Introdução ao Tutorial Analista ArcGIS geoestatística geoestatística Centro de Recursos » Biblioteca Professional » Extensões » geoestatística Analista » Tutorial
Com o ArcGIS geoestatística Analyst, você pode facilmente criar uma superfície sup erfície contínua, ou mapa, a partir de pontos p ontos de amostra medidos armazenados em uma camada característica de ponto ou camada raster ou usando centróides de polígonos. Os pontos de amostragem pode ser medidas como elevação, profundidade do lençol freático; ou níveis de poluição, como é o caso neste tutorial. Quando usado em conjunto com o ArcMap, Analista de geoestatística fornece um conjunto abrangente de ferramentas para a criação de superfícies que podem ser usados para visualizar, vi sualizar, analisar e compreender os fenômenos espaciais.
Cenário Tutorial A Agência de Proteção Ambiental dos EUA é responsável por monitorar a concentração de ozônio na Califórnia. Concentração de ozono é medido em estações de monitoramento em todo o estado. As localizações das estações são mostradas aqui. Os níveis de concentração de ozônio são conhecidos por todas as estações, mas os valores de ozônio para outros locais l ocais (não monitoradas), na Califórnia, também são de interesse. No entanto, devido ao custo e praticidade, estações de monitoramento não pode ser colocado em todos os lugares. Analista de geoestatística fornece ferramentas que tornam as previsões ótimas possível, examinando as relações entre todos os pontos de amostragem e produzindo uma superfície contínua de concentração de ozônio, os erros padrão pad rão (incerteza) de previsões, e as probabilidades de que os valores críticos são excedidos.
Os dados necessários para completar os exercícios está incluído no DVD de dados tutorial. Os dados tutorial também está disponível como um download no site de Atendimento ao Cliente . (Talvez seja necessário entrar em contato com a manutenção de contato primário na sua organização para ajudar com o download.) Quando você executar o assistente para instalar esses dados, verificar para instalar os dados Analista de geoestatística (o caminho de instalação padrão é C: \ ArcGIS \ ArcTutor \ Analista de geoestatística). Os seguintes conjuntos de dados (que estão contidos em um geodatabase g eodatabase chamado ca_ozone.gdb) será usado no tutorial: Dataset
Descrição
ca_outline
Esboço da Califórnia
O3_Sep06_3pm
Valores de amostra de ponto de Ozônio (ppm)
ca_cities
As principais cidades da Califórnia
ca_hillshade ca_hillshad e
Um mapa Hillshade da Califórnia
O conjunto de dados de ozônio (O3_Sep06_3pm) foi uma cortesia da California Air Resources Board e representa a concentração de ozônio medido em 06 de setembro de 2007 03:00 - 16:00 em partes por milhão (ppm). Os dados original foi modificado com a finalidade de a iniciação i niciação e não devem ser considerados dados precisos. A partir das amostras de ponto de ozônio (medições), você vai produzir duas superfícies contínuas (mapas) prever os valores de concentração de ozônio para cada local no estado da Califórnia. O primeiro pri meiro mapa que você cria simplesmente irá usar todas as opções padrão para apresentá-lo apresentá-l o ao processo de criação de uma superfície a partir de seus pontos de amostragem. O segundo mapa que você produz lhe permitirá incorporar mais as relações espaciais que são descobertos entre os pontos. Ao criar cri ar este segundo mapa, você vai usar a Análise Exploratória de Dados Espaciais E spaciais (ESDA) ferramentas para analisar seus dados. Também será apresentado a algumas das opções de geoestatística g eoestatística que você pode usar para criar uma superfície, superfí cie, tais como a remoção de tendências e modelagem auto-correlação espacial. Usando as ferramentas ESDA e trabalhar com os parâmetros geoestatísticos, você será capaz de criar uma superfície mais precisa. Muitas vezes, não são os valores reais de algum risco crítico de saúde que são de interesse, mas sim se os valores estão acima de um certo nível ní vel tóxico. Se este for o caso, devem ser tomadas medidas imediatas. A terceira superfície que você criar irá avaliar a probabilidade probabili dade de que um valor crítico limite de ozônio foi excedido. Para este tutorial, o limiar crítico será se o valor de ozônio vai acima de 0,09 ppm (ambiente padrão de qualidade do ar da Califórnia Estado para medições por hora) e, depois, o local deve ser acompanhada de perto. Você vai usar Analista de geoestatística para prever a probabilidade de que os valores de ozônio em toda a Califórnia cumpriu com este padrão em 06 de setembro de 2007 03:00 - 16:00 Este tutorial é dividido em tarefas individuais i ndividuais que são projetados para permitir que você explore as capacidades da geoestatística Analista em seu próprio próp rio ritmo.
Exercício 1 leva você através de acesso Analista geoestatística eo processo de criação de uma área de concentração de ozônio usando valores de parâmetro padrão para apresentá-lo para as etapas envolvidas na criação de um modelo de interpolação. Exercício 2 orienta através do processo de explorar os seus dados antes de criar a superfície de detectar valores discrepantes e reconhecer tendências. Exercício 3 cria uma segunda superfície que incorpora mais das relações r elações espaciais descobertos no exercício 2 e melhora na superfície que você criou no exercício 1. Este exercício também apresenta alguns dos conceitos básicos da geoestatística. Exercício 4 mostra como comparar os resultados das duas superfícies que você criou em exercícios 1 e 3 e como decidir qual a superfície oferece as melhores previsões dos valores desconhecidos.
Exercício 5 leva você através do processo de mapeamento a probabilidade p robabilidade de que o ozônio ultrapassou um limiar crítico, criando uma terceira superfície.
Você vai precisar de algumas horas de tempo t empo concentrado para completar o tutorial. No entanto, você também pode executar os exercícios, um de cada vez, se quiser. É recomendável que você v ocê salve os resultados depois de cada exercício.
Exercício 1: Criando uma superfície usando parâmetros padrão Centro de Recursos » Biblioteca Professional » Extensões » geoestatística Analista » Tutorial Complexidade:InicianteDados Complexidade:Iniciante Dados Requisito:ArcGIS Requisito:ArcGIS Tutorial de dados de configuraçãoCaminho configuração Caminho de Dados:C: Dados:C: \ ArcGIS \ ArcTutor \ geoestatística AnalistaObjetivo: Analista Objetivo:O O objetivo deste exercício é o de apresentá-lo ao processo de criação de superfícies a partir de dados da amostra.
Este exercício apresenta a extensão Analista geoestatística. Ele leva você através do processo de criação de um modelo usando os valores de parâmetro padrão para gerar uma superfície de concentração de ozônio.
Comece ArcMap e permitir Analista geoestatística Para começar, inicie
o ArcMap e
permitir a extensão Analista de geoestatística.
Passos: 1. Comece ArcMap, clicando em Iniciar > Todos os Programas > ArcGIS > ArcMap 10
2. Clique Cancelar no ArcMap - Introdução caixa de diálogo. Esta caixa de diálogo não pode abrir se você anteriormente optou por não mostrá-lo. 3. No menu principal, clique em Personalizar > Extensões . 4. Verifique a geoestatística Analista caixa de seleção. 5. Clique Fechar .
Adicionar a barra de ferramentas Analista de geoestatística Passos: 1. No menu principal, clique em Personalizar > Barras de Ferramentas > Analista de geoestatística . O Analista de geoestatística barra de ferramentas é adicionada ao seu ArcMap sessão. A extensão ea barra de ferramentas só precisa ser ativado e adicionado uma vez, pois eles vão ser ativo e apresentar na próxima vez que você abrir o ArcMap.
