Neuheiten in ArcGIS 10 Geostatistical Analyst

Die Erweiterung ArcGIS Geostatistical Analyst bietet eine breite Auswahl von leistungsfähigen Funktionen für die räumliche Modellierung und Analyse. In der Version 10 bietet Geostatistical Analyst Verbesserungen für Performance und neue Werkzeuge.

Neue Geoverarbeitungswerkzeuge

Es gibt elf neue Geoverarbeitungswerkzeuge für Geostatistical Analyst in ArcGIS 10.

Vier dieser Werkzeuge sind neue Funktionen und die restlichen sieben wurden in früheren Versionen nur im Geostatistical Wizard oder in der Werkzeugleiste "Geostatistical Analyst" bereitgestellt.

Diffusionsinterpolation mit Barrieren

Diffusionsinterpolation mit Barrieren verwendet einen Kernel, der auf der Wärmeleitungsgleichung basiert und es ermöglicht, eine Kombination aus Raster- und Feature-Datasets als Barrieren zu verwenden.

Kernel-Interpolation mit Barrieren

Kernel-Interpolation mit Barrieren ist ein Prädiktor in einem beweglichen Fenster, der die kürzeste Entfernung zwischen Punkten verwendet. In der Abbildung weiter unten werden die Pfade von den Datenpositionen (schwarze Kreise) zu der Position (rotes Quadrat), an der eine Vorhersage erforderlich ist, dargestellt.

Globale polynomische Interpolation

Globale polynomische Interpolation entspricht dem Einführen eines Blatt Papiers zwischen die (bis zur Höhe des Wertes) erhöhten Punkte. Diese Methode wird häufig auch als Trendoberflächenanalyse bezeichnet.

Lokale polynomische Interpolation

Lokale polynomische Interpolation entspricht vielen Polynomen, die sich alle in angegebenen überlappenden Nachbarschaften befinden. Die neuen Funktionen dieses Werkzeugs umfassen Optionen zum Erstellen eines Oberflächen-Standardfehlers der Vorhersage und außerdem zum Einbeziehen von Optimierungs- und Diagnoseroutinen.

IDW

Die IDW-Interpolation implementiert explizit die Annahme, dass Elemente, die in geringem Abstand zueinander liegen, sich ähnlicher sind als Elemente, die weiter voneinander entfernt sind. Die Punkte, die näher an der vorhergesagten Position liegen, erhalten eine größere Gewichtung als die Punkte, die weiter entfernt sind – daher der Name "Inverse Distance Weighted (IDW)".

Radial Basis Functions

Die Methoden Radial Basis Functions sind eine Reihe von genauen Interpolationsmethoden; das heißt, dass die Oberfläche jeden gemessenen Beispielwert durchlaufen muss.

Räumlich balancierte Punkte erstellen

Räumlich balancierte Punkte erstellen erstellt eine Reihe von Beispielpunkten auf der Grundlage von A-priori-Einbeziehungswahrscheinlichkeiten. Der sich ergebende Beispielentwurf ist räumlich ausgeglichen. Das bedeutet, dass zwischen den Stichproben eine maximale räumliche Unabhängigkeit besteht, sodass der Entwurf effizienter ist, als wenn im Untersuchungsgebiet an zufälligen Punkten Referenzpunkte erfasst werden.

Sampling-Netzwerk verdichten

Sampling-Netzwerk verdichten basiert auf einem vordefinierten geostatistischen Kriging-Layer. Die Methode verwendet u. a. den Oberflächen-Standardfehler der Vorhersage, um zu bestimmen, an welchen Stellen neue Positionen erforderlich sind oder Positionen entfernt werden können.

Werte zu Tabelle extrahieren

Werte zu Tabelle extrahieren extrahiert die Zellenwerte aus einer Gruppe von Rastern basierend auf einer Punkt- oder Polygon-Feature-Class in eine Tabelle. Wenn eine Point-Feature-Class verwendet wird, enthält die Ausgabe-Tabelle einen Datensatz für jeden Punkt und jedes Raster mit Daten. Polygondaten werden als Punktdaten behandelt. Der Zellenmittelpunkt der Eingabe-Raster legt die Anzahl der Punkte fest und wird verwendet, um zu bestimmen, ob die Zelle in dem Polygon enthalten ist oder nicht. Dieses Werkzeug kann verwendet werden, um die mit dem Werkzeug "Gauß'sche geostatistische Simulationen" erzielten Ergebnisse weiter zu analysieren.

