorasi, Modeling,
dan Advanced Permukaan Generation
sebuah ESRI ® Kertas putih • Agustus 2001

ESRI 380 New York St., Redlands, CA 92.373-8.100, USA • TEL 909-793-2853 • FAX 909-793-5953 • E-MAIL info@esri.com • WEB www.esri.com
Copyright © 2001
ESRI-undang.
Dicetak di Amerika Serikat.

Informasi yang terkandung dalam dokumen ini adalah milik eksklusif ESRI. Karya ini dilindungi oleh Amerika Serikat hukum hak cipta dan perjanjian hak
cipta internasional lainnya dan konvensi. Tidak ada bagian dari pekerjaan ini dapat direproduksi atau ditransmisikan dalam bentuk apapun atau dengan
cara apapun, elektronik atau mekanik, termasuk fotokopi dan rekaman, atau oleh penyimpanan informasi atau pengambilan sistem, kecuali sebagaimana
diizinkan secara tertulis oleh ESRI. Semua permintaan harus dikirim ke Perhatian: Manajer Kontrak, ESRI, 380 New York Street, Redlands, CA
92.373-8.100, USA.

Informasi yang terkandung dalam dokumen ini dapat berubah tanpa pemberitahuan.

HAK PEMERINTAH AS TERIKAT / TERBATAS

Setiap bawah ini software, dokumentasi, dan / atau data yang dikirim tunduk pada persyaratan Perjanjian Lisensi. Dalam acara tidak akan Pemerintah AS
memperoleh lebih besar dari HAK TERBATAS / TERBATAS. Minimal, penggunaan, duplikasi, atau pengungkapan oleh Pemerintah AS tunduk pada
pembatasan sebagaimana diatur dalam FAR §52.227-14 Pengganti
I, II, dan III (JUN 1987); FAR §52.227-19 (Juni 1987) dan / atau FAR §12.211 / 12.212 (Komersial Data Teknis / Komputer Software); dan DFARS
§252.227-7015 (NOV 1995) (Data Teknis) dan / atau DFARS §227.7202 (Software Komputer), sebagaimana berlaku. Kontraktor / Produsen adalah
ESRI, 380 New York Street, Redlands, CA 92373-
8100, USA.

ESRI, ArcView, dan logo dunia ESRI adalah merek dagang dari ESRI, yang terdaftar di Amerika Serikat dan negara-negara tertentu lainnya;
pendaftaran tertunda di Masyarakat Eropa. ArcGIS, ArcInfo, ArcEditor, dan ArcMap adalah merek dagang dan @ esri.com dan www.esri.com adalah
merek layanan dari ESRI.

Nama-nama perusahaan lain dan produk sini adalah merek dagang atau merek dagang terdaftar dari pemilik merek dagang mereka masing-masing.
J-8647

ArcGIS Geostatistik Analis: Alat

statistik Data Eksplorasi, Modeling,
dan Advanced Permukaan Generation

Sebuah ESRI White Paper

Isi Halaman

1. Ikhtisar ............................................... ........................................ 1

Apa Analis Geostatistik Apakah? .......................................... 2

Siapa yang Menggunakan Analis Geostatistik? ................................................. 2

Mengapa Gunakan Geostatistik Analyst? ............................................. ...... 3

Menyimpan Lives ................................................ ............................... 3
Meningkatkan Efisiensi ................................................ ................ 4
Beberapa Alat untuk Representasi Data ................................... 4
Lingkungan eksplorasi untuk Data Investigasi ................... 4
Wizard-Driven Interface untuk Cepat Proses interpolasi Efisien
......................................... ....................................... 5
Lakukan Diagnostik ................................................ ................. 5

2. Menggunakan Analis Geostatistik ............................................. ........... 5

Bekerja dengan Data .............................................. ..................... 5

Mewakili data ............................................... .......................... 6

Jelajahi data yang EKSPLORATORI Spasial Analisis Data ................... 6

Fit Model (membuat permukaan) .......................................... ............... 7

Metode deterministik ................................................ ............. 7
Metode geostatistik ................................................ ............. 8

ESRI White Paper saya

ArcGIS Geostatistik Analis: Alat statistik Data Eksplorasi, Modeling, dan
Advanced Permukaan Generation

J-8647

Isi Halaman

Kriging ................................................. .................................... 8

Cokriging ................................................. ................................. 9
Permukaan keluaran ................................................ ........................ 9

Alat analisis untuk Membuat Permukaan .......................................... 10

Investigasi Data Spasial Struktur: variografi ............. 10
Detrending Alat ................................................ ...................... 12
Cari Neighborhood Keterangan ......................................... 13
Data Transformasi ................................................ ............... 13
Cara Declustering ................................................ ................ 14
Bivariat Distribusi Normal ............................................... ... 14

Lakukan Diagnostik ................................................ ....................... 15

Cross-Validasi dan Validasi ............................................. . 15
Model Perbandingan ................................................ ................... 16

Pilihan tampilan................................................ .............................. 17

Tampilan Format ................................................ ....................... 17

3. Kesimpulan ............................................... ...................................... 18

Data Digunakan di Layar Shots ............................................. ................ 18

Agustus 2001 ii
J-8647

ArcGIS Geostatistik Analis: Alat

statistik Data Eksplorasi, Modeling,
dan Advanced Permukaan Generation

1. Ikhtisar ESRI ® ArcGIS ™ Analis geostatistik adalah ekstensi baru untuk ArcGIS 8.1
(ArcInfo ™, ArcEditor ™, dan ArcView ®) yang menyediakan lingkungan yang dinamis untuk membantu
memecahkan masalah spasial seperti meningkatkan nilai suhu estimasi, menilai risiko lingkungan,
atau memprediksi keberadaan unsur geofisika. Analis geostatistik menyediakan berbagai macam
alat untuk eksplorasi data spasial, identifikasi anomali data, evaluasi kesalahan dalam model
permukaan prediksi, estimasi statistik, dan penciptaan permukaan optimal. Analis geostatistik
memberikan siapa pun dengan data spasial kebebasan untuk menyelidiki, memvisualisasikan, dan
menciptakan permukaan menggunakan metode statistik yang canggih.