Adicionar dados para a sessão ArcMap Você vai adicionar os seus dados para ArcMap e alterar a sua simbologia. Passos:
1. Clique no Add Data botão no padrão barra de ferramentas. 2. Navegue até a pasta onde você instalou i nstalou os dados tutorial (o caminho de instalação padrão é C: \ ArcGIS \ ArcTutor \ geoestatística Analyst). 3. Clique duas vezes na geodatabase ca_ozone.gdb para ver seu conteúdo. 4. Pressione o CTRL chave e escolher o O3_Sep06_3pm e conjuntos de dados ca_outline. 5. Clique Adicionar . 6. Botão direito do mouse na legenda camada ca_outline (a caixa abaixo do nome da camada) na tabela de conteúdo e cliqueem Sem cor , como mostrado na figura a seguir:
7. Apenas o contorno da Califórnia é exibida. Isso permite que você veja as camadas que serão criados neste tutorial debaixo desta camada. 8. Clique duas vezes no nome da camada O3_Sep06_3pm na tabela de conteúdos. 9. No Layer Properties caixa de diálogo, clique no Simbologia guia. 10. Na Mostrar caixa, clique em quantidades e clique cores graduadas . 11. Na Campos caixa, defina o valor para OZÔNIO . 12. Escolha o branco para rampa de cores preta, para que os pontos vão se destacar contra as superfícies de cor que você criará neste tutorial. A caixa de diálogo simbologia deve ser semelhante a este:
13. Clique em OK . Note-se que os valores mais altos de ozônio ocorreu no Vale Central da Califórnia, enquanto que os menores valores ocorreram ao longo da costa. O mapeamento dos dados é o primeiro passo para explorá-la e entender mais sobre o fenômeno que você deseja modelar.
Salve o documento mapa Recomenda-se que você salvar seu mapa ao longo de cada exercício, e no final de cada exercício. Passos: 1. No menu principal, clique em Arquivo > Salvar . 2. Navegue até a pasta de trabalho (por exemplo, você pode criar a seguinte pasta para guardar o seu trabalho: C: \ geoestatística Tutorial Analyst). 3. No nome do arquivo caixa de texto, digite Ozônio Previsão Map.mxd . 4. Clique em Salvar . Você precisava fornecer um nome para o mapa, porque esta é a primeira vez que você salvou. Para salvar o ArcMapdocumento no futuro, basta clicar em Salvar
Criar uma superfície usando as opções padrão Em seguida, você criará (interpolar) uma superfície de concentração de ozônio usando as configurações Analista de geoestatística padrão. Você usará o conjunto de dados de ponto de ozônio (O3_Sep06_3pm) como o conjunto de dados de entrada e utilizar krigagem ordinária para interpolar os valores de
ozônio nos locais onde os valores não são conhecidos. Você vai clicar em Avançar em muitas das caixas de diálogo para aceitar os padrões. Você não precisa se concentrar nos detalhes das da s caixas de diálogo neste exercício porque em exercícios posteriores cada caixa de diálogo di álogo será revisitada. A intenção deste exercício é o de d e apresentá-lo ao Assistente de geoestatística . Passos: 1. Clique na Analista geoestatística seta do Analista geoestatística barra de ferramentas e clicar em Assistente de geoestatística.
2. O Assistente de geoestatística caixa de diálogo aparece. 3. Clique krigagem / cokrigagem no Métodos caixa lista. 4. Clique no Dataset Fonte flecha e clique O3_Sep06_3pm . 5. Clique no campo de dados de seta e clique no OZÔNIO atributo.
6. Clique em Avançar . Por padrão, o Ordinário (krigagem) e Prediction (mapa) são selecionados na caixa de diálogo. Como o método para mapear a superfície do ozônio é selecionado, você pode clicar em Concluir para criar uma superfície usando os parâmetros padrão. No entanto, os passos de 6 a 10 vai expô-lo a outras caixas de diálogo. di álogo. Em cada etapa do assistente, os painéis interiores (janelas) podem ser redimensionados arrastando os divisores entre eles.
Observe que há uma caixa na parte inferior direita do Assistente de geoestatística , que mostra uma breve descrição do método de destaque ou parâmetro. Nesta fase, o quadro quadr o mostra o conjunto de dados e de campo que vai ser usado para criar a superfície.
7. Clique em Avançar . O modelo de semivariograma / covariância é exibida, exibida , permitindo que você examine as relações espaciais entre os pontos medidos. Você pode assumir que as coisas que são mais próximos pr óximos são mais parecidos do que as coisas que são mais distantes. O semivariograma permite explorar essa hipótese. O processo pr ocesso de montagem de um modelo de semivariograma para capturar as relações espaciais nos dados é conhecida como variografia.
8. Clique em Avançar . Os mira mostrar um local que não tem nenhum valor medido. Para prever um valor de mira, você pode usar os valores nos locais medidos. Você sabe que os valores dos locais medidos mais próximas são mais parecidas com o valor da localização não mensurável que você está tentando prever. Os pontos vermelhos na imagem abaixo vão ser ponderados (ou influenciar infl uenciar o valor desconhecido) mais do que os pontos verdes, uma u ma vez que estão mais próximos do local onde você está prevendo.Usando pr evendo.Usando os pontos circundantes e do modelo de semivariograma / covariância montado anteriormente, você pode prever os valores para a localização desmedida.
9. Clique em Avançar . O diagrama de validação cruzada lhe dá uma idéia de quão bem o modelo prevê os valores nos locais desconhecidos.
Você vai aprender como usar o gráfico e entender as estatísticas no exercício 4. 10. Clique em Concluir . O Método de relatório caixa de diálogo resume as informações i nformações sobre o método (e seus parâmetros associados) que irá ser utilizado para criar a superfície de saída.
11. Clique em OK . O mapa de ozônio previsto é adicionado como a camada superior na tabela de conteúdos. 12. Clique duas vezes na camada na tabela de conteúdo para abrir o Layer Properties caixa de diálogo. 13. Clique no Geral guia e mudar o nome da camada para Padrão Krigagem e clique em OK . Alterar o nome da camada vai ajudar a distinguir esta camada do que você vai criar no exercício 4.
14. Clique no Salvar botão no padrão barra de ferramentas para salvar seu trabalho. Note-se que a interpolação continua no oceano, porque a medida da camada é a mesma como a extensão dos dados dad os de entrada (O3_Sep06_3pm). 15. Para restringir a superfície da previsão para dentro Califórnia, clique com o botão direito do mouse na Krigagem Padrãocamada e clique em Propriedades . 16. Clique na Extensão guia. 17. Clique no Set o grau de seta, clique na medida retangular de ca_outline , em seguida, clique em OK . A área se estende interpolados de forma a cobrir toda a Califórnia. 18. Com o botão direito do Camadas quadro de dados na tabela de conteúdos, clique em Propriedades e clique no quadro Dadosda guia. 19. Clique nas Opções do clipe seta, escolha Clipe de forma , em seguida, clique na forma Especifique botão. 20. Por Clipping Quadro de dados caixa de diálogo, clique no Esboço de Recursos botão, clique na camada de seta, em seguida, clique ca_outline . 21. Clique em OK , clique em OK novamente.
A superfície previsto é cortado para que ele não exibir dados para além das fronteiras do Estado, mas abrange todas as áreas dentro do Estado, como mostrado abaixo.
22. Arraste a camada O3_Sep06_3pm para o topo da tabela de conteúdos. Visualmente julgar o quão bem a camada de Krigagem padrão representa os valores do ozono medidos. Em geral, não previsões de ozônio ocorre nas mesmas áreas onde altas concentrações de ozônio foram medidos? Nos exercícios 3 e 4, você vai aprender como julgar quantitativamente o quão bem um modelo executa e como comparar dois modelos. 23. Direito do mouse no Krigagem Padrão camada na tabela de conteúdo e clique validação / Prediction . Isso abre a Camada de GA aos a os pontos ferramenta de geoprocessamento com a camada padrão Krigagem especificado como a camada de geoestatística entrada.