Kreuzvalidierung

Mit dem Werkzeug Kreuzvalidierung wird eine Position mit Daten entfernt, und die zugehörigen Daten werden mithilfe der Daten der restlichen Positionen vorausgesagt. Anschließend wird dieser Vorgang für die verbleibenden Positionen wiederholt. Auf diese Weise können Sie die vorhergesagten Werte mit den beobachteten Werten vergleichen, wodurch Sie hilfreiche Informationen zu einigen Ihrer Entscheidungen im Modell erhalten.

Teilmenge von Features

Teilmenge von Features setzt eine der strengsten Methoden zur Bewertung der Qualität einer Ausgabeoberfläche ein, indem die vorhergesagten Werte mit den gemessenen Werten verglichen werden. Eine Lösung besteht darin, das ursprüngliche Dataset in zwei Teile zu unterteilen. Ein Teil kann verwendet werden, um die räumliche Struktur zu modellieren und eine Oberfläche zu erstellen. Der andere Teil kann verwendet werden, um die Ausgabeoberfläche zu vergleichen und zu überprüfen.

Verbesserungen am Assistenten

Der Geostatistical Wizard besteht aus einer Reihe von dynamischen Seiten, die Sie durch den Prozess des Erstellens und Auswertens der Performance eines Interpolationsmodells führen sollen.

Größenveränderbare Fenster

• Die Größe des Gesamtfensters kann geändert werden.
• Die Größe einzelner Fensterbereiche kann geändert werden.

Neues Layout und neue Funktionen der Dialogfelder

• Viele der Modellparameter können mit der Kreuzvalidierung optimiert werden.
• Im Dialogfeld wird Hilfe zu den Parametern bereitgestellt. Zusätzliche Informationen finden Sie in der kompilierten Hilfe.

Geostatistical Analyst-Assistent

Visualisierung des Semivariogramms

• Ansichten enthalten die ursprünglichen Werte von Abschnitten, einen Mittelwert pro Abschnitt und eine geglättete Linie, die die Datenkorrelation in unterschiedlichen Richtungen anzeigt.

Oberflächenvorschau

• Die Oberflächenvorschau wurde so geändert, dass die Dataset-Vorschau und die Oberflächenvorschau aktiviert und deaktiviert werden können.

Neue Interpolationsmethoden

• Diffusionsinterpolation mit Barrieren und Kernel-Interpolation mit Barrieren sind zwei neue Interpolationsmethoden, die im Assistenten und außerdem als einzelne Geoverarbeitungswerkzeuge bereitgestellt werden. In der nachfolgenden Abbildung wird die Tiefe von Schlick in einem See angezeigt. Die Grenze des Sees schränkt die Suchnachbarschaft ein.

Beispiel für Interpolationsmethoden im Assistenten

"Lokale polynomische Interpolation" wurde verbessert und umfasst u. a.

• Prediction Standard Errors – geben die Unsicherheit an, die mit dem für jede Position vorhergesagten Wert verknüpft ist.
• Condition Numbers – zeigen Abweichungen der numerischen Modellstabilität auf und stellen zusätzliche Informationen zur Unsicherheit der Vorhersage bereit, da der Oberflächen-Standardfehler der Vorhersage in der Annahme erstellt wird, dass das Modell richtig ist, sodass kein Grund für die Modellinstabilität vorliegt.
• Mit Optimize Model werden die Bandbreite, die räumliche Bedingungsnummer und Nachbarschaftswerte geändert. Anschließend wird das Modell mithilfe der Kreuzvalidierungsstatistik optimiert.

Weitere Verbesserungen

Das neue Feld "Conditioning Measurement Error"

Das neue Feld "Conditioning Measurement Error" wurde zum Werkzeug Gauß'sche geostatistische Simulationen hinzugefügt. Es wird verwendet, wenn ein konstanter Messfehler für alle Eingabedaten im Eingabe-Semivariogramm-Modell angegeben werden kann. Wenn die Messfehlerwerte jedoch nicht an jeder Stichprobenstelle identisch sind, können sie in diesem Feld angegeben werden.

Verarbeiten von großen Datasets

• Einige der Interpolationsmethoden können jetzt sehr große Eingabe-Datasets verwalten.
• IDW mit ungefähr 2 Milliarden Eingabepunkten (enthalten in über 400.000 Multipoints) hat ein Ausgabe-Raster von 250 Spalten und 250 Zeilen in ungefähr 20 Stunden erzeugt.

Neue und aktualisierte Hilfe

Es wurde z. B. ein kurzer Überblick über Geostatistical Analyst hinzugefügt.

Neue Lernprogramme

Die Einführung in das ArcGIS Geostatistical Analyst-Lernprogramm wurde aktualisiert.