Menggunakan berbagai alat analisis data

spasial eksplorasi, pengguna dapat
menyelidiki sifat ozon pengukuran diambil
pada pemantauan stasiun di Pegunungan
Carpathian.

Selidiki tingkat ozon.

Dari menganalisa keparahan polusi udara ozon untuk mengidentifikasi kontaminasi tanah, Geostatistik Analis dapat
digunakan untuk membuat permukaan prediktif untuk berbagai jenis data. Dengan mengeksplorasi data, menentukan
metode interpolasi terbaik, dan dengan memanfaatkan teknik diagnostik, satu berhasil dan mudah dapat membuat
permukaan diinterpolasi optimal yang secara statistik mewakili data. Analis geostatistik juga dapat memberikan
informasi statistik tambahan yang membantu pengguna menilai kualitas analisis mereka menggunakan prediksi
standard error, probabilitas, kuantil, dan standard error dari permukaan indikator.

ESRI White Paper

ArcGIS Geostatistik Analis: Alat statistik Data Eksplorasi, Modeling, dan
Advanced Permukaan Generation

J-8647

"... Dimasukkannya metode interpolative lebih spasial dalam ArcGIS adalah fitur besar. Sekarang, untuk melakukan
interpolasi kuat dari tren data, pengguna ArcGIS tidak lagi harus berurusan dengan preprocessing data untuk
ekspor ke aplikasi lain ..."

Daniel M. Petrecca
Senior Staf hidrogeologi / GIS Specialist Langan Teknik dan
Lingkungan Services, Inc.

Dialog semivariogram / kovarians digunakan untuk

menyesuaikan model prediksi geostatistik untuk
data temperatur musim dingin untuk Amerika
Serikat. Model ini kemudian digunakan untuk
membuat peta distribusi temperatur.

Menganalisis data suhu.

Apa Analis geostatistik menentukan probabilitas variabel tertentu yang terjadi di area di mana mengidentifikasi setiap
Geostatistik Analyst lokasi mungkin tidak mungkin. Misalnya, di California, stasiun pemantauan kualitas udara diatur sekitar Negara.
Melakukan?Ini mengukur jumlah partikulat di udara dan bagaimana berbahaya mereka ke daerah-daerah sekitarnya. Analis
geostatistik dapat menentukan perkiraan jumlah partikulat di bidang bunga dan juga dapat menentukan di mana
partikel ini dapat bergerak dengan menciptakan permukaan yang optimal interpolasi. Analis geostatistik
menyediakan banyak metode interpolasi kuat dengan alat-alat analisis canggih untuk menghasilkan permukaan
diinterpolasi optimal dari pengukuran data spasial diskrit.

Siapa yang Menggunakan

Analis geostatistik? Analis geostatistik adalah
data kontinu
paket untuklunak
perangkat mengeksplorasi
yang fleksibeldan
yangmenganalisis
memungkinkandata dengan
setiap menggunakan
pengguna alat statistik dan interpolasi permukaan
dengan spasial

yang optimal. Beberapa berbagai bidang yang memanfaatkan Analis Geostatistik termasuk lingkungan, pertanian,
eksplorasi, geologi, meteorologi, hidrologi, arkeologi, kehutanan, kesehatan, pertambangan, dan real estate.

"Saya bekerja di sisi lingkungan di mana layanan kami meliputi hidrogeologi, geologi, dan penokohan geokimia dan
penyelidikan perbaikan dari yang terkontaminasi atau berpotensi sifat terkontaminasi. Klien kami meliputi utilitas,
perusahaan kimia, perusahaan minyak bumi, dan pada dasarnya siapapun yang telah cukup beruntung untuk
memiliki beracun . zat di situs mereka Jadi, kami menggunakan Analyst Geostatistik untuk interpolasi banyak hal:

! stratigrafi situs dan permukaan geologi dari log lubang bor

! permukaan air tanah dan aliran dari data elevasi air

Agustus 2001 2
 ArcGIS Geostatistik Analis: Alat statistik Data Eksplorasi,
Modeling, dan Advanced Permukaan Generation

J-8647

! Tingkat kontaminasi dari analisis kimia sampel tanah dan air

! Topografi dari ketinggian tempat

! Tren pengukuran lapangan data lain (misalnya, tanah penetrating radar dan
metal elektromagnetik detektor data)"

Daniel M. Petrecca
Senior Staf hidrogeologi / GIS Specialist Langan Teknik dan
Lingkungan Services, Inc.

Mengapa Analis geostatistik menciptakan permukaan terus menerus interpolasi statistik dari sampel diukur. permukaan ini
Menggunakan Geostatistik merupakan estimasi statistik atau prediksi dari mana fenomena tertentu mungkin terjadi. Dari menentukan dampak
Analis? dari rilis Biohazard untuk mengidentifikasi di mana spesies tanaman dapat berkembang, Analis Geostatistik
menyediakan alat interpolasi yang unik untuk kebutuhan prediktif pengguna. Tidak hanya interpolasi permukaan
dibuat, tetapi juga berbagai macam alat-alat analisis dan eksplorasi digabungkan untuk mengekstrak informasi yang
berguna dari data. Analis geostatistik menyediakan, solusi logis hemat biaya untuk menganalisis berbagai data set
yang lain akan dikenakan biaya sejumlah besar waktu dan uang untuk mencapai.

menyimpan Lives Analis geostatistik dapat menilai bahaya lingkungan yang potensial oleh interpolasi aliran mungkin dan arah
radiasi, polusi udara, Biohazard rilis, kontaminasi akuifer, dan setiap limbah yang berpotensi berbahaya yang
dapat diperkenalkan ke daerah tempat tinggal manusia.

Sebagai contoh, Analis Geostatistik digunakan untuk interpolasi intensitas dan arah radiasi berbahaya yang
dihasilkan dari kecelakaan Chernobyl. Kasus kanker tiroid, radionuklida tanah, dan kontaminasi makanan yang
beberapa variabel yang digunakan untuk memperkirakan tingkat keparahan kecelakaan Chernobyl pada daerah
sekitarnya.