24. Entrada camada geoestatística deve ser definido automaticamente O bservação , navegue para Padrão Krigagem . Para locais Ponto de Observação até o geodatabase que contém os dados d ados para este tutorial, e clique no conjunto de dados ca_cities. Deixe o campo para validar no vazio como nós só queremos gerar previsões de ozônio para as grandes cidades, não validar os valores previstos em relação aos valores medidos. Para as estatísticas de saída no ponto de locais navegue até a pasta que você criou para a saída, e nomeie o arquivo de saída CA_cities_ozone.shp . A camada de GA aos pontos caixa de diálogo ferramenta de geoprocessamento deve ficar assim:
25. Clique em OK para executar a ferramenta.
Geoprocessamento Fundo é ativado por padrão, de modo que tudo o que você vai ver como a ferramenta funciona é o seu progresso no ArcMap barra de status (na parte inferior do ArcMap janela). 26. Uma vez que a execução da ferramenta, clique no Add Data botão no padrão barra de ferramentas. 27. Navegue para os dados, clique CA_ozone_cities.shp, clique em Adicionar . A camada de observações pontuais é adicionado ao seu mapa. 28. Direito do mouse no CA_cities_ozone camada e clique em Abrir Tabela Atributo . Note-se que cada cidade tem agora um valor previsto de ozono, bem como um valor de erro padrão (que indica o grau de incerteza associada com a previsão de ozono para cada cidade).
29. Feche a tabela janela. 30. Direito do mouse no CA_cities_ozone camada e clique Remover para remover a camada do projeto. 31. Salve o documento ArcMap.
Metodologia de ajuste de superfície
Você já criou um mapa da concentração de ozônio e completou exercício 1. Embora seja uma tarefa simples para criar um mapa de superfície usando as opções padrão que o Assistente de geoestatística fornece, é importante seguir um processo estruturado, como a mostrada abaixo:
Você vai praticar este processo estruturado nas seguintes exercícios do tutorial. Além disso, no exercício 5 , você irá criar uma superfície mostrando a probabilidade de que as concentrações de ozônio exceder um limite especificado. Note que você já deve ter t er feito o primeiro passo deste d este processo, representando os dados, em exercício 1. No exercício 2 , você irá explorar os dados. Neste exercício, você foi apresentado a Assistente de geoestatística e para o processo de criação de um modelo de interpolação. Os exercícios a seguir vai aperfeiçoar este processo, extraindo o máximo de informações i nformações pertinentes quanto possível a partir dos dados para criar um modelo melhor.
Exercício 2: Explorando os seus dados Centro de Recursos » Biblioteca Professional » Extensões » geoestatística Analista » Tutorial Complexidade:InicianteExigência Complexidade:Iniciante Exigência de dados:ArcGIS dados:ArcGIS Tutorial de dados de configuraçãoCaminho configuraçãoCaminho de Dados:C: Dados: C: \ ArcGIS \ ArcTutor \ geoestatística AnalistaObjetivo: AnalistaObjetivo:Use Use as ferramentas ESDA para explorar os dados e recolher informação para construir bons modelos de interpolação.
Antes de iniciar este exercício, você deve ter concluído o exercício 1 . Neste exercício, você irá explorar os dados. À medida que o processo estruturado mostrado no final do exercício 1 sugere, para tomar melhores decisões ao criar cri ar uma superfície, você deve primeiro explorar o conjunto de dados para obter uma melhor compreensão do mesmo. Ao explorar expl orar seus dados, procurar erros óbvios nos valores que podem afetar drasticamente a superfície supe rfície de previsão de saída; examinar como os dados são distribuídos, e olhar para as tendências globais, influências direcionais, e assim por diante.
Analista de geoestatística oferece muitas ferramentas de exploração de dados. Neste exercício, você irá explorar os dados de três maneiras:
Examine a distribuição de seus dados. Identificar as tendências em seus dados, se houver. Compreender a auto-correlação espacial e influências direcionais.
Examine a distribuição de seus dados usando a ferramenta histograma Os métodos de interpolação que são utilizados para gerar uma superfície dar os melhores resultados, se os dados são distribuídos normalmente (uma curva em forma de sino). Se seus dados são distorcidos di storcidos (torto), você pode optar por transformar os dados para torná-lo normal. Assim, é importante compreender a distribuição dos dados antes de criar uma superfície. As parcelas ferramenta histograma histogramas de freqüência para os atributos do conjunto de dados, permitindo-lhe examinar a (uma variável) distribuição univariada para cada atributo no conjunto de dados. Em seguida, você irá explorar a distribuição do ozônio para a camada O3_Sep06_3pm. Passos: 1. Se você fechou a sessão ArcMap anterior, iniciar o programa novamente e aberto Previsão de Ozônio Map.mxd . 2. Clique na camada ca_outline e arrastá-lo sob a camada O3_Sep06_3pm na tabela de conteúdos.
ndice exemplo
3. Clique na camada O3_Sep06_3pm para selecioná-lo. 4. Por Analista geoestatística barra de ferramentas, clique em Analista geoestatística > Explorar Dados > Histograma .
Histograma no menu Dad os Explorar
5. Por Histograma caixa de diálogo, clique no Atributo seta e escolha OZÔNIO .
Histograma
6. Os valores do eixo-x foram redimensionadas por um fator de 10 para torná-los mais fáceis de ler. Você pode redimensionar e mover a caixa de diálogo Histograma para que você também pode ver o mapa, como mostrado abaixo.
Histograma mapa
7. A distribuição dos valores de ozono está e stá representado no histograma com o intervalo de valores divididos divi didos em 10 classes. A frequência dos dados dentro de cada classe é representada por a altura de cada barra. Geralmente, as características importantes de uma distribuição são o seu valor central, dispersão e simetria. Como uma rápida verificação, se a média ea mediana são aproximadamente o mesmo valor, você tem um pedaço de d e evidência de que os dados dad os podem ser distribuídos normalmente. 8. Os dados do histograma de ozônio indica i ndica que os dados são unimodal (um corcunda) e direito distorcida. A aba direita da distribuição indica a presença de um número relativamente pequeno de pontos de amostragem, com os valores de concentração de ozono oz ono grandes. Parece que os dados não está perto de uma distribuição normal. 9. Selecione as duas barras do histograma hi stograma com valores de ozônio maior que 0,10 ppm (lembrar que os valores foram redimensionadas por um fator de 10), clicando e arrastando o cursor sobre eles. Os pontos de amostragem dentro desta gama são selecionados no mapa. Note-se que a maioria desses pontos de amostra estão localizados no Vale Central da Califórnia.
Histograma e mapa mostrand o os pontos selecionados
10. Clique no Features Apagar seleção botão no Ferramentas barra de ferramentas para limpar os pontos selecionados no mapa e histograma. 11. Clique no Fechar botão localizado no canto superior do histograma caixa de diálogo.
Criar um QQ plot normal A trama quantil-quantil (QQ) é utilizado para comparar a distribuição dos dados a uma distribuição normal, proporcionando uma outra medida da normalidade dos dados. Quanto mais próximos os pontos estão na linha de frente (45 graus) no gráfico, o mais perto que os dados da amostra segue uma distribuição di stribuição normal. Passos: 1. Por Analista geoestatística barra de ferramentas, clique em Analista geoestatística > Explorar Dados > normal QQPlot .
QQPlot normal no menu Dados Explorar
2. Clique no Atributo seta e escolha OZÔNIO .
Mapa normal QQPlot
3. Um QQ enredo geral é um gráfico em que os quantis de duas distribuições são plotados contra o outro. Por duas distribuições idênticas, o QQ trama será uma linha reta. Portanto, é possível verificar a normalidade dos dados de ozônio traçando os quantis de que os dados contra os quantis de uma distribuição normal padrão. A partir do gráfico QQ normal, acima, você pode ver que o enredo não é muito perto de ser uma linha reta. A principal partida desta linha ocorre em baixos valores de concentração de ozônio (selecionados e mostrados em verde na imagem acima, que foram f oram selecionados, clicando e arrastando o cursor sobre eles). 4. Se os dados não exibem uma distribuição normal em ambos o histograma ou QQ parcela normal, pode ser necessário ne cessário transformar os dados para o tornar conforme a uma distribuição normal, antes de utilizar certas técnicas de interpolação kriging.
