Схематизация вариограммы. Точки представляют точки измеренных данных (наблюдаемые), а кривая представляет собой используемую модельную функцию (эмпирическую). Диапазон означает искомый диапазон, порог — значение плато, достигнутое при максимальном расстоянии, самородок — эффект самородка.
В случае конкретного примера из области добычи золота вариограмма даст меру того, насколько будут различаться процентное содержание золота в двух пробах, взятых из района добычи, в зависимости от расстояния между этими образцами. Образцы, взятые далеко друг от друга, будут различаться больше, чем образцы, взятые близко друг к другу.
Определение
Семивариограмма была впервые определена Матероном (1963) как половина средней квадратичной разницы между значениями в точках ( и ) , разделенных расстоянием . [1] [2] Формально
где – точка геометрического поля , и – значение в этой точке. Тройной интеграл имеет более 3 измерений. представляет собой интересующее расстояние разделения (например, в метрах или км). Например, значение может представлять содержание железа в почве в каком-то месте (с географическими координатами широты, долготы и высоты) в некотором регионе с элементом объема . Чтобы получить вариограмму для заданного значения , необходимо выполнить выборку всех пар точек на этом точном расстоянии. На практике невозможно отобрать образцы повсюду, поэтому вместо этого используется эмпирическая вариограмма.
Вариограмма в два раза больше вариограммы и может быть определена, что эквивалентно, как дисперсия разницы между значениями поля в двух местах ( и , обратите внимание на изменение обозначений с to и to ) между реализациями поля (Cressie 1993):
Если пространственное случайное поле имеет постоянное среднее значение , это эквивалентно ожиданию квадратичного приращения значений между местоположениями и (Wackernagel 2003) (где и — точки в пространстве и, возможно, во времени):
В случае стационарного процесса вариограмма и семивариограмма могут быть представлены только как функция разницы между местоположениями с помощью следующего соотношения (Cressie 1993):
Если процесс, кроме того, изотропен , то вариограмма и семивариограмма могут быть представлены только функцией расстояния (Cressie 1993):
Индексы или обычно не записываются. Термины используются для всех трех форм функции. Более того, термин «вариограмма» иногда используется для обозначения семивариограммы, а символ иногда используется для обозначения вариограммы, что вносит некоторую путаницу. [3]
Характеристики
Согласно (Cressie 1993, Chiles and Delfiner 1999, Wackernagel 2003) теоретическая вариограмма обладает следующими свойствами:
Семивариограмма неотрицательна , поскольку представляет собой математическое ожидание квадрата.
Вариограмма на расстоянии 0 всегда равна 0, поскольку .
Функция является вариограммой тогда и только тогда, когда она является условно отрицательно определенной функцией, т.е. для всех весов, подверженных и местоположениям, она выполняется:
что соответствует тому факту, что дисперсия определяется отрицательным значением этой двойной суммы и должна быть неотрицательной. [ оспаривается – обсуждаем ]
Если ковариационная функция стационарного процесса существует, она связана с вариограммой соотношением
Если стационарное случайное поле не имеет пространственной зависимости (т.е. если ) , вариограмма является постоянной всюду, кроме начала координат, где она равна нулю.
Если случайное поле стационарно и эргодично , соответствует дисперсии поля. Предел вариограммы также называют ее порогом .
Как следствие, вариограмма может быть прерывистой только в начале координат. Высоту скачка в начале координат иногда называют эффектом самородка или самородка.
Параметры
Таким образом, для описания вариограмм часто используются следующие параметры:
самородок : высота скачка вариограммы на разрыве в начале координат.
порог : предел вариограммы, стремящейся к бесконечности расстояний задержки.
диапазон : Расстояние, на котором отличие вариограммы от порога становится незначительным. В моделях с фиксированным подоконником – это расстояние, на котором он впервые достигается; для моделей с асимптотическим порогом за него принято считать расстояние, на котором полудисперсия впервые достигает 95% порога.
