an align="justify"> На панелі інструментів Geostatistical Analyst виберіть Explore Data (Дослідити дані) Semivariogram/Covariance Cloud (Хмара варіограмми/коваріації).
Хмара варіограмми/коваріації - це емпірична варіограмма (на якій показані значення половини квадрата різниці між виміряними величинами) і коваріація для всіх пар опорних точок з набору даних; на хмарі варіограмми ці значення показані як функція відстані між двома точками. Хмара варіограмми/коваріації може бути використано для вивчення локальних характеристик просторової автокореляції в наборі даних і визначення випадаючих значень у вибірці. p align="justify"> Для варіанту 12 не вдалося дослідити хмара варіограмми оскільки кількість точок перевищує допустиме значення 300 точок.
.3 Картографування значень глибин
1. На панелі інструментів Geostatistical Analyst виберемо опцію Geostatistical Wizard ... (Майстер операцій геостатистики ...).
. У вікні Layer (Шар) виберемо шар варіанту. У вікні Attribute (Атрибут) виберемо depth. У вікні Methods (Методи) виберемо Kriging (Крігінг). Натиснемо Next (Далі).
3. У діалоговому вікні Geostatistical Method Selection, у рядку Order of trend removal (Порядок від'ємника тренду) виберемо Second (Другою).
В
Малюнок 11 - Вибір геостатистичного методу.
4. У діалозі Geostatistical Method Selection (Вибір геостатистичного методу) натиснемо Next (Далі). У діалозі Detrending (Віднімання тренду) натиснемо Next (Далі).
В
Рисунок 12 - Віднімання тренда.
5. Наберемо нове значення розміру лага. Спочатку поставимо значення побільше, наприклад 10000, а потім зменшуйте його, поки крайні точки на графіку не наблизяться до крайніх значень на осі distance (рис. 13).
В
Малюнок 13 - Моделювання варіограмми/коваріації.
6. У рядку Number of lags (Кількість лагів) введемо 9.
7. Зазначимо галочкою опцію Show search direction (Показати напрямок пошуку).
. Включимо опцію Anisotropy (Анізотропія). Натиснемо Next (Далі).
. Клацніть мишею на графічному зображенні, щоб вибрати точку, для якої виконуватиметься інтерполяція (див. рис.16). Об'єкти, розташовані ближче один до одного, повинні бути більш схожими - у міру видалення опорних точок від точки з невідомим значенням, вони можуть виявитися не дуже корисними для обчислення значення в шуканої точці.
В