5. Clique no Fechar botão localizado no canto superior do normal QQPlot caixa caixa de diálogo.
Identificar tendências globais em seus dados Se existe uma tendência nos dados, que é um componente não-aleatório (determinístico) de uma superfície que pode ser representado por uma fórmula matemática. Por exemplo, uma encosta suavemente inclinada pode ser representado por um avião. Um vale seria representado por uma fórmula mais complexa (uma polinomial de segunda ordem) que cria cri a uma forma de U. Esta fórmula pode produzir a representação da superfície que você deseja. No entanto, muitas vezes a fórmula produz uma superfície que é muito suave para descrever com precisão o fenômeno porque não encosta é um plano perfeito, nem é qualquer um vale U forma perfeita. Variação local pode ser adicionado adi cionado à superfície de modelagem a tendência usando uma dessas funções suaves, removê-lo a partir dos dados e continuando a sua análise modelando os resíduos, o que é o que resta após a tendência é removido. Ao modelar os resíduos, você será analisar a variação de curto alcance (local) na superfície. A ferramenta de análise de tendências permite identificar i dentificar a presença / ausência de tendências no conjunto de dados de entrada e identificar qual a ordem de polinomial se encaixa melhor a tendência. Passos: 1. Por Analista geoestatística barra de ferramentas, clique em Analista geoestatística > Explorar Dados > Análise de Tendências .
Análise de Tendência s no menu Dados Exp lorar
2. Clique no Atributo seta e escolha OZÔNIO . Cada vara vertical na trama análise de tendência representa repr esenta a localização e valor (altura) de cada medição de ozônio. Os pontos de dados são projetadas sobre os planos perpendiculares, um lesteoeste e um avião norte-sul. Uma linha de melhor ajuste (um polinômio) é desenhada através dos pontos projetados, mostrando as tendências em direções específicas. Se a linha eram lisos, l isos, isto poderia indicar que não há tendência. No entanto, se você olhar para a linha verde claro na imagem abaixo, você pode vê-lo começa com valores baixos, aumenta à medida que ele se move em direção ao centro do eixo-x, depois diminui. Da mesma forma, a linha azul está a aumentar à medida que se diminui a norte e a partir do centro do estado. Isto demonstra que os dados parecem apresentar uma forte
tendência a partir do centro do domínio de dados em todos os sentidos.
Análise de Tendência s enredo
3. Clique nos Locais Girar barra de rolagem e vá para a esquerda até o ângulo de rotação é de 90 graus.
Gire as barras de rolagem
4. Você pode ver que, enquanto você gira os pontos, as tendências sempre exibem de cabeça para baixo U formas. Além disso, a tendência não parece ser mais forte (uma forma em U mais pronunciado) para qualquer ângulo de rotação determinado, confirmando a observação acima que existe uma forte tendência a partir do centro do domínio de dados em todos os sentidos. Porque a tendência é em forma de U, um polinômio de segunda ordem é uma boa escolha para usar como um modelo de tendência global. Esta
tendência é, possivelmente, causado pelo fato de que a poluição é baixa na costa, mas mais para o interior, há grandes grand es populações humanas que desaparecer novamente para as montanhas. Você irá i rá remover essas tendências no exercício 4.
Análise de Tendência s enredo girada e m 90 graus.
5. Clique no Fechar botão localizado no canto superior da Análise de Tendências caixa de diálogo.
Explore autocorrelação autocorrelação espacial e influências direcionais Passos: 1. Na barra de ferramentas Analista de geoestatística, clique Analista geoestatística > Explorar Dados > Semivariograma / Covariance Nuvem .
Semivariograma / Covariance Nuvem no menu Explorar Dados
2. Clique no Atributo seta e escolha OZÔNIO . A nuvem semivariograma / covariância permite que você examine a autocorrelação espacial entre os pontos amostrais medidos. Supõese geralmente que as coisas que estão perto p erto um do outro são mais iguais. A nuvem semivariograma / covariância permite examinar esta relação. Para fazer isso, um valor semivariograma, que é a diferença entre os valores de quadrado de cada par de locais, é representado no eixo dos y em relação à distância separando cada par de medidas, o que é representado no eixo-x. Cada ponto vermelho na nuvem semivariograma / covariância representa um par de localizações. Desde locais que estão próximos uns dos outros devem ser mais parecidos. Na trama semivariograma, as localizações que estão mais próximas (na extremidade esquerda no eixo-x) devem ter valores semivariograma pequenas (baixos valores no eixo dos y). À medida que a distância entre os pares de aumentos locais (que se deslocam para a direita no eixo dos x), os valores de semivariograma também deve aumentar (mover-se (mover -se sobre o eixo-y). No entanto, uma certa distância é atingido quando qu ando a nuvem se achata, indicando que os valores dos d os pares de pontos separados por mais do que esta distância não são correlacionados. Olhando para o semivariograma, se parece que alguns locais de dados que estão juntos (perto de zero no eixo x) tem um valor mais alto semivariograma (alta no eixo-y) do que seria se ria de esperar, você deve investigar esses pares de locais para ver se existe uma possibilidade de que os dados são imprecisos. i mprecisos.
Nuvem semivariograma
3. Clique nos Selecionar Recursos por Retângulo botão no Ferramentas barra de ferramentas, clique e arraste o ponteiro sobre alguns pontos com grande semivariograma valores (eixo-y) na Semivariograma / Covariance Nuvem caixa de diálogo para selecioná-los. (Use o diagrama à esquerda como um guia. Ele não é importante para selecionar exatamente os mesmos pontos que os mostrados no diagrama abaixo.)
Exemplo 1 de seleç ão de ponto
4. Os pares de locais de amostragem que são selecionados no semivariograma são destacadas no mapa, e as linhas de ligação li gação entre os locais, indicando o emparelhamento. Como pode ser esperado a partir do mapa de predição kriging padrão, as linhas com valores elevados semivariograma para uma determinada distância entre os pontos de um par são aqueles que correspondem à maior inclinação dos valores de ozono. 5. O diagrama a seguir mostra os pares com os valores típicos para semivariograma aproximadamente as mesmas distâncias entre os pares de pontos.
Exemplo 2 da seleç ão de ponto
6. A maioria das linhas são aproximadamente paralelo à costa. Vemos que há influências direcionais que afetam os dados. As razões para essas influências direcionais pode ser conhecido pelos cientistas ambientais locais, e eles podem ser estatisticamente quantificado sem conhecer as fontes de poluição do ar elevada. Estas influências direcionais vai afetar a precisão da superfície que você criar no próximo exercício. No entanto, quando você sabe, se existir, Analista de geoestatística fornece ferramentas para explicá-lo no processo pr ocesso de criação de superfície. Para explorar uma influência direcional na nuvem semivariograma, você pode usar as ferramentas de busca de direção. 7. Verifique Mostrar direção de busca . 8. Clique e mova o ponteiro direcional para qualquer ângulo.
Exemplo ponteiro direcion al
9. A direção o ponteiro está enfrentando determina quais pares de locais de dados são plotados no semivariograma. Por exemplo, se o ponteiro está enfrentando uma direção leste-oeste, leste-oe ste, somente os pares
de locais de dados que estão a leste ou a oeste da outra serão plotados no semivariograma. Isto permite-lhe eliminar pares você não está interessado em explorar as influências i nfluências direcionais sobre os dados. 10. Clique e arraste os Selecionar Recursos por Retângulo ferramenta ao longo dos pares com os maiores valores de d e semivariograma para selecioná-los na trama e no mapa. (Use o diagrama a seguir como um guia. Ele não é importante para selecionar os pontos exatos no diagrama ou para utilizar o mesmo sentido de busca.)