Эмпирическая вариограмма
Как правило, для измеренных данных необходима эмпирическая вариограмма , поскольку информация об образцах доступна не для каждого местоположения. Информацией об образце, например, может быть концентрация железа в образцах почвы или интенсивность пикселей на камере. Каждая часть выборочной информации имеет координаты для двумерного выборочного пространства, где и — географические координаты. В случае железа в почве пространство образца может быть трехмерным. Если также существует временная изменчивость (например, содержание фосфора в озере), то это может быть четырехмерный вектор . В случае, когда размеры имеют разные единицы измерения (например, расстояние и время), к каждому из них можно применить коэффициент масштабирования, чтобы получить модифицированное евклидово расстояние. [4]
Выборочные наблюдения обозначены . Пробы могут быть взяты в разных местах. Это обеспечит набор образцов в различных местах . Обычно на графиках показаны значения вариограммы как функция разделения точек отбора проб . В случае эмпирической вариограммы используются элементы разделения расстояний, а не точные расстояния, и обычно предполагаются изотропные условия (т. е. это только функция и не зависит от других переменных, таких как положение центра). Затем для каждого интервала можно рассчитать эмпирическую семивариограмму:
Другими словами, находится каждая пара точек, разделенных (плюс или минус некоторый диапазон допуска ширины ячейки ). Они образуют набор точек . Число этих точек в этом интервале равно . Затем для каждой пары точек находится квадрат разницы в наблюдениях (например, содержания образца почвы или интенсивности пикселей) ( ). Эти квадраты разностей складываются и нормализуются по натуральному числу . По определению результат делится на 2 для вариограммы на этом расстоянии.
Для скорости вычислений необходимы только уникальные пары точек. Например, для двух наблюдений необходимо учитывать только пары [ ] из мест с разносом [ ], поскольку пары [ ] не несут никакой дополнительной информации.
Модели вариограммы
Эмпирическую вариограмму невозможно вычислить на каждом расстоянии лага , и из-за различий в оценке не гарантируется, что это действительная вариограмма, как определено выше. Однако некоторые геостатистические методы, такие как кригинг, требуют достоверных вариограмм. Таким образом, в прикладной геостатистике эмпирические вариограммы часто аппроксимируются модельной функцией, обеспечивающей достоверность (Chiles&Delpfiner 1999). Вот некоторые важные модели (Chiles&Delfiner 1999, Cressie 1993):
Модель экспоненциальной вариограммы
Модель сферической вариограммы
Модель гауссовой вариограммы
В разных справочниках параметр имеет разные значения из-за неоднозначности определения диапазона. Например , это значение, использованное в (Chiles&Delphiner 1999). Функция равна 1, если и 0 в противном случае.
Обсуждение
В геостатистике для описания пространственной или временной корреляции наблюдений используются три функции : это коррелограмма , ковариация и семивариограмма . Последнюю еще проще называют вариограммой .
Вариограмма является ключевой функцией в геостатистике , поскольку она будет использоваться для построения модели временной/ пространственной корреляции наблюдаемого явления. Таким образом, проводится различие между экспериментальной вариограммой , которая представляет собой визуализацию возможной пространственной/временной корреляции, и моделью вариограммы , которая в дальнейшем используется для определения весов функции кригинга . Обратите внимание, что экспериментальная вариограмма представляет собой эмпирическую оценку ковариации гауссова процесса . По существу, оно не может быть положительно определенным и, следовательно, не может быть напрямую использовано в кригинге без ограничений или дальнейшей обработки. Это объясняет, почему используется лишь ограниченное количество моделей вариограмм: чаще всего линейная, сферическая, гауссовая и экспоненциальная модели.
Приложения
Эмпирическая вариограмма используется в геостатистике в качестве первой оценки модели вариограммы, необходимой для пространственной интерполяции методом кригинга .