Peta ini mengilustrasikan prediksi tingkat kontaminasi

tanah radioceasium di negara Belarus setelah kecelakaan
nuklir Chernobyl pada tahun 1994.

Menilai prediksi dampak lingkungan.

Menggunakan Analis Geostatistik, daerah yang telah menerima pencemaran lingkungan dapat diidentifikasi untuk
akhirnya mencegah paparan risiko kesehatan.

ESRI White Paper 3

ArcGIS Geostatistik Analis: Alat statistik Data Eksplorasi, Modeling, dan
Advanced Permukaan Generation

J-8647

Dalam contoh ini, lokasi ditampilkan dengan warna yang

lebih gelap menunjukkan probabilitas yang lebih besar dari
62 persen bahwa kontaminasi radioceasium melebihi
batas atas yang diperbolehkan untuk comsumption
manusia dalam berry hutan (sumber makanan populer) di
bagian selatan dari Belarus pada tahun 1993.

Hitung probabilitas melebihi ambang batas lingkungan.

meningkatkan Efisiensi Analis geostatistik menyediakan pengguna dengan kemampuan untuk memprediksi kondisi yang optimal untuk
produksi yang efisien dan lebih dapat diandalkan. Sebagai contoh, seorang petani jagung dapat memanfaatkan Analyst
Geostatistik untuk menentukan mengapa hasil panen di daerah tertentu dari pertanian berada di bawah potensi. rotasi
tanaman, tambahan pupuk, teknik irigasi ditingkatkan, dan sebagainya, kemudian dapat diterapkan ke daerah menurun. Analis
geostatistik menyediakan metode interpolasi costeffective untuk memprediksi dan menghitung daerah yang sangat potensial
dan / atau daerah penurunan.

Dengan interpolasi jumlah fosfor dalam tanah di

seluruh peternakan ini di Illinois, pengguna dapat
lebih efektif mengalokasikan pemupukan untuk
tanaman masa depan.

Menilai produktivitas pertanian.

Beberapa Alat untuk Representasi Data Analis geostatistik adalah ArcMap • ekstensi yang memungkinkan pengguna untuk mengambil penuh
keuntungan dari banyak alat visualisasi di ArcMap. ArcMap memungkinkan pengguna untuk membuat peta kartografi
berkualitas tinggi dan mengeksplorasi dan menganalisis data untuk membuat keputusan yang lebih efektif. Visualisasi
sangat penting ketika menggunakan Analyst Geostatistik karena kesimpulan tentang data dapat diperoleh untuk
membangun model yang lebih baik dan menciptakan permukaan yang lebih akurat.

Lingkungan Semakin banyak pengguna mengerti tentang fenomena yang sedang diselidiki lebih baik permukaan yang dihasilkan dari
eksplorasi untuk Data titik sampel akan. Analis geostatistik menyediakan rangkaian lengkap dari eksplorasi Spasial Analisis Data (ESDA) alat
investigasi untuk mengeksplorasi data. Setiap alat memberikan pandangan dari data dalam jendela terpisah, dan masing-masing alat
dihubungkan satu sama lain

Agustus 2001 4
 ArcGIS Geostatistik Analis: Alat statistik Data Eksplorasi,
Modeling, dan Advanced Permukaan Generation

J-8647

dan dengan peta. Alat ESDA memungkinkan pengguna untuk mengeksplorasi distribusi data, mencari tren global
dalam data, mengidentifikasi outliers lokal dan global, dan memahami tata ruang dalam data.

Antarmuka Analis geostatistik menyediakan lingkungan wizard-driven yang memandu pengguna melalui proses interpolasi.
wizard-Driven untuk Dengan memilih input data dan metode interpolasi dan mengikuti petunjuk penyihir, permukaan perwakilan dibuat
Cepat interpolasi Efisien untuk data. Disarankan bahwa pengguna pertama menggunakan alat ESDA yang disediakan, yang membantu
proses dalam menilai mana model interpolasi yang terbaik untuk data.

"Dengan Analis Geostatistik, Anda bisa menyesuaikan metode interpolasi dan

parameter dan melihat preview dari permukaan secara real time sebagai
perubahan yang dibuat dalam wizard. Jadi, sekali metode akhir dan parameter
yang ditentukan, permukaan dibuat sekali sebagai sebuah lapisan."

Daniel M. Petrecca
Senior Staf hidrogeologi / GIS Specialist Langan Teknik dan
Lingkungan Services, Inc.

Lakukan Diagnostik Setelah membuat permukaan prediksi, penting untuk mengidentifikasi bagaimana statistik terdengar permukaan.
Analis geostatistik menyediakan cross-validasi dan validasi alat yang memungkinkan pengguna untuk mengevaluasi
model dan prediksi yang digunakan untuk membuat permukaan. Alat mengukur signifikansi statistik dari model dan
model dapat diubah dengan memperbaiki parameter.

Geostatistik Analyst juga menyediakan pengguna dengan alat perbandingan untuk memilih permukaan terbaik diinterpolasi
untuk data. Alat-alat ini disediakan sehingga pengguna dapat mengukur prediksi berdasarkan satu model relatif terhadap
yang lain. Dengan visual menganalisis kesalahan prediksi model yang berbeda, model yang optimal dapat dimanfaatkan.

2. Menggunakan
geostatistik
Analis

Bekerja dengan Ada empat langkah dasar untuk menciptakan permukaan interpolasi.
Data

Mewakili data Jelajahi Data Fit Model (membuat Lakukan Diagnostik

permukaan)

ESRI White Paper 5

ArcGIS Geostatistik Analis: Alat statistik Data Eksplorasi, Modeling, dan
Advanced Permukaan Generation

J-8647

Mewakili data Ada banyak alat yang berbeda untuk memvisualisasikan data, yang memberikan banyak informasi sebelum membuat
permukaan. Dengan memvisualisasikan data, informasi yang berguna seperti kesimpulan dari lautan, elevasi, jalan, dan tepi
poligon dapat diperoleh. Mewakili data adalah langkah pertama yang penting dalam menilai keabsahan data dan
mengidentifikasi faktor-faktor eksternal yang pada akhirnya mungkin memainkan peran dalam distribusi data.