Exemplo de seleção nuvem semivariograma
11. Note-se que a maioria dos locais ligados (representando pares de pontos no mapa) corresponder a um dos d os pontos de amostragem a partir da região central da Califórnia. Isso ocorre porque os valores de ozônio nesta área são mais elevados do que em qualquer outro lugar na Califórnia. 12. Clique no Fechar botão no canto superior da caixa de diálogo. 13. Clique no Features Apagar seleção botão no Ferramentas barra de ferramentas para limpar os pontos selecionados no mapa. Neste exercício, você aprendeu
Os dados de ozono é unimodal, mas não é muito próximo de uma distribuição normal, tal como visto no histograma. O QQ plot normal mostra também que qu e os dados não são normalmente distribuídos, já que os pontos da trama não formam uma linha reta. A transformação dos dados pode ser necessário. Usando a ferramenta de análise de tendências, você viu que os dados apresentaram uma tendência e, uma vez refinado, identificou-se que a tendência seria melhor ajuste por um polinômio de segunda ordem.
A nuvem semivariograma / covariância mostrou que os valores anormalmente elevados semivariograma são em grande parte representada repr esentada pelas linhas perpendiculares à costa. A análise utilizando esta ferramenta indica que o modelo de interpolação devem responder por anisotropia. A superfície semivariograma indica que há correlação espacial nos dados. Sabendo que não há nenhum outlier (ou errados) pontos de amostragem no conjunto de dados, você pode prosseguir com confiança para a interpolação de superfície. Você será capaz de criar uma superfície mais preciso do que o que você criou no exercício 1, usando as opções padrão e valores de parâmetros, porque agora sabe que não há tendência e anisotropia dos dados e você pode ajustar para ele na interpolação. Além disso, uma transformação de dados pode melhorar o modelo de predição.
No exercício 3 que você vai usar o que você aprendeu sobre os dados de ozônio para criar um modelo de interpolação melhor do que o que foi criado em um exercício que foi baseado em valores de parâmetro padrão.
Exercício 3: Mapeamento de concentração de ozônio Centro de Recursos » Biblioteca Professional » Extensões » geoestatística Analista » Tutorial Complexidade:InicianteExigência Complexidade:Iniciante Exigência de dados:ArcGIS dados:ArcGIS Tutorial de dados de configuraçãoCaminho configuraçãoCaminho de Dados:C: Dados: C: \ ArcGIS \ ArcTutor \ geoestatística AnalistaObjetivo: AnalistaObjetivo:Criar Criar um modelo mais refinado usando krigagem ordinária, remoção de tendência, e os ajustes de anisotropia nos dados.
Antes de iniciar este exercício, você deve ter t er concluído o exercício 2 . No exercício 1, que utilizou os parâmetros padrão padr ão para mapear a concentração de ozônio. No entanto, você não examinou as propriedades propri edades estatísticas dos dados da amostra. Por exemplo, a partir de explorar os dados em exercício 2, parecia que os dados apresentaram uma tendência e uma influência direcional.Estes podem ser incorporados no modelo de interpolação. Neste exercício, você vai:
Melhorar no mapa de concentração de ozônio criada em exercício 1. Serão apresentados alguns conceitos básicos de geoestatística.
Você voltará a usar o método de interpolação krigagem ordinária, mas desta vez incorporar tendência e anisotropia em seu modelo model o para criar melhores previsões. Krigagem ordinária é o modelo mais simples geoestatística, pois o número de suposições por trás dele é o mais baixo. Passos: 1. Se você fechou a sessão ArcMap anterior, iniciar o programa novamente e aberto Previsão de Ozônio Map.mxd . 2. Certifique-se de que nenhum dos pontos que representam as medições de ozônio são selecionados. Se alguns são, desmarque a seleção clicando no Features Apagar seleção botão no Ferramentas barra de ferramentas. 3. Na barra de ferramentas Analista de geoestatística, clique Analista geoestatística > Assistente de geoestatística . 4. Clique krigagem / cokrigagem na caixa de lista Methods.
5. Clique na entrada de dados seta drop-down e clique O3_Sep06_3pm . 6. Clique no Atributo seta drop-down e clique no OZÔNIO atributo.
7. Clique em Avançar . 8. Clique krigagem ordinária . Por padrão, o tipo Krigagem e Previsão tipo de saída Ordinária são selecionados. A partir da exploração de seus dados no exercício 2, você descobriu uma tendência global. Depois de refinamento com a ferramenta f erramenta de análise de tendências, você determinou que um polinômio pol inômio de segunda ordem parecia razoável. Esta tendência pode ser representado por uma fórmula matemática e removido a partir dos dados. Uma vez que a tendência é removido, a análise estatística será realizada nos resíduos ou o componente de variação de curto alcance da superfície. A tendência será automaticamente adicionado para trás antes de a superfície final é criado para que as previsões produzir resultados significativos. 9. Clique na Ordem da remoção tendência seta drop-down e clique em segundo lugar .
10. Um polinômio de segunda ordem será montado porque uma curva em forma de U foi detectado na caixa de d e diálogo Análise de Tendências em exercício 2. 11. Clique em Avançar .
Exemplo de diálogo Propriedades do Método do assistente geoestatística.
12. Por padrão, geoestatística Analista mapeia a tendência mundial no conjunto de dados. A superfície indica a mais rápida mudança na direção sudoeste-nordeste e uma mudança mais gradual na direção noroeste-sudeste (fazendo com que a forma de elipse). 13. Tendências só deve ser removido se não houver justificativa para fazêlo. A tendência ao sudoeste-nordeste na qualidade do ar pode ser atribuído a um acúmulo de ozônio entre as montanhas eo litoral. A direção do vento predominante elevação e são fatores que contribuem para os valores relativamente baixos nas montanhas e na costa. A alta concentração de seres humanos também leva a altos níveis de poluição entre as montanhas ea costa. Assim, você pode justificadamente remover essas tendências. 14. Clique em Avançar na caixa de diálogo detrending.
Modelagem semivariograma / Covariância Usando a ferramenta de nuvem semivariograma / covariância no exercício 2, você explorou a autocorrelação espacial global dos pontos medidos. Para fazer isso, você examinou valores semivariograma, que mostrou a diferença de quadrados das medições de ozônio tomadas em pares de d e locais de amostragem separados por distâncias diferentes. O objetivo da modelagem de semivariogramas / covariância é determinar o melhor ajuste para um modelo
que irá passar através dos pontos do semivariograma (mostrado pela linha azul na figura abaixo). O semivariograma é uma representação gráfica usada para fornecer uma imagem da correlação espacial no conjunto de dados. A caixa de diálogo Semivariograma / Covariance Modeling permite ajustar modelos para as relações espaciais no conjunto de dados.Analista de geoestatística primeiro determina bons tamanhos lag para agrupar valores semivariograma. O tamanho de latência é o tamanho de uma classe de distância em que os pares de locais são agrupados de modo a reduzir o elevado número de combinações possíveis. No exercício 2, a nuvem semivariograma / covariância mostrou um ponto vermelho para cada par de pontos no conjunto de dados. Nosso objetivo agora é encaixar uma curva através desses d esses pontos. Para se ter uma imagem mais clara dos valores de d e semivariograma, os valores empíricos semivariograma (pontos vermelhos) são agrupados de acordo com a distância de separação que eles estão associados. Os pontos são divididos em caixas (ou atrasos), e o tamanho desfasamento determina a largura de cada intervalo (bin) será. Este processo é conhecido como binning. bi nning. Como resultado da binning, notar que há menos pontos nesta semivariograma do que na nuvem semivariograma você viu no exercício 2.A caixa de diálogo Semivariograma / Covariance Modelagem exibe os valores de semivariograma como uma superfície (mapa no canto inferior esquerdo da caixa de diálogo) e como um gráfico de dispersão relativa valores semivariograma a distância di stância de separação. Por padrão, os valores dos parâmetros ideais são calculados para uma omnidirecional (todas as direções) modelo de semivariograma estável.Existem vários outros tipos de modelos de semivariograma que poderiam ser utilizadas, dependendo de como eles se encaixam bem os dados. Os valores dos parâmetros para o modelo de semivariograma omnidirecional estável são a pepita, alcance, peitoril parcial, e forma. Você vai notar que a distâncias menores, o modelo de semivariograma (linha azul) aumenta acentuadamente, então os níveis de fora. O intervalo é a distância onde se estabiliza. Este achatamento fora do semivariograma indica que há pouca autocorrelação em valores de atributos (ozônio) para além do alcance. O algoritmo de ajuste efectivamente utiliza tamanhos de latência variável, que permitem a auto-correlação espacial das concentrações de ozono a ser capturado muito bem, especialmente em distâncias curtas (que são os mais importantes para a interpolação). Valores semivariograma para estes tamanhos de atraso podem ser exportados, selecionando Salvar valores geométricos como a tabela noExport> Variografia seção da caixa de diálogo di álogo e visualizados usando o Excel, por exemplo.
