geostatistics_introduction.ppt

1 statystykaprzestrzeni spatialstatistics zbi rmetodanalizdanychpomiarowych obserwacyjnych kt reopr czcechobiekt wuwzgl dniaj ichlokalizacj wprzestrzenii lubwczasie geostatystykaniejestto samazestatystykaprzestrzenn 2 wprowadzenie analizaprzestrzenna wiatarzeczywistego zjawiskprzyrodniczych danemaj charakterilo ciowy musz zosta zorganizowanepodwzgl demlogicznymjakifizycznym 3 pytaniageograficzne gdziejestwarto wy sza gdziejestwarto ni sza jakijestwzorzecdanych spatialpattern 4 pytaniaszczeg owe czyjakie zdarzenia np uderzeniapioruna wykazuj pewn prawid owo przestrzenn wjednychmiejscachs bardziejprawdopodobneni winnych czywyst powaniezjawiskamacharakterregularny losowyczyklastrowy czyjednamapawykazujezale no korelacj zdrug map czywyst powaniedw chrodzaj wobiekt wjestniezale ne przyci gaj si odpychaj si czyistniejezwi zekmi dzyprzypadkamizachorowa azanieczyszczeniem rodowiska jakiejestprawdopodobie stwowyst pieniawarto ciprogowejwnieznanymmiejscunapodstawiepunktowychpomiar wwokolicytegomiejsca 5 modelkonceptualnyrozwi zywaniaprzestrzennychproblem w 6 modeldanychprzestrzennych opiswszelkichelement w wiatarzeczywistegomo eby podzielonynadwiekategorie po o enieelementuwprzestrzeni danegraficzne cechyelementu daneatrybutowelubtekstowe logicznaorganizacjadanychs u cadoreprezentacjielement wprzestrzeniwprocesieanalizynosinazw modeludanychcech szczeg ln tychmodelijest czeniedanychgraficznychzdanymiatrybutowymi analizadanychgraficznychpo czonychzatrybutowymijestistot system wgis 7 charakterdanychprzestrzennych klasycznametodaanalizydanych klasycznastatystyka zak adaniezale no danychdaneprzyrodniczezlokalizowanewprzestrzeni napowierzchniziemi wykazuj wzajemneskorelowanie s zale ne stopie tejzale no ci skorelowania mazwi zekzrozmieszczeniemdanychwprzestrzeni np danetymbardziejs dosiebiepodobneimmniejszamiedzynimiodleg o 8 geograficzneprawotoblera 1970 obiekty kt rewprzestrzenii lubczasiezesob s siaduj s zazwyczajbardziejpodobneodznajduj cychsi odsiebiedalej konsekwencja pr bkowanie obserwacje pomiary wprzestrzeniiwczasiemo eniemie charakterulosowego znajomo wsp rz dnychobiektu punktuzbadanegomo epomaga wbardziejprecyzyjnymszacowaniucechle cychwpobli uobiekt wniezbadanych 9 elementyprzestrzeni elementyprzestrzeni wiatarzeczywistegomo nanajog lniejpodzieli na elementyci g emaj cecharakterp lfizycznych np poletemperatury ci nienia powierzchniaterenu elementymaj cecharakterobiekt wzwyra nymigranicamiokre laj cymiichzasi g rzeka las budynek droga obiektydyskretne 10 punktowe powierzchniowe geostatystyczne drzewazwysoko ci nakt rejrosn pokryciero linno ci wysoko daneci g e areadata pointpattern wyst pienie markedpointpattern zatrybutem danedyskretne typydanychprzestrzennych 11 podzia statystykiprzestrzenizewzgl dunaobiektanalizy statystykapunkt wpointstatistics statystykasiecinetworkanalysis statystykasiatekgrid lattice statistics statystykaobiekt wpatchanalysis statystkapowierzchnisurface 2d statistics statystykabry volume 3d statistics wyst pieniagatunk wro linizwierz t przypadkiprzest pstw chor bitp lokalizacja rozk ad skupienia statystykinajbli szegos siada prawdopodob wyst pieniaitp siecirzeczne drogoweitp fotografiecyfrowe skany kszta t hierarchizacja dost pno przepustowo propagacjazaburze autokorelacja cykliczno tekstura jeziora wzniesienia a cuchyg rskiezbiorowiskaro linne wielko kszta t ukierunkowanie s siedztwo zjawiskaci g e np tempera turapowietrza phgleby g boko wody itp estymacjapunktowaiobszarowa rozk adstatystycznyitp zjawiskaci g e np tempera turapowietrza phgleby mineralizacjakruszcu estymacjapunktowaiobszarowa rozk adstatystycznyitp geo sta tys tyka inne dziedzina obiektanalizy cechyobiekt w narz dzia 12 widzimydwiemapyrastrowerozk adutemperatury lubinnedaneci g enp wysoko terenu st eniezwi zk wmetaliwglebieczywodzie obiemapyzbudowanes ztychsamychpikseli tylkowr nyspos bu o onychwarto