Dalam tampilan ini kita bisa melihat bahwa

pengaruh topografi dan pesisir bisa
memainkan peran dalam tingkat keparahan
polusi udara di California.

Jelajahi data yang
EKSPLORATORI Tata Ruang
Analisis data
Alat ESDA dirancang untuk mengeksplorasi data spasial. Memvisualisasikan distribusi data, mencari tren data,
mencari outlier global dan lokal, memeriksa autokorelasi spasial, dan memahami covariation antara beberapa set
data semua tugas yang berguna untuk melakukan pada data. ESDA adalah seperangkat alat yang kuat eksplorasi
untuk menentukan metode interpolasi sesuai untuk data. Sebagai contoh, sebuah lingkungan mungkin melihat tren
global dalam data yang disebabkan oleh perbedaan elevasi drastis dalam kotak dialog analisis trend. Pengguna ini
mungkin bersandar ke arah memanfaatkan metode universal kriging untuk memperhitungkan variasi ini.

Pandangan di ESDA adalah selektif interaktif dalam ArcMap. Data yang dipilih atau disorot dengan alat-alat ini
juga akan dipilih atau disorot di jendela layar ArcMap. Ini menyediakan pengguna dengan kemampuan yang unik
untuk visual berinteraksi dengan data untuk lebih memahami hubungan diwakili dalam berbagai display.

Memeriksa data lokal

variabilitas

Spasial Distribusi

Periksa Distribusi
statistika
Menganalisis Data

Menganalisis data
Bandingkan data
Tren
Distribusi

Semua grafik ESDA terkait secara dinamis satu sama lain dan peta.

Agustus 2001 6
 ArcGIS Geostatistik Analis: Alat statistik Data Eksplorasi,
Modeling, dan Advanced Permukaan Generation

J-8647

Fit Model Setelah pengguna telah benar-benar dieksplorasi data anomali seperti outlier global dan lokal dan tren data,
(membuat permukaan) Analis Geostatistik menyediakan wizard yang membuat proses interpolasi mudah untuk menyelesaikan. Berbagai
macam metode interpolasi untuk menciptakan permukaan yang tersedia.

Ada dua kelompok utama dari teknik interpolasi, deterministik dan geostatistik. Teknik interpolasi deterministik
digunakan untuk membuat permukaan dari titik yang diukur berdasarkan baik pada tingkat kesamaan (misalnya,
jarak terbalik tertimbang [IDW]) atau tingkat smoothing (misalnya, radial fungsi dasar dan polinomial global dan
lokal). Teknik interpolasi geostatistik didasarkan pada statistik dan digunakan untuk pemodelan permukaan
prediksi yang lebih canggih yang juga termasuk kesalahan atau ketidakpastian prediksi. Untuk informasi lebih
lanjut tentang berbagai metode interpolasi yang disediakan, silakan lihat Bab 5 dan 6 di Menggunakan ArcGIS
Geostatistik Analyst.

Tergantung pada metode, permukaan output berikut dapat diproduksi: prediksi, prediksi standard error
(ketidakpastian), kuantil, probabilitas, atau standard error dari indikator. Analis geostatistik memberikan
pengguna kontrol penuh atas parameter dari model terkait dan default diandalkan disediakan.

geostatistik Wizards

Pilihan standar

Pilih Data dan Pilih Jenis Output Permukaan Menganalisis Struktur Diagnostik Kualitas
Metode dan Model Geostatistik Data Spasial Sesuaikan Mencari Lingkungan Prediksi tersebut Meringkaskan

Wizard geostatistik memandu pengguna melalui proses interpolasi. Pilihan standar ditampilkan dan berbagai macam alat-alat analisis, seperti detrending, declustering, dan
transformasi, juga disertakan.

deterministic Teknik interpolasi deterministik digunakan untuk membuat permukaan dari titik yang diukur berdasarkan baik
metode pada tingkat kesamaan (misalnya, IDW) atau tingkat smoothing (misalnya, radial fungsi dasar dan polinomial
global dan lokal).

! Inverse Distance Weighted

! Polinomial global
! Polinomial lokal
! Fungsi Dasar radial

teknik interpolasi deterministik dapat dibagi menjadi dua kelompok: global dan lokal. teknik global yang
menghitung prediksi menggunakan seluruh set data. teknik lokal menghitung prediksi dari titik diukur dalam
lingkungan tertentu, yang

ESRI White Paper 7

ArcGIS Geostatistik Analis: Alat statistik Data Eksplorasi, Modeling, dan
Advanced Permukaan Generation

J-8647

daerah tata ruang yang lebih kecil dalam wilayah penelitian yang lebih besar. Analis geostatistik menyediakan
polinomial global sebagai interpolator global dan IDW, polinomial lokal, dan radial fungsi dasar sebagai interpolators
lokal.

Interpolasi baik dapat memaksa permukaan yang dihasilkan untuk melewati nilai data atau tidak. Sebuah teknik
interpolasi yang memprediksi nilai identik dengan nilai yang terukur di lokasi sampel dikenal sebagai interpolator
tepat. Interpolator eksak memprediksi nilai di lokasi sampel yang berbeda dari nilai yang terukur. Yang terakhir
dapat digunakan untuk menghindari puncak tajam atau lembah di permukaan output. IDW dan radial fungsi dasar
yang interpolators tepat, sementara polinomial global dan lokal yang eksak. Sebuah penggunaan khas dari
metode deterministik mungkin seorang analis ritel yang perlu untuk menentukan daya beli lokasi ritel yang jauh
berdasarkan kedekatan dari rumah konsumen. Dengan menerapkan bobot dengan metode IDW, analis ini
mungkin dapat secara efektif mengidentifikasi lokasi optimal untuk toko ritel.

