24小时热门版块排行榜

返回列表

wang-xl

金虫 (正式写手)

应助: 0 (幼儿园)
金币: 1544
散金: 2075
红花: 5
帖子: 457
在线: 351.2小时
虫号: 846968
注册: 2009-09-13
性别: MM
专业: 人文地理学

[求助] Arcgis Geostatistical Analyst中的问题

我想利用某个省的年均温进行插值，现就有关问题进行求助：
1.首先想检查一下站点数据中是否有异常值，利用Geostatistical Analyst中的Voronoi图如何发现异常值并去除异常值呢？
2.根据正态QQ Plot图和Histogram图中的哪些值可以判断站点数据是否服从正态分布？若不服从，该如何转换为正态分布？
3.我想利用普通克里金进行插值，那是否需要对趋势分析图进行分析呢？
求各位朋友帮助，感激不尽！

回复此楼

» 收录本帖的淘帖专辑推荐

学习方法专辑

» 猜你喜欢

» 本主题相关价值贴推荐，对您同样有帮助:

关于网报中的留学专业问题（往重点专业方向靠）已经有5人回复
农林—你认为科学是万能的么？能解决一切生产实际中的问题么？已经有23人回复
关于找导师的问题，希望大家帮帮忙。已经有4人回复
关于构建细胞实验室的细节问题已经有35人回复
提交电子材料时文件名中数字0和大写字母O的问题已经有23人回复
询问项目成员合格问题已经有6人回复
期刊选择的问题 script 和acta 已经有6人回复
电化学工作站问题已经有14人回复
关于arcgis地统计模块及插值问题已经有5人回复
arcgis中地统计模块应用的问题，DEM怎么作为第二数据集输入呢？请高人指点已经有3人回复
请问在arcgis中出现Error Running VBA Code: User Interrupt问题，怎么解决的啊？已经有4人回复
请教关于arcgis数据生成的问题已经有9人回复
ArcGIS文件迭代器的使用问题已经有5人回复

1楼 2012-03-21 16:34:48

已阅回复此楼关注TA 给TA发消息送TA红花 TA的回帖

njtyc

铁杆木虫 (正式写手)

应助: 8 (幼儿园)
金币: 1571.3
红花: 1
帖子: 932
在线: 126.9小时
虫号: 395702
注册: 2007-06-08
性别: GG
专业: 环境微生物学

也迷惑这些问题，是否正态分布是用SPSS检验的，不是正态分布的数据采用反距离插值法进行空间分析的。用普通克里格插值，资料说最好数据为正态分布。哪位高人指点一下，几种插值法的所用场景。

赞一下

回复此楼

2楼2012-03-22 05:10:58

已阅回复此楼关注TA 给TA发消息送TA红花 TA的回帖

牙鳕逆戟

金虫 (小有名气)

应助: 16 (小学生)
金币: 1296.9
红花: 1
帖子: 171
在线: 141.4小时
虫号: 1553737
注册: 2011-12-27
性别: MM
专业: 地理信息系统

【答案】应助回帖

感谢参与，应助指数 +1

1.arcgis里有个聚集和异常值分析，也就是局部空间自相关分析，不知道对你是否有用，不过从这个分析的名字来说应该是你想找的。在arcgis的空间分析模块下，不过个人认为不是很好用，没有免费的软件geoda里的空间局部自相关好用。
对于极值（也就是异常值），在Goovaerts Pierre的Geostatistics for Natural Reasources Evaluation中Pierre建议对极值的处理方式如下：1）将极值数据判定为错误数据并删除；2）将极值划分为一个单独的统计总体样本进行分析；3）使用对极值不敏感的稳健统计量；4）对数据进行转换以减小极值的影响。书中建议不要轻易的提出极值，也不要随便对数据进行转换。因为有些极值是有比较重要的意义的，除非十分肯定这个极值是错误的。对数据进行转换可能获得比较好的统计量，但是最后还要进行反转换，反转换会抹杀掉转换数据计算的更稳健的统计量的绝大部分好处。对于将极值划分出来统计，也要在极值比较多的情况下才可行。最好的办法就是用对极值不太敏感的统计量。
2.http://www.gissky.net/Article/14.htm这个网址上有对QQ图，直方图，以及趋势分析的简单介绍，也许对你有用，个人认为直方图的样子接近正态分布图就可以判定样本满足正态性。但是我现在在看Geostatistics for Natural Reasources Evaluation时没看到作者有提到数据一定要满足正态分布，不满足的话如何处理方面的内容。也许是我才刚看了个开头的原因吧。
3.关于几种不同的克里金用法我在Goovaerts Pierre的一篇文章里了解了一点。通常用的比较多的是普通克里金，泛克里金的结果通常和普通克里金的结果比较一致，只是在边远地区泛克里金的克里金方差要比普通克里金的克里金方差要大，也就是在边缘地区以及数据量少的地方普通克里金的效果要好一点。简单克里金通常不用，因为那个全局均值已知且不变的假设在现实中很难满足。这就是单变量三种克里金。对于有多个变量的，还可以引入其他变量还辅助计算某个数据不充分的变量。在不满足线性条件时应用吸取克里金。还有一个常用的是指示克里金，这个对极值就不敏感。根据你的需要来用。但是要用克里金插值前提是必须要数据量比较充足，否则插值结果的精度也是很不好的，如果数据量充足，个人认为克里金插值是最好的选择。其他的几种插值方法不是很了解，但是在应用是你可以都试一下，看看哪个插值结果更符合实际。

赞一下(1人)

回复此楼