Exemplo de diálogo Semivariograma / Covarian ce Modelagem do a ssistente geoestatística.
Ao remover a tendência, o semivariograma vai modelar a autocorrelação espacial entre os pontos de dados sem ter que considerar a tendência t endência nos dados. A tendência será adicionado automaticamente para os cálculos antes de a superfície final é produzido. A escala de cores, o que representa o valor semivariograma calculado, fornece uma ligação direta entre os valores de semivariograma empíricos sobre o gráfico e aqueles na superfície do semivariograma. O valor de cada célula na superfície do semivariograma é codificada por cores, com menores valores mostrados em valores de azul e verde e superior mostradas em laranja e vermelho. O valor médio para cada célula da superfície do semivariograma é traçada no gráfico semivariograma e retratado como um ponto vermelho. O valor médio para cada lag (que engloba muitas células) é traçada no gráfico semivariograma também, e é descrito como uma cruz azul.O eixo dos x do gráfico gráfi co semivariograma é a distância do centro da célula para o centro da superfície de semivariograma. Para os dados de ozônio, o semivariograma começa baixo em distâncias curtas (valores de ozono medidas nos locais que estão juntos são semelhantes) e aumenta à medida que a distância aumenta (valores de ozônio oz ônio obter mais desiguais do mais distantes eles foram medidos). Aviso Avi so da superfície do semivariograma que dissimilaridade em valores de ozônio aumenta mais rapidamente na direção leste-oeste do que no sentido sul-norte. Mais cedo, você removeu uma tendência grosseiro escala. Agora, parece que ainda há um
componente direcional para a autocorrelação, assim que você vai incorporar em que o próximo modelo.
Semivariogramas direcionais A influência direcional afetará os pontos do semivariograma eo modelo que vai estar em forma. Em certos sentidos, coisas que são mais próximos uns dos outros podem ser mais parecidos do que em outras direções. Analista de geoestatística pode representar influências direcionais, ou anisotropia no modelo de semivariograma. Anisotropia podem ser causados pelo vento, escoamento, uma estrutura geológica, ou uma grande variedade de outros processos. A influência direcional pode ser estatisticamente quantificados e contabilizados ao fazer seu mapa. Você pode explorar a dessemelhança de ssemelhança em pontos de dados para uma certa direção com a ferramenta de Pesquisa Direction. Isso permite que você examine influências direcionais no gráfico semivariograma. Ele não afecta a superfície da saída. Os passos seguintes mostram como conseguir isso. Passos: 1. Digite um novo valor tamanho Lag de 15000 . Reduzir o tamanho lag significa que você está ampliando para modelar os detalhes da variação dos dados espacial local. 2. Altere a opção Mostrar direção de busca de falso para verdadeiro. Note-se a redução do número de valores de semivariograma. Apenas os pontos na direcção da pesquisa estão apresentados no gráfico.
Ilustração de um semivariograma direcional.
3. Clique e mantenha o ponteiro do mouse sobre a linha azul centro da ferramenta Pesquisar Direction. Mude a direção de busca, arrastando a linha l inha central. Como você muda a direção da pesquisa, observe como as mudanças gráfico semivariograma. Somente os valores de superfície semivariograma dentro da direção da busca são plotados pl otados no gráfico semivariograma acima. Para realmente representam as influências direcionais no modelo de semivariograma para os cálculos de superfície, você deve calcular o semivariograma anisotropical ou modelo de covariância. 4. Altere o Anisotropy opção de False para verdadeira .
Ilustração de um semivariograma direcional com anisotrophy.
5. A elipse azul na superfície do semivariograma indica a gama da semivariograma em diferentes direcções. Neste caso, o eixo principal encontra-se aproximadamente na direcção NNW-SSE. Anisotropia vai agora ser incorporado no modelo para ajustar a influência direccional de autocorrelação na superfície de saída. 6. Altere o ângulo direção de busca em Exibir configurações de 0 a 61.35 para fazer o ponteiro direcional coincidem com o eixo menor da elipse anisotropical.
Ilustração de um semivariograma direcional em um âng ulo de 61,35 grau s Norte.
7. Note-se que a forma da curva de semivariograma aumenta mais rapidamente para o seu valor de soleira. Os x-e y-coordenadas estão em metros, de modo que a faixa nessa direção é de aproximadamente 110 km. 8. Altere o ângulo direção de busca em Exibir configurações de 61,35 para 151,35 para fazer o ponteiro direcional coincidir com o eixo maior da elipse anisotropical.
Ilustração de um semivariograma na direção do e ixo principal.
9. O modelo de semivariograma aumenta gradualmente, depois se estabiliza. A gama nessa direção é de cerca de 180 quilômetros.O patamar que os modelos de semivariograma chegar em ambos os os passos 5 e 6 é o mesmo e é conhecido como o peitoril. A gama é a distância em que o modelo de semivariograma atinge o seu valor limite (o peitoril). Além da faixa, a dissimilaridade entre os pontos torna-se constante com o aumento da distância de atraso. Pontos separados por distâncias superiores à gama são espacialmente não correlacionados uns com os outros. 10. A pepita representa erro de medição e / ou variação microescala (variação em escalas espaciais muito finas de detectar). É possível estimar o erro de medição medi ção se você tiver várias observações por local, ou você pode se decompor a pepita em erro de medição e variação microescala usando o controle de erros de medição. 11. Clique em Avançar .
Exemplo da caixa de diálogo Pesquisa Bai rro.
12. Agora você tem um modelo ajustado para descrever a auto-correlação espacial, tendo em conta a tendência e influências direcionais nos dados. Esta informação, juntamente com a configuração e as medições de posições em torno do local de previsão, é usado para fazer uma previsão. Mas como os valores medidos ser usado para fazer as previsões?