citemperaturynaobumapachmaj rozk adnormalnyotychsamychwarto ciach rednichitymsamymodchyleniustandardowym identycznes wszystkiestatystykiopisoweg rn map odbieramyjakobardziejnaturaln map doln odbieramyjakoco sztucznegowygenerowanegonp przezkomputer takwygl da by wiatrz dzonywy cznieprzezprocesylosowe danegeostatystyczne 13 geostatystykaarzeczywisto wgeostatystycetraktujemywynikipomiar wjakoodbicierealizacjifunkcjilosowych prawdopodobie stwanieistniej obiektywniewnaturze tylkownaszychmodelachj opisuj cych naturajestdeterministyczna nielosowa naturatymr nisi odlaboratorium eprzestrzennerozk adyinteresuj cychnasparametr wpowstaj wrezultaciedzia a bardzowieluproces wwbardzowieluskalach wrezultacietocoudajesi namobserwowa lubrejestrowa maposta po redni mi dzyobrazemdeterministycznymalosowym wrozk adachmierzonychnaturalnychzmiennychwidocznajestzjednejstronystrukturalno czylipewneprzestrzennestruktury kt reodzwierciedlaj procesyfizycznetworz ceteuk ady zdrugiejstronyz o ono naturynak adanatestrukturywyra n losowo geostatystyczny wiatdanychjestjakca espektrumodcieniszaro cipomi dzybiel proces wdeterministycznychiczerni proces wlosowych u ywamymodelistochastycznychbos analitycznieu yteczne s furtk wyj ciawsytuacjinaszejbezradno ciwobecskomplikowaniaprzyrody 14 cotojestgeostatystyka goovaerts1997zmienione geostatystka dzia matematykistosowanej zastosowanieteoriizmiennychregionalnych regionalizedvariables b d cychnajcz ciejrealizacj funkcjilosowych randomfunctions analizastatystycznarozk ad wwprzestrzeni zmiennejlubzmiennychstworzonychprzeznaturalneprocesy opartaoteori funkcjilosowychzbi rnarz dzistatystycznychu ywanychwtegotypuanalizach dwiefunkcjegeostatystyki opisstrukturyprzestrzennej czasowejzjawiskaiszacowaniewarto ciparametruwnieopr bowanymmiejscui lubmomencieczasu estymacja modelowanieniepewno ciszacunk wpoprzezgenerowaniealternatywnychobraz w realizacji kt rehonoruj wynikipomiar wistruktur przestrzenn czasow zjawiska symulacja zmiennaregionalna regionalizowana zmiennakt rejwarto zmieniasi zale nieodpo o enia wykazujew a ciwo cilosowe aletak ejestcz ciowozdeterminowana 15 rozw jzastosowa geostatystyki1963 matheronzaproponowa metod ilo ciowegoopisuzmienno ciprzestrzennejzapomoc zmiennychregionalnych podstaw analizytychzmiennychjestsemiwariogram geologiaig rnictwolata60zjawiskanaturalnelata70daneprzestrzenneiczasowelata90najwa niejszekoncepcjegeostatykisemiwariogram opisprzestrzenno czasowejkorelacjizjawiskkriging optymalnaliniowametodaestymacjiwarto ciwdowolnymmiejscuprzestrzeni d g krige 16 historiageostatystykiandriejn ko mogorow 1903 1987 ko mogorov a n 1941 interpolationundextrapolationvonstation renzuf lligenfolgen izvestiaakademiinauksssr seriamatematicheskaia 5 3 14 17 krige d g 1951 astatisticalapproachtosomebasicminevaluationproblemsonthewitwatersrand journalofthechemical metallurgicalandminingsocietyofsouthafrica december 119 139 krige d g 1952 astatisticalanalysisofsomeoftheboreholevaluesintheorangefreestategoldfield journalofthechemical metallurgicalandminingsocietyofsouthafrica septemeber 47 64 historiad g krige 18 historiageorgesmatheron 1930 2000 matheron g 1962 trait deg ostatistiqueappliqu e tome1 1962 tome2 1963 paris editionstechnip matheron g 1965 lesvariablesr gionalis esetleurestimation masson paris paryskaszko ag rniczawfontainebleau centredeg ostatistique ecoledesminesdeparis 19 g wneo rodkirozwojuteoriigeostatystyki http cg ensmp fr 20 g wneo rodkirozwojuteoriigeostatystyki http ekofisk stanford edu scrfweb index html 21 g wneo rodkirozwojuteoriigeostatystyki http www uofaweb ualberta ca ccg 22 g wne r d oinformacjiwinternecie 23 tw rcygeostatystyki uczestnicykongresumi dzynarodowejasocjacjigeologiimatematycznej iamg w2002rokuwberlinie 24 czasopisma teoriaizastosowaniageostatystyki computers geosciencesmathematicalgeologygeodermaprecisionagriculturestochasticenvironmentalresearchandriskassessme