Metode geostatistik Teknik interpolasi geostatistik didasarkan pada statistik dan digunakan untuk lebih
pemodelan permukaan prediksi canggih yang juga mencakup kesalahan atau ketidakpastian prediksi.

! Kriging dan Cokriging

• algoritma
♦ - Biasa
♦ - Sederhana

♦ - Universal
♦ - Indikator
♦ - Probabilitas
♦ - disjungtif
! Permukaan keluaran

• Prediksi dan standar prediksi error

• kuantil

• Probabilitas dan kesalahan standar indikator

kriging metode geostatistik membuat permukaan menggabungkan sifat-sifat statistik dari

data yang diukur. Karena geostatistik didasarkan pada statistik, metode ini menghasilkan tidak hanya permukaan
prediksi tetapi juga kesalahan atau ketidakpastian permukaan, memberikan pengguna indikasi seberapa baik
prediksi.

Kriging dibagi menjadi dua tugas yang berbeda: mengukur struktur spasial data dan memproduksi prediksi. Mengukur
struktur data spasial, yang dikenal sebagai variografi, sepatutnya model spasial-ketergantungan pada data. Untuk
membuat prediksi untuk nilai yang tidak diketahui untuk lokasi tertentu, kriging akan menggunakan model dipasang
dari variografi, konfigurasi data spasial, dan nilai-nilai titik sampel yang diukur sekitar lokasi prediksi. Analis geostatistik
menyediakan banyak alat bantu untuk membantu menentukan parameter untuk menggunakan, dan default juga
disediakan sehingga permukaan dapat dibuat dengan cepat. Sebuah penggunaan khas dari metode kriging mungkin
menjadi lingkungan yang akuifer pengambilan sampel dan mengidentifikasi bahwa korelasi spasial antara titik sampel
jelas. Ini

Agustus 2001 8
 ArcGIS Geostatistik Analis: Alat statistik Data Eksplorasi,
Modeling, dan Advanced Permukaan Generation

J-8647

Analis maka dapat menggunakan metode probabilitas kriging untuk menentukan kemungkinan melebihi tingkat
arsenik kritis yang ditetapkan oleh Environmental Protection Agency.

Banyak metode yang berhubungan dengan geostatistik tetapi mereka semua dalam keluarga kriging. Biasa,
sederhana, universal, probabilitas, indikator, dan kriging disjungtif bersama dengan versi multivariat di cokriging
tersedia di Analyst Geostatistik.

Kriging adalah interpolater cukup cepat yang dapat tepatnya atau merapikan tergantung pada model kesalahan pengukuran.
Hal ini sangat fleksibel dan memungkinkan pengguna untuk menyelidiki grafik dari autokorelasi spasial. Kriging
menggunakan model statistik yang memungkinkan berbagai output peta termasuk prediksi, prediksi kesalahan standar,
standard error dari indikator, dan probabilitas. Fleksibilitas kriging dapat memerlukan banyak pengambilan keputusan.
Kriging mengasumsikan data berasal dari proses stokastik stasioner. Sebuah proses stokastik adalah kumpulan variabel
acak yang diperintahkan dalam ruang dan / atau waktu seperti pengukuran ketinggian. Beberapa metode, seperti biasa,
sederhana, dan universal kriging, berasumsi terdistribusi secara normal data.

Cokriging Cokriging adalah multivariat setara dengan kriging. Dengan menggunakan beberapa set data itu adalah
metode interpolasi sangat fleksibel, yang memungkinkan pengguna untuk menyelidiki grafik crosscorrelation dan autokorelasi.
Fleksibilitas cokriging membutuhkan pengambilan paling keputusan. Cokriging dapat menggunakan salah semivariograms atau
covariances. Hal ini dapat menggunakan transformasi dan menghapus tren, dan dapat memungkinkan untuk kesalahan
pengukuran dalam situasi yang sama seperti untuk berbagai metode kriging.

Permukaan keluaran Ada empat permukaan interpolasi tersedia dengan Geostatistik Analyst. Ini adalah prediksi, kuantil, probabilitas
ambang batas melebihi, dan kesalahan prediksi. Ini memungkinkan pengguna untuk menganalisis data dalam
berbagai cara.

! Peta Prediksi: Diproduksi dari nilai-nilai interpolasi untuk menampilkan variabel acak
di lokasi di mana data yang belum dikumpulkan.

! Kesalahan peta prediksi: Dihasilkan dari kesalahan standar nilai diinterpolasi

atau standard error dari nilai indikator interpolasi untuk menampilkan ketidakpastian prediksi.

! Peta kuantil: Dihasilkan ketika pengguna menentukan probabilitas dan ingin peta
nilai-nilai di mana prediksi melebihi (atau tidak melebihi) nilai-nilai di probabilitas tertentu.

! Peta probabilitas: Dihasilkan ketika pengguna menentukan ambang batas dan ingin peta
probabilitas bahwa nilai-nilai melebihi (atau tidak melebihi) ambang batas yang ditentukan.

ESRI White Paper 9

ArcGIS Geostatistik Analis: Alat statistik Data Eksplorasi, Modeling, dan
Advanced Permukaan Generation

J-8647

Ramalan Kesalahan Prediksi kuantil Kemungkinan

Berbagai Permukaan Diproduksi Menggunakan Kriging Biasa

Alat analisis untuk Analis geostatistik menyediakan wizard yang berisi alat-alat analisis untuk membantu analis dalam menentukan
membuat Permukaan nilai untuk parameter yang digunakan dalam menciptakan setiap jenis permukaan. Beberapa kotak dialog dan
alat-alat yang berlaku untuk hampir semua metode interpolasi seperti menentukan lingkungan pencarian,
cross-validasi, dan validasi. Lainnya adalah khusus untuk metode geostatistik (kriging dan cokriging) seperti
semivariograms modeling, transformasi, detrending, declustering, dan memeriksa distribusi normal bivariat.

investigasi The semivariogram dan kovarians fungsi mengukur kekuatan korelasi statistik sebagai fungsi jarak. Analis
Data spasial geostatistik menyediakan pengguna dengan preview semivariogram / kovarians. Hal ini membuat
Struktur: menyesuaikan parameter dari model, termasuk anisotropi (lihat halaman 13) dan pemodelan kesalahan
variografi pengukuran, lebih mudah dan lebih efisien.