Pesquisando bairro É prática comum para limitar os dados utilizados pela definição defini ção de um círculo (ou elipse) para incluir os pontos que são utilizados uti lizados para prever um valor numa localização não medido. Além disso, para evitar os erros em uma determinada direção, o círculo (ou elipse) pode ser dividido em setores a partir do qual um número igual de pontos são selecionados. Usando a caixa de diálogo Procurar Bairro, você pode especificar o número de pontos (máximo de 200), o raio (ou eixo maior / menor), eo número de setores do círculo (ou elipse) a ser utilizado para previsão. Os pontos seleccionados na janela de exibição de dados indicam i ndicam os pesos que serão associados a cada valor medido para prever um valor para o local marcado pela cruz. Neste exemplo, cinco valores medidos (a vermelho) têm pesos de mais do que 10 por cento.Quanto maior o peso, mais impacto que o valor terá sobre a previsão para o local na mira. Passos:
1. Clique na visualização de superfície para selecionar um local l ocal de previsão (onde a mira estão localizados). Note-se a alteração na selecção de locais de dados (em conjunto com os seus pesos associados), que será usada para calcular o valor do local de predição. 2. Para efeitos do presente exercício, sob valor previsto , tipo 66000 para X e -220.000 para Y . 3. Altere a cópia de variograma para Falso e digite 90 no Ângulo caixa de texto. Observe como a forma das mudanças de busca elipse. eli pse.
Copiar do variograma é alterado de verdadeiro para falso e do ângulo é alterado para 90.
No entanto, para dar conta das influências direcionais, alterar a cópia do controle de variograma de volta para True. 4. Clique em Avançar . A caixa de diálogo Validação Cruzada aparecerá.
Exemplo caixa de diálogo Validação Cru zada de.
Antes de realmente criar a superfície, você vai usar a caixa de diálogo Validação Cruzada de realizar diagnósticos sobre os parâmetros para determinar o quão bom é o seu modelo será.
A validação cruzada O objetivo da validação cruzada é para ajudar você a tomar uma decisão informada sobre qual o modelo que fornece as previsões mais precisas. Ele lhe dá uma idéia de quão bem o modelo prevê os valores desconhecidos. A validação cruzada seqüencialmente omite um ponto no conjunto de dados, prevê um valor para o valor localização lo calização desse ponto usando o resto dos dados, em seguida, compara os valores medidos e preditos (a diferença entre a medida e valor previsto é conhecido como um erro e rro de previsão). As estatísticas calculadas sobre os erros de previsão pr evisão servir como diagnósticos que indicam se o modelo é razoável para a tomada de decisão e produção p rodução de mapas. Para julgar se um modelo fornece previsões precisas, verifique se
As previsões são imparciais, indicado por um erro médio de previsão próxima de 0. Os erros padrão são precisos, indicado por um erro de previsão padronizada raiz quadrada média próxima de 1.
As previsões não se desviem muito a partir dos valores medidos, indicados por quadrada média da raiz de erro e erro padrão da média que são tão pequenos quanto possível.
A caixa de diálogo Validação Cruzada também permite exibir exib ir gráficos de dispersão que mostram o erro, erro padronizado, e QQ plot para cada ponto de dados. Passos: 1. Clique no normal QQPlot guia para exibir o QQ trama. A partir da guia QQPlot, você pode ver que alguns valores caem um pouco acima da linha e alguns um pouco abaixo da linha, mas a maioria dos pontos de cair muito perto da linha tracejada reta, indicando que os erros de previsão são perto de ser distribuído normalmente. 2. Para selecionar o local para um determinado ponto, clique cli que na linha que se relaciona com o ponto de interesse na tabela. O ponto selecionado é mostrado em verde no QQ trama.
Exemplo de seleção de um determinado ponto no diálogo Validaç ão Cruzada.
3. Opcionalmente, clique na tabela de resultados de exportação para salvar uma classe de recurso ponto, para posterior análise dos resultados. 4. Clique em Concluir .
O Método de relatório caixa de diálogo proporciona um resumo do modelo que vai ser usado para criar uma superfície.
Método de Krigagem resumo do relatório
5. Clique em OK . O mapa de ozônio previsto aparecerá como a camada superior no ArcMap. Por defeito, a camada assume o nome do método de interpolação utilizado para produzir a superfície (por exemplo, Krigeagem). 6. Clique no nome da camada e mude o nome para Tendência removido . 7. Para aumentar a superfície de previsão para que ele cobre toda a Califórnia, clique com o botão direito do mouse na Tendência Removido camada, clique em Propriedades, clique na guia gui a Extensão. Em Definir a extensão, especifique a extensão retangular de ca_outline ca_outl ine e clique em OK .
8. Arraste a camada O3_Sep06_3pm para o topo da tabela de conteúdo para que você possa ver os pontos em cima da superfície interpolada. 9. Direito do mouse no Tendência Removido camada que você criou e clique em Alterar saída para Predição de erro padrão .
Altere a saída para Prediçã o de menu Erro Padrão
Previsão Erro Padrão em ArcMap
Os erros padrão de previsão pr evisão de quantificar a incerteza para cada local na superfície que você criou. Uma regra simples é que 95 por cento do tempo, o valor verdadeiro de ozono estará dentro do intervalo formado pelo valor previsto ± 2 vezes o erro padrão de previsão, assumindo que os dados são normalmente distribuídos. Repare na superfície de erro padrão a previsão de que os locais perto de pontos de amostra geralmente têm menor erro. 10. Direito do mouse no Tendência Removido camada que você criou e clique em Alterar saída para Previsão para voltar para o mapa de previsão de ozônio. 11. Clique em Salvar na barra de ferramentas Padrão. A superfície criada no exercício 1 simplesmente usou os padrões do Assistente de geoestatística , sem qualquer consideração de tendências na superfície, de usar tamanhos menores lag, ou do uso de um modelo de semivariograma anisotrópica. A superfície de previsão que você criou neste exercício levou em consideração as tendências globais nos dados e ajustado para a influência infl uência direcional local (anisotropia) no semivariograma. No exercício 4 , você vai comparar os dois modelos para ver qual deles oferece uma melhor predição de valores desconhecidos.
Exercício 4: Comparando modelos Centro de Recursos » Biblioteca Professional » Extensões » geoestatística Analista » Tutorial Complexidade:InicianteExigência Complexidade:Iniciante Exigência de dados:ArcGIS dados:ArcGIS Tutorial de dados de configuraçãoCaminho configuraçãoCaminho de Dados:C: Dados: C: \ ArcGIS \ ArcTutor \ geoestatística AnalistaObjetivo: AnalistaObjetivo:Comparar Comparar dois modelos de interpolação para ver qual deles tem o melhor desempenho.
Antes de iniciar este exercício, você deve ter t er concluído um exercício e exercício 3 . Usando o Analista de geoestatística, você pode comparar as previsões pre visões apresentadas em duas ou mais superfícies mapeadas. Isso permite que qu e você tomar uma decisão informada sobre qual modelo fornece previsões previ sões mais precisas de concentração de ozônio com base em estatísticas de validação cruzada. Neste exercício, você estará comparando a camada Tendência Removido criada em exercício 3 com a camada de Krigagem padrão que você criou no exercício 1. Passos: 1. Se você fechou a sessão ArcMap anterior, iniciar o programa novamente e aberto Previsão de Ozônio Map.mxd . 2. Direito do mouse no Tendência Removido camada e selecione Compare .
3. A comparação validação cruzada caixa de diálogo aparecerá e automaticamente comparar o modelo Removido Tendência ao modelo Krigagem padrão (como é o único outro modelo na tabela de conteúdos).
4. Compare as estatísticas de validação cruzada para ambos os modelos. Escolha o melhor, considerando que
As previsões devem ser imparcial, indicado por um erro médio de previsão mais próximo de 0 possível. Os erros padrão são precisos, indicado por um erro de previsão padronizada raiz quadrada média próxima de 1. As previsões não se desviem muito a partir p artir dos valores medidos, indicados por quadrada média da raiz de erro e erro padrão da média que são tão pequenos quanto possível. Você também pode usar o previsto , erro , erro padronizada e QQPlot normais guias para ver representações rep resentações gráficas do desempenho de cada modelo. Com base nestes critérios, o modelo Removido Tendência desempenho melhor do que padrão Krigagem.
5. Feche a comparação validação cruzada caixa de diálogo. 6. Botão direito do mouse na camada Krigagem padrão e clique Remover .
7. Clique em Salvar no padrão barra de ferramentas. Você já identificaram o melhor de duas superfícies sup erfícies de previsão, mas você pode criar outros tipos de superfícies para apoiar a sua análise do fenômeno e qualquer decisão que você pode precisar de fazer com base nos valores interpolados. No exercício 5 , você vai usar krigagem indicador para calcular a probabilidade de que um valor crítico limite de ozônio foi ultrapassado e gerar um mapa final, mostrando todas as superfícies que você criou neste tutorial.
Exercício 5: Mapeamento da probabilidade de ozônio superior a um limiar crítico Centro de Recursos » Biblioteca Professional » Extensões » geoestatística Analista » Tutorial Complexidade:InicianteDados Complexidade:Iniciante Dados Requisito:ArcGIS Requisito:ArcGIS Tutorial de dados de configuraçãoCaminho configuração Caminho de Dados:C: Dados:C: \ ArcGIS \ ArcTutor \ geoestatística AnalistaObjetivo: Analista Objetivo:Criar Criar um mapa de probabilidade de que a concentração de ozônio ultrapassou um limite específico durante o período de uma hora, quando as amostras foram retiradas.
Em exercícios 1 e 3 , você usou krigagem ordinária para pa ra mapear a concentração de ozônio na Califórnia, utilizando diferentes parâmetros. No processo de tomada de decisões, é preciso ter cuidado em usar um mapa de ozônio previsto para a identificação de áreas inseguras, porque porqu e é necessário entender a incerteza das previsões. Por exemplo, suponha que o valor de ozônio limiar crítico é de 0,09 ppm por um período de uma hora e você quer determinar se quaisquer locais exceder este valor. Para um local específico, o valor previsto pode ser de 0,1 ppm, mas devido à incerteza associada a essa previsão, o valor verdadeiro de ozônio pode situar-se entre 0,07 e 0,12 ppm. Para auxiliar o processo de tomada de decisão, você pode usar Analista de geoestatística para mapear a probabilidade de que os valores de ozono excedem o limite. Enquanto Analista geoestatística fornece uma série de métodos que podem executar essa tarefa, para este exercício, você usará o modelo mais simples disponível, krigagem indicadora. Esta técnica não requer o conjunto de dados em conformidade com uma distribuição particular. Os valores dados são transformados para uma série de 0 e 1 de acordo com se os valores dos dados estão abaixo ou acima de um limiar. Se um limiar de 0,09 ppm é utilizada, qualquer valor abaixo deste limiar será atribuído um valor de 0, enquanto os valores acima do limiar será atribuído um valor de 1. Krigagem Indicador então usa um modelo de semivariograma que é calculada a partir do conjunto de dados 0-1. Passos: 1. Se você fechou a sessão ArcMap anterior, iniciar i niciar o programa novamente e abra a Map.mxd Ozônio Prediction . 2. Na barra de ferramentas Analista de geoestatística, clique Analista geoestatística > Assistente de geoestatística . 3. Clique krigagem / cokrigagem na caixa de lista Methods. 4. Clique na entrada de dados seta drop-down e clique O3_Sep06_3pm . 5. Clique no Atributo seta drop-down e clique no OZÔNIO atributo. 6. Clique em Avançar . 7. Clique Indicador Krigagem ; notar que Probabilidade Mapa é selecionado como o tipo de saída. 8. Certifique-se de que o limite é definido para Exceed , em seguida, definir o valor limite primário para 0,09 .
9. Clique em Avançar . 10. Alterar o tamanho Lag para 15000 . 11. Mudança Anisotropy a verdade para explicar a natureza direcional di recional dos dados. As linhas azuis mostram os modelos de semivariograma estimadas em diferentes direções.
12. Clique em Avançar na caixa de diálogo Semivariograma / Covariance Modeling. 13. Clique em Avançar na caixa de diálogo Pesquisa Bairro. A linha azul representa o valor limite (0,09 ppm). Aponta para a esquerda da linha azul têm um valor indicador de transformar de 0, enquanto aponta para a direita tem um u m valor indicador de transformar, de 1. 14. Clique para selecionar uma linha na tabela com um u m valor indicador de 0. O ponto selecionado será mostrado em verde no gráfico de dispersão, à esquerda da linha de limite azul. No caso da linha seleccionada na figura abaixo, a previsão é exactamente o mesmo que o valor do indicador.
As colunas de medida e indicador, i ndicador, mostram os valores reais e transformados para cada local da amostra. Os valores de previsão p revisão do indicador pode ser interpretada como a probabilidade de exceder o limite. Os valores de previsão de indicadores são calculados com base no semivariograma modelado a partir das (0,1) dados d ados binários, criado com base nas transformações indicador de seus dados originais. A validação cruzada seqüencialmente omite um ponto e calcula os valores de previsão de indicadores para cada um. Por exemplo, o valor mais elevado medido é 0,121. Se esse local realmente não havia sido medido, o modelo de krigagem indicador mostra uma chance de 78 por
cento que o valor de ozônio naquele local estava acima do limite de 0,09 ppm. 15. Clique em Concluir na caixa de diálogo Validação Cruzada. 16. Clique em OK na caixa de diálogo Método Report. O mapa de probabilidade aparecerá como a camada superior no ArcMap. O mapa mostra os valores de previsão p revisão de indicadores, interpretados como a probabilidade de que o valor limite de 0,09 ppm foi ultrapassado entre 3 e 4 horas do dia 6 de setembro de 2007.
É evidente a partir do mapa que no centro da Califórnia, a probabilidade de que as concentrações de ozono excedem o limite de 0,09 ppm é provável. 17. Mude o nome da camada para Indicador Krigagem 18. Arraste o Indicador Krigagem camada para reposicioná-la entre os O3_Sep0_3pm e Tendência camadas Removidos. 19. Direito do mouse no indicador Krigagem camada e clique em Propriedades . 20. Clique na Extensão guia e definir o grau de especificar a extensão retangular de ca_outline. 21. Clique em Aplicar . 22. Clique na Simbologia guia.
23. Desmarque a Contours Cheio opção e marque a Contours opção. 24. Clique Contours para que a simbologia para contornos (linhas) aparece. Escolha um verde para rampa de cor azul.
25. Clique no Classifique botão. Na classificação caixa de diálogo, mude Método para Equal Interval e Classes a 5.
26. Clique em OK , clique em OK novamente. Agora você deve ter contornos verdes e azuis em cima das previsões de ozônio. O mapa agora mostra áreas de valores altos e baixos previstos ozônio e áreas de alta probabilidade probabilid ade de que as concentrações de ozono ultrapassou o California State Qualidade do Ar padrão para medições de uma hora.
27. Como toque final com o mapa, você pode p ode adicionar o ca_hillshade conjunto ca_hillshade conjunto de dados para o projeto (de C: \ ArcGIS \ ArcTutor \ geoestatística Analyst). Deve acrescentar-se que a parte inferior da tabela de conteúdos e descrito utilizando um branco de rampa de cor preta. 28. Direito do mouse no Tendência Removido camada, clique em Propriedades e clique na exibição da guia. 29. Definir a transparência para 30% e clique em OK .
30. Clique em Salvar na barra de ferramentas para salvar seu mapa. Neste tutorial, você foi apresentado ao Assistente de geoestatística, geoest atística, exploração de dados utilizando as ferramentas ESDA, krigagem ordinária (com valores de parâmetro padrão e opções mais refinadas) para prever valores de ozônio em toda a Califórnia, e krigagem indicadora para mapear a probabilidade p robabilidade de que as concentrações de ozônio ultrapassou um valor limiar crítico. Muitos outros outro s métodos de interpolação são oferecidos no Assistente de geoestatística, e vários também são oferecidos em geoprocessamento ferramentas que podem ser utilizadas em ModelBuilder.
