克里格法分析和总结.docx

二、克里格法（Kriging）

(2007-03-0615:00:20)

转载

克里格法（Kriging）是地统计学的主要内容之一，从统计意义上说，是从变量相关性和变异性出发，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；从插值角度讲是对空间分布的数据求线性最优、无偏内插估计一种方法。克里格法的适用条件是区域化变量存在空间相关性。

克里格法，基本包括普通克里格方法（对点估计的点克里格法和对块估计的块段克里格法）、泛克里格法、协同克里格法、对数正态克里格法、指示克里格法、折取克里格法等等。随着克里格法与其它学科的渗透，形成了一些边缘学科，发展了一些新的克里金方法。如与分形的结合，发展了分形克里金法；与三角函数的结合，发展了三角克里金法；与模糊理论的结合，发展了模糊克里金法等等。

应用克里格法首先要明确三个重要的概念。一是区域化变量；二是协方差函数，三是变异函数一、区域化变量

当一个变量呈空间分布时，就称之为区域化变量。这种变量反映了空间某种属性的分布特征。矿产、地质、海洋、土壤、气象、水文、生态、温度、浓度等领域都具有某种空间属性。区域化变量具有双重性，在观测前区域化变量Z(X)是一个随机场，观测后是一个确定的空间点函数值。

区域化变量具有两个重要的特征。一是区域化变量Z(X)是一个随机函数，它具有局部的、随机的、异常的特征；其次是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处的随机量Z(X)与Z(X+h)具有某种程度的自相关，而且这种自相关性依赖于两点间的距离h与变量特征。在某种意义上说这就是区域化变量的结构性特征。

二、协方差函数

协方差又称半方差，是用来描述区域化随机变量之间的差异的参数。在概率理论中，随机向量X与Y

的协方差被定义为：

区域化变量在空间点

区域化变量

在空间点x和x+h处的两个随机变量Z(x)和Z(x+h)的二阶混合中心矩定义为Z(x)

在上面的公式中，N(h)是分隔距离为h时的样本点对的总数，和

在上面的公式中，N(h)是分隔距离为h时的样本点对的总数，

和

分别为

和

的样本平均数，即

在公式中N为样本单元数。一般情况下

（特殊情况下可以认为近似相等）。若

（常数），协方差函数可改写为如下：

区域化变量Z(x)的自协方差函数也简称为协方差函数。一般来说，它是一个依赖于空间点x和向量h的函数。

离偏离h的实测值，根据协方差函数的定义公式，可得到协方差函数的计算公式为:设Z(x)为区域化随机变量，并满足二阶平稳假设，即随机函数Z(x)的空间分布规律不因位移而改变，h为两样本点空间分隔距离或距离滞后，Z(xi)为Z(x)在空间位置xi处的实测值，Z(xi+h)是Z(x)

离偏离h的实测值

，根据协方差函数的定义公式，可得到协方差函数的计算公式为:

式中，m为样本平均数，可由一般算术平均数公式求得，即

从上式可知，变异函数依赖于两个自变量x

从上式可知，变异函数依赖于两个自变量x和h，当变异函数

仅仅依赖于距离h而与位置

x无关时，可改写成

，即

三、变异函数

为区域化变量Z(x)在x轴方向上的变异函数，记为，即变异函数又称变差函数、变异矩，是地统计分析所特有的基本工具。在一维条件下变异函数定义为，当空间点x在一维x轴上变化时，区域化变量Z(x)在点x和x+h

为区域化变量Z(x)在x轴方向上的变异函数，记为

，即

在二阶平稳假设条件下，对任意的h有，因此上式可以改写为：

在二阶平稳假设条件下，对任意的h有，

设Z(x)是系统某属性Z在空间位置x处的值，Z(x)为一区域化随机变量，并满足二阶平稳假设，h

[i=1,2,...,N(h)]，那么根据上式的定义，变异函数的离散公式为：为两样本点空间分隔距离，Z(xi)和Z(xi+h)分别是区域化变量在空间位置xi和

[i=1,2,...,N(h)]，那么根据上式的定义，变异函数

的离散公式为：

式中，为权重系数，是各已知样本在Z(xi)在估计时影响大小的系数，而估计的

式中，

为权重系数，是各已知样本在Z(xi)在估计

时影响大小的系数，而估计

的

好坏主要取决于怎样计算或选择权重系数

。

在求取权重系数时必须满足两个条件，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，在数学上，这两个条件可表示为

变异函数揭示了在整个尺度上的空间变异格局，而且变异函数只有在最大间隔距离1/2处才有意义。

四、克里格估计量

x1,x2,...,xn，那么，对于任意待估点或待