Чтобы использовать достижения геостатистики, совсем не обязательно быть гуру этой науки.
Предметом исследования может быть любое пространственно-распределенное явление, например, температура воздуха либо распространение загрязняющих веществ.
Масштабные исследования, отбор проб в каждой точке позволяют построить модель с максимальной точностью. Однако такие мероприятия крайне затратны как по времени, так и экономически. Чтобы решить неопределенности моделирования и прогноза, используется дополнительный модуль ArcGIS Geostatistical Analyst.
Работа в модуле ArcGIS Geostatistical Analyst.
Изучение свойств данных необходимо для выбора метода интерполяции, понимания природы моделируемого процесса. Графики исследовательского анализа пространственных данных предназначены для исследования одного набора данных и зависимостей между ними. Например, анализ трендов позволяет определить общее направление распределения данных; облако вариограммыковариации используется для исследования схожести значений между парами точек, расположенных на разном расстоянии друг от друга.
После изучения данных Мастер операций геостатистики позволяет строить модели интерполяции и оценивать их качество. Предлагается строить детерминированные (основанные на схожести или сглаживании измеренных точек) или геостатистические (используются статистические свойства распределения измеренных точек) модели. В зависимости от метода предлагаются разные карты ошибок.
Более подробно ознакомиться с неизвестными геостатистическими терминами вы можете по следующей ссылке.
Выбор подходящей модели – сложное дело даже для продвинутого ГИС-пользователя. Для упрощения этой задачи разработано дерево классификации методов интерполяции.
Модуль позволяет применять статистические методы для моделирования природных явлений, зависящих от нескольких параметров. Более того, в этом модуле вы можете интегрировать работу с коммерческими и некоммерческими статистическими программами, такими как R, SAS, Mathlab.
Примеры использования модуля Geostatistical Analyst.
В 50-х гг. 20 века в окрестностях оз. Тахо, Калифорния, США стали наблюдать ухудшение состояния воды из-за высокой концентрации загрязнителей. Лес, окружающий озеро, пострадал от засухи, перевыпаса скота и увеличения содержания озона, известного своим разрушительным влиянием на здоровье людей и состояние растительности. Ученые не могли точно установить источник загрязнения, поэтому первым шагом для решения проблемы стало построение сети станций, фиксирующих уровень содержания озона.
С помощью модуля была сформирована сеть станций, изучена вероятность ошибочных измерений. Это позволило скорректировать и получать наиболее полную картину о пространственном распределении озона с большей точностью. На основе полученных данных с использованием метода ординарного кригинга была построена модель распределения озона, к ней применялись разные параметры, после модели сравнивались с помощью перекрестной проверки. В результате была создана сеть мониторинга, позволяющая достоверно изучать распределение озона в воздухе.
Карта распространения озона, построенная с использованием метода ординарного кригинга.
Автор модуля Константин Криворучко проанализировал качество воздуха в Калифорнии и последствия Чернобыльской катастрофы.
Явление фотохимического смога было впервые зафиксировано в Лос-Анжелесе, оно представляет собой реакцию углеводородов, озона, окислов азота при интенсивном воздействии солнечной радиации. Такой смог отрицательно влияет на здоровье людей, состояние растительности, видимость в городах.
Для исследования природы явления был проведен анализ разновременных данных, на его основе построены карты ожидаемых значений основных загрязнителей, участвующих в фотохимическом смоге, таких как озон, окислы азота и другие составляющие выхлопных газов. Уточнение результатов моделирования проводилось с выявлением дополнительных связей, например, было определено, что повышение содержание оксида азота увеличивает концентрацию озона через пару часов. Полученная модель используется для мониторинга и предсказания явления фотохимического смога.
Карта, сопоставляющая ожидаемые и реальные концентрации сернистого газа.
Автор модуля подробно изучал проблему последствий аварии на Чернобыльской атомной станции в 1986 году. Был исследован механизм распространения радиационного загрязнения на территории Белоруссии, выявлена корреляция между уровнем загрязнения продуктов питания и онкологическими заболеваниями людей в последующие годы. Направление ветра позволило загрязнению достигнуть территории Швеции, с помощью инструментов Geostatistical Analyst было смоделировано распределение дождей и последующее загрязнение почв радионуклидами в этой стране.
Модуль позволяет моделировать и прогнозировать не только физические явления, но и социально-экономические процессы. Исследования для телекоммуникационной сферы были проведены в Бразилии.
Подробнее познакомиться с примерами использования вы можете, перейдя по этой ссылке.
Таким образом, модуль Geostatistical Analyst позволяет проводить высококачественный статистический анализ с пространственно-распределенными данными. Инструменты тонкой настройки помогут применить только значимые параметры. Почувствуйте неограниченные возможности и закажите бесплатную пробную 60-дневную версию модуля по этой ссылке.
Модуль доступен для сервера, позволяет использование в корпоративных приложениях, повышая производительность и расширяя доступные возможности анализа данных в организации. Существует возможность создания веб-сервисов, позволяющих предоставить доступ к результатам исследования данных и предоставляющих ГИС-функциональность без установки дополнительного ПО.
