GEOSTATISTIKA - cvičení č. 5: Strukturní analýza a tvorba spojitých povrchů
metodou krigování
Zadání:
V programu ArcMap vytvořte výškový model terénu (DTM) a spojitý povrch mapující obsah
izotopu 232Th v půdě z nepravidelné sítě bodových měření. Využijte metod strukturní
analýzy a krigování obsažených v extenzi Geostatistical analyst.
Vstupní data:
Soubory P232Th.shp resp. PDTM.shp. obsahující nepravidelně rozmístěnou množinu bodů
s hodnotami izotopu thoria resp. s hodnotami nadmořských výšek a které byly vytvořeny
náhodným výběrem ve cv. 3.
Poznámky:
 Metodami explorační analýzy (Geostatistical Analyst – Explore Data) doplňte Vaše
poznatky o povaze vstupních dat ze cv. 2 a 3. Zjistěte, zda vstupní data mají normální
rozdělení, zda obsahují trend a je vhodné je podrobit transformaci, zda obsahují
outliery, jestli pole bodů vykazuje izotropii atp. Výsledků explorační analýzy využijte
při volbě vhodného teoretického modelu při strukturní analýze.
 Pomocí nástroje Geostatistical Wizard zvolte metodu interpolace krigování
(Kriginig/CoKriging) a v rámci ní metodou tzv. základního krigování (Ordinary Kriging)
vytvořte mapu interpolovaných hodnot. Nastavte případnou transformaci dat.
 V následné strukturní analýze proveďte několik nastavení parametrů vhodného
teoretického modelu semivariogramu. Prozkoumejte případnou anizotropii Vašich
vstupních dat. Vašim cílem je nalézt vhodný teoretický model semivariogramu, jehož
parametry budou vstupovat do vlastní interpolace metodou krigování jako váhy.
Volte různé modely, hodnoty dosahu (range), prahu (sill) a zbytkového rozptylu
(nugget). Volit můžete též hodnoty vzdálenosti (lag), na kterou se spojují obdobně
vzdálené body při výpočtu empirických hodnot semivariancí a také počet hodnot lag.
 Vhodnost nastavení parametrů semivariogramu kontrolujte hodnotami průměrné
chyby predikce (Mean Prediction Error) – ideálně nula, průměrné čtvercové chyby
(Root Mean Square Prediction Error) – čím menší, tím lepší odhad, průměrné
směrodatné chyby atd.
 Pro nejvhodnější kombinaci parametrů vytvořte mapy predikovaných hodnot DTM
i 232Th. Uveďte Vámi zvolenou ideální kombinaci parametrů do protokolu
a odůvodněte svou volbu.
 Mapu prezentujte ve formě „Filled contours“ (pravým tlačítkem na Properties –
Symbology – Filled Contours – Classify…). Vytvořte vhodné kategorie pro legendu
mapy. Manuálně zadejte vhodné hraniční hodnoty pro 7 až 8 intervalů. [Doporučení:
Je vhodné používat stejné intervaly jako pro rastry z předchozích cvičení. Rozdíly mezi
metodami budou na první pohled patrnější.]
 Vytvořte mapu směrodatné chyby predikce (pravým tlačítkem na vytvořený
korigovaný povrch Change Output to Prediction Standard Error). Z ní určete, která
část zpracovávaného území vykazuje největší chyby predikce. Analogicky se vrátíte
k původní mapě.
 Pro obě vytvořené mapy interpolovaných hodnot DTM i 232Th sestavte mapové
kompozice v režimu layout (View – Layout View). Výsledek interpolace obou povrchů
dosazený metodou krigování porovnejte s výsledky interpolací stejných dat jinými
metodami (cv. 4a a 4b). Vyzkoušejte nástroj Compare… pro srovnání interpolovaných
povrchů.