! semivariogram yang menampilkan korelasi statistik titik data terdekat. sebagai

jarak meningkat, kemungkinan data ini poin yang sedang berhubungan menjadi lebih kecil.

Varians dari perbedaan meningkat dengan jarak, sehingga semivariogram

yang dapat dianggap sebagai fungsi perbedaan.

Agustus 2001 10
 ArcGIS Geostatistik Analis: Alat statistik Data Eksplorasi,
Modeling, dan Advanced Permukaan Generation

J-8647

! Ketika dua lokasi yang dekat satu sama lain, maka kami mengharapkan mereka untuk menjadi serupa dan sebagainya

kovarians mereka akan besar. Sebagai lokasi mendapatkan jauh terpisah, mereka menjadi kurang mirip dan
kovarians mereka menjadi nol.

autokorelasi menurun dengan jarak, sehingga kovarians yang dapat dianggap

sebagai fungsi kesamaan.

! Kesalahan Modeling.

Terlepas dari metode interpolasi akan selalu ada beberapa kesalahan dalam analisis. Kesalahan ini dapat
dipengaruhi oleh banyak faktor seperti data yang tidak akurat dasar, variasi dalam sifat fisik sampel data,
kesalahan manusia, dan perubahan temporal antara pengukuran. Semua faktor ini memainkan peran dalam
tingkat keparahan dari kesalahan pengukuran. Kesalahan pemodelan digunakan untuk meminimalkan efek dari
kesalahan pengukuran tersebut. Ketika kesalahan pengukuran ditentukan, kriging adalah teknik interpolasi eksak.
Oleh karena itu, prediksi di lokasi pengukuran yang berbeda dari pengukuran yang sebenarnya. Analis
geostatistik memungkinkan analis untuk menyesuaikan kesalahan pengukuran untuk mengoptimalkan model
error. Untuk data kebetulan (beberapa pengukuran di satu lokasi) Geostatistik Analis dapat memperkirakan diukur
variasi bagi pengguna.

! Cross-Kovarian.

Cross-kovarians adalah kecenderungan statistik variabel jenis yang berbeda untuk bervariasi dalam cara-cara yang berhubungan
satu sama lain. Positif cross-kovarians terjadi ketika kedua variabel cenderung di atas berarti masing-masing bersama-sama, dan
negatif cross-kovarians terjadi jika salah satu variabel cenderung berada di atas rata-rata ketika variabel lainnya adalah di bawah
rata-ratanya.

Ketika pengguna memiliki beberapa set data dan ingin menggunakan cokriging, maka pengguna perlu mengembangkan model
untuk cross-kovarians.

ESRI White Paper 11

ArcGIS Geostatistik Analis: Alat statistik Data Eksplorasi, Modeling, dan
Advanced Permukaan Generation

J-8647

pemodelan lintas-kovarians digunakan untuk

mendefinisikan karakteristik lokal korelasi spasial
antara dua set data dan digunakan untuk mencari
pergeseran tata ruang di cross-korelasi antara dua
set data. Dalam contoh ini, ada pergeseran tata
ruang yang kuat dalam nilai-nilai dua set data ke
arah barat.

Mengidentifikasi korelasi spasial antara dua set data.

! Anisotropi: semivariogram Directional dan kovarians fungsi.

Anisotropi mirip dengan tren directional global yang kecuali bahwa penyebab pengaruh directional biasanya tidak diketahui
dan dimodelkan sebagai kesalahan acak. Anisotropi merupakan karakteristik dari proses acak yang menunjukkan
autokorelasi lebih tinggi dalam satu arah dari yang lain. Bahkan tanpa mengetahui penyebabnya, anisotropic pengaruh
dapat diukur dan dipertanggungjawabkan.

Model isotropik mencapai tingkat di mana tingkat semivariogram off (sill) pada jarak yang sama ke segala arah.
Namun, dengan model anisotropic, beberapa arah mencapai ambang jendela lebih cepat daripada yang lain.

Garis kuning menunjukkan model

semivariogram untuk berbagai arah.
Model adalah "paling cocok" model
semivariogram teoritis ke semivariogram
empiris. Geostatistik Analyst otomatis
menghitung parameter optimal (misalnya,
kisaran utama, berbagai minor, dan sudut
arah) untuk memperhitungkan pengaruh
anisotropik.

Mengidentifikasi pengaruh directional.

Detrending Alat Kadang-kadang hal ini berguna untuk menghapus tren permukaan dari data dan menggunakan kriging atau cokriging
pada data detrended (residual). Sebagai contoh, jika set ozon data yang memiliki pengaruh arah luar biasa dari angin
timur, pengguna mungkin ingin menghapus tren ini untuk pemahaman yang lebih baik dari tingkat ozon yang
sebenarnya di daerah. Detrending terurai data ke dalam dua komponen, komponen tren deterministik dan komponen
random autocorrelated. Setelah tren yang dihapus, pengguna akan melaksanakan

Agustus 2001 12
 ArcGIS Geostatistik Analis: Alat statistik Data Eksplorasi,
Modeling, dan Advanced Permukaan Generation

J-8647

kriging pada residual. Sebelum prediksi akhir benar-benar dihitung, tren ditambahkan kembali ke permukaan
output.

Detrending terurai data menjadi komponen tren

deterministik dan komponen random
autocorrelated.

