قبل از انجام کار عملی آنالیزهای Geostatistical باید به این نکته توجه کنیم که داده های اندازه گیری شده می بایست دو ویژگی را داشته باشند :
-
دارای توزیع نرمال بوده و
-
دوم اینکه میانگین و واریانس آنها خیلی متغیر نباشد.
مراحل انجام کار به این صورت خواهد بود که در ابتدا می بایست خصوصیات آماری داده ها مورد بررسی قرار گیرند. سپس در مرحله بعد می بایست مدلی برای سطح ایجاد سده و بهتدین مد برای پیش بینی مقادیر نامعلوم انتخاب گردد.
چنانچه بیش از یک سطح تولید شود ، نتیجه ها می توانند با یکدیگر مقایسه و در مورد استفاده از سطحی که بهترین پیش بینی های را برای مقادیر نامعلوم انجام می دهد تصمیم گیری شود.
پس از ایجاد داده های مذکور نرم افزار Arc map را اجرا نموده و داد های ورودی را به نرم افزار معرفی می نماییم.. سپس منوی Geostatistical Analyst را فعال می نماییم. حال می بایست سطح پیوسته ای را از روی نقاط نمونه برداری اندازه گیری شده انترپوله نماییم.
برای این منظور می بایست از منوی Geostatistical analyst داخل گزینه Geostatistical Wizard رویم. شکل (2)
شکل (2)
پس از ورود به قسمت فوق الذکر همانگونه که قبلا بیان شده ، می باست مقدار متغیر را برای داده های نمونه مشخص نماییم که این متغیر در قسمت attribute انتخاب می گردد.در پروژه حاضر متغیری که مقدار آن برای ما نامشخص و در حال تغییر است OZONE بوده و به همین لحاظ آن را در قسمت Attribute به عنوان متغیر انتخاب می نماییم.
همچنین در قسمت method امکان انتخاب روش آنالیز وجود خواهد داشت که در ابتدا از روش آنالیز عددی kriging استفاده نمودیم. با کلیک نمودن بر روی گزینه next به مرحله بعد می رویم. (شکل 3)
(شکل 3)
در مرحله بعد امکان انتخاب الگوریتم خاصی از آنالیز kriging میسر می گردد که با انتخاب هر کدام از الگوریتمها می توان روش انترپولاسیون مورد نظر را نیز انتخاب نمود که در ابتدا از الگوریتم ordinary و روش انترپولاسیون prediction map استفاده نمودیم.
همجنین در این قسمت می توان از روش تبدیل دلخواه به منظور بهبود کیفیت و کارایی داده ها نیز استفاده نمود.
در مر حله بعدی با استفاده از مدلسازی کواریانس و Semivariogram می توان روابط مکانی بین نقاط اندازه گیری شده را بررسی نمود. همچنین در این قسمت امکان انتخاب مدلهای مختلف variogram از قبیل مدل کروی ، گوسین و … ئجود خواهد داشت.
بدیهی است که نمودار مدلسازی کواریانس و semivariogram با یکدیگر نسبت عکس دارند که این مسئله کاملا در نمودارشان واضح می باشد. (شکل 4 )
(شکل4)
همانگونه که در شکل 4 مشخص است امکان تعیین lag ها و بازه آنها در این قسمت وجود دارد .
در قسمت بعدی همسایه ها و حداقل همسایه ها برای نقاطی که اندازه گیری نشده اند ، تعیین می شود. با کلیک نمودن بر روی نقشه می توان موقعیت مسطحاتی موجود آن و همچنین موقعیت ارتفاعی پیش بینی آن بر طبق توابع انترپوله را مشاهده نمود. (شکل 5)
(شکل5)
از طریق تغییر در مقادیر همسایه ها و وزن آنها می توان دقت پیش بینی نقطه مجهول را افزایش داد.
پس از انتخاب همسایه ها و رفتن به مرحله بعدی ، می توان در پنجره cross validation بهترین مدل پیش بینی برای مکانهای مجهول را انتخاب نمود. این انتخاب از میان سطوح مختلف انترپولاسیون در Geostatistic صورت می گیرد. همچنین در این قسمت متوسط استاندارد، میانگین خطای استاندارد و … نمایش داده می شود.(شکل 6 )
(شکل 6 )
با کلیک نمودن روی دکمه finish مقادیر خطاها و میانگین ها بصورت خلاصه نمایش داده شده و سپس نقشه رستری پیوسته از داده های نمونه ایجاد می شود. (شکل 7 )
(شکل 7 )