Эмпирические вариограммы пространственно-временной изменчивости усредненного по столбцу содержания углекислого газа использовались для определения критериев совпадения спутниковых и наземных измерений. [4]
Эмпирические вариограммы рассчитывались для плотности гетерогенного материала (Гилсокарбон). [5]
Эмпирические вариограммы рассчитываются на основе наблюдений сильных движений грунта в результате землетрясений . [6] Эти модели используются для оценки сейсмического риска и потерь пространственно-распределенной инфраструктуры. [7]
Связанные понятия
Квадратный член в вариограмме, например , можно заменить различными степенями: мадограмма определяется абсолютной разностью , , а родограмма определяется квадратным корнем из абсолютной разности . Оценщики , основанные на этих более низких степенях, считаются более устойчивыми к выбросам . Их можно обобщить как «вариограмму порядка α »,
,
у которых вариограмма имеет 2-й порядок, мадограмма — вариограмма 1-го порядка, родограмма — вариограмма 0,5-го порядка. [8]
Когда вариограмма используется для описания корреляции различных переменных, ее называют кросс-вариограммой . Кросс-вариограммы используются в ко-кригинге. Если переменная является бинарной или представляет классы значений, тогда речь идет об индикаторных вариограммах . Индикаторная вариограмма используется в индикаторном кригинге.
^ Форд, Дэвид. «Эмпирическая вариограмма» (PDF) . факультет.washington.edu/edford . Проверено 31 октября 2017 г.
^ Бахмайер, Мартин; Бэкес, Маттиас (24 февраля 2008 г.). «Вариограмма или семивариограмма? Понимание дисперсий вариограммы». Точное земледелие . ООО «Спрингер Сайенс энд Бизнес Медиа». 9 (3): 173–175. дои : 10.1007/s11119-008-9056-2. ISSN 1385-2256.
^ Аб Нгуен, Х.; Остерман, Г.; Вунч, Д.; О'Делл, К.; Мандрагора, Л.; Веннберг, П.; Фишер, Б.; Кастано, Р. (2014). «Метод сопоставления спутниковых данных XCO2 с наземными данными и его применение в ACOS-GOSAT и TCCON». Методы измерения атмосферы . 7 (8): 2631–2644. Бибкод : 2014AMT.....7.2631N. дои : 10.5194/amt-7-2631-2014 . ISSN 1867-8548.
^ Арреги Мена, доктор юридических наук; и другие. (2018). «Характеристика пространственной изменчивости свойств материалов Gilsocarbon и NBG-18 с использованием случайных полей». Журнал ядерных материалов . 511 : 91–108. Бибкод : 2018JNuM..511...91A. дои : 10.1016/j.jnucmat.2018.09.008 .
^ Скьяппапьетра, Эрика; Дуглас, Джон (апрель 2020 г.). «Моделирование пространственной корреляции движения грунта при землетрясении: выводы из литературы, данные последовательности землетрясений в Центральной Италии в 2016–2017 годах и моделирование движения грунта». Обзоры наук о Земле . 203 : 103139. Бибкод : 2020ESRv..20303139S. doi : 10.1016/j.earscirev.2020.103139.
^ Соколов, Владимир; Венцель, Фридеманн (25 июля 2011 г.). «Влияние пространственной корреляции сильных движений грунта на неопределенность оценки ущерба от землетрясения». Сейсмическая инженерия и структурная динамика . 40 (9): 993–1009. дои : 10.1002/eqe.1074.
^ Олеа, Рикардо А. (1991). Геостатистический глоссарий и многоязычный словарь . Издательство Оксфордского университета. стр. 47, 67, 81. ISBN.9780195066890.
дальнейшее чтение
Кресси, Н., 1993, Статистика пространственных данных, Wiley Interscience.
Чайлз, Дж. П., П. Дельфинер, 1999, Геостатистика, моделирование пространственной неопределенности, Wiley-Interscience.