Detrending

Pencarian Neighborhood
Spesifikasi Sebagai lokasi datamungkin
mereka yang menjadi lebih jauh
tidak berguna dari memprediksi
ketika lokasi di mana nilai
nilai di tidak
lokasidiketahui,
yang tidak terukur. Pada jarak tertentu, poin akan
tidak memiliki korelasi dengan lokasi prediksi, dan adalah mungkin bahwa mereka bahkan mungkin terletak di
daerah jauh berbeda dari lokasi yang tidak diketahui. Oleh karena itu, adalah praktek umum untuk menentukan
lingkungan pencarian yang membatasi jumlah dan konfigurasi dari titik-titik yang akan digunakan dalam prediksi.
Ada dua mekanisme pengendali untuk membatasi poin yang digunakan, yaitu, menentukan bentuk lingkungan dan
mendirikan kendala pada poin dalam dan di luar bentuk.

Poin disorot pada tampilan data memberikan indikator

dari bobot (nilai absolut dalam persen) yang terkait
dengan setiap titik yang terletak di jendela bergerak.
Bobot yang digunakan untuk memperkirakan nilai di
lokasi yang tidak diketahui, yang merupakan pusat dari
crosshair.

Mencari Lingkungan

Data Transformasi Transformasi dapat digunakan untuk membuat data terdistribusi lebih normal dan memuaskan asumsi
variabilitas konstan. transformasi data dilakukan sebelum menggunakan beberapa metode geostatistik seperti
kriging disjungtif dan untuk peta yang memerlukan asumsi normalitas. Quantile dan probabilitas peta dari
metode kriging yang sederhana, biasa, dan universal memerlukan asumsi normalitas. Analis geostatistik
mendukung transformasi termasuk Box-Cox (juga dikenal sebagai transformasi kekuasaan), logaritma,
arcsine, dan skor normal.

ESRI White Paper 13

ArcGIS Geostatistik Analis: Alat statistik Data Eksplorasi, Modeling, dan
Advanced Permukaan Generation

J-8647

probabilitas Kepadatan Distribusi kumulatif

Menggunakan transformasi membuat varians konstan di seluruh wilayah studi dan membuat data yang lebih terdistribusi secara normal.

Cara Declustering Sering kali data mungkin memiliki kepadatan tinggi titik sampel dekat satu sama lain. Ini
dapat menyebabkan preferentiality spasial antara titik data. Jika data istimewa sampel bila spasial autocorrelated,
histogram yang dihasilkan dari sampel mungkin tidak mencerminkan histogram dari populasi. Oleh karena itu, metode
declustering memberikan bobot yang lebih tinggi ke titik sampel kurang padat penduduknya dan bobot yang lebih
rendah ke daerah-daerah kepadatan tinggi.

Dalam declustering sel, sel-sel persegi

panjang yang disusun atas lokasi data
dalam kotak, dan bobot yang melekat
pada setiap lokasi data yang berbanding
terbalik dengan jumlah titik data dalam
selnya. Dengan menyesuaikan ukuran
grid dan orientasi, titik data dapat secara
efektif declustered akan.

Benar untuk preferentiality spasial.

bivariat normal
Distribusi kriging disjungtif mensyaratkan
distribusi bahwa data memiliki
bivariat menggambarkan distribusi
frekuensi relatifnormal bivariat.
kejadian SEBUAH
di populasi pasangan nilai. Juga, untuk mengembangkan
probabilitas dan peta kuantil menggunakan kriging sederhana, kriging biasa, dan kriging universal, pengguna dapat
berasumsi bahwa data berasal dari distribusi normal penuh multivariat. Dengan memeriksa normalitas bivariat, adalah
wajar untuk mengasumsikan bahwa data berasal dari distribusi normal penuh multivariat.

Agustus 2001 14
 ArcGIS Geostatistik Analis: Alat statistik Data Eksplorasi,
Modeling, dan Advanced Permukaan Generation

J-8647

Garis gelap adalah kurva teoritis kovarians indikator

asumsi data berasal dari distribusi normal bivariat,
dan garis ringan dilengkapi dengan data indikator
yang diamati. Dengan demikian, garis gelap dan
garis ringan harus sama jika data memiliki distribusi
normal bivariat.

Bivariat Distribusi Normal

Lakukan Diagnostik Setelah membuat permukaan prediksi, hal ini berguna untuk mengenali jika model yang optimal untuk
Data diatur dalam pertanyaan. Analis geostatistik menyediakan cross-validasi dan validasi alat yang memungkinkan analis
untuk mengevaluasi permukaan. Alat mengukur "akurasi" dari model. pengguna baik dapat menerima model dan
parameter atau memperbaiki parameter model untuk menciptakan permukaan yang lebih baik.

Cross-Validasi dan
pengesahan Cross-validasi dan validasi
Model memberikan membantu
prediksi analis
terbaik. membuat
Statistik keputusan
dihitung untuk
berfungsi yang diagnostik yang menunjukkan
sebagai
apakah model dan / atau nilai-nilai parameter yang terkait wajar.

Cross-validasi dan validasi menggunakan berikut ide-menahan satu atau lebih lokasi data dan kemudian memprediksi
data mereka terkait dengan menggunakan data pada sisa lokasi. Dengan cara ini, analis dapat membandingkan nilai
prediksi dengan nilai yang diamati dan dari ini, memperoleh informasi yang berguna tentang beberapa keputusan
sebelumnya analis pada model kriging (misalnya, parameter semivariogram, lingkungan pencarian, dan sebagainya).

! Validasi silang

Cross-validasi menggunakan semua data untuk memperkirakan tren dan autokorelasi model. Kemudian menghapus
setiap lokasi data, satu per satu, dan memprediksi nilai data yang terkait. Untuk semua titik, cross-validasi
membandingkan nilai yang terukur dan diprediksi. Setelah menyelesaikan cross-validasi, beberapa lokasi data dapat
disisihkan sebagai tidak biasa, membutuhkan tren dan autokorelasi model untuk difungsikan.

ESRI White Paper 15

ArcGIS Geostatistik Analis: Alat statistik Data Eksplorasi, Modeling, dan
Advanced Permukaan Generation

J-8647

! pengesahan

Validasi menggunakan bagian dari data untuk mengembangkan tren dan autokorelasi model yang akan
digunakan untuk prediksi. Kemudian prediksi ke lokasi yang dikenal dibandingkan dengan data yang diukur.
Validasi cek apakah "protokol" keputusan ini berlaku (misalnya, pilihan model semivariogram, pilihan ukuran
lag, dan pilihan lingkungan pencarian).

