Temat: Kriging
Tak z grubsza, to:
1. Efekt samorodka powinien być "minimalizowany", tzn. albo ustawiamy 0 albo jak najmniejszy. No ale to zależy od wielu czynników i bez zobaczenia wariogramy empirycznego trudno powiedzieć.
2. Efekt samorodka to na ogół jeden z modeli "zagnieżdżonych" używanych do modelowania wariogramy - oprócz niego dochodzi co najmniej jeden model sferyczny lub podobny. Użycie samego efektu samorodka oznacza brak korelacji przestrzennych.
3. Ważna jest ilość par. Dla pierwszych klas na ogół mniejsza, więc tam jest większa niepewność, a te pary własnie "sugerują" efekt samorodka.
4. Najpierw modelujesz wariogram przy początku, potem środek, powyżej połowy maksymalnej odległości pomiędzy parami może być takie sobie dopasowanie - ale to jest bardzo z grubsza.
Przy samym modelowaniu ważnych jest wiele czynników:
1. Jakie dane, jaki mają rozkład?
2. Wariogram na surowych danych, czy na resztach?
3. Czy jest trend w danych?
4. Czy jest efekt periodyczny?
5. Punkty odstające
6. Przed modelowaniem, dobrze jest obejrzeć h-scatter plot - wykres wartości semiwariancji dla wszystkich par - bardzo dobre do identyfikowania punktów psujących wariogram.
7. Co jest badaną wielkością? - jaki ma błąd pomiaru, błąd związany z samym próbkowaniem - efekt samorodka odpowiada za to, i porównując to można z grubsza oszacować jaką mniej więcej powinien mieć wartość.
8. Nie wiem jakie oprogramowanie, ale lepiej odpuścić sobie automatyczne dopasowanie modelu, bo to nie jest takie proste i na ogół podejście "eksperckie" jest lepsze.
Może być istotne, ale często się na to uwagi nie zwraca. Współrzędne muszą być w układzie metrycznym, WGS odpada, bo jak X/Y jest w stopniach to stopień po południku i po równoleżniku ma inną długość w km i to ma znaczenie przy liczeniu par punktów.
пропозиції роботи
