选择步长大小

步长大小的选择对经验半变异函数有重要影响。例如，如果步长过大，短程自相关可能会被掩膜。如果步长过小，可能会有许多空条柱单元，并且条柱单元内的采样过小，无法获得条柱单元的典型平均值。

当样本位于采样格网上时，格网间距通常可准确地表示步长大小。但如果使用非规则或随机采样方案获取数据，选择合适的步长大小并不那么简单。一条经验法则是用步长数乘以步长大小，它应该为所有点之间最大距离的一半左右。同时，如果拟合的半变异函数模型的变程相对于经验半变异函数的范围非常小，可减少步长大小。相反，如果拟合的半变异模型的变程相对于经验半变异函数的范围很大，可增加步长大小。

确定步长大小的另一种方法是使用平均最近邻工具确定点与最近的相邻要素之间的平均距离。这可提供一个非常好的步长大小，因为所有步长都会在其中至少包含数个点对。“平均最近邻”工具位于“分析模式”工具集下的 Spatial Statistics 工具中。此工具的一个使用示例如下所示。

只需指定输入要素类。距离方法自动设置为欧氏距离。

该工具的运行结果（已启用后台地理处理选项）显示在“结果”窗口中。NNObserved 是最邻近点之间的平均距离，可用作半变异函数/协方差建模的步长大小。但如果数据集包含聚类点/样本，建议使用更小的步长大小值以为半变异函数/协方差模型获取更精确的块金估计。

了解有关根据经验半变异函数拟合模型的详细信息