! Grafik dan Ringkasan untuk Cross-Validasi dan Validasi

Analis geostatistik memberikan beberapa grafik dan ringkasan dari nilai-nilai pengukuran terhadap nilai-nilai
diprediksi.

Itu diprediksi Plot memiliki garis dipasang biru melalui pencar poin dan persamaan diberikan tepat di bawah
plot. Itu Kesalahan Plot adalah sama dengan plot prediksi, kecuali di sini nilai-nilai sejati dikurangkan dari nilai
prediksi. Untuk Kesalahan standar
plot, nilai-nilai yang benar dikurangi dari nilai-nilai diprediksi dan kemudian dibagi dengan estimasi kesalahan standar
kriging. Ketiga plot ini membantu untuk menunjukkan seberapa baik kriging memprediksi. Dengan autokorelasi dan model
kriging yang baik, garis biru harus lebih dekat dengan 1: 1 (hitam putus-putus) line.

Itu QQPlot menunjukkan quantiles dari perbedaan antara kesalahan standar dan quantiles sesuai dari distribusi
normal standar. Jika kesalahan prediksi dari nilai-nilai mereka yang sebenarnya terdistribusi secara normal, poin
harus berbaring kira-kira sepanjang garis putus-putus. Jika kesalahan yang terdistribusi secara normal, pengguna
dapat yakin menggunakan metode yang mengandalkan normalitas (misalnya, peta kuantil di kriging biasa).

Model Perbandingan Sebuah kotak dialog Perbandingan menggunakan teknik cross-validasi dan memungkinkan analis untuk
memeriksa statistik dan sisi plot berdampingan. Umumnya, model terbaik adalah salah satu yang memiliki mean
standar terdekat ke nol, yang terkecil kesalahan prediksi akar rata-squared-, rata-rata standar error terdekat
kesalahan prediksi akar rata-squared-, dan standar akar rata-squared-prediksi kesalahan terdekat satu.

Agustus 2001 16
 ArcGIS Geostatistik Analis: Alat statistik Data Eksplorasi,
Modeling, dan Advanced Permukaan Generation

J-8647

Kotak dialog perbandingan memungkinkan pengguna untuk memeriksa statistik dan bidang yang berbeda sisi model
berdampingan.

Pilihan tampilan fungsi Lapisan geostatistik adalah mirip dengan semua lapisan ArcMap. Pengguna dapat menambahkannya ke
ArcMap, menghapusnya, menampilkannya, dan mengubah simbologi dalam berbagai cara. Namun, lapisan
geostatistik berbeda dari lapisan lain karena cara itu dibuat dan disimpan. Lapisan geostatistik hanya dapat dibuat
oleh Geostatistik Analyst. Kebanyakan jenis lapisan ArcMap menyimpan referensi ke sumber data, simbologi
untuk menampilkan layer, dan karakteristik mendefinisikan lainnya. Lapisan geostatistik menyimpan sumber data
dari yang diciptakan (biasanya lapisan fitur point), simbologi, dan karakteristik mendefinisikan lainnya, tetapi juga
menyimpan parameter model dari interpolasi, yang dapat disempurnakan setiap saat. Dari Properties dialog untuk
lapisan geostatistik,

Tidak hanya dapat pengguna mengidentifikasi sumber titik input dan parameter model, namun pengguna juga dapat
mengambil informasi umum dengan tab umum, melihat dan mengubah batas peta layer dengan tab batas,
mengubah simbologi dengan tab simbologi, dan mengatur transparansi dan apakah akan menampilkan kiat peta
dengan tab display.

Format tampilan Lapisan geostatistik dapat dilihat dalam empat format yang berbeda: diisi kontur, kontur, grid, atau hillshade. Analis
juga dapat menggabungkan beberapa format dalam tampilan tunggal lapisan untuk mencapai berbagai efek.
Berbagai penuh simbologi dan parameter pengendali ada untuk setiap format.

ESRI White Paper 17

ArcGIS Geostatistik Analis: Alat statistik Data Eksplorasi, Modeling, dan
Advanced Permukaan Generation

J-8647

Kontur diisi Grids

kontur Hillshade

Kombinasi Kontur, Kontur Dipenuhi, dan Hillshade

3. Kesimpulan Analis geostatistik jauh lebih dari sebuah paket perangkat lunak pembuatan permukaan.
Analis geostatistik adalah teknologi revolusioner yang menyediakan lingkungan yang dinamis dengan berbagai macam alat
dan antarmuka wizard yang ramah untuk mengeksplorasi data, menganalisis anomali, dan optimal menampilkan
permukaan diinterpolasi dengan ketidakpastian terkait. Analis geostatistik memberikan pengguna kekuatan untuk
memahami aspek-aspek kualitatif dan kuantitatif dari data mereka. Dengan menyediakan pengguna dengan kebebasan
untuk statistik memprediksi dan situasi Model dan dilengkapi dengan perangkat eksplorasi dan visualisasi yang kuat,
Geostatistik Analis efektif menjembatani kesenjangan antara geostatistik dan GIS.

Data Digunakan di Layar Shots! Data Pertanian diberikan oleh University of Illinois.

! Radioceasium Data kontaminasi berry hutan diberikan oleh Institut

keselamatan radiasi "BELRAD", Minsk, Belarus.

! Data kualitas udara diberikan oleh Badan Perlindungan Lingkungan California,

Dewan Sumber Daya Air.

! Pegunungan Carpathian Data disediakan oleh USDA Forest Service, Riverside,

California.

Agustus 2001 18
 ArcGIS Geostatistik Analis: Alat statistik Data Eksplorasi,
Modeling, dan Advanced Permukaan Generation

J-8647

! Radioceasium Data kontaminasi tanah diberikan oleh Sakharov Internasional

Universitas lingkungan, Minsk, Belarus.

ESRI White Paper 19