地统计分析的方法.pptVIP

比较两式，并做简单计算可知：c0=2.048，c=1.154，a=8.353，所以，球状变异函数模型为 (3.8.21) 4.克立格（Kriging）法简介 1）克立格法概述 克立格法，又称空间局部估计或空间局部插值法，建立在变异函数理论及结构分析基础之上，是在有限区域内对区域化变量的取值进行无偏最优估计的一种方法。 克立格法是根据待估样本点（或块段）有限邻域内若干已测定的样本点数据，考虑了样本点的形状、大小和空间相互位置关系，与待估样本点的相互空间位置关系，以及变异函数提供的结构信息，对待估样本点值进行的一种线性无偏最优估计。　　 1）克立格法概述 (1) 适用条件 变异函数和相关分析的结果表明区域化变量存在空间相关性。其实质是利用区域化变量的原始数据和变异函数的结构特点，对未采样点的区域化变量的取值进行线性无偏、最优估计。 (2) 克立格法的类型 ?普通克立格法； ?泛克立格法； ?协同克立格法； ?对数正态克立格法； ?指示克立格法； ?折取克立格法等。 克立格法是一簇空间局部插值模型的总称。 2）克立格估计量 对于研究区域内任一点x的测量值Z(x)，其估计值 的估算公式为 估计量 是实际值Zv(xi)的克立格估计量。其中 为权重系数，是各已知样本Z(xi）在估计 时影响大小的系数，估计 的好坏取决于怎样计算或选择权重系数 。问题的关键在于求各点的权重系数。 显然，权重系数的求取必须满足两个条件： 一是使 的估计是无偏的，即偏差的数学期望为零； 二是最优的，即使估计值 和实际值Zv(x)之差的平方和最小。 公式为： (3.8.22) (3.8.23) (3.8.24) 3)普通克立格法 首先假设区域化变量Z(x)满足二阶平稳和本征假设，其数学期望为m，协方差函数c(h)及变异函数r(h)存在。即 假设在待估块段V的邻域 内，有一组n个已知样本 v(xi)(i=1,2,…,n)，其实测 值为Z(xi)(i=1,2,…,n) 克立格法的目标就是求一组权重系数λi(i=1,2,…,n),使得加权平均值 成为待估地段V的平均值ZV（x0）的线性、无偏最优估计量，即克立格估计值。为此，需要满足以下两个条件： 地统计分析方法 地统计学 地统计学（Geostatistics）又称地质统计学，是在法国著名统计学家G. Matheron大量理论研究的基础上逐渐形成的一门新的统计学分支。 地统计学：以区域化变量理论为基础，以变异函数为主要工具，研究在空间分布上既有随机性又有结构性，或空间相关和依赖性的自然现象的科学。 地统计学的理论基础是区域化变量理论，两个最基本的函数是协方差函数和变异函数，克立格法是其主要方法之一。 地统计学与经典统计学 经典统计学的相同点：它们都是在大量采样的基础上，通过对样本属性值的频率分布或均值、方差关系及其相应规则的分析，确定其空间分布格局与相关关系。 地统计学的优势：地统计学既考虑到样本值的大小，又重视样本空间位置及样本间的距离，弥补了经典统计学忽略空间方位的缺陷。 1.区域化变量 当一变量呈现为空间分布时，称之为区域化变量。 区域化变量，亦称区域化随机变量，G.Matheron（1963）将它定义为以空间点x的三个直角坐标xu，xv，xw为自变量的随机场: Z（x）=Z（xu，xv，xw） 区域化变量与一般的随机变量不同之处在于，一般的随机变量取值符合一定的概率分布，而区域化变量根据区域内位置的不同而取不同的值。而当区域化变量在区域内确定位置取值时，表现为一般的随机变量，也就是说，它是与位置有关的随机变量。 区域化变量的特征 区域化变量是一个随机变量，它具有局部的、随机的、异常的特征。 区域化变量具有一般的或平均的结构性质，即变量在点x与偏离空间距离为h的点x+h处的值Z(x)和Z(x+h)具有某种程度的相似性，即自相关性，这种自相关性的程度依赖于两点间的距离h及变量特征。 区域化变量还具有空间局限性（即这种结构性表现为一定范围内）、不同程度的连续性和不同程度的各向异性（即各个方向表现出的自相关性有所区别）等特征。 2.协方差函数 空间协方差函数和变异函数能反映区域化变量的随机性和结构性。 1）协方差函数的概念： 在概率论中，随机变量X与Y的协方差定义为： Cov(X,Y)=E[(X-E(X))(Y-E(Y))] (3.8.1) 区域化变量在空间点x和x+h处的两个随机变量的二阶混合中心矩定义为Z(x)的自协方差函数，即: Cov(Z(x),Z(x+h))=E[Z(x)Z(x+h)]-E[Z(x)]E[Z(x+h)] (3.8.2) 容易看出，该函数依赖于